Refine
Document Type
- Part of a Book (6)
- Conference Proceeding (16)
- Contribution to a Periodical (8)
- doctorallecture (1)
- Doctoral Thesis (1)
- Master's Thesis (1)
- Internet Paper (2)
- Report (3)
- Working Paper (6)
Language
- German (22)
- English (20)
- Multiple languages (2)
Is part of the Bibliography
- no (44)
Keywords
- 01 (2)
- 02 (7)
- 03 (3)
- AI (1)
- Additive manufacturing (1)
- After-Sales-Services (1)
- Artificial intelligence (1)
- Asset Management (1)
- Augmented Reality (1)
- Augmented reality (1)
Institute
Lean Services ist ein am FIR an der RWTH Aachen entwickeltes Managementkonzept, das die Vermeidung von Verschwendung und die konsequente Ausrichtung der Serviceprozesse an der Erzielung eines möglichst hohen Kundennutzens fokussiert. Konkret bedeutet dies, die Gestaltung schlanker Prozesse bei gleichzeitig komplexer werdenden Markt- und Kundenanforderungen zu berücksichtigen.
Im Mittelpunkt von Industrie 4.0 steht die echtzeitfähige und Intelligente Vernetzung von Menschen, Maschinen und Software, mit dem Ziel, komplexe Systeme transparent zu gestalten und dynamisch zu managen. Industrie 4.0 kann somit als Ergänzung des Lean-Services-Ansatzes dazu beitragen, die zunehmende Komplexität in der Leistungserbringung beherrschbar zu machen. Die Potenziale digitaler Technologien müssen dabei allerdings zunächst durch die Anwendung grundlegender Lean-Prinzipen "nutzbar" gemacht werden. Der Lean-Services-4.0-Zyklus gibt vor, wie Unternehmen diesen Weg gestalten können, indem die fünf Phasen des bewährten Aachener Lean-Services-Zyklus, ergänzt durch die drei übergeordneten Schalen Technologische Enabler, 'Lean Services 4.0'-Methoden und Potenziale von Lean Services 4.0 durchlaufen werden.
Today, however, agility is seen more than ever as a critical success factor for companies. In times of an increasing degree of digital interconnection and minimum viable products, a mentality is entering the industrial service sector that has so far only been exemplified by Internet companies (e.g. Google): New products and especially digital services are developed in highly iterative processes. To this end, customers are involved in early test phases of development and provide feedback on individual functional modules, which – in contrast to the previous approach – are only gradually assembled into a market-ready “100 percent version”. But especially with the development of new digital services, companies must ensure more than ever that both the existing analog service business and the design of new digital services are geared to effectiveness and efficiency in order to meet the growing demands of customers and competitors.
To achieve this, companies must not only be familiar with the products currently on the market, but also master the entire product history, which in some cases goes back more than 30 years and varies greatly from one industry to another.
Das Dienstleistungsgeschäft gehört bereits seit einigen Jahren zum zentralen Wachstumstreiber vieler Unternehmen in Deutschland. Auch kleine und mittlere Unternehmen (KMU) des Maschinenbaus haben diesen Trend erkannt und sind bestrebt, ihr Leistungsangebot hinsichtlich After-Sales-Services (AS-Services) auszubauen. Dabei stoßen sie allerdings immer wieder an Kapazitätsgrenzen. Das vorhandene und hochqualifizierte Personal ist häufig bereits voll ausgelastet, während der Mangel an Fachkräften ein geeignetes Gegensteuern erschwert. Somit beschränken die Ressourcenengpässe KMU des Maschinenbaus, ihr eigenes Geschäft mit AS-Services auszubauen.
