Erfolgsprizipien der Smart Maintenance

1. © FIR e. V. an der RWTH Aachen ©AndreasHorsky Erfolgsprinzipien der Smart Maintenance - Was Unternehmen schon heute erfolgreich umsetzen Frederick Birtel FIR an der RWTH Aachen

2. © FIR e. V. an der RWTH Aachen Am RWTH Aachen Cluster Smart Logistics werden Lösungen für digital vernetzte Unternehmen gemeinsam entwickelt und angeboten 2 • Mehr als 350 Forscher / Berater/ Data Scientisten & Entwickler • Mehr als 70 immatrikulierte Mitglieder • Mehr als 500 Kunden und Partner bei laufenden Projekten • Mehr als 250 Projekte pro Jahr • Mehr als 20 Spin-Offs Mitglieder & Projektpartner (Auszug) Engineering Digital Business Managing Digital Transformation Next Level Information Logistics The next Generation of Business Applications Realize Digital Transformation Innovation Labs Demofabrik

3. © FIR e. V. an der RWTH Aachen Wir begleiten Unternehmen auf der Transformation zum Anbieter digitaler, datenbasierter Lösungen 3 Anbieten von Produkten; Dienstleistung nicht verrechnet Anbieten einzelner Dienstleistungen zusätzlich zum Produkt Anbieten einer Dienstleistung als integraler Bestandteil des Angebots Anbietern einer Gesamtlösung; Produkt nicht unbedingt Kernbestandteil Anbieten einer Gesamtlösung als Dienstleistung in einem Betreibermodell (z.B. Verfügbarkeits- oder Funktionsgarantien) Transformationslinie Produkt Digitale Lösung Anbieten und Entwickeln datenbasierter Lösungen (z.B. Service-Plattform ) Dienst- leistung Produkt Lösung Dienst- leistung Produkt Produkt + Dienstleistung Pay per hour Business Optimization Implementation Services Digital Twin Aviation Analytics Maintenance and Repair

4. © FIR e. V. an der RWTH Aachen Lessons Learned3 ... auf strategischer Ebene2.4 ... auf taktischer Ebene2.3 ... auf Werkstattebene2.2 ... auf dem Shopfloor2.1 Top-Performer und Follower der "Smart Maintenance"2 Der Blick über den Tellerrand1 Agenda 4

5. © FIR e. V. an der RWTH Aachen 5 Wie gehen wir bei der Erfassung von Daten an unseren Anlagen vor? Welchen nutzen stiften digitale Assistenz- systeme für unsere Instandhaltung? Wie nähern wir uns dem Thema `Datenanalyse´ in der Instandhaltung? Worauf müssen wir bei der Qualifikation unserer Mitarbeiter in der Instandhaltung achten? Welche Partner brauchen wir, um unsere Instandhaltung weiterzuentwickeln? Wie können wir Smart-Maintenance- Projekte am besten umsetzen?

6. © FIR e. V. an der RWTH Aachen Mit Hilfe des Konsortial-Benchmarkings „Smart Maintenance“ wurden Top-Performer identifiziert und genauer untersucht 6 Kick-off Meeting Besuch 5 ausgewählter Unternehmen Screening Phase Review Meeting Abschlusskonferenz Dez. Jan. Feb. März April MaiJuli Aug. Sep. Okt. 2018 2019 Nov. Durchführung einer Fragebogenstudie zum Thema „Smart Maintenance“ Identifikation von Unternehmen mit erfolgreichen Ansätzen zu „Smart Maintenance“ Auswahl von vier Successful-Practice Unternehmen Festlegung der relevanten Fragestellungen mit Konsortialpartnern

