FIR e. V. an der RWTH Aachen
Refine
Year of publication
- 2018 (8) (remove)
Document Type
- Report (8) (remove)
Language
- German (8)
Is part of the Bibliography
- no (8)
Keywords
- AiF-IGF-Projekt (1)
- Big Data (1)
- Business Transformation (1)
- Complex Event Processing (1)
- Dienstleister (1)
- DispoOffshore (1)
- Disposition (1)
- E-Business-Standards (1)
- Energieversorger (1)
- Forschungsvereinigung (1)
Institute
Das Projektvorhaben 'eStep Mittelstand - Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von eBusiness-Standards in komplexen Lieferkettenprozessen' zielt darauf ab, die Nutzung von eBusiness-Standards zu erleichtern und das unternehmersiche Risiko für KMU zu reduzieren. In seinem Arbeitsplan stellte das Projekt in einem ersten Schritt eine grundlegende Analyse der Ausgangssituation und die Erhebung von Anforderungen an den Einsatz von eBusiness-Standards in KMU seinen Folgearbeiten im Projekt als Basis für die Lösungsentwicklung im weiteren Verlauf voran.
Der vorliegende Schlussbericht zu IGF-Vorhaben Nr. 18982 beschreibt das Projekt zum Thema "EIH - Energy Innovation Hub". Die Forschungsvereinigung, bestehend aus dem FIR e.V. und dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik in Chemnitz, beschäftigte sich hierzu mit der Vernetzung energierelevanter Informationen zwischen produzierenden KMU, Energieversorgern (EVU) und Maschinenbauern. Ziel ist die Konzeption einer Kommunikationsplattform, des Energy-Information-Hubs (EIH), für den Austausch energierelevanter Informationen zwischen KMU, EVU und Maschinenbauern. Durch eine ganzheitliche Betrachtung aller am Verbrauch beteiligten Akteure soll eine energieeffiziente Produktion erreicht werden.
Laut BITKOM stehen reine Hersteller von Anlagen vor einem Wandel hin zu Dienstleistern und damit vor der Herausforderung einer steigenden Bedeutung von Service und Support.
Der Einsatz und die Integration von Sensorik innerhalb der Anlagen liefern kontinuierlich Daten über den Zustand ihrer Komponenten (bspw. Verschleiß, Warnungen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungsdaten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller nun mit Hilfe des Internets zugreifen und damit ihr Dienstleistungsportfolio erweitern. Die Daten können auf Ereignisse hin untersucht werden und mit bekannten Daten verglichen werden. So können bspw. Nutzungsprofile angelegt oder präventive Wartungsmaßnahmen durchgeführt werden. Um die generierten Daten zu nutzen, müssen sich Unternehmen neu orientieren und das Geschäftsfeld der datenbasierte Dienstleistungen für Smart Buildings aufbauen. Dabei durchlaufen die Unternehmen einen Transformationsprozess, der durch maßgebliche Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbedürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforderungen gilt es durch geeignete Instrumente zu adressieren und das neue Geschäftsfeld datenbasierter Dienstleistungen gezielt aufzubauen.
Das IGF-Vorhaben 18858 N der Forschungsvereinigung FIR e.V. an der RWTH Aachen Forschungsinstitut für Rationalisierung, Campus-Boulevard 55, 52074 Aachen würde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Die übergeordnete Zielsetzung des Forschungsprojektes war es, einen KMU-gerechten, interdisziplinären Ansatz für ein Management der Transformation vom Produzenten zum Lösungsanbieter zu entwickeln. Die daraus resultierende Forschungsfrage: „Wie kann durch einen interdisziplinären Ansatz und unter Nutzung des Konzepts des Behavioral Branding der Prozess der Veränderung zu einem Lösungsanbieter für KMU wirtschaftlich effizienter und in Anhängigkeit von relevanten Unternehmenscharakteristika gestaltet werden?“, wurde im Projekt innerhalb von sechs Arbeitspaketen erfolgreich beantwortet.
Vor dem Hintergrund der zunehmenden Bedeutung und der besonderen Herausforderungen beim Betrieb von Offshore-Windenergieanlagen war das übergeordnete Ziel des Forschungsvorhabens DispoOffshore die Steigerung der Verfügbarkeit und Rentabilität von Offshore-Windparks. Der Fokus des Forschungsvorhabens lag auf der Entwicklung eines intelligenten und effizienten Dispositionswerkzeugs für die interaktive und dynamische Aufgaben- und Ressourcensteuerung in Offshore-Windparks, das zum Ziel hat, die anfallenden Aufgaben in einen Offshore-Windpark möglichst effizient zu disponieren. Hierbei kam der Betrachtung der Ablauf- und Aufbauorganisation der Instandhaltungsorganisation eines Windparks und die ergonomische Gestaltung der Software eine besondere Bedeutung zu.
Das Ziel des Forschungsprojekts ToMiC war die Entwicklung einer Typologie zum lebenszyklusorientierten Management unternehmensinterner Communitys wissensintensiver Dienstleister. Jene befähigt insbesondere kleine und mittlere Unternehmen erstmals dazu, die aktuelle Lebensphase der eigenen Social-Software-basierten Community zu bestimmen. Die vorliegende Veröffentlichung ist der Abschlussbericht dieses Projekts.