Digitale Technologien bieten in diesem Zusammenhang das Potenzial, diesen Engpässen entgegenzuwirken, indem die vorhandenen Ressourcen effizienter eingesetzt werden. Ein prominentes Beispiel hierfür ist der Einsatz von Datenbrillen im Bereich des Remote-Service. Statt dass ein Servicetechniker gezwungen ist, wegen einer Maschinenstörung zum Kunden zu fahren, können die Diagnose und auch einfache Maßnahmen zur Störungsbehebung vom Kunden selber vor Ort durchgeführt werden, während der Servicetechniker mittels Datenbrille live zugeschaltet ist und anleiten kann. Dadurch können Reisezeiten, in den der Servicetechniker üblicherweise nicht wertschöpfend tätig ist, reduziert und im besten Fall mehr Serviceaufträge pro Servicemitarbeiter bearbeitet werden.
Im Zuge der fortschreitenden digitalen Vernetzung durch Industrie 4.0 sind in den letzten Jahren viele digitale Technologien entwickelt und zur Marktreife gebracht worden. Die große Vielfalt dieser technischen Lösungen macht es insbesondere KMU mit ihren ohnehin schon begrenzten Ressourcen fast unmöglich, einen angemessenen Überblick zu behalten. Zusätzlich können Verantwortliche und Fachkräfte der KMU nur schwer beurteilen, welche digitale Technologie sich für ihre unternehmensspezifischen Anforderungen überhaupt eignet. Eine Bewertung, die eine technologieübergreifende Vergleichbarkeit ermöglichen würde, fehlt. Genau hier setzt das erste Modul des Digitalisierungsnavigators an, der als Demonstrator auf dem AiF Forschungsprojekt ScaleUp entstanden ist.
Augmented reality seems to offer great potential benefits in the field of industrial services. However, the question of the exact benefits, both monetary and qualitative, is difficult to evaluate, as is the case with IT investments in gen-eral. Within the framework of the DM4AR research project, an evaluation model was therefore developed. Based on group discussions and interviews on potential AR use cases, a list of monetary and qualitative benefits was compiled to form the basis for selecting suitable evaluation modules in the existing literature. These include an impact chain analysis in the form of a strategy map, a monetary eval-uation as a calculation of the return on investment, based on the assumptions of the use case as well as existing studies, and a qualitative evaluation in the form of a utility analysis. The outcome is an evaluation model in the form of a multi-perspective approach that considers the impact of AR in the four perspectives of the balanced scorecard (financial, customer, internal business processes, learning and growth). The results of the qualitative and monetary evaluation can be sum-marized in a 2D matrix to support decision-making.
Eine Steigerung des Wertbeitrags der Instandhaltung kann nur im Zusammenspiel mit der Belegschaft sowie internen und externen Anspruchsgruppen geschehen.
Dabei bieten digitale Technologien eine Möglichkeit, Prozesse und Entscheidungen punktuell effizienter und besser zu machen. Eine nachhaltige Transformation muss jedoch nicht nur technologisch, sondern vor allem auch methodisch gestaltet werden.
Dabei müssen bewährte Methoden der zuverlässigkeitsorientierten
Instandhaltung und des Lean Managements mit den digitalen Technologien zusammenspielen, um den größtmöglichen Effekt für das Unternehmen zu erzielen.
Manufacturing companies (MFRs) are increasingly extending their
portfolios with services and data-driven services (DDS) to differentiate themselves from competitors, tap new revenue potential, and gain competitive advantages through digitization and the subsequently generated data. Nonetheless, DDS fail more often than traditional industrial services and products within the first year on the market. Particularly, companies are failing to sell DDS successfully and efficiently with their existing (multi-level) distribution structures. Surprisingly, there is a lack of scientific research addressing this issue. Since there are currently no holistic models for an end-to-end description of distribution-tasks for DDS in the manufacturing industry, this paper contributes to a task-oriented reference model for mapping interactions in the multi-level distribution management. Therefore, a case study research approach is used, to identify and describe the interactions in the multi-level distribution management of DDS, as well as to develop a regulatory framework for MFRs and their multi-level distribution management. This research uses the established theoretical framework of Service-Dominant-Logic to address the co-creation in multi-level distribution management of DDS. As a result, this paper identifies different interaction variants as well as the need for a new management function with 4 main and 14 basic tasks.
