Refine
Year of publication
- 2018 (5) (remove)
Document Type
- Contribution to a Periodical (5) (remove)
Language
- German (5)
Is part of the Bibliography
- no (5)
Keywords
- Aachener Lean-Services-Zyklus (1)
- After-Sales-Services (1)
- Arbeitsbezogenes Lernen (1)
- Digitalisierungsnavigator (1)
- Energie (1)
- Instandhaltung (2)
- Intelligentes Stromnetz (1)
- KVP (1)
- Kaizen (1)
- Kennzahl (1)
Institute
Der Weg zur Industrie 4.0 bedingt einen umfangreichen Wandel in der Arbeitswelt des Instandhalters. Infolge der steigenden Komplexität und Vernetzung industrieller Serviceprozesse werden neue Schwerpunkte im Leistungsprofil der Techniker erzeugt. Datenanalytik, Elektrotechnik, Steuerungstechnik sowie Programmieren gewinnen an Bedeutung. Diese Entwicklung wird auch durch den Branchenindikator Instandhaltung, der seit 2016 gemeinsam vom FIR an der RWTH Aachen und dem Forum Vision Instandhaltung erhoben wird, bestätigt.
Dieser Artikel zeigt Ergebnisse des Branchenindikators Instandhaltung auf und kombiniert sie mit Ergebnissen aus dem Forschungsprojekt ELIAS. Hierzu werden zwei Use Cases für das Arbeitsbezogene Lernen vorgestellt.
Durch das Erneuerbare-Energien-Gesetz und den Wandel in der Energieversorgung ergeben sich immer neue Herausforderungen. Aufgrund der zunehmenden Einspeisung durch fluktuierende Erneuerbare-Energie-Erzeugungsanlagen ist der Ausbau von Energienetzen in Kopplung mit einer sicheren, schnell verfügbaren, energieeffizienten und wirtschaftlichen Informations- und Kommunikationstechnologie unabdingbar. Im Rahmen des Forschungsprojekts ‚eSafeNet‘ werden verschiedene Funk- und Kabelübertragungstechnologien auf ihr Potenzial für das Internet der Energie untersucht. Des Weiteren wird eine
Dienstleistungsplattform für Smart Services entwickelt. Ein interaktiver Demonstrator wird kreiert, der die Lösungsansätze für eine sichere Informations- und Kommunikations- sowie Energieinfrastruktur erlebbar darstellen soll. Das Vorhaben 03ET7549A der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch das Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Predictive Maintenance hat sich in der Instandhaltung als Begriff etabliert. Produzierende Unternehmen versuchen durch vorausschauende Instandhaltungsaktivitäten, die bedarfsgerechte Verfügbarkeit ihrer Maschinen und Anlagen bei möglichst geringen Kosten sicherzustellen. Die Instandhaltung soll damit noch effektiver und effizienter werden.
Dieser Artikel zeigt, wie mit Hilfe des Ansatzes des "Smart Service Engineering" vom Center Smart Services ein Predicitive Maintenace Service bei Heidelberger Druckmaschinen in Zusammenarbeit mit der KATANA Plattform von USA Software entworfen und ausgerollt wurde. Auf Basis der gewonnen Erkenntnisse wurden zudem weitere Services aufgebaut, die über den Use Case Predictive Maintenance sogar noch hinaus gehen.
Viele Unternehmen im industriellen Service können keine zuverlässige Aussage darüber treffen, wie gut ihr Leistungserbringungsprozess tatsächlich ist und wie mögliche Verbesserungen zur effizienten Befriedigung der Kundenbedürfnisse aussehen können. Zum einen fehlen hierzu oft geeignete Kennzahlen, die eine Messung der Service-Performance ermöglichen. Zum anderen ist meist nicht bekannt, welche Stellhebel zu betätigen sind, um die Performance gemäß den gesteckten Zielen zu steigern. In diesem fünften Teil der Beitragsreihe zum Aachener Lean-Services-Zyklus wird beschrieben, wie Kennzahlen zur Performance-Messung zur Erreichung des Ziels "Perfektion anstreben" beitragen.
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.