Š Andreas Horsky
Erfolgsprinzipien der Smart Maintenance - Was Unternehmen schon heute erfolgreich umsetzen Frederick Birtel FIR an der RWTH Aachen Š FIR e. V. an der RWTH Aachen
Am RWTH Aachen Cluster Smart Logistics werden Lösungen für digital vernetzte Unternehmen gemeinsam entwickelt und angeboten Engineering Digital Business
Next Level Information Logistics
The next Generation of Business Applications
Mitglieder & Projektpartner (Auszug)
Managing Digital Transformation Realize Digital Transformation
Innovation Labs
Demofabrik
• • • • •
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
© FIR e. V. an der RWTH Aachen
2
Wir begleiten Unternehmen auf der Transformation zum Anbieter digitaler, datenbasierter Lösungen
Business Optimization Maintenance and Repair
Digital Twin Aviation Analytics Pay per hour
Implementation Services
Digitale Lösung Lösung Produkt +
Produkt Produkt Anbieten von Produkten; Dienstleistung nicht verrechnet
Dienstleistung
Anbieten einzelner Dienstleistungen zusätzlich zum Produkt
Dienst-
Dienstleistung
Produkt leistung
Anbietern einer Gesamtlösung; Produkt nicht unbedingt Kernbestandteil
Anbieten einer Dienstleistung als integraler Bestandteil des Angebots
Anbieten einer Gesamtlösung als Dienstleistung in einem Betreibermodell (z.B. Verfügbarkeits- oder Funktionsgarantien)
Anbieten und Entwickeln datenbasierter Lösungen (z.B. Service-Plattform )
Transformationslinie © FIR e. V. an der RWTH Aachen
3
Agenda
1
Der Blick Ăźber den Tellerrand
2
Top-Performer und Follower der "Smart Maintenance" 2.1 ... auf dem Shopfloor 2.2 ... auf Werkstattebene 2.3 ... auf taktischer Ebene 2.4 ... auf strategischer Ebene
3
Lessons Learned
Š FIR e. V. an der RWTH Aachen
4
Wie gehen wir bei der Erfassung von Daten an unseren Anlagen vor?
Welchen nutzen stiften digitale Assistenzsysteme 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-MaintenanceProjekte am besten umsetzen?
© FIR e. V. an der RWTH Aachen
5
Mit Hilfe des Konsortial-Benchmarkings „Smart Maintenance“ wurden Top-Performer identifiziert und genauer untersucht
Review Meeting
Kick-off Meeting Juli
Aug.
Sep.
Okt.
Nov.
2018
Dez.
Jan.
Besuch 5 ausgewählter Unternehmen
Feb.
März
© FIR e. V. an der RWTH Aachen
Mai
2019 Screening Phase
Festlegung der relevanten Fragestellungen mit Konsortialpartnern
April
Durchführung einer Fragebogenstudie zum Thema „Smart Maintenance“
Abschlusskonferenz
Identifikation von Unternehmen mit erfolgreichen Ansätzen zu „Smart Maintenance“
Auswahl von vier Successful-Practice Unternehmen
6
Agenda
1
Der Blick Ăźber den Tellerrand
2
Top-Performer und Follower der "Smart Maintenance" 2.1 ... auf dem Shopfloor 2.2 ... auf Werkstattebene 2.3 ... auf taktischer Ebene 2.4 ... auf strategischer Ebene
3
Lessons Learned
Š FIR e. V. an der RWTH Aachen
7
Smart Maintenance auf dem Shopfloor
© FIR e. V. an der RWTH Aachen
8
Eine hoher Detailgrad der digital dokumentierten Anlagenstruktur liefert die notwendige Basis für Smart Maintenance Wie weit sind die instand zu haltenden Assets (Maschinen/Anlagen) strukturiert? Eine Antwortmöglichkeit in Form von technischen Plätzen o. ä digital hinterlegt
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. Assistenzsysteme, Datenanalyse) in der Instandhaltung geschaffen.“
0% 23% Top-Performer Follower
8%
digital bis auf Anlagenebene
12%
digital auf Ebene einzelner Maschinen oder Module
