Refine
Document Type
- Contribution to a Periodical (5)
- Conference Proceeding (4)
- Book (2)
- Part of a Book (2)
- Lecture (1)
Language
- German (7)
- English (5)
- Multiple languages (2)
Is part of the Bibliography
- no (14)
Keywords
- ADAM (2)
- ADM-Systeme (1)
- AI (1)
- Data Literacy (1)
- Datenkompetenz (1)
- Digitalisierung (3)
- Digitalization (1)
- EFRE-0801386 / IT-2-1-025 (1)
- Förderkennzeichen EFRE-0801386 / IT-2-1-025 (1)
- Industrie 4.0 (2)
Institute
Technology management can significantly influence the strategic decisions of a company and thus cause success or failure. Basic templates for technology management are technology radars as well as the determination of the technology readiness level (TRL) to be able to evaluate the maturity of newly deployed technologies (e.g., newcomer vs. established). The radars, as well as the TRL, are identified in time-consuming, manual research by subject matter experts from external consultancies. This process is often repeated due to the further development and new development of technologies so that the necessary research becomes an ongoing task. The TechRad research project, therefore, aims to automate the identification of the TRL as well as technology radars using web crawling and Natural Language Processing (NLP). To commercialize the pre-competitive prototype, the development of a pre-competitive business model is the goal of this paper. Based on customer analyses, a target group definition is created. Based on user interviews, the precompetitive business model will be detailed in a four-step approach using a business model canvas and a value proposition canvas.
Die vernetzte Digitalisierung als Befähiger für Intelligente Produkte und datenbasierte Geschäftsmodelle stellt Unternehmen vor zahlreiche und vielfältige Herausforderungen auf dem Weg durch die digitale Transformation. Zur Unterstützung dieser Unternehmen wurden in den vergangenen Jahren diverse Referenzarchitekturmodelle entwickelt. Eine detaillierte Analyse derselben und insbesondere ihrer Nutzung durch Unternehmen zeigte schnell, dass aktuell bestehende Referenzmodelle große Schwächen in der Praxistauglichkeit aufweisen. Mit dem Aachener Digital-Architecture-Management (ADAM) wurde ein Framework entwickelt, das gezielt die Schwächen bestehender Referenzarchitekturen adressiert und ihre Stärken gezielt aufnimmt. Als holistisches Modell, speziell für die Anwendung durch Unternehmen entwickelt, strukturiert ADAM die digitale Transformation von Unternehmen in den Bereichen der digitalen Infrastruktur und der Geschäftsentwicklung ausgehend von den Kundenanforderungen. Systematisch werden Unternehmen dazu befähigt, die Gestaltung der Digitalarchitektur unter Berücksichtigung von Gestaltungsfeldern voranzutreiben. Die Beschreibung der Gestaltungsfelder bietet einen detaillierten Einblick in die wesentlichen Aufgaben auf dem Weg zu einem digital vernetzten Unternehmen. Dabei stellt das Modell nicht nur eine Strukturierungshilfe dar, sondern beinhaltet mit den Gestaltungsfeldern einen Baukasten, um das Vorgehen in der digitalen Transformation zu konfigurieren. Das Vorgehen differenziert zwischen der Entwicklung der Digitalisierungsstrategie und der Umsetzung der Digitalarchitektur. Drei unterschiedliche Case-Studys zeigen zudem auf, wie ADAM in der Industrie konkret genutzt, welche Strukturierungshilfe es leisten und wie die digitale Transformation konfiguriert werden kann. Durch die Breite und Tiefe von ADAM werden Unternehmen befähigt, den Weg der digitalen Transformation systematisch und strukturiert zu bestreiten, ohne die wertschöpfenden Bestandteile der Digitalisierung außer Acht zu lassen. Dies qualifiziert ADAM zu einem nachhaltigkeitsorientierten Framework, da es die wirtschaftliche Skalierung, die bedarfsgerechte Anpassung und die zukunftsgerichtete Robustheit von Lösungsbausteinen in den Fokus der digitalen Transformation rückt.
The operation of CNC milling is expensive because of the cost-intensive use of cutting tools. The wear and tear of CNC tools influence the tool lifetime. Today’s machines are not capable of accurately estimating the tool abrasion during the machining process. Therefore, manufacturers rely on reactive maintenance, a tool
change after breakage, or a preventive maintenance approach, a tool change according to predefined tool specifications. In either case, maintenance costs are high due to a loss of machine utilization or premature tool change. To find the optimal point of tool change, it is necessary to monitor CNC process parameters during machining and use advanced data analytics to predict the tool abrasion. However, data science expertise is limited in small-medium sized manufacturing companies. The long operating life of machines often does not justify investments in new machines before the end of operating life. The publication describes a cost-efficient approach to upgrade legacy CNC machines with a Tool Wear Prediction Upgrade Kit. A practical solution is presented with a holistic hardware/software setup, including edge device, and multiple sensors. The prediction of tool wear is based on machine learning. The user interface visualizes the machine condition for the maintenance personnel in the shop floor. The approach is conceptualized and discussed based on industry requirements. Future work is outlined.
Die digitale Transformation in Unternehmen bewirkt einen stetigen Anstieg der Datenmengen auf allen Unternehmensebenen. Die Nutzung dieser Daten und deren Veredlung zu Informationen gestalten sich aufgrund der historisch gewachsenen IT-Komplexität jedoch zunehmend als strukturelle und organisatorische Herausforderung. Das Potenzial der digitalen Transformation, schnellere und bessere Entscheidungen auf Basis von Analysen der vorliegenden Datenbasis zu treffen, bleibt damit oftmals hinter den Erwartungen zurück. Unternehmen sind daher gefordert, Strukturen und Fähigkeiten zur Beherrschung der Ressource Information zu gestalten. Die Informationslogistik stellt einen essenziellen Baustein dar, um interne und externe Informationsflüsse effektiv und effizient nutzbar zu machen.