Ein Subscription-Geschäftsmodell – das klingt nach maßgeblichen wirtschaftlichen Vorteilen. Daher stellt sich die Frage: Warum haben bisher noch nicht alle produzierenden Unternehmen diese Art der partizipativen Geschäftsmodelle aufgebaut?
Die Antwort: Der Aufbau und die Umsetzung von Subscription-Geschäftsmodellen gehen einher mit zentralen Herausforderungen, die Unternehmen im Zuge einer Geschäftsmodelltransformation bewältigen müssen. Hierbei hilft dieses Expert-Paper.
A subscription business model - that sounds like significant economic advantages. Therefore, the question arises: Why haven't all manufacturing companies established this type of participative business model yet?
The answer: The development and implementation of subscription business models go hand in hand with central challenges that companies have to overcome in the course of a business model transformation. This expert paper helps with this.
The additive manufacturing technique of "Selective Laser Melting" (SLM) provides the basis for a fundamental paradigm shift in industrial spare part manufacturing, affecting both technological and organizational company prac-tices. To harness the full potential of SLM-technology, considering agility and customizability, decentralized additive production networks need to be estab-lished. According to the principles just in time, just in place and just enough, a global online platform, which efficiently distributes construction orders to local manufacturing hubs could empower the market participants to utilize production capacities at optimal costs and minimal efforts. This work evaluates and selects key factors and creates scenarios for the development of platform-based networks for additive, SLM-based, spare part production. For this purpose, the selected key factors (e. g. material expenses, quality and process management and platform-based business models) are projected into the future, forming the three major scenarios "New distribution of roles in the SLM value chain", "SLM-technology for high wage countries" and "Individualization instead of mass production". These scenarios not only allow estimating the potential of an online network for additive spare part production, but also enable market participants to react pur-posively and agilely to unexpected market developments, and to foster the suc-cess of a platform-based additive spare part production.
Das Ziel des Forschungsprojekts "Future Data Assets" bestand in der monetären Bewertung des unternehmerischen Datenkapitals. Dazu wurden die Entwicklung und Instanziierung einer sogenannten "Datenbilanz" angestrebt. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichterstattung schließen, in der Daten kaum betrachtet bzw. systematisch bewertet werden.
Projekt ‚Future Data Assets‘: Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung
(2020)
„Daten sind das neue Öl.“ Ein vielfach genutzter Ausdruck, der die Relevanz und den Wert von Daten im digi- talen Zeitalter unterstreicht. Allerdings existiert derzeit noch kein standardisiertes Verfahren, um den Wert von Daten explizit zu bemessen. Traditionelle marktpreis-, kosten- und nutzenbasierte Bewertungsmethoden kommen bei der Anwendung im Datenkontext schnell an ihre Grenzen. Das Forschungsprojekt ‚Future Data Assets‘ hat zum Ziel, neue Möglichkeiten der Datenbewertung zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation ihres Datenkapitals stehen. Das diesem Bericht zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie unter dem Förderkennzeichen 01MD19010B gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.