8. © FIR e. V. an der RWTH Aachen 8 Smart Maintenance auf dem Shopfloor

9. © FIR e. V. an der RWTH Aachen 9n=85; Bildquelle: https://www.i40-bw.de/de/100orte/robert-bosch-gmbh Top-Performer Follower Eine hoher Detailgrad der digital dokumentierten Anlagenstruktur liefert die notwendige Basis für Smart Maintenance 24% 0% 23% 8% 30% 36% 12% 28% 32% 7% in Form von technischen Plätzen o. ä digital hinterlegt digital bis auf Anlagenebene digital auf Ebene einzelner Maschinen oder Module digital auf Ebene von Baugruppen/-teilen digital auf Ebene von Funktionen der einzelnen Bauteile/-gruppen Wie weit sind die instand zu haltenden Assets (Maschinen/Anlagen) strukturiert? Eine Antwortmöglichkeit Top-Performer Follower Beispiel Stammdatenpflege, Top-Performer First things first: „Wir haben unser Augenmerk zunächst bewusst auf die Pflege und Aufbereitung unserer Stammdaten gelegt und damit die notwendige Voraussetzung für die erfolgreiche Anwendung weiterer digitaler Technologien (z. B. Assistenz- systeme, Datenanalyse) in der Instand- haltung geschaffen.“ Fallbeispiel: Datenunterstütztes Shopfloor-Management bei Bosch am Standort Stuttgart Feuerbach  Bis auf Baugruppen digital strukturierte Anlagen  Fortlaufende Dokumentation der Anlagenhistorie über alle Instandhaltungsmaßnahmen hinweg  Anbindung des ERP und Kennzahlensystems  Bedarfsgerechter Drilldown pro Anlage  Tägliche Besprechung der Produktions- und Instandhaltungsperformance  Retrospektive Bewertung durchgeführter Instandhaltungsmaßnahmen  Abstimmung kurzfristiger Maßnahmen und Fortschreibung der mittelfristigen Wartungs-/Instandsetzungsplanung  Direkter Austausch zwischen Prod. & IH

10. © FIR e. V. an der RWTH Aachen ■ 31 % der Top-Performer und 40 % der Follower geben an, keine mobilen Assistenzsysteme zu nutzen ■ Durch mobile Assistenzsysteme können zusätzliche Daten in Echtzeit erfasst werden ■ Mobile Assistenzsysteme vereinfachen die richtige Dokumentation von Instandhaltungsaufträgen Mobile Assistenzsysteme dienen primär der Erweiterung und Verbesserung der digitalen (Anlagen-)Dokumentation 10n=94 31 40 Keine Nutzung von mobilen Assistenzsystemen Einsatz mobiler Assistenzsysteme Top Performer Follower 62% 54% 13% 34% 18% 23% 32% 46% Dokumentation des Arbeitsfortschritts der Arbeiten Bereitstellung von Arbeitsanweisungen (statische Inhalte, z. B. Wartungspläne, Checklisten) Zur Identifikation technischer Plätze (z. B. mittels RFID, Barcode, NFC) Remote Service/Maintenance bei externen Kunden Für welche Anwendungsfälle werden mobile Assistenzsysteme (z. B. Datenbrillen, Tablets, Smartphones) in der Instandhaltung/im Service eingesetzt? Mehrfachnennung Beispiel Assistenzsysteme, Top- Performer Neue Wege beschreiten: „Augmented Reality eröffnet uns einen spannenden, kostengünstigen Weg direkt zum Kunden.“ Top-Performer Follower

11. © FIR e. V. an der RWTH Aachen 11 Smart Maintenance auf Werkstattebene

12. © FIR e. V. an der RWTH Aachen Wie identifizieren Sie Anwendungsfälle für Datenanalysen in der Instandhaltung/im Service? 12n=72; n=75 -50 100500-100 Hypothesen zu Zusammenhängen und Anwendungsfällen werden bei uns in interdisziplinären Teams diskutiert und priorisiert. Wir priorisieren Anwendungsfälle anhand der damit verbundenen Nutzenpotenziale. Wir führen Datenanalysen im Nachgang von schwerwiegenden Störfällen durch. Top-Performer Follower Produktivität und Qualität stechen als Anwendungsfälle für Datenanalysen in der Instandhaltung gegenüber Predictive Maintenance deutlich hervor Welche Erkenntnisse gewinnen Sie aus Ihren Instandhaltungsdaten? Beispiel Datenanalyse, Top-Performer Den richtigen Hebel finden: „Datenanalysen für die Instand- haltung ergeben für uns gegenwärtig wenig Sinn, da wir größere Potenziale bei der Qualität und der Prozessgestaltung für unsere Anlagen sehen.“  Lohnenswerte Use-Cases zu identifizieren ist nach wie vor eine Herausforderung im Instandhaltungs-/Service-Kontext.  Viele Unternehmen fokussieren sich daher beim Thema Datenanalyse auf die Verbesserung der Qualität und Produktivität ihrer Produktion.  Top-Performer können häufiger Rückschlüsse auf die Qualität und Produktivität ziehen. 75 35 31 84 29 9 x 2 x 3 x 3 Wir ziehen Rückschlüsse über optimierte Betriebsparameter hinsichtlich der Qualität der Produktion. Wir ziehen Rückschlüsse über optimierte Betriebsparameter hinsichtlich der Produktivität der Produktion. Wir können den Ausfall- zeitpunkt von Komponenten mit Prognosemodellen vorher- sagen. Top-Performer Follower

