Refine
Document Type
- Article (2)
- Book (2)
- Part of a Book (6)
- Conference Proceeding (16)
- Contribution to a Periodical (11)
- doctorallecture (1)
- Doctoral Thesis (1)
- Lecture (2)
- Internet Paper (1)
- Report (6)
Language
- German (33)
- English (23)
- Multiple languages (1)
Is part of the Bibliography
- no (57)
Keywords
- 02 (1)
- 3D-Druck (1)
- AR (1)
- Additive Fertigung (1)
- Additive manufacturing (1)
- After-Sales (1)
- Arbeit 4.0 (1)
- Arbeitsgestaltung (1)
- Arbeitswelt 4.0 (1)
- As-a-Service (1)
Institute
- FIR e. V. an der RWTH Aachen (57) (remove)
Operating and maintenance costs, which account for 25% of total costs, are a powerful lever in reducing the electricity generation costs of onshore wind turbines (WT). These costs can be reduced by a condition-orientated maintenance approach. A condition-oriented maintenance strategy optimizes maintenance tasks by executing them with varying levels of detail and focus depending on the system and life cycle phase. OEMs evaluate operating data and structured data from the maintenance history for this purpose, but SMEs lack the capacity for this evaluation. In particular, the unstructured descriptive comments in the maintenance reports generated by service technicians remain unused. In this work, we propose a framework to incorporate this information from the maintenance reports along with the status records from the SCADA system. For this purpose, a mechanism has to be developed to make the contents of the service reports machine-evaluable. The mechanism used in this approach is an ontology, which enables the codification of implicit knowledge such as the experience knowledge of the service technicians. The ontology’s purpose is to link status codes of onshore WT with historical maintenance reports and thereby enabling an automated evaluation. Using an API (application programming interface), the ontology can be integrated into an algorithm to analyse status data and maintenance documents. In this manner, recommendations for actions can be derived and maintenance tasks can be optimized.
"New Service-Work"
(2021)
Durch die Corona-Krise befinden wir uns auf einmal alle in einer völlig neuen Arbeitswelt. Innerhalb kürzester Zeit waren Unternehmen im Service gezwungen, Antworten für – vielleicht auch manchmal schon länger bestehende Fragen – rund um das Thema „New Work“ zu finden. Daher hat sich der KVD in den vergangenen Monaten im Rahmen einer ausgewiesenen Expertenrunde aus Praxis und Forschung mit dem Thema „New Service-Work“ auseinandergesetzt. Vor dem Hintergrund der aktuellen Herausforderungen haben wir die zentralen Handlungsfelder für die Umsetzung dieser neuen Arbeitswelt einmal intensiver beleuchtet. In über 25 digitalen Treffen wurden die Chancen, Risiken oder auch Hemmnisse zu den jeweiligen Handlungsfeldern intensiv diskutiert und aufbereitet. Mit einigen aktuellen, innovativen Lösungsansätzen aus unseren Mitgliedsunternehmen hoffen wir, auch Ihnen erste Hinweise oder Impulse geben zu können, wie auch bald in Ihrem Unternehmen „New Service-Work“ Einzug halten könnte.
Digitale Plattformen verfügen über das Potenzial gesamte Branchen in kürzester Zeit grundlegend zu verändern und bislang profitable Geschäftspraktiken abzulösen. Dieses Phänomen aus dem Business-to-Consumer (B2C) Bereich stellt auch zunehmend Unternehmen aus dem Business-to-Business (B2B) Bereich vor einen Paradigmenwechsel. Große Technologiekonzerne wie Siemens oder Bosch haben mit Mindsphere und Bosch IoT Suite Plattformen am Markt etabliert, welche diese neuen Wege der Wertschöpfung vorgeben. Kleine und mittlere Unternehmen (kmU) des Maschinen- und Anlagenbaus sind dabei dem Risiko ausgesetzt, ohne eine eigene Plattformstrategie im Wettbewerb verdrängt zu werden. Deshalb ist das Verständnis von plattformbasierten Geschäftsmodellen und deren Umsetzung elementar. Zu Beginn muss die Entscheidung getroffen werden, ob einer bestehenden Plattform beigetreten oder eine neue Plattform gegründet werden soll. Zur Entscheidungsunterstützung müssen relevante Kriterien definiert und in einem weiteren Schritt erhoben und bewertet werden. Ein Plattformbeitritt kann als Erweiterung der Digitalisierungsstrategie aufwandsarm in die bestehende Strategie integriert werden. Dahingegen ist der Aufbau einer eigenen Plattform ein aufwändiges und kostenintensives Projekt: Begonnen mit der Identifikation und Auswahl von geeigneten plattformbasierten Geschäftsmodellen, über den Aufbau eines plattformbasierten Ökosystems bis hin zu der Skalierung der digitalen Plattform. Wie kmU des Maschinenbaus diese Herausforderungen schrittweise angehen können und so ein hybrides Geschäftsmodell unter Einbezug der Möglichkeiten digitaler Plattformen umsetzen können, ist das Ergebnis dieses Forschungsprojekts. Plattform Hybrid gibt kmU einen Praxisleitfaden mit Roadmap an die Hand, welcher zum einen aufzeigt welche plattformbasierten Geschäftsmodelle im Maschinen- und Anlagenbau existieren und zum anderen wie eine Plattformstrategie als Ergänzung zu dem bestehenden Geschäft aufgebaut werden kann.
Subscription-Geschäftsmodelle (SGM) spielen eine wesentliche Rolle bei der Monetarisierung von Industrie 4.0 Potenzialen für produzierende Unternehmen. Durch die Vernetzung von Maschinen und digitalen Produkten können dem Kunden völlig neue Leistungen geboten werden, die durch ein rein transaktionsbasiertes Geschäftsmodell nicht möglich wären. Der folgende Beitrag widmet sich der Charakterisierung von Subscription-Geschäftsmodellen und zeigt vier Handlungsfelder auf, die bei ihrer Umsetzung berücksichtigt werden müssen.
In the food industry, a very large potential of data ecosystems is seen, in which data is understood, exchanged and monetized as an economic asset. However, despite the enormous economic potential, companies in the food industry continue to rely on traditional, product-oriented business models. Existing data in the value chain of industrial food production, e.g., in harvesting, logistics, and production processes, is primarily used for internal optimization and is not monetized in the form of data products. Especially the pricing of data products is a key challenge for data-based business models due to their special characteristics compared to conventional, analog offerings and multiple design options. The goal of this work is therefore to solve this issue by developing a framework that allows the identification of pricing models for data products in the industrial food production. For this purpose, following the procedure of typology formation, essential design parameters and the respective characteristics are derived. Furthermore, three types for pricing models of data products are shown. The results will serve not only stakeholders in the food industry but also manufacturing companies in general as input for an orientation of their databased business models.
Industrial food production represents one of the largest industries, accounting for a share of ten percent of the world’s gross domestic product. Simultaneously, it is responsible for 26 percent of global greenhouse gas emissions. Due to increasing CO2 taxes and population’s call for sustainability and CO2 reduction, it is facing challenges in terms of economic profitability and stakeholder demands. These challenges could partly be overcome by participating in data ecosystems in which data are refined as data products, understood, exchanged and monetized as economic goods. Despite large amounts of data, collected parenthetically along the value chain in food production, potentials of data analytics and data ecosystems are only marginally exploited. Food production mainly focuses on traditional, product-centric business models. This work shows the conceptualization of a data ecosystem for food production, enabling data-based business models. Therefore, resources, ac- tors, roles and underlying relationships of future ecosystem are analyzed. Building on these, corresponding architectural and analytical artifacts that support data ecosystem exploitation are presented. A food production data ecosystem is exemplified by applying data analytics to compressor data, which reveals high potentials for CO2 reduction.
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.
Agilität gilt als zentrale unternehmerische Fähigkeit, um Veränderungen proaktiv zu erkennen und diese schnell und effektiv zu vollziehen. Industrie 4.0 bietet Unternehmen das Potenzial dies zu beherrschen und schnell auf Ereignisse zu reagieren. Die Vision ist ein agiles, lernendes Unternehmen, welches in der Lage ist, sich einer wandelnden Umwelt kontinuierlich anzupassen. Dies bedeutet für Unternehmen die Nutzung von Optimierungspotentialen durch eine durchgängige, intelligente Vernetzung von Menschen, Maschinen und Objekten. Dabei wächst die Bedeutung der Instandhaltung, indem sie die Funktionsfähigkeit immer stärker vernetzter und technisch komplexer werdenden Anlagen sicherstellt. Die technologischen Elemente von Industrie 4.0 kombiniert mit einer zukunftsfähigen Instandhaltung befähigen den Wandel zu einem agilen, lernenden Unternehmen.
Die Umsetzung der Potenziale, die mit Industrie 4.0 einhergehen, werden von den Unternehmen erkannt und nehmen vielfach ein strategisches Zukunftsfeld ein. Allerdings erreicht ein Großteil, der in diesem Kontext definierten technologie-basierten Projekte nicht die gewünschten Resultate. Der Hauptgrund für das Scheitern der Transformationsprojekte besteht in kulturellen Hürden. Die digitale Transformation hat keinesfalls nur eine überwiegend technologische Dimension, sondern vor allem eine kulturelle und soziale Dimension, die über den Erfolg der digital induzierten Veränderung endscheidet.
Vor diesem Hintergrund besteht das Ziel der Dissertationsschrift in der Gestaltung von Reifegraden der Unternehmenskultur für die Entwicklung eines agilen, lernenden Unternehmens und deren Anwendung am Beispiel der Instandhaltung. Dazu werden die technologischen Entwicklungsstufen einer Instandhaltungsorganisation im Kontext von Industrie 4.0 beschrieben. Hierzu wird der Einfluss technischer Entwicklungen auf die Kern- und Supportprozesse einer Instandhaltungsorganisation untersucht. Ergebnis ist eine Beschreibung der Instandhaltung auf vier Entwicklungsstufen bis zur agilen, lernenden Instandhaltungsorganisation. Basierend auf dieser Beschreibung wird die Unternehmenskultur ausgestaltet, die zur Realisierung der technologisch-induzierten Potenziale notwendig ist. Abschließend wird mithilfe geeigneter Instrumente ein Kulturentwicklungsprozess abgeleitet, welcher eine erfolgreiche Entwicklung und das kontinuierliche Management der Unternehmenskultur zur Steigerung der Agilität im Kontext von Industrie 4.0 ermöglicht.