62 Ingenieurwissenschaften
Refine
Year of publication
Document Type
- Article (31)
- Bachelor Thesis (167)
- Book (51)
- Part of a Book (147)
- Conference Proceeding (230)
- Contribution to a Periodical (557)
- doctorallecture (201)
- Doctoral Thesis (367)
- Lecture (107)
- Master's Thesis (279)
Language
- German (1815)
- English (384)
- Multiple languages (111)
- Spanish (2)
Is part of the Bibliography
- no (2312)
Keywords
- 01 (64)
- 02 (68)
- 03 (13)
- 04 (7)
- 3-Phasen-Konzept (2)
- 3D-Druck (5)
- 3GPP (1)
- 3PhasenKonzept (7)
- 5G (23)
- 5G mobile communication (2)
Institute
- Business Transformation (180)
- Dienstleistungsmanagement (493)
- FIR e. V. an der RWTH Aachen (2310)
- Informationsmanagement (347)
- Produktionsmanagement (524)
Der Weg zum flächendeckenden Einsatz von Predictive Maintenance ist noch weit. Einzelne Anwendungsfälle können jedoch jetzt schon umgesetzt werden und sich auch wirtschaftlich rentieren. Der Aufwand zur Umsetzung betrieben werden muss ist jedoch sehr hoch, daher sollten Projekte nicht unbedarft angegangen werden.
In den letzten Ausgaben haben wir uns angeschaut, was Predictive Maintenance eigentlich ist und wie eine effektive Weiterentwicklung der Instandhaltung aussehen kann. Der folgende Artikel baut darauf auf und soll ein Gefühl dafür vermitteln, welche Anforderungen an die Infrastruktur und Datengrundlage für Predictive Maintenance gestellt werden und mit welchem Aufwand eine Einführung verbunden ist.
Predictive Maintenance als solches ist noch sehr weit weg von einer Plug-and-Play-Lösung und erfordert einen immensen Aufwand, der nicht angestoßen werden sollte, ohne vorher die eigenen Hausaufgaben gemacht zu haben und sich im Klaren über das Kosten-Nutzen-Verhältnis zu sein.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie dadurch ab. Im ersten Teil der Serie haben wir uns im Artikel "Predictive Maintenance – überall, nur nicht am Shopfloor" angeschaut, was "predictive" im Kontext der Instandhaltung bedeutet. Der Weg zu einer Etablierung von Predictive Maintenance in der Produktion ist noch weit, kann sich aber lohnen. Wie das geht, soll der folgende Artikel dadurch vermitteln, dass er aufzeigt, wie eine effektive Entwicklungsstrategie für die Instandhaltung aussehen kann.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben.
Was diese dreiteilige Reihe jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
A large number of product-accompanying services in the machinery and plant engineering industry is based on the cross-company exchange of data and information. By providing services, additional sales potential on the manufacturer side as well as far-reaching product and process advantages for appliers can be reached. However, the necessary cross-company exchange of information is nowadays limited due to a lack of trust in the interacting partner and the applicable existing technologies, which results in significant losses in the terms of business potential. The uncovering of this potential now seems to be made possible by the use of the Blockchain technology. Through the key factors security, immutability, transparency and decentralisation, it serves as an enabler for cross-company communication and product-accompanying services. The technological implementation of a Blockchain can take on a broad spectrum of attributes, which can lead to decisive restrictions for the execution of services. This justifies the necessity for a qualified and context-related assessment of service-types-individual specifications and the resulting requirements on the system. Within the scope of this paper, different types of product-accompanying services are identified and analysed regarding their requirements for a Blockchain-based machinery and plant connection. This can serve as a basis for a qualified and goal-oriented configuration of the Blockchain.
Smartification and digital refinement of products to enable the design of smart ones is a pivotal challenge in the manufacturing industry. Companies fail to design smart products due to missing knowledge of digital technologies and their integral part in product development processes. This paper presents a methodology that enables the derivation of digital functions for smart products through selected cases in manufacturing usage. We develop a morphology that consists of digital functions for smartification. In this context, we explained and derived characteristics by a set of examples regarding smart products in the manufacturing industry. Our methodology reduces the time spent initiating a development project with the focus on smartification.
Im "Data Quality Center" widmen sich Experten und Forscher der Hochschule Heilbronn, des FIR und des Trovarit Competence Centers Datenmanagement gemeinsam der Frage, mit welchen Werkzeugen und Methoden Unternehmen effizient die Qualität ihrer Stammdaten messen und verbessern können. Erstes Ziel ist die Entwicklung einer Methodik und Toolchain für das betriebliche Stammdatenmanagement zur Evaluierung und Sicherung der Stammdatenqualität. Der Beitrag liefert erste Ergebnisse sowie eine Marktübersicht zu MDM-Lösungen. Außerdem wird die DQC-Methodik zur Bewertung der Stammdatenqualität im Unternehmen beschrieben.