13. © FIR e. V. an der RWTH Aachen 13 Top-Performer Follower Welche Methoden der Mitarbeiterentwicklung werden Ihrem Unternehmen in der Instandhaltung/im Service angewendet? Mehrfachnennung möglich 79% 38% 50% 81% 88% 33% 11% 73% 31% 17% Präsenzveranstaltung On-the-Job-Training E-Learning Blended Learning Assistenzsysteme unterstütztes On-the- Job-Training Auch die Mitarbeiterqualifizierung passt sich technologisch und organisatorisch den Rahmenbedingungen der Smart Maintenance an  Top-Performer setzen dreimal häufiger einen Schwerpunkt auf Datenanalyse bei ihren internen Weiterbildungsangeboten  Ebenso setzen Sie vermehrt auf digitale Qualifizierungsmaßnahmen, wie E-Learning oder Blended-Learning Beispiel Mitarbeiterqualifizierung, Top-Performer Erfolgsfaktor – Qualifizierung in Data Science: „Wir haben ein internes und unternehmens- weites Schulungsprogramm für Data Science und Machine Learning aufgebaut. Unsere Data Scientisten können in virtuellen Kursen ihre bisherigen Kenntnisse vertiefen und erweiterten.“ 32% 73% 54% 38% 25% 42% 8% 23% 27% 21% Vertiefung vorhandenen Fachwissens (Mechanik, Elektrik, Hydraulik etc.) Automatisierung von Produktionsanlagen Vermittlung von IT-Kenntnissen (z. B. Programmierung) Umgang und Verfahren für Datenanalyse Vermittlung von Soft-Skills (z. B. Mitarbeiterführung etc.) Welche Schwerpunkte hatten die Schulungen für Instandhaltungs-/ Servicepersonal innerhalb der letzten 3 Jahre? Zwei Antwortmöglichkeiten n=89; n=89 Top-Performer Follower

14. © FIR e. V. an der RWTH Aachen 14 Smart Maintenance auf taktischer Ebene

15. © FIR e. V. an der RWTH Aachen n=83; n=70 Partnerschaften helfen dabei, eigene Kompetenzbereiche zu ergänzen und Wissen zu erweitern bzw. zu sichern Mit welchen Partnern kooperieren Sie bei der Analyse von Betriebs- und Zustandsdaten? Mehrfachnennung möglich 50% 46% 58% 15% 38% 32% 18% 23% 7% 23% Hersteller von Sensorik / Aktorik Forschungseinrichtungen / Hochschulen Hersteller von Maschinen / Anlagen IT-Dienstleister mit Analysesoftware Unternehmensberatungen Top-Performer Follower 32 Beispiel Wissensmanagement, Top-Performer Erfolgsfaktor – Wissen aus Berichten generieren: „Wir erproben derzeit mit IBM Watson und Text Mining Verfahren, wie wir Wissen aus historischen Vertriebs- und Serviceberichten extrahieren können. Hierfür können wir unstrukturierte Daten bereits sinnvoll strukturieren. MethodenwissenSoftwareexpertise Technologie- und Engineeringexpertise 50% Algorithmusexpertise (Produktions-) Prozessexpertise 38% 35% 30% 35% 18% 30% 16% 35% 39% Welche Expertise ist für Sie besonders wichtig bei der Auswahl Ihrer Partner für die Analyse von Betriebs- und Zustandsdaten? Mehrfachnennung möglich Top-Performer Follower

