Return on Maintenance

1. © FIR e. V. an der RWTH Aachen ©AndreasHorsky Return on Maintenance – Steigender Wertbeitrag der Instandhaltung durch Industrie 4.0 Frederick Birtel FIR an der RWTH Aachen 08. November 2018

2. © FIR e. V. an der RWTH Aachen Auf einen Blick: Profil des FIR e. V. an der RWTH Aachen 2 Geschäftsführer Prof. Dr. Volker Stich Direktorium Prof. Dr. Günther Schuh Mission Erforschung praxisrelevanter Probleme und Transfer innovativer Lösungen der Betriebsorganisation und Informationslogistik für die digitale Vernetzung der Wirtschaft Portfolio  jährlich ca. 50 öffentlich geförderte Projekte,  jährlich ca. 60 Projekte mit Industriekunden und  diverse Transfermaßnahmen Asset  über 50 wissenschaftliche,  20 festangestellte und  100 studentische Mitarbeiter Themen  Produktionsmanagement,  Dienstleistungsmanagement,  Informationsmanagement und  Business-Transformation Motto Forschung – Innovation – Realisierung

3. © FIR e. V. an der RWTH Aachen Am RWTH Aachen Cluster Smart Logistics werden Lösungen für digital vernetzte Unternehmen gemeinsam entwickelt und angeboten 3 • 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

4. © FIR e. V. an der RWTH Aachen Wir begleiten Unternehmen auf der Transformation zum Anbieter digitaler, datenbasierter Lösungen 4 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

5. © FIR e. V. an der RWTH Aachen Agenda 5 Beschleunigung durch Industrie 4.0 Erfolgsprinzipien für die Instandhaltung Return on Maintenance Wie verändert Industrie 4.0 das unternehmerische Umfeld? Was ist unter Return on Maintenance zu verstehen? Wie können Unternehmen Ihre Instandhaltung erfolgreich gestalten?

6. © FIR e. V. an der RWTH Aachen 1998: Yahoo lehnt Kauf von Google für 1 Mio. US-$ ab 2002: Yahoo bietet 3 Mrd. US-$ für Google (abgelehnt) 2008: Microsoft bietet 40 Mrd. US-$ für Yahoo (abgelehnt) 2016: Verizon kauf Yahoo für 4,6 Mrd. US-$ Eine sich schneller drehende Welt stellt Unternehmen vor eine Vielzahl neuer Herausforderungen – Das VUCA Phänomen 6 Volatility Uncertainty Complexity Ambiguity NBC News/ Wall St. Jrnl 06/2015: 1% Wahrscheinlichkeit für Trump als Republikanischer Präsidentschaftskandidat Uncertainty 3 45 368 830 1995 2005 2013 2020* Entwicklungskosten Software Oberklasse-Limousine [in Mio. €] Complexity [1] www.fortune.com 350 712 1973-1983 2003-2013 Anzahl ausgeschiedener Unternehmen im Fortune 1000 Index1 Volatility Ambiguity

7. © FIR e. V. an der RWTH Aachen 1998: Yahoo lehnt Kauf von Google für 1 Mio. US-$ ab 2002: Yahoo bietet 3 Mrd. US-$ für Google (abgelehnt) 2008: Microsoft bietet 40 Mrd. US-$ für Yahoo (abgelehnt) 2016: Verizon kauf Yahoo für 4,6 Mrd. US-$ Eine sich schneller drehende Welt stellt Unternehmen vor eine Vielzahl neuer Herausforderungen – Das VUCA Phänomen 7 Volatility Uncertainty Complexity Ambiguity NBC News/ Wall St. Jrnl 06/2015: 1% Wahrscheinlichkeit für Trump als Republikanischer Präsidentschaftskandidat 3 45 368 830 1995 2005 2013 2020* Entwicklungskosten Software Oberklasse-Limousine [in Mio. €] [1] www.fortune.com 350 712 1973-1983 2003-2013 Anzahl ausgeschiedener Unternehmen im Fortune 1000 Index1