Top-Performer Follower
24% 28% 36%
digital auf Ebene von Baugruppen/-teilen
30%
digital auf Ebene von Funktionen der einzelnen Bauteile/-gruppen
Beispiel Stammdatenpflege, Top-Performer
32% 7%
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 © FIR e. V. an der RWTH Aachen
n=85; Bildquelle: https://www.i40-bw.de/de/100orte/robert-bosch-gmbh
Tägliche Besprechung der Produktionsund Instandhaltungsperformance Retrospektive Bewertung durchgeführter Instandhaltungsmaßnahmen Abstimmung kurzfristiger Maßnahmen und Fortschreibung der mittelfristigen Wartungs-/Instandsetzungsplanung Direkter Austausch zwischen Prod. & IH 9
Mobile Assistenzsysteme dienen primär der Erweiterung und Verbesserung der digitalen (Anlagen-)Dokumentation Einsatz mobiler Assistenzsysteme 40
■
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
Top Performer
31
Follower
Keine Nutzung von mobilen Assistenzsystemen Für welche Anwendungsfälle werden mobile Assistenzsysteme (z. B. Datenbrillen, Tablets, Smartphones) in der Instandhaltung/im Service eingesetzt? Mehrfachnennung
Top-Performer Dokumentation des Arbeitsfortschritts der Arbeiten
62%
Follower
34%
Bereitstellung von Arbeitsanweisungen (statische Inhalte, z. B. Wartungspläne, Checklisten) Zur Identifikation technischer Plätze (z. B. mittels RFID, Barcode, NFC)
54% 32% 46% 18% 23%
Remote Service/Maintenance bei externen Kunden
Neue Wege beschreiten: „Augmented Reality eröffnet uns einen spannenden, kostengünstigen Weg direkt zum Kunden.“ Beispiel Assistenzsysteme, TopPerformer
13% © FIR e. V. an der RWTH Aachen
n=94
10
Smart Maintenance auf Werkstattebene
Š FIR e. V. an der RWTH Aachen
11
Produktivität und Qualität stechen als Anwendungsfälle für Datenanalysen in der Instandhaltung gegenüber Predictive Maintenance deutlich hervor Welche Erkenntnisse gewinnen Sie aus Ihren Instandhaltungsdaten? x3
Follower
x2
eine Herausforderung im Instandhaltungs-/Service-Kontext.
Top-Performer
84
75
x3
35
31
Produktivität ihrer Produktion.
29
Wir ziehen Rückschlüsse über optimierte Betriebsparameter hinsichtlich der Produktivität der Produktion.
Viele Unternehmen fokussieren sich daher beim Thema Datenanalyse auf die Verbesserung der Qualität und
9 Wir ziehen Rückschlüsse über optimierte Betriebsparameter hinsichtlich der Qualität der Produktion.
Lohnenswerte Use-Cases zu identifizieren ist nach wie vor
Wir können den Ausfallzeitpunkt von Komponenten mit Prognosemodellen vorhersagen.
Top-Performer können häufiger Rückschlüsse auf die Qualität und Produktivität ziehen.
Wie identifizieren Sie Anwendungsfälle für Datenanalysen in der Instandhaltung/im Service? Top-Performer Follower
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. -100
-50
© FIR e. V. an der RWTH Aachen
0
50 n=72; n=75
100
Den richtigen Hebel finden: „Datenanalysen für die Instandhaltung ergeben für uns gegenwärtig wenig Sinn, da wir größere Potenziale bei der Qualität und der Prozessgestaltung für unsere Anlagen sehen.“ Beispiel Datenanalyse, Top-Performer 12
Auch die Mitarbeiterqualifizierung passt sich technologisch und organisatorisch den Rahmenbedingungen der Smart Maintenance an Welche Schwerpunkte hatten die Schulungen für Instandhaltungs-/ Servicepersonal innerhalb der letzten 3 Jahre? Zwei Antwortmöglichkeiten Vertiefung vorhandenen Fachwissens (Mechanik, Elektrik, Hydraulik etc.)