16. © FIR e. V. an der RWTH Aachen 16n=70; [1] https://www.ibm.com/watson Auf welche Art erfolgt in Ihrem Unternehmen der Wissensaustausch in der Instandhaltung? 500-50-100 100 Mitarbeiter machen ihr Erfahrungswissen in technischen Systemen zugänglich (z. B. Wissensdatenbanken, Wikis etc.). Der direkte Erfahrungsaustausch wird durch technische Systeme unterstützt (z. B. Social Software). Es existieren Anreizprogramme, um die Wissensweitergabe zu motivieren (z. B. monetär, sachbezogen). Aus semi-/unstrukturierten Daten (z. B. Wartungsberichten, E-Mails, Chat) wird automatisiert explizites Wissen generiert. Die Beherrschbarkeit von Wissen stellt eine zentrale Fähigkeit von Smart Maintenance Organisationen dar Top-Performer Follower Fallbeispiel: Nutzung von IBM-Watson zur Auswertung von Serviceberichten bei Trumpf Werkzeugmaschinen Serviceberichte Manuelle Dokumentation der Servicearbeiten Text Mining1 Interpretation/Verschlag- wortung der Berichte Analyse Bestimmung von Häufig- keiten/Mustererkennung Maßnahmen Proaktiver Service und Produktverbesserung

17. © FIR e. V. an der RWTH Aachen 17

18. © FIR e. V. an der RWTH Aachen 18 1 : 3 bis 1 : 5 78% 88% 72% 88% 72% 88% Erst die Summe aus direkten und indirekten Instandhaltungskosten ermöglichen das Fällen fundierter Entscheidungen für die Instandhaltungsorganisation 13% 19% 6% 27% 19% 2% 2% 19% 2% 15% 0% 12% 35% 7% Top-Performer Follower n=80 [1] Konsortial-Benchmarking Smart Maintenance 2019, [2] Kuhn et al. 2006, [3] Blechschmidt et al. 2011 2,3 Materialkosten Personalkosten Fremddienst- leistungskosten Entgangene Deckungsbei- träge durch Produktions- ausfälle Pönalen Konventional- strafen Neu-/Umpla- nung des Produktions- programms Neu-/Umpla- nung des Instand- haltungspro- gramms Verkürzte Lebenszeit Sonderschichten und Wochenend- arbeiten Entgangene Deckungsbei- träge durch Qualitäts- verluste Welche Instandhaltungskosten / Ausfallfolgekosten werden bei Ihnen im Unternehmen erfasst? Mehrfachnennung möglich  Top-Performer können durch die Folgekosten deutlich häufiger den Wert der Instandhaltung/des Services in ihren Organisationen und ggü. Kunden darstellen.

19. © FIR e. V. an der RWTH Aachen Wir setzen Smart-Maintenance-Projekte mit iterativen Methoden (z. B. Scrum) um. standortübergreifende Teams umfassende und langfristige Roadmap für die Umsetzung von Smart Maintenance 19n=65; n=55 Wie sind Sie bei der Umsetzung von Smart Maintenance bisher vorgegangen? Smart Maintenance zeichnet sich durch einen standortübergreifenden Austausch aus und wird bereits als eigenständiges Managementkonzept wahrgenommen -100 -50 1000 50 Top-Performer Follower Beispiel Smart-Maintenance-Initiative, Top-Performer Fokus Smart Maintenance „Unsere Smart-Maintenance-Initiative ist zentraler Bestandteil einer werksüber- greifenden Digitalisierungsinitiative, die von unserer Geschäftsführung vorangetrieben wird.“ Wie wird Smart Maintenance mit klassischen Managementkonzepten (z. B. TPM, RCM) in der Instandhaltung verbunden? Eine Antwortmöglichkeit Smart Maintenance hat sich als eigenständiges Konzept etabliert und die bis dato bestehenden Konzepte abgelöst. Smart Maintenance wird unabhängig von vorhandenen Konzepten eingeführt bzw. umgesetzt (parallele Umsetzung). 5% Smart Maintenance wird nicht als Managementkonzept eingeführt. Smart Maintenance dient als punktuelle Erweiterung der bestehenden Managementkonzepte, wobei die Kernelemente der bestehenden Konzepte weiterhin führend bleiben. 27% 39% 27% 24% 41% 30% 6% x 4 Follower Top-Performer

21. © FIR e. V. an der RWTH Aachen 21 7 Erfolgsprinzipien charakterisieren erfolgreiche Unternehmen auf dem Weg zur Smart Maintenance Prinzip 2: Roadmap gestalten und folgen! Prinzip 4: Komplexität beherrschbar machen! Prinzip 3: Hausaufgaben erledigen! Prinzip 7: Beute machen! Prinzip 5: Domänenwissen verfügbar machen! Prinzip 1: Die gleiche Sprachen sprechen! Prinzip 6: Durchstarten!

22. © FIR e. V. an der RWTH Aachen Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet 22 Computerisierung Konnektivität Sichtbarkeit Transparenz Prognosefähigkeit Adaptierbarkeit Digitalisierung Industrie 4.0 Gemeinsame Planung Verfügbarkeits- orientierung Flexibilität Wissens- management Gemeinsame Planung in Echtzeit mit Soll-Ist- Abgleich Prognosebasierte Planung Getrennte (manuelle) Planung in Silos Gemeinsame, statische Planung über Silos hinweg Datenbasierte Planungsoptimierung Automatische, dynamische Planung Kennzahlen in Echtzeit (z. B. OEE) Szenarioprognose zu Maßnahmen anhand von Kennzahlen (z. B. OEE) Erfassung der Ereignisse Bestimmung relevanter Kennzahlen (z. B. OEE) Wirkbeziehung zwischen Maßnahmen und Kennzahlen (z. B. OEE) Automatische Ent- scheidung anhand Kennzahlen (z. B. OEE) Ressourcenverfüg- barkeit und Allokation in Echtzeit Szenarioprognose der Ressourcen Allokation Statische Ressourcen Optimierung in Silos Statische Ressourcen Optimierung Bedarfsgerechte Allokation von Ressourcen Automatische Ressourcen Optimierung Digitaler Zwilling einer Anlage mit Echt- zeitdaten Generierung autom., priorisierter Lösungsvorschläge Digitale Serviceberichte Globale Anlagenhistorie Digitaler Lösungskatalog und Verfahrens- anweisungen Automatische Bereitstellung von notw. Informationen Ersatzteil- management Wertbeitrag Ersatzteilbestände im Netzwerk in Echtzeit Optimierte Ersatz- teilbedarfe im Netzwerk (z. B. mit 3D-Druck) Digitalisierte ET- Informationen in Silos Integriertes Ersatz- teilwesen / Stamm- daten-Management Risiko-orientierte Ersatzteil Bevorratung Autonome, dynamische Beschaffung Digitaler Schatten des Wertbeitrages über Organisationgrenzen Szenarioprognose anhand des Wertbeitrages Erfassung der direkten IH-Kosten Output bezogene Kostenerfassung (Stückkosten) Szenarioanalyse anhand des Wertbeitrages Automatische Ent- scheidung anhand Wertbeitrag

23. © FIR e. V. an der RWTH Aachen Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet 23 Computerisierung Konnektivität Sichtbarkeit Transparenz Prognosefähigkeit Adaptierbarkeit Digitalisierung Industrie 4.0 Gemeinsame Planung Verfügbarkeits- orientierung Flexibilität Wissens- management Gemeinsame Planung in Echtzeit mit Soll-Ist- Abgleich Prognosebasierte Planung Getrennte (manuelle) Planung in Silos Gemeinsame, statische Planung über Silos hinweg Datenbasierte Planungsoptimierung Automatische, dynamische Planung Kennzahlen in Echtzeit (z. B. OEE) Szenarioprognose zu Maßnahmen anhand von Kennzahlen (z. B. OEE) Erfassung der Ereignisse Bestimmung relevanter Kennzahlen (z. B. OEE) Wirkbeziehung zwischen Maßnahmen und Kennzahlen (z. B. OEE) Automatische Ent- scheidung anhand Kennzahlen (z. B. OEE) Ressourcenverfüg- barkeit und Allokation in Echtzeit Szenarioprognose der Ressourcen Allokation Statische Ressourcen Optimierung in Silos Statische Ressourcen Optimierung Bedarfsgerechte Allokation von Ressourcen Automatische Ressourcen Optimierung Digitaler Zwilling einer Anlage mit Echt- zeitdaten Generierung autom., priorisierter Lösungsvorschläge Digitale Serviceberichte Globale Anlagenhistorie Digitaler Lösungskatalog und Verfahrens- anweisungen Automatische Bereitstellung von notw. Informationen Ersatzteil- management Wertbeitrag Ersatzteilbestände im Netzwerk in Echtzeit Optimierte Ersatz- teilbedarfe im Netzwerk (z. B. mit 3D-Druck) Digitalisierte ET- Informationen in Silos Integriertes Ersatz- teilwesen / Stamm- daten-Management Risiko-orientierte Ersatzteil Bevorratung Autonome, dynamische Beschaffung Digitaler Schatten des Wertbeitrages über Organisationgrenzen Szenarioprognose anhand des Wertbeitrages Erfassung der direkten IH-Kosten Output bezogene Kostenerfassung (Stückkosten) Szenarioanalyse anhand des Wertbeitrages Automatische Ent- scheidung anhand Wertbeitrag Smart Maintenance Assessment Gemeinsame Gestaltung einer individuellen Roadmap zur Umsetzung der Smart Maintenance >>Wo fange ich an, was ist zu tun – genau hierauf finden wir mit Ihnen eine Antwort!<< Wir freuen uns auf Ihre Kontaktaufnahme! Frederick Birtel Frederick.Birtel@fir.rwth-aachen.de +49 241 47705 204

24. © FIR e. V. an der RWTH Aachen Wie es weiter geht – laufende und geplante Projekte des FIR an der RWTH Aachen und dem Center Smart Services 24 2019 Konsortialprojekt „Smart Service Vertrieb“ Konsortial-Benchmarking „Smart Maintenance“ Marktstudie „Industrial Machine Learning“ Case Competition Konsortialprojekt „Fähigkeiten für digitale Geschäftsmodelle“  Broschüre Case Competition Konsortial-Benchmarking „Subscription Business“  Broschüre Konsortial-Benchmarking „Customer Insights“  Broschüre Konsortialprojekt „Smart Service Networks“ Konsortialprojekt „Smart Service Engineering“  Broschüre Konsortialprojekt „Digital B2B Customer Journey“

25. © FIR e. V. an der RWTH Aachen Vielen Dank für Ihre Aufmerksamkeit! 25 Campus-Boulevard 55 · 52074 Aachen · Germany www.fir.rwth-aachen.de Frederick Birtel, M.Sc. Leiter Competence-Center Instandhaltung Telefon: +49 (0)241 477 05-204 Fax: +49 (0)241 477 05-199 E-Mail: Frederick.Birtel@fir.rwth-aachen.de

26. © FIR e. V. an der RWTH Aachen Anhang Ausgewählte Konsortialprojekte vom FIR an der RWTH und Center Smart Services 26 2019 Konsortialprojekt „Smart Service Vertrieb“ Konsortial-Benchmarking „Smart Maintenance“ Marktstudie „Industrial Machine Learning“ Case Competition Konsortialprojekt „Fähigkeiten für digitale Geschäftsmodelle“  Broschüre: Link Case Competition Konsortial-Benchmarking „Subscription Business“  Broschüre: Link Konsortial-Benchmarking „Customer Insights“  Broschüre: Link Konsortialprojekt „Smart Service Networks“ Konsortialprojekt „Smart Service Engineering“  Broschüre: Link Konsortialprojekt „Digital B2B Customer Journey“

27. © FIR e. V. an der RWTH Aachen sb.konsortialbenchmarking.de Mögliche zentrale Fragestellungen:  Wie können geeignete Leistungspakte aus Produkt, Services und Digitalen Services für das Angebot von Subskription Geschäftsmodellen gestaltet werden?  Wie wird ein Preis für die einzelnen Leistungspakete kalkuliert?  Wie halte ich den Nutzen für den Kunden konstant bzw. erhöhe diesen kontinuierlich? … und was würden Sie gerne von den Besten lernen? Fragebögen Auswahl Besuch April Mai Jun. Jul. Aug. Sep. Okt. Nov. Dez. 2019 Kick-off Meeting: April 2019 Screening Phase Review Meeting: November 2019 Abschlusskonferenz: März 2020 Jan. Jana Frank Bereich Dienstleistungsmanagement Telefon: +49 241 47705 228 E-Mail: Jana.Frank@fir.rwth-aachen.de Kontakt 2020 Unternehmensbesuche Feb. März Subscription Business Technische Möglichkeiten von Industrie 4.0 in neue Geschäftsmodelle überführen

