Refine
Document Type
- Contribution to a Periodical (5)
- Part of a Book (2)
- Conference Proceeding (2)
- Internet Paper (2)
- Report (2)
- Book (1)
- doctorallecture (1)
- Doctoral Thesis (1)
- Working Paper (1)
Language
- German (13)
- English (2)
- Multiple languages (2)
Is part of the Bibliography
- no (17)
Keywords
- 01 (3)
- 03 (1)
- 04 (1)
- 2 (2)
- Crowd-Innovation (1)
- Datenaustausch (1)
- Datenbasierte Dienstleistung (1)
- Datenmanagement (2)
- Datenmonetarisierung (2)
- Datennutzung (2)
- Digitaler Schatten (1)
- Digitalisierung (4)
- Emission (1)
- Emissionsreduktion (1)
- Emissionsverringerung (1)
- Feinstaub (1)
- Feinstaubbelastung (1)
- Forschungsbeirat Industrie 4.0 (2)
- Geschäftsmodelle (1)
- Industrie 4.0 (3)
- Instandhaltung (1)
- Kundeninteraktionen (1)
- Luftqualität (1)
- Markteinführung (1)
- Maschinelles Lernen (1)
- Produkteinführung (1)
- Produzierende Unternehmen (1)
- Projektmanagement (1)
- Projektmanagementsystem (1)
- U1034 (1)
- capabilities (1)
- customer data (1)
- customer journey (1)
- data-driven services and servitization in manufacturing (1)
- digital servitization (1)
- digital shadow (1)
- engineering (1)
- innovation (1)
- machine learning (1)
- management (1)
- maturity (1)
- predictive maintenance (1)
- smart product-service systems (1)
- smart services (1)
- transformation (1)
Institute
Through data-based insights into customer behavior, products and service offers can be improved. For manufacturing companies, smart product-service systems (SPSS) offer the possibility to collect customer data during the usage phase of the product. As the focus on customer analytics is too often on sales and marketing, SPSS are overlooked as a source of customer data. However, manufacturing companies need to integrate data from all interactions with their customers along the complete customer journey to achieve a holistic data-based view of the customers. To identify these interactions and the customer data derived from them, the concept of a digital shadow will be applied to the customer journey. The projected results for the presented work in progress are a reference process model for the customer journey in manufacturing and a data model of the customer data created along this process.
This chapter addresses the market launch and sales of smart services. It opens with an introduction of the new challenges that the market launch of smart services creates for companies. Then follows the discussion of a four-phase approach to the market launch of smart services. Subsequently, successful practices are presented for this approach along eight design fields of the market launch. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_8]
Bisherige Methoden der Luftqualitätsüberwachung in Städten beruhen auf stationären Messstationen, sodass die Luftqualität nur punktuell überwacht werden kann. Im Forschungsprojekt ‚AirQuality‘ wurde ein mobiles IoT-Netz entwickelt, das Luftqualitätsdaten in bisher nicht vorhandener Granularität erhebt. Das echtzeitfähige System erhöht die Transparenz der Luftqualität in Städten und bietet damit einen Lösungsansatz für eine Vielzahl von Anwendungsfällen. Darüber hinaus wird durch die Ergebnisse des Forschungsprojekts das Potenzial von Niedrigpreissensoren bei der Entwicklung von skalierbaren Messsystemen verdeutlicht.
Projekt FuturePRO: Erst der Check, dann das System / FuturePRO: First the Check, then the System
(2021)
Der Maschinen und Anlagenbau steht einer sich immer schneller verändernden Geschäftsumgebung gegenüber. Um auch in Zukunft wettbewerbsfähig zu sein, bedarf es eines professionellen Projektmanagements, um auf diese Veränderung reagieren zu können.
Doch gerade bei KMU erfolgt dies meist noch händisch mit Excel und Outlook. Im Rahmen des Forschungsprojekts ‚FuturePro‘ haben der FIR e. V. an der RWTH Aachen und das ICM – Institut Chemnitzer Maschinen- und Anlagenbau e. V. für KMU im Maschinen und Anlagenbau einen Selbstcheck entwickelt, anhand dessen ein individueller Leitfaden zur Implementierung eines Projektmanagementsystems generiert wird.
Im Forschungsprojekt „FuturePRO“ wurde eine fragenbasierte Auswahl- und Implementierungslogik für Projektmanagementsystemen bei kleinen und mittelständischen Unternehmen (KMU) des Maschinen- und Anlagenbau entwickelt. Das Vorgehen ermöglicht dabei ressourcenschonend
die Steuerung von Kundenaufträgen und vor allem Innovationsprojekten durch ein optimiertes Projektmanagement neu aufzustellen.
Crowd-Innovation
(2020)
Ideen für erfolgreiche Innovationen müssen nicht immer aus den eigenen Reihen stammen – das wusste bereits die englische Regierung im 18. Jahrhundert. Eine ähnlich diffuse Aufgabe wie die der Entdeckung neuer Kontinente steht nun der produzierenden Industrie bevor: der Aufbruch ins Zeitalter der digitalen Dienstleistungen. Impulse für digitale Geschäftsmodelle können Unternehmen von Studierenden im Rahmen der Crowd-Innovation erhalten. Hierzu bietet das Center Smart Services ein bewährtes Konzept, das den Unternehmen einen einfachen Zugang zu motivierten Studierenden gewährt.
Unternehmen, die ihre Prozesse durch maschinelles Lernen unterstützen wollen und hierfür auf externe Dienstleister und Produkte zurückgreifen müssen, fehlen die qualifizierten Anhaltspunkte für die Auswahl eines Machine-Learning-Anbieters.
Aus dieser Motivation heraus ist die vorliegende Marktstudie Industrial Machine Learning entstanden. Sie bietet Unternehmen die Grundlage, eine fundierte Entscheidung für oder gegen den Einsatz von Machine Learning im Unternehmen zu
treffen.
Die Darstellung von realen Usecases in der vorliegenden Marktstudie veranschaulicht die konkrete Anwendbarkeit. Insbesondere damit leistet die Studie ihren Beitrag, das Thema Maschine Learning verständlich und anschaulich darzustellen.
Die Marktstudie bietet einen umfassenden Überblick über unterschiedliche Arten von Anbietern und Lösungsmöglichkeiten.
Ein Anspruch auf Vollständigkeit wird dabei nicht erhoben und wäre für die Zielsetzung nicht angebracht.