Ziel des Forschungsprojekts 'LBM²' ist die Entwicklung eines kostengünstigen und leicht zu bedienenden Überwachungssystems für Windenergieanlagen (WEA). Mittels Lasterfassung durch Drehmomentsensoren und der darauf basierenden Ermittlung von Restlebensdauern sollen der Betrieb und die Instandhaltungsplanung des gesamten Windparks (WP) optimiert werden. Dazu wurde in Zusammenarbeit mit einem Sensorhersteller eine Technik zur Messung der realen Lasten an der Hauptwelle für die Applikation in einem Windpark des Projektpartners Innogy SE entwickelt. Parallel wurden Instandhaltungstätigkeiten im Windpark erfasst, prozessual abgebildet und wesentliche Kostentreiber identifiziert. Die Bearbeitung des Projekts erfolgt gemeinsamen durch das Center for Wind Power Drives (CWD) aus Aachen und den FIR e. V. an der RWTH Aachen. Das IGF-Vorhaben 20028 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energien aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Im durch das Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Forschungsprojekt 'EVAREST' untersucht der FIR e. V. an der RWTH Aachen zusammen mit Projektpartnern wie dem Deutschen Forschungszentrum für Künstliche Intelligenz(DFKI) und dem Schokoladenhersteller Lindt & Sprüngli Deutschland GmbH die Chancen durch Digitalisierung in der Lebensmittelindustrie. Mit der Betrachtung von Daten als eigenständigem Wirtschaftsgut wird eine neue Form der Datenökonomie erforscht,in der ein monetärer Handel mit Datenprodukten ermöglicht wird. Die technische Umsetzung erfolgt u. a. durch die beteiligten Projektpartner Software AG und DFKI in Form eines offenen IoT-Plattform-Ansatzes. Die Erforschung der Rechtssicherheit im Handel mit Datenprodukten ist ebenfalls Bestandteil des Projekts und wird durch die Universität des Saarlandes abgebildet. Das Forschungsprojekt 'EVAREST' wird vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen
Bundestages gefördert.
Maschinen- und Anlagenbauer setzen sich in Ergänzung zum klassischen Verkauf von Produkten und Services zunehmend mit sog. Subskriptionsgeschäftsmodellen auseinander. Ertragsmechaniken wie Pay-per-Use oder Pay-per-Outcome, ein auf den individuellen Kundenerfolg ausgerichtetes Nutzenversprechen, digitale und über das Internet of Things vernetzte Leistungssysteme, bestehend aus Produkten, Services und Software, sowie eine langfristig orientierte, partnerschaftliche Kundenbeziehung sind Voraussetzungen und charakteristische Merkmale von Subskriptionsgeschäften. Da der Anbietererfolg im Subskriptionsgeschäft in direkter Abhängigkeit zum Kundenerfolg steht, erfordert das Subskriptionsgeschäft den Auf- und Ausbau eines sog. Customer-Success-Managements (CSM). Das CSM ist im Gegensatz zum Vertrieb oder Service vollständig auf den Erfolg, d. h. die Zielerreichung der individuellen Subskriptionskunden, ausgerichtet und incentiviert. Das CSM überwacht die Nutzungsphase der Produkte und Services und unterstützt die Subskriptionskunden proaktiv bei der Erreichung und Steigerung ihrer individuellen Ziele. Während das CSM in der Softwareindustrie bereits seit einigen Jahren etabliert ist, befinden sich Unternehmen im Maschinen- und Anlagenbau vielfach noch in der Konzeptionierungsphase eines CSMs. Das Ziel dieser Dissertationsschrift besteht daher darin, ein konfigurierbares Referenzmodell für das CSM im Maschinen- und Anlagenbau zu entwickeln, das Unternehmen bei der unternehmensspezifischen Ableitung eines CSM-Modells entlang ausgewählter Konfigurationsparameter unterstützt. Mit dem Referenzmodell soll vor allem die Effizienz bei der Gestaltung der CSM-Ablauforganisation gesteigert werden. Auf Basis einer spezifizierten Vorgehensweise zur konfigurativen Referenzmodellierung werden in dieser Dissertationsschrift zunächst Konfigurationsparameter für das CSM-Referenzmodell hergeleitet. Anschließend erfolgt der Entwurf des Ordnungsrahmens, der als übergeordneter Einstieg in das CSM-Referenzmodell dient.
Daraufhin werden sowohl ein Daten- als auch ein Funktionsmodell entwickelt, um die zahlreichen, notwendigen Datenpunkte und Aufgaben im CSM systematisch abzubilden. Die beiden Modelle werden im Anschluss über 17 modular gestaltete Prozessmodelle integriert. Das Referenzmodell wird abschließend zur Güteprüfung in drei ausgewählten
Fallstudien mit Unternehmen des Maschinen- und Anlagenbaus wiederverwendet und evaluiert.