Erfolgsprinzipien der Smart Maintenance – Was wir von den Besten aus der Praxis lernen können
(2019)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Dieser Nutzen zeichnet sich durch die Beschleunigung der unternehmerischen Entscheidungs- und Anpassungsprozesse aus und stellen damit das eigentliche Potenzial von ‚Industrie 4.0‘ dar. An dieser Stelle stehen Unternehmen heute vor der Herausforderung, die Transformation zur Smart Maintenance effektiv und effizient zu gestalten. Zu häufig neigen Unternehmen dazu, „das Rad wiederkehrend neu zu erfinden“, da Praxiseinblicke über die eigenen Standort- und Unternehmensgrenzen hinweg fehlen. Um eben jene benötigten Praxiseinblicke und Erfahrungswerte liefern zu können, wurde am FIR an der RWTH Aachen gemeinsam mit sechs Industriepartnern sowie dem Fraunhofer IML aus Dortmund das „Konsortial-Benchmarking Smart Maintenance“ durchgeführt. Anhand eines eigenen Ordnungsrahmens wurden zentrale Fragestellungen der Smart Maintenance identifiziert und mittels Fragebogenstudie untersucht. Durch die angeknüpfte statistische Auswertung konnte zwischen sogenannten ‚Top-Performern‘ (TP) und ‚Followern‘ (FL) unterschieden werden. In diesem Beitrag werden ausgewählte Ergebnisse der Studie sowie der Interviews den Ebenen des Ordnungsrahmens folgend vorgestellt.
Operation and Maintenance (O&M) is a key value driver for offshore wind farms. Consequently, reducing O&M costs improves their profitability. This paper introduces different typologies of dispositioning maintenance tasks in offshore wind farms, in order to help design the strategies and organization of maintenance. Based on the special requirements of offshore wind farms regarding planning and controlling the O&M activities, a morphological analysis was developed. With this different disposition strategies for offshore wind farms could be generated. The consequences of choosing different characteristics are allegorized in an exemplary fashion. The work presented in the following is the foundation for designing a software-based dispositioning tool for usage in offshore wind farms, which will help to increase the effectiveness of the disposition in offshore wind farms by maximizing the number of accomplished tasks per day and minimizing the time technicians stay on the wind turbine and the ships.
This paper addresses the challenge of modelling individual cyber-physical systems (CPS) for small and medium-sized enterprises (SMEs) in manufacturing industries. CPS are key technology building blocks for the implementation of Industrie 4.0. Especially for SMEs the increase of production efficiency and reduction of manufacturing costs through CPS offer potential to maintain their competitiveness and innovation capacity. Although SMEs perceive the potential of CPS, they often lack financial and human resources to acquire the necessary CPS-competencies as well as an overview of all the currently available technological solutions. To overcome this issue a matching platform will offer SMEs support in finding suitable CPS-components by letting them express their functional and technical requirements. The matching logic is based on a set of morphologies that encompasses the functional and requirement spectrum of CPS-components. The matching algorithm analyses the input for congruence of requirements and available technologies and suggests suitable technology combinations. This paper describes the methodology of the matching platform, and introduces the research work to define and to develop the technology morphologies. The presented results facilitate the selection and configuration of CPS for SMEs.
Numerous traditional, agile and hybrid development approaches have been proposed for the development of CPS. As the choice of development process is crucial to the success of development projects, it has become a major challenge to identify the best-suited process. This paper introduces a methodology for identifying the best-suited CPS development process, based on the individual boundary conditions for a certain development project within a company. The authors used a set of eight indicators to assess a CPS-development project. The results of the assessment were matched with CPS-development approaches. Based on the matching results a best-suited development process was selected. The application is shown for a use case in the German manufacturing industry. The developed method aims to reduce the risk of project failure due to the wrong choice of development process.
Von Instandhaltung zu Smart Maintenance - einer der primären Anwendungsfälle von Industrie 4.0
(2020)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Der Instandhaltung bzw. dem industriellen Service eröffnen sie das große Potenzial, eine bedarfsgerechte Verfügbarkeit von Maschinen und Anlagen datenbasiert effektiver und effizienter zu erreichen als bisher. Dieser Wandel, ergänzt durch organisatorische sowie kulturelle Anpassungsprozesse zur Nutzung neuer Technologien, kann als Transformation zur Smart Maintenance verstanden werden. Auf Basis von digitalen Daten und Erfahrungswissen wird mittels Smart Maintenance die selbständige Weiterentwicklung der Instandhaltungsorganisation angestrebt, mit dem Ziel, den größtmöglichen Wertbeitrag für das produzierende Unternehmen zu leisten. In diesem Artikel wird dazu passend die Smart-Maintenance-Roadmap vorgestellt, die nach Vorgabe der drei Zieldimensionen die Schrittweise Weiterentwicklung einer Instandhaltungsorganisation aufzeigt. So werden bspw. Predictive-Maintenance-Initiativen gegenüber Condition-Monitoring-Aktivitäten zurückgestellt, um eine schrittweise Weiterentwicklung der Fähigkeiten zu erreichen.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie ab. In der vorangegangenen Ausgabe haben wir uns im Artikel „Predictive Maintenance: Realitätscheck" angeschaut, was „predictive" im Kontext des technischen Service bedeutet. Der folgende Artikel soll einen Eindruck darüber vermitteln, wie sich dies in einer Servicestrategie einbetten lässt.
Augmented Reality im Service
(2020)
Der gesellschaftliche Umbau zu einer Wissensgesellschaft mit all ihren Implikationen hat Wissen zu dem zentralen Erfolgsfaktor jedes Unternehmens gemacht. Gleichzeitig wird der Fachkräftemangel in den kommenden Jahren immer weiter ansteigen. Schon jetzt sorgt er im Mittelstand für jährliche Umsatzeinbußen von fast 50 Milliarden Euro und gilt als eine der größten Wachstumsbremsen der deutschen Wirtschaft. Die Auswirkungen des Fachkräftemangels zeigen sich insbesondere im technischen Service, wo hoch-individualisierte Maschinen und Anlagen Expertenwissen sowie die Bereitschaft zur stetigen Weiterbildung erfordern.
Als größter Berufsverband für Beschäftigte im Kundendienst und im After-Sales-Service innerhalb der DACH-Region verbindet der Kundendienst-Verband Deutschland e. V., kurz KVD, unterschiedliche Akteure im Thema Service, so zum Beispiel aus Wissenschaft und Wirtschaft. Dabei gelingt es dem KVD nicht nur, seine Mitglieder untereinander zu vemetzen, sondern ihnen stets brandaktuelle Inhalte anzubieten. Die enge Kooperation mit Forschungseinrichtungen ermöglicht es dem KVD und seinen Mitgliedern immerwieder, neue Themen und nützliche Werkzeuge für die praktische Anwendung zur Verfügung zu stellen. Schwerpunktmäßig setzt der Verband sich in den letzten Jahren forschungsseitig mit Themen im Bereich einer modernen Serviceorganisation sowie der Digitalisierungvon After-Sales-Services auseinander. Im Forschungskalender auf dieser Doppelseite stellen wir regelmäßig aktuelle Projekte mit KVD-Beteiligung vor und sagen, wie KVD-Mitglieder mitmachen und profitieren können.
"Tracking & Tracing"-Systeme steigern merklich die Transparenz in der Produktion und der Lieferkette. Insbesondere Such-, Buchungs-, und Inventuraufwände sowie Schwund, Engpässe und Transportkosten lassen sich dadurch reduzieren. Die gewonnene Transparenz hilft bei der Erreichung einer flexiblen Produktion, sodass sich durch eine adaptive Planung und Steuerung bestehende Prozesse kontinuierlich verbessern lassen. Das jetzt erschienene Whitepaper beleuchtet Nutzen und Potenziale von Tracking & Tracing, stellt einen systematischen Ansatz zur Einführung von Tracking- und Tracing-Systemen vor und beschreibt hierbei anfallende Herausforderungen.
Die andauernde Globalisierung stellt Unternehmen weiterhin vor erhebliche Herausforderungen. Während sich zum einen die Wettbewerbssituation verschärft, steigen zum anderen die Kundenansprüche. Um dem Kundenwunsch nach individuellen Produkten gerecht zu werden, differenzieren Unternehmen ihr Produktangebot. Gleichzeitig erlaubt die fortschreitende Vernetzung eine höhere Innovationsgeschwindigkeit, die u. a. eine Verkürzung der Produktlebenszyklen bewirkt. Dieser Anstieg an zeitgleich zu erbringenden Leistungen sorgt für immer komplexere Unternehmensprozesse und Wertschöpfungsketten. Auch die zunehmende Anzahl an Partnern und Dienstleistungen sowie deren beständiger Wechsel steigern die Komplexität und damit den Koordinationsbedarf in Supply-Chains. Dieser Aufwand nimmt dabei mit steigender Anzahl der Faktoren exponentiell zu. Darüber hinaus rufen die steigende Anzahl an IT-Systemen sowie deren Änderungsgeschwindigkeit hochkomplexe und dynamische Strukturen hervor. Insbesondere die wechselseitigen Beziehungen zwischen den genannten Einflussfaktoren führen zu einem intransparenten Gesamtsystem.