Refine
Year of publication
- 2020 (252) (remove)
Document Type
- Contribution to a Periodical (75)
- Master's Thesis (51)
- Bachelor Thesis (31)
- Conference Proceeding (23)
- doctorallecture (12)
- Doctoral Thesis (11)
- Report (10)
- Working Paper (10)
- Article (7)
- Lecture (7)
Is part of the Bibliography
- no (252)
Keywords
- 5G (4)
- ADAM (3)
- ADM-Systeme (1)
- AR (1)
- Abschlussbericht (5)
- Acatech industrie 4.0 Maturity Index (1)
- Additive Fertigung (4)
- Adherence To Delivery Dates (1)
- After-Sales-Service (1)
- Air Mobility (1)
Institute
- FIR e. V. an der RWTH Aachen (252)
- Dienstleistungsmanagement (57)
- Produktionsmanagement (56)
- Informationsmanagement (42)
- Business Transformation (25)
Die produzierende Industrie in Deutschland hat das Zeug zur Digitalmacht - der Weg dahin ist für viele Unternehmen jedoch noch weit. Verspricht die tiefgreifende Verflechtung von Informations- und Kommunikationstechnologien in Form von Industrie 4.0 die Hebung enormer wirtschaftlicher Potenziale, ist die Realität heute eine andere. Die sich vermehrt bietenden technologischen Möglichkeiten werden aktuell insbesondere zur internen Optimierung existierender Prozesse eingesetzt. Eine datenbasierte Prozessverbesserung allein stellt allerdings noch kein digitales Geschäftsmodell dar. Die Digitalangebote besetzen bestenfalls Nischen in den Leistungsportfolios der Unternehmen. So stagniert die digitale Transformation in der produzierenden Industrie.
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 diese zweiteilige Artikelreihe beheben. Das FIR an der RWTH Aachen wird jedoch eine Perspektive zeigen, die Entscheider befähigt, eine "informierte" Entscheidung für eine effiziente und effektive Weiterentwicklung ihres Service zu treffen. [Florian Defer, FIR e. V. an der RWTH Aachen]
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Störungen lassen sich auch nicht durch Power-Point-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was dieser Artikel jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
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.
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.
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.
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.
Lohnt sich der Einsatz von Robotic-Process-Automation überhaupt? Und wie könnte ein Proof of Concept aussehen? Um diese Fragen leichter beantworten zu können, haben Forscher der Institute FIR und IPRI ein Tool entwickelt, das entsprechende Prozesse vergleichen kann. Der Beitrag schafft einen Überblick, wie geeignete Prozesse für den Einsatz von Robotic-Process-Automation identifiziert und adäquat bewertet werden können. Die Inhalte der Veröffentlichung stellen einen Auszug der Ergebnisse des AiF-Forschungsprojekts 'RPAsset' dar.
Die Umsetzung von KI-Projekten stellt Unternehmen vor große, unbekannte Herausforderungen und fordert von ihnen neue, häufig noch nicht vorhandene Kompetenzen. Für die erfolgreiche Umsetzung von Anwendungsfällen der Künstlichen Intelligenz ist ein Wandel der internen Kompetenzen eines Unternehmens essenziell. Insbesondere die Datenkompetenz – auch Data-Literacy genannt – ist ein fundamentaler Kompetenzbereich, der im Unternehmen gefördert und entwickelt werden muss.
Vernetzte Maschinen, Condition Monitoring, Unikate in Serie - die Liste der Begriffe, die im Maschinen-und Anlagenbau mit Industrie 4.0 in Verbindung gebracht wird, ist lang. Letztendlich ermöglichen die einzelnen genannten Anwendungsbeispiele vor allem eines: die Potenziale der in Unternehmen anfallenden Daten an den richtigen Stellen zu nutzen. Das Ziel muss daher die ganzheitliche Integration aller relevanten Daten im Unternehmen sein -und darüber hinaus.