In der Spitzengruppe der weltweit wertvollsten Unternehmen befinden sich Stand 20211 hauptsächlich Digitalkonzerne wie Apple, Amazon, Alphabet, Microsoft, Facebook und Tencent. Im Gegensatz zu traditionellen Industrieunternehmen bestimmt sich der größte Anteil des Unternehmens- bzw. Börsenwerts dieser Konzerne nicht durch physische Assets, sondern durch den immateriellen Wert vorhandener Daten, Informationen und informationstechnischer Dienste.
Der Zugriff auf und die Nutzung von Daten sind zunehmend wettbewerbsentscheidende Schlüsselfaktoren und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse auch innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Projekt ‚Future Data Assets“ dient folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbe-
wertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die im Kontext von Industrie 4.0 zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation des Nutzwertes ihres Datenkapitals stehen.
Das Projekt LBM²-Load Based Monitoring and Maintenance erforschte die Einsatzfähigkeit einer kostengünstigen Lastsensorik zur Messung und Analyse von Restlebensdauerdaten für Großkomponenten an Windenergieanalgen (WEA). Da aktuell im Einsatz befindliche Condition-Monitoring-Systeme zur Überwachung von WEA oft teuer in der Anschaffung sind und lediglich vergangenheitsorientierte Informationen liefern, sobald ein kritischer Zustand bereits eingetreten ist, besteht der Bedarf insbesondere für KMU in der WEA-Branche für eine kostengünstige, proaktive Alternative. Hierzu wird im Projekt LBM² der Einsatz einer kostengünstigen, auf Dehnungsmessstreifen basierenden Messtechnologie erforscht, die über einen langen Zeitraum in einem Testwindpark betrieben wird. Die Erkenntnisse zu den Herausforderungen in der Spezifikation der Messtechnologie für den WEA-Typ sowie in der kontinuierlichen Datenerfassung und –auswertung adressieren ein aktuell hochrelevantes Themenfeld. Die Implikationen der Erkenntnisse gehen damit weit über die Branche der Windenergie hinaus. Mittels der gewonnenen Daten über die Lasten bzw. Restlebensdauern von Großkomponenten der WEA (z.B. Getriebe, Hauptwelle oder Hauptlager) wurden zudem deren Einsatzpotenziale für eine proaktivere, vorausschauende Instandhaltung von WEA untersucht. Die Instandhaltung ist der Hauptkostentreiber im Betrieb einer WEA und bietet demnach großes Potenzial für einen kosteneffizienteren Betrieb, der speziell für KMU in einem umkämpften Strommarkt mit wegfallenden EEG-Zulagen notwendig ist. Hierzu wurden im Projekt LBM² Instandhaltungsprozesse für WEA-Großkomponenten aufgenommen. Diese wurden in einer Simulationsumgebung hinsichtlich verschiedener, kosteneffizienter Instandhaltungsstrategien untersucht. Dazu wurde der Einfluss von Restlebensdauern auf spezifische Instandhaltungsstrategien abgebildet. Weiterhin wurden die Projektergebnisse in einen Softwaredemonstrator überführt, der den Anwendern und speziell KMU eine Möglichkeit an die Hand gibt, die Daten der kostengünstigen Lastsensorik in Zukunft übersichtlich visualisiert und mit relevanten Handlungsempfehlungen für eine optimierte Instandhaltung hinterlegt zu nutzen.
„If you can’t measure it, you can’t manage it.“ Peter Druckers berühmte Weisheit ist in Zeiten des digitalen Wandels aktueller denn je. Der Unternehmenswert der weltweit wertvollsten Unternehmen, wie beispielsweise Google, Amazon, Alphabet und Microsoft, ergibt sich zum größten Teil nicht durch physische Vermögenswerte, sondern durch informationstechnische Dienste und datengetriebene Geschäftsmodelle. Der Zugriff und die Nutzung von Daten sind zunehmend ein wettbewerbsentscheidender Schlüsselfaktor und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse, nicht zuletzt innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Forschungsprojekt ‚Future Data Assets', Laufzeit 01.08.2019 – 31.01.2023, diente folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbewertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen.