Predictive Maintenance – Voraussetzungen und Potenziale
-
Patrick Olivan
Dr.-Ing. Patrick Olivan studierte Maschinenbau an der Universität Stuttgart. Er hat in seiner Promotion bei der FESTO AG und mit dem Institut für Arbeitswissenschaften und Technologiemanagement (IAT) der Universität Stuttgart eine Implementierungsmethode für Ambidextrie entwickelt. Er ist heute im Business Development Services und Innovationsmanager bei der LAPP Holding AG, Stuttgart.
,
Ulrich Hutschek
Dr. Dipl-Ing. Ulrich Hutschek befasst sich seit seinem Technologiemanagement-Studium an der Universität Stuttgart mit Fragestellungen im Spannungsfeld Technologie, Innovation und Entrepreneurship. Nach seiner Promotion an der Zeppelin Universität in Friedrichshafen hat er in verschiedenen internen und externen Funktionen Unternehmen bei diesbezüglichen Themen unterstützt und ist seit 2019 Senior Expert Technology Strategy & Foresight bei TIM Consulting in Stuttgart
Dr.-Ing. Silvia Rummel beschäftigt sich seit über 12 Jahren intensiv mit neuen Technologien in der Unternehmenspraxis. Sie promovierte im Bereich Innovations- und Technologiemanagement bei der Festo AG und war anschließend mehrere Jahre als Spezialistin tätig. Nach einem Wechsel in den Produktionsbereich als Referentin leitete sie zuletzt von 2018 bis 2020 ein Technologieentwicklungsteam im Produktionsumfeld. Aktuell ist sie bei Festo als Leiterin des Produktportfolios für Energieeffizienz & CO2-Footprint tätig.
Abstract
Bei Predictive Maintenance handelt es sich im Kern um die Kommerzialisierung von Condition Monitoring. Für Entscheider stellen sich dabei folgende Fragen: Welche Geschäftsmodelle lassen sich mit Predicitve Maintenance abbilden? Und mit welchen technologischen Prinzipien kann Condition Monitoring implementiert werden? Zur Beantwortung dieser Fragen wurden relevante Technologien und Geschäftsmodelle ausgewertet und für mittelständische Unternehmen in Form von pragmatischen Richtlinien aufbereitet.
Abstract
Predictive maintenance is essentially the commercialization of condition monitoring. The following questions arise for decision-makers: Which business models can be realized with predictive maintenance? And which technological principles can be used to implement condition monitoring? To answer these questions, relevant technologies and business models were evaluated and prepared for medium-sized companies in the form of a pragmatic guideline.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
Hinweis
Unter Nutzung eines nicht-überwachten tf-idf-Algorithmus („term frequency-inverse document frequency“ eine numerische Statistik, die die Bedeutung bestimmter Begriffe für ein Dokument im Verhältnis zu einer Sammlung von Dokumenten widerspiegelt) wurden prägnante Begriffe in den jeweiligen Artikeln identifiziert und auf dieser Basis Ähnlichkeiten zwischen den Artikeln modelliert. Mit einem k-NN-Algorithmus („k-nearest Neighbors“, eine nichtparametrische Klassifikation, die die k nächsten Trainingsbeispiele in einem Merkmalsraum verwendet, um eine Klassenzugehörigkeit vorzuschlagen), wurden die Ähnlichkeits-Werte innerhalb eines Clusters maximiert sowie die zwischen den Clustern minimiert. Die durch den tf-idf-Algorithmus identifizierten Begriffe wurden zur Benennung dieser Cluster verwendet, außerdem wurden Artikel mit einem geringen Abstand zum jeweiligen Clusterzentrum (bzw. deren Titel und Zusammenfassungen) zur Validierung herangezogen.
About the authors
Dr.-Ing. Patrick Olivan studierte Maschinenbau an der Universität Stuttgart. Er hat in seiner Promotion bei der FESTO AG und mit dem Institut für Arbeitswissenschaften und Technologiemanagement (IAT) der Universität Stuttgart eine Implementierungsmethode für Ambidextrie entwickelt. Er ist heute im Business Development Services und Innovationsmanager bei der LAPP Holding AG, Stuttgart.
Dr. Dipl-Ing. Ulrich Hutschek befasst sich seit seinem Technologiemanagement-Studium an der Universität Stuttgart mit Fragestellungen im Spannungsfeld Technologie, Innovation und Entrepreneurship. Nach seiner Promotion an der Zeppelin Universität in Friedrichshafen hat er in verschiedenen internen und externen Funktionen Unternehmen bei diesbezüglichen Themen unterstützt und ist seit 2019 Senior Expert Technology Strategy & Foresight bei TIM Consulting in Stuttgart
Dr.-Ing. Silvia Rummel beschäftigt sich seit über 12 Jahren intensiv mit neuen Technologien in der Unternehmenspraxis. Sie promovierte im Bereich Innovations- und Technologiemanagement bei der Festo AG und war anschließend mehrere Jahre als Spezialistin tätig. Nach einem Wechsel in den Produktionsbereich als Referentin leitete sie zuletzt von 2018 bis 2020 ein Technologieentwicklungsteam im Produktionsumfeld. Aktuell ist sie bei Festo als Leiterin des Produktportfolios für Energieeffizienz & CO2-Footprint tätig.
Literatur
1 Böhmann, T.: Geschäftsmodell 4.0: Baukasten zur Entwicklung datenbasierter Geschäftsmodelle. Stober Medien, Eggenstein-Leopoldshafen 2018Search in Google Scholar
2 Cole, T.: Sechs Erfolgsfaktoren in einer vernetzten Wirtschaft. In: Frischmuth, J.; Karrlein, W.; Knop, J. (Hrsg.): Strategien und Prozesse für neue Geschäftsmodelle: Praxisleitfaden für E- und Mobile Business. Springer-Verlag, Berlin, Heidelberg 2001, S. 271–282 DOI: /10.1007/978-3-642-56588-5_23/10.1007/978-3-642-56588-5_23Search in Google Scholar
3 Fleisch, E.; Weinberger, M.; Wortmann, F.: Geschäftsmodelle im Internet der Dinge. HMD Praxis der Wirtschaftsinformatik 51 (2014) 6, S. 812–826 DOI: /10.1365/s40702-014-0083-3/10.1365/s40702-014-0083-3Search in Google Scholar
4 Frohmann, F.: Digitales Pricing, strategische Preisbildung in der digitalen Wirtschaft mit dem 3-Level-Modell. Springer-Vieweg-Verlag, Wiesbaden 2018 DOI: /10.1007/978-3-658-22573-5/10.1007/978-3-658-22573-5Search in Google Scholar
5 Gassmann, O.; Frankenberger, K.; Csik, M.: Geschäftsmodelle entwickeln. Carl Hanser Verlag (2013). Online unter https://www.hanser-elibrary.com/doi/book/10.3139/9783446437654DOI: /10.3139/9783446437654.fm/10.3139/9783446437654.fmSearch in Google Scholar
6 Gassmann, O.; Frankenberger, K.; Csik, M.: The St. Gallen Business Model Navigator – Working Paper, University of St.Gallen (2013). Online unter https://www.amazon.de/Business-Model-Navigator-Models-Revolutionise/dp/1292065818 DOI: /10.3139/9783446437654.002/10.3139/9783446437654.002Search in Google Scholar
7 Gassmann, O.; Frankenberger, K.; Csik, M.: The St. Gallen Business Model Navigator. Working Paper 18 (2017). Online unter https://www.thegeniusworks.com/wp-content/uploads/2017/06/St-Gallen-Business-Model-Innovation-Paper.pdf DOI: /10.3139/9783446452848.035/10.3139/9783446452848.035Search in Google Scholar
8 Körner, M.: Performance Based Contracting – Innovatives Vertrags- und Geschäftsmodell für die Defence-Industrie. Actrans (2020). Online unter https://actrans.de/performance-based-contracting-innovativesvertrags-und-geschaeftsmodell-fuer-diedefence-industrie/Search in Google Scholar
9 Lorenz, H.: Innovative Geschäftsmodelle von Pay Per Use bis Performance-Based Contracting. Das Unternehmerhandbuch (2015). Online unter https://dasunternehmerhandbuch.de/innovativegeschaeftsmodelle-von-pay-per-use-bisperformance-based-contracting/#Geschaeftsmodell_Performance-based_ContractingSearch in Google Scholar
10 Lovells, H.: Pay per Use – disruptives Geschäftsmodell für den Maschinen- und Anlagenbau (2015). Online unter http://hoganlovells-blog.de/2017/09/21/pay-peruse-disruptives-geschaeftsmodell-fuer-denanlagen-und-maschinenbau/#Search in Google Scholar
11 Olivan, P.; Schimpf, S.; Rummel, S.: Ambidextre Organisation im effizienten Fabrikbetrieb. ZWF 114 (2019) 1 – 2, S. 39–43 DOI: /10.3139/104.112039/10.3139/104.112039Search in Google Scholar
12 Oliver Wyman & Oliver Wyman: Is „Pay-Per-Use“ The Future In Manufacturing Industries? (2019). Online unter https://www.oliverwyman.com/our-expertise/insights/2019/nov/perspectives-on-manufacturingindustries-vol-14/manufacturing-in-a-changing-world/is-pay-per-use-the-futurein-manufacturing-industries.htmlSearch in Google Scholar
13 Ryll, F.; Freund, C.: Grundlagen der Instandhaltung. In: Schenk, M. (Hrsg.): Instandhaltung technischer Systeme. Springer-Verlag, Berlin, Heidelberg 2010, S. 23–101 DOI: /10.1007/978-3-642-03949-2_2/10.1007/978-3-642-03949-2_2Search in Google Scholar
14 Voigt, K.-I.; Steinmann, F.; Bauer, J.; Dremel, A.: Condition Monitoring als Schlüsseltechnologie – Eine Analyse der Anforderungen an neue Geschäftsmodelle für den Remote Service. Heinz Nixdorf Institut, Universität Paderborn, 2013Search in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Digitale Transformation im Vormarsch
- Arbeitsplanung
- Deep Learning zur Unterstützung der Arbeitsplanung
- Automatisierung
- Wie Automatisierung die Zukunft der Produktion verändern wird
- Mensch und Roboter
- Wirtschaftliche Mensch-Roboter-Arbeitssystemgestaltung
- Qualitätsmanagement
- Prädiktive Qualität in der Prozesslenkung
- Instandhaltung
- Predictive Maintenance – Voraussetzungen und Potenziale
- Qualitätsmanagement und vorausschauende Instandhaltung auf der Basis synthetischer Datensätze
- Störungsmanagement
- Innovatives Störungsmanagement in der XXL-Montage
- Laser-Technologie
- Steuerung von Laser-induzierten periodischen Oberflächenstrukturen
- Elektromobilität
- Cell-to-Pack-Technologie für Li-Ionen-Batterien
- Identifikation qualitätskritischer Parameter
- Additive Fertigung
- Digitale Assistenz in der Additiven Fertigung
- Einführung einer In-situ-Prozess-Überwachung in der additiven Materialextrusion
- Spannsysteme
- Sichere Werkstückspannung bei der Fräsbearbeitung mit Dreibackenfuttern
- Arbeitssicherheit
- Augmented Reality zur Steigerung der Arbeitssicherheit von Mobilkranen
- Studie
- Traceability-Systeme als Enabler für Process Mining
- Mensch und KI
- Mensch-KI-Teaming: Mensch und Künstliche Intelligenz in der Arbeitswelt von morgen
- Digitale Technologien
- Vergleich von Methoden zur Auswahl Digitaler Technologien für KMU
- Digitale Assistenzsysteme
- Einführung neuer Produktvarianten in digitalen Montage-Assistenzsystemen
- Virtuelle Realität
- Automatisierte Erstellung von Virtual-Reality-Schulungen
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Digitale Transformation im Vormarsch
- Arbeitsplanung
- Deep Learning zur Unterstützung der Arbeitsplanung
- Automatisierung
- Wie Automatisierung die Zukunft der Produktion verändern wird
- Mensch und Roboter
- Wirtschaftliche Mensch-Roboter-Arbeitssystemgestaltung
- Qualitätsmanagement
- Prädiktive Qualität in der Prozesslenkung
- Instandhaltung
- Predictive Maintenance – Voraussetzungen und Potenziale
- Qualitätsmanagement und vorausschauende Instandhaltung auf der Basis synthetischer Datensätze
- Störungsmanagement
- Innovatives Störungsmanagement in der XXL-Montage
- Laser-Technologie
- Steuerung von Laser-induzierten periodischen Oberflächenstrukturen
- Elektromobilität
- Cell-to-Pack-Technologie für Li-Ionen-Batterien
- Identifikation qualitätskritischer Parameter
- Additive Fertigung
- Digitale Assistenz in der Additiven Fertigung
- Einführung einer In-situ-Prozess-Überwachung in der additiven Materialextrusion
- Spannsysteme
- Sichere Werkstückspannung bei der Fräsbearbeitung mit Dreibackenfuttern
- Arbeitssicherheit
- Augmented Reality zur Steigerung der Arbeitssicherheit von Mobilkranen
- Studie
- Traceability-Systeme als Enabler für Process Mining
- Mensch und KI
- Mensch-KI-Teaming: Mensch und Künstliche Intelligenz in der Arbeitswelt von morgen
- Digitale Technologien
- Vergleich von Methoden zur Auswahl Digitaler Technologien für KMU
- Digitale Assistenzsysteme
- Einführung neuer Produktvarianten in digitalen Montage-Assistenzsystemen
- Virtuelle Realität
- Automatisierte Erstellung von Virtual-Reality-Schulungen
- Vorschau
- Vorschau