„Daten sind das Öl des 21. Jahrhunderts.“ Dieser Satz impliziert die große Bedeutung, die Daten heutzutage zugerechnet wird. Während die technischen Systeme immer ausgereifter werden und die Erzeugungsrate von Daten unaufhaltsam steigt, stehen viele Unternehmen, gerade im Produktionsumfeld, vor der Herausforderung, diese Daten zu nutzenbringenden Informationen zu verarbeiten.
In BigPro haben Experten aus dem Informations- und Kommunikationstechnik-Umfeld mit Anwendungspartnern aus der Fertigungsbranche zusammengearbeitet, um dieses Problem zu adressieren. Ziel des gemeinsamen Vorhabens war es, das Reaktionsmanagement von Störungen in fertigenden Unternehmen mittels Big-Data-Technologien zu verbessern und so die durch Produktionsausfälle entstehenden hohen Kosten zu reduzieren. Hierzu wurde eine Big-Data-Plattform entwickelt, die in der Lage ist, heterogene Daten aus unterschiedlichsten Quellen des Produktionsumfelds aufzunehmen, zu verarbeiten und in einen Kontext miteinander zu setzen. Neben den klassischen Datenquellen im Produktionsumfeld wurde die Datenbasis in BigPro um den „Sensor“ Mensch erweitert, um das digitale Abbild der Produktionsumgebung durch die Wahrnehmung, Stimmung und Sprache der Mitarbeiter noch transparenter darzustellen.
Durch den Einsatz der im Projektverlauf entwickelten Mustererkennung ist die BigPro-Plattform in der Lage, die generierten und gesammelten Daten expliziten Störungsmustern zuzuordnen. Diese bilden die Grundlage, aufgezeichnete Datenkonstellationen in Echtzeit mit bekannten Störungsmustern im Produktionsumfeld abzugleichen und bei sich anbahnender Übereinstimmung geeignete Maßnahmen einzuleiten, um den Störungen proaktiv entgegenzuwirken. Hierzu wurde ein Katalog mit störungsbehebenden Maßnahmen methodisch aufgebaut, aus welchem, je nach Anwendungsfall, manuell oder automatisch geeignete Maßnahmen initiiert werden. Eine Methodik, welche die Effektivität der Maßnahmen analysiert und bewertet, stellt sicher, dass etwa fehlgeschlagene Maßnahmen erkannt und überprüft werden können. Sollte für eine Störung keine geeignete Maßnahme hinterlegt sein, wird der Maßnahmenkatalog dynamisch durch situationsabhängig neu generierte Maßnahmen erweitert. Die Informationsbereitstellung sowie -rückführung des Reaktionsmanagements erfolgt in Form einer skalierbaren Visualisierung bedarfsgerecht für die unterschiedlichen Nutzergruppen. Durch ein hinterlegtes Eskalationsmodell werden den Mitarbeitern alle nötigen Informationen entsprechend der Maßnahme direkt und vor allem nutzerspezifisch (z. B. aggregiert für die Produktionsleitung, detailliert für den Analysten, etc.) zur Verfügung gestellt.
Die entwickelte BigPro-Plattform trägt durch die technologische Integration einer Störungsfrüherkennung, einem dynamischen Maßnahmenkatalog sowie einer bedarfsgerechten Informationsbereitstellung essentiell dazu bei, die von zunehmender Dynamik geprägte Produktion durch ein proaktives Reaktionsmanagement robuster gegenüber Abweichungen zu machen, um kostspielige Produktionsausfälle zu vermeiden.
Die Preisfindung bei Verfügbarkeitsgarantien ist aus zwei Gründen ein wesentliches Problem für KMU: Erstens ist die Feststellung des Kundennutzens, der durch eine Verfügbarkeitsgarantie entsteht, mit Herausforderungen verbunden. Der Kundennutzen beschreibt den vom Kunden wahrgenommenen Wert einer Leistung. Aus dem Kundennutzen lässt sich die Zahlungsbereitschaft des Kunden ableiten, die die Preisobergrenze darstellt. Zweitens ist die Kostenermittlung u. a. durch den langen Bereitstellungszeitraum, die einzubindenden industriellen Dienstleistungen, den Übergang des Ausfallrisikos auf den Anbieter sowie der erforderlichen Berücksichtigung der gesamten anbieterseitigen Kosten (z. B. Pönalen, Leerkosten und Infrastrukturkosten) mit großen Problemen verbunden. Die Kosten stellen die Preisuntergrenze dar. Zur Gewährleistung einer ergebnisoptimierenden Preisfindung für Verfügbarkeitsgarantien im Maschinen- und Anlagenbau wird die Preisobergrenze auf Basis von Kundengruppen durch die Ermittlung des Kundennutzens sowie die daraus abzuleitende Zahlungsbereitschaft festgelegt. Die Preisuntergrenze wird durch Simulation der Kosten ermittelt. Unter Berücksichtigung der Preisgrenzen wird anschließend der ergebnisoptimale Preis für Verfügbarkeitsgarantien gesetzt.