8. © FIR e. V. an der RWTH Aachen Die Herausforderungen einer sich schneller drehenden Welt betreffen Unternehmen aller Branchen und Industrien 8 Beispiel 3D-Druck1 Beispiel Obsoleszenzmanagement2 Beispiel mobile Assistenzsysteme3 Beispiel Data Analytics4 [1] Strategy& (2018) [2] Markt&Technik (2017) [3] Lesage (2018), [4] Bangert (2016) Product Change Notification (PCN) & Product Termination Notification (PTN) Marktvolumen 3D gedruckter Teile in Mrd. €, 2015 ggü. 2030 First Time Fix Rate 67 % Customer Fix Rate 76 % Effizienz Techniker 20 % Kundenzufriedenheit 95 % Augmented Reality bei dem Druck-/Kopiergeräthersteller Xerox AR für den Techniker: AR für den Kunden: Einsatz des Advanced Process Optimizer (APO) von algorithmica in einer Chemieanlage Selektivität [%] Ausbeute [%] HäufigkeitHäufigkeit keine Optimierung vom Fahrer als nützlich ausgewählte Optimierungsmaßnahmen Umsetzung aller vom Modell errechneten Maßnahmen

9. © FIR e. V. an der RWTH Aachen Die Auswirkungen von Industrie 4.0 lassen sich am Beispiel eines idealtypischen Anpassungsprozesses1 erklären 9[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016) Daten- latenz Analyse- latenz Entscheidungs -latenz Umsetzungs- latenz Zeit Ereignis Ereignisdaten verfügbar Analyse abgeschlossen Maßnahmen abgeschlossen Maßnahmen initiert NutzenderAnpassung

10. © FIR e. V. an der RWTH Aachen Daten- latenz Analyse- latenz Entscheidungs -latenz Umsetzungs- latenz Die Auswirkungen von Industrie 4.0 lassen sich am Beispiel eines idealtypischen Anpassungsprozesses1 erklären 10[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016) Zeit Elemente von Industrie 4.02,4  Big Data  Künstliche Intelligenz / Maschinelles Lernen  Vernetzung  Echtzeitfähigkeit  Assistenzsysteme  Automatisierung von Entscheidungen  Vertikale und horizontale Integration  Cyber-physische Systeme Ereignis Ereignisdaten verfügbar Analyse abgeschlossen Maßnahmen abgeschlossen Maßnahmen initiert NutzenderAnpassung

11. © FIR e. V. an der RWTH Aachen Die Auswirkungen von Industrie 4.0 lassen sich am Beispiel eines idealtypischen Anpassungsprozesses1 erklären 11[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016) Zeit Maßnahmen abgeschlossen Ereignis NutzenderAnpassung Elemente von Industrie 4.02,4  Big Data  Künstliche Intelligenz / Maschinelles Lernen  Vernetzung  Echtzeitfähigkeit  Assistenzsysteme  Automatisierung von Entscheidungen  Vertikale und horizontale Integration  Cyber-physische Systeme In der Beschleunigung unternehmerischer Entscheidungs- und Anpassungsprozesse liegt der wesentliche wirtschaftliche Hebel von Industrie 4.0.3

12. © FIR e. V. an der RWTH Aachen Beispiel Formel 1: Datenbasiertes Entscheiden erfordert ein Umdenken in der Firmenkultur 12  In Formel 1 sind maximal 1.000 Überwachungskanäle erlaubt  35 Megabyte Daten pro Runde und ca. 30 Gigabyte pro Rennwochenende und Team an  Ca.100 Ingenieure überwachen die live-Daten aus der Ferne [1] Motorsport-Magazin.com (2014a) [2] Motorsport-Magazin.com (2014b) [3] Nimmervoll et al. (2017) Bilder: https://www.motorsport-total.com/formel-1/news/formel-1-russland-2017-premierensieg-fuer-valtteri-bottas-17043024] Formel 1-Rennen in Russland 30. April 2017:3 "Niki hat gesagt: 'Dreht es einfach auf, ich nehme es auf meine Kappe!' Wir haben dem widerstanden". Torger Christian „Toto“ Wolff Motorsportchef Mercedes Telemetriedaten Piloten1:  Gang  Lenkbewegung  Gaspedalstellung  Geschwindigkeit  Bremslinie  G-Kräfte  Windstärke  Rekuperation Telemetriedaten Kommandostand2:  Dämpferbewegung  Öldruck  Öltemperatur  Wassertemperatur  Benzindruck  Reifentemperatur (Kern-, Oberflächentemperaturen)  Bremstemperaturen  … Optimierung der eigenen Fahrweise für schnelle Rundenzeiten Optimierung des Setup und der Strategie für bestmögliche Rennplatzierung