28. © FIR e. V. an der RWTH Aachen 28 Kontakt Felix Optehostert +49 241 477 05 229 Felix.Optehostert@center-smart-services.com Partner Top Performer entwickeln Smart Services bis zu achtmal schneller und haben ein 80% höheres Gewinnwachstum. Stellen Sie Ihren Entwicklungsansatz für Smart Services auf den Prüfstand und tauschen Sie sich mit führenden Industrieunternehmen zu Best Practices in der Entwicklung von datenbasierten Geschäftsmodellen aus! Ihr Vorsprung als Konsortialpartner:  Aufbau von Expertise zur Entwicklung digitaler, datenbasierter Geschäftsmodelle  Zugang zum Entwicklungsansatz „Smart Service Engineering“  Smart Service Engineering Audit zur Überprüfung Ihres aktuellen Innovationsprozesses auf Schwachstellen und der Ableitung von Maßnahmen Projektziel/ZentraleFragestellungenKonsortialprojekt Smart Service Engineering STRATEGIE ENTWICKELN PROTOTYPEN REALISIEREN MÄRKTE ERSCHLIEßEN Ökosystem analysieren User Story entwickeln Nutzenhypothesen formulieren Kernfunktionalitäten bestimmen Funktionalitäten entwickeln Funktionalitäten mit dem Kunden testen Business Case entwickeln Markteinführungs- strategie entwickeln Ressourcen aufbauen

29. © FIR e. V. an der RWTH Aachen Werden digitale Dienstleistungen über Händler / Monteure vertrieben oder erbracht, spricht man von einem Smart Service Network. Die unterschiedlichen digitalen Fähigkeiten und Infrastrukturen der Teilnehmer am Netzwerk führt zu einem komplexen Vertriebsprozess und der Notwendigkeit den Nutzen von digitalen Leistungen für jeden Teilnehmer sichtbar zu machen. So sind bei 69% der Fälle Konflikte zwischen Stakeholdern die Ursache, wenn die Implementierung eines Services scheitert¹. Gestalten Sie daher mit uns ihr Smart Service Network und…  Lernen Sie von Firmen aus anderen Branchen mit ähnlichen Fragestellungen  Erhalten Sie ein Konzept für Smart Service Networks, basierend auf dem Smart Service Vertrieb und dem Service Engineering Zyklus des Center Smart Services Smart Service Networks Gestaltung von Vertriebs- und Leistungsnetzwerken für Smart Services Center Smart Services | RWTH Aachen Campus Maximilian Schacht, M.Sc. +49 241 47705 207 maximilian.schacht@center-smart-services.com Kontakt Projektstart: 09/2019 1: https://www.service-design-network.org/community-knowledge/taming-organisational-challenges-in-service-design

30. © FIR e. V. an der RWTH Aachen Konsortialprojekt: Digital B2B Customer Journey 30 Awareness Consideration Purchase Service Loyalty Expansion Explore Evaluate Select new solution Gain interest Order Get bill & pay Get support ImproveOperate Add & change Customer Journey  Wie kann eine durchgängige Customer Journey über verschiedene digitale und analoge Kanäle im B2B Umfeld gestaltet werden?  Welche Auswirkungen haben digitale Geschäftsmodelle auf die Customer Journey?  Welche Lösungen schaffen in den einzelnen Customer Journey Schritten ein positives Kundenerlebnis?  Wie sehen Successful Practices für eine Customer Journey im Zeitalter von Industrie 4.0 aus? Mögliche zentrale Fragestellungen Tobias Leiting, M.Sc. M.Sc. +49 241 477 05 232 Tobias.Leiting@center-smart-services.com Kontakt Geplante Laufzeit: Juli 2019 bis Juli 2020 Bilden von Kunde - Anbieter Paaren Aufnahme der Partner Anforderungen Paarweise Tiefeninterviews Aufbau einer Lösungsroadmap Implementierung bei Konsortialpartnern Arbeitspakete im Projekt

Erfolgsprizipien der Smart Maintenance

Erfolgsprizipien der Smart Maintenance

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados(19)

Similar a Erfolgsprizipien der Smart Maintenance

Similar a Erfolgsprizipien der Smart Maintenance(20)

Mais de Branding Maintenance

Mais de Branding Maintenance(16)

Erfolgsprizipien der Smart Maintenance