54%
Top-Performer Follower
73%
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
38%
Automatisierung von Produktionsanlagen
32% 42%
Vermittlung von IT-Kenntnissen (z. B. Programmierung)
25%
Umgang und Verfahren für Datenanalyse
23% 8%
Vermittlung von Soft-Skills (z. B. Mitarbeiterführung etc.)
27% 21%
Welche Methoden der Mitarbeiterentwicklung werden Ihrem Unternehmen in der Instandhaltung/im Service angewendet? Mehrfachnennung möglich Präsenzveranstaltung
88%
Top-Performer Follower
73% 81% 79%
On-the-Job-Training 50%
E-Learning
33% 38%
Blended Learning
11%
Assistenzsysteme unterstütztes On-theJob-Training © FIR e. V. an der RWTH Aachen
n=89; n=89
31% 17%
Erfolgsfaktor – Qualifizierung in Data Science: „Wir haben ein internes und unternehmensweites Schulungsprogramm für Data Science und Machine Learning aufgebaut. Unsere Data Scientisten können in virtuellen Kursen ihre bisherigen Kenntnisse vertiefen und erweiterten.“ Beispiel Mitarbeiterqualifizierung, Top-Performer 13
Smart Maintenance auf taktischer Ebene
Š FIR e. V. an der RWTH Aachen
14
Partnerschaften helfen dabei, eigene Kompetenzbereiche zu ergänzen und Wissen zu erweitern bzw. zu sichern Mit welchen Partnern kooperieren Sie bei der Analyse von Betriebsund Zustandsdaten?
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.
Mehrfachnennung möglich Hersteller von Maschinen / Anlagen
Top-Performer Follower
46%
Hersteller von Sensorik / Aktorik
18% 58%
IT-Dienstleister mit Analysesoftware
Unternehmensberatungen
50% 32%
23%
Beispiel Wissensmanagement, Top-Performer
15% 7% 38%
Forschungseinrichtungen / Hochschulen
23%
Welche Expertise ist für Sie besonders wichtig bei der Auswahl Ihrer Partner für die Analyse von Betriebs- und Zustandsdaten?
Top-Performer
Mehrfachnennung möglich
Follower
35%
50% 38%
35%
30%
30% 18%
Algorithmusexpertise © FIR e. V. an der RWTH Aachen
Softwareexpertise n=83; n=70
35%
39%
16%
Technologie- und Engineeringexpertise
(Produktions-) Prozessexpertise
Methodenwissen 32
Die Beherrschbarkeit von Wissen stellt eine zentrale Fähigkeit von Smart Maintenance Organisationen dar Auf welche Art erfolgt in Ihrem Unternehmen der Wissensaustausch in der Instandhaltung? Top-Performer
Mitarbeiter machen ihr Erfahrungswissen in technischen Systemen zugänglich (z. B. Wissensdatenbanken, Wikis etc.).
Follower
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. -100
-50
0
50
100
Fallbeispiel: Nutzung von IBM-Watson zur Auswertung von Serviceberichten bei Trumpf Werkzeugmaschinen Text Mining1
Analyse
Maßnahmen
Interpretation/Verschlagwortung der Berichte
Bestimmung von Häufigkeiten/Mustererkennung
Proaktiver Service und Produktverbesserung
Serviceberichte
Manuelle Dokumentation der Servicearbeiten © FIR e. V. an der RWTH Aachen
n=70; [1] https://www.ibm.com/watson
16
© FIR e. V. an der RWTH Aachen
17
Erst die Summe aus direkten und indirekten Instandhaltungskosten ermöglichen das Fällen fundierter Entscheidungen für die Instandhaltungsorganisation Welche Instandhaltungskosten / Ausfallfolgekosten werden bei Ihnen im Unternehmen erfasst? Mehrfachnennung möglich
88%
88%
88%
Top-Performer 78%
72%
Follower
72%
35% 27% 19%
19%
19% 15%
13%
12% 7%
6% 2% Materialkosten
Personalkosten
Fremddienstleistungskosten
Entgangene Deckungsbeiträge durch Produktionsausfälle