13. © FIR e. V. an der RWTH Aachen Strategieanpassung in der Instandhaltung als Beispiel eines typischen Anpassungsprozesses in der Instandhaltung 13 Strategieanpassung für neue kostenoptimale Vorbeugeintensität Veränderte Asset- Nutzungsparameter und Kostenkurve1 Steigende Instandhaltungskosten bei alter Instandhaltungsstrategie 2 3 Beschleunigung durch Industrie 4.0 Direkte+indirekte InstandhaltungskostenVerfügbarkeit Vorbeugeintensität Kostenkurve alt Kostenkurve neu 1 2 3 Vorbeugeintensität Verfügbarkeitskurve alt Verfügbarkeitskurve neu

14. © FIR e. V. an der RWTH Aachen Die Bedeutung der Instandhaltung am Beispiel der LCC: Potenziale der Instandhaltung in klassischer kostenorientierter Sicht 14 Nach der NutzungWährend der NutzungVor der Nutzung Investitions- summe Entsorgungs- kosten Betriebskosten Instandhaltungs- kosten LifeCycleCosts Herstellkosten Entwicklungskosten 1 2 3 1 Reduktion von Betriebskosten 2 Verlängerung der Asset-Nutzung 3 Rückführung von Daten in die Entwicklung In Anlehnung an VDI 2884

15. © FIR e. V. an der RWTH Aachen Den vielfältigen Wertbeitrag der Instandhaltung messbar machen am Beispiel des Return on Capital Employed (ROCE) 15In Anlehnung an Stiefl, Westerholt (2008), Biedermann (2016) ROCE Operatives Ergebnis Investiertes Kapital Kosten Umsatz Anlage- vermögen Umlauf- vermögen Instandhaltungskosten Stillstandskosten Ausschussrate Stillstandszeiten … Ersatzteilbestände Maschinenbestände Maschinenlebensdauer … Investitionskosten

16. © FIR e. V. an der RWTH Aachen Return on Maintenance: Maximierung des Wertbeitrags der Instandhaltung 16 Instandhaltungs- kosten Unternehmens- wert RoM Instandhaltungs- kosten Unternehmens- wert Mit Hilfe welcher Prinzipien kann der Wertbeitrag der Instandhaltung im Kontext von Industrie 4.0 maximiert werden?

17. © FIR e. V. an der RWTH Aachen  Hinreichend genaue digitale Abbildung optimierter Prozesse1  Ziel ist die echtzeitnahe Datenbereitstellung für eine echtzeitnahe Auswertung1  Integrierte Betrachtung von Prozess- und Daten- bzw. Informationsmanagement Erfolgsprinzip 1: Transparenz durch den digitalen Schatten Transparenz über den gesamten Asset Lebenszyklus sicherstellen 17[1] Bauernhansl et al (2016) Beispiel: Definition von Messpunkten für Zeitstempel Objektdaten Prozessdaten Umgebungs- daten Maschinen- daten … Prozess Digitaler Schatten Kriterien zur Auswahl eines Messpunktes:  Vollständigkeit  Übertragbarkeit  Echtzeitfähigkeit  (Semi-)Automatisierbarkeit  Wirtschaftliche Erhebung Serviceobjekt identifizieren Auftragserfolg prüfen Auftrag vorbereiten Auftrag abschließen Auftrag bearbeiten Auftrag erfassen Auftrag steuern Leistung klären Auftrag durchführen Auftrag planen Auftrag rückmelden Messpunkte MP1 Einwahl an Maschine MP2 Produktions- freigabe durch Kunden MP3 Maschine in Wartungspo sition MP4 Meldung Ersatzteil- auswahl MP5 Auswahl an Maschine MP6&7 Testläufe 1 und 2 MP8 Kunden- abnahme MP9 Freigabe zur Produktion

18. © FIR e. V. an der RWTH Aachen Erfolgsprinzip 2: Hohe Umsetzungsgeschwindigkeit mit Minimum Viable Services Erste testbare Lösung mit minimaler Projektlaufzeit und Investment  Fokus auf wenige Kernfunktionalitäten  Erste testbare Lösung in wenigen Tagen  Einbindung des Kunden bereits beim ersten Prototypen Full Blown Solution Minimum Viable Service Emotional Design Useable Reliable Functional Emotional Design Useable Reliable Functional  Anbindung einer Stanzmaschine und Entwicklung erster Dashboards  Kein Projektplan!  Kein Powerpoint!  Nutzung bestehender Infrastrukturen (PTC ThingWorx)  Minimales Investment (< 200€ für Hardware)  Aktive Projektarbeitszeit: 50 Stunden ! Wie lange braucht man, um das älteste industrielle Familienunternehmen Europa ins Internet der Dinge zu bringen? Projektbeispiel FIR / Center Smart Services: „Get-Connected Prym“

19. © FIR e. V. an der RWTH Aachen Erfolgsprinzip 3: Geringe Umsetzungskosten durch Nutzung von Standards Die Interoperabilität der technischen Infrastruktur sicherstellen 19[1] KEPServerEX [2] Antony Passemard  Kompatibilität zwischen verschiedenen Automations- und Informationssystemen  Freie Skalierbarkeit durch Modulbauweise und ständige Anpassung an Änderungen des Produktionsbetriebs  Plug&Play ermöglicht die problemlose Installation weiterer Gerätebetreiber Beispiel: PTC ThingWorx - Cloud-basierte Plattform mit Middleware1 OPC DA, AE OPC UA Proprietary Data Logger Oracle MOC SNMP Agent Advanced Tags Alarms & Events PLC DCS Database Clients Servers Customs

20. © FIR e. V. an der RWTH Aachen Erfolgsprinzip 4: Nachhaltige Erfolge durch Wissens- und Innovationskultur Verankerung von RoM in der eigenen Unternehmenskultur 20[1] IBM Academy of Technology (2018)  Wissen als Produktionsfaktor verstehen  Fachliche Karrierepfade zur Entwicklung von Experten  Fachexperten umfangreiche Entscheidungsbefugnisse einräumen  Trennung von disziplinarischer und fachlicher Verantwortung Wissens- und Innovations- kultur Mentorship „Hire Smart People“ „Fähigkeiten statt Erfahrung“ Regelmäßige Peer-Reviews Vertrauen Datenbasierte Entscheidungen Beispiel: IBM – Academy of Technology1

21. © FIR e. V. an der RWTH Aachen Vier Erfolgsprinzipien für Return on Maintenance 21 Digitaler Schatten Minimum Viable Services Standards Wissens- und Innovationskultur

22. © FIR e. V. an der RWTH Aachen Fazit 22 1 2 3 Die Bedeutung der Instandhaltung geht weit über die reine Herstellung von Verfügbarkeit zu möglichst geringen Kosten hinaus Industrie 4.0 bedeutet die rapide Beschleunigung unternehmerischer Entscheidungs- und Anpassungsprozesse Die Welt von morgen kann lässt sich nicht mit den Methoden von gestern gestalten

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

31. © FIR e. V. an der RWTH Aachen Literaturverzeichnis (I/II)  VDI-Richtlinie 2884, 2005: Beschaffung, Betrieb und Instandhaltung von Produktionsmitteln unter Anwendung von Life Cycle Costing (LCC). Online verfügbar unter https://www.vdi.de/uploads/tx_vdirili/pdf/9656128.pdf, zuletzt geprüft am 21.08.2017.  Antony Passemard (2014): The Internet of Things Protocol stack – from sensors to business value. Hg. v. Blog about IoT (Internet of Things), entrepreneurship, startups and business models. Online verfügbar unter https://entrepreneurshiptalk.wordpress.com/category/analysis/ (zuletzt geprüft am 05.10.2018).  Bangert, Patrick (2016): Optimierung chemischer Prozesse. Unter Mitarbeit von Viktoriya Georgieva. Hg. v. algorithmica technologies GmbH. Online verfügbar unter http://www.algorithmica-technologies.com/system/case_studies/pdf_des/000/000/004/original/08_Optimierung_chemischer_Prozesse.pdf?1457398051 (zuletzt geprüft am 05.10.2018).  IBM Academy of Technology: About the Academy. Hg. v. IBM Academy of Technology. Online verfügbar unter https://www- 03.ibm.com/ibm/academy/about/about.shtml (zuletzt geprüft am 05.10.2018).  Kagermann et. Al (2013): Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Hg. v. Promotorengruppe Kommunikation der Forschungsunion Wirtschaft - Wissenschaft. Frankfurt am Main.  KEPServerEX: Schnittstellen. Hg. v. KEPServerEX. Online verfügbar unter http://www.kepserverex.de (zuletzt geprüft am 05.10.2018).  Lesage, Hervé (2018): Xerox - Wie die Informationsbereitstellung über AR die Arbeit von Technikern effizienter macht. Online verfügbar unter https://www.xerox.com/de-at/dienstleistungen/marketing/einblicke/augmented-reality-produktivitat (zuletzt geprüft am 05.10.2018).  Markt&Technik. Kooperation mit VDMA beflügelt smartPCN (27.10.2017). Online verfügbar unter https://www.elektroniknet.de/markt- technik/elektronikfertigung/kooperation-mit-vdma-befluegelt-smartpcn-146984.html (zuletzt geprüft am 05.10.2018).  Motorsport-Magazin.com (2014a): Das sehen die Fahrer - So funktioniert die Telemetrie - Teil 1. Online verfügbar unter: https://www.motorsport- magazin.com/formel1/news-197898-technik-so-funktioniert-die-telemetrie-teil-1/ (letzter Zugriff: 07.07.2018) 31

32. © FIR e. V. an der RWTH Aachen Literaturverzeichnis (II/II)  Motorsport-Magazin.com (2014b): Mehr Daten als Kanäle - So funktioniert die Telemetrie - Teil 2. Online verfügbar unter: https://www.motorsport- magazin.com/formel1/news-198065-technik-so-funktioniert-die-telemetrie-teil-2/ (letzter Zugriff: 07.07.2018)  Prof. Dr. Burkhard Schwenker; Tobias Raffel (2014): Think Act. Konjunkurszenario 2014. Hg. v. Roland Berger Strategy Consultants GmbH. München.  Prof. Dr.-Ing. Thomes Bauernhansl (2016): Technologien der Industrie 4.0. Stuttgart. Online verfügbar unter https://bawue.vdma.org/documents/106090/14459777/Maschinenbaudialog_2016_Vortrag_Bauernhansl_final.pdf (zuletzt geprüft am 05.10.2018).  Robert Shapiro; Michael zur Mühlen (2010): Business Process Analytics. In: Jan Brocke und Michael Rosemann (Hg.): Handbook on Business Process Management 2. Strategic Alignment, Governance, People and Culture. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg (International Handbooks on Information Systems), S. 137–157.  Schuh, Günther; Gudergan, Gerhard; Kampker, Achim (Hg.) (2016): Management industrieller Dienstleistungen. Handbuch Produktion und Management 8. 2. Aufl. 2016. Berlin, Heidelberg: Springer Berlin Heidelberg (VDI-Buch). Online verfügbar unter http://gbv.eblib.com/patron/FullRecord.aspx?p=4337449.  Stiefl, Jürgen; Westerholt, Kolja von (2009): Wertorientiertes Management. Wie der Unternehmenswert gesteigert werden kann ; mit Fallstudien und Lösungen. München, Wien: Oldenbourg.  Strategy& (Hrsg.): Strategy&-Analyse 3D-Druck: Marktvolumen für gedruckte Produkte steigt bis 2030 auf 22,6 Milliarden Euro 2018. Online verfügbar unter https://www.strategyand.pwc.com/de/pressemitteilungen/3d-druck (zuletzt geprüft am 05.10.2018).  Biedermann, Hubert (2016): Lean Smart Maintenance, Vortrag auf der Fachtagung Smart Maintenance für Smart Factories, Ludwigsburg, 06.12.2016. 32

Return on Maintenance

Return on Maintenance

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados(19)

Similar a Return on Maintenance

Similar a Return on Maintenance(20)

Mais de Branding Maintenance

Mais de Branding Maintenance(12)

Último

Último(10)

Return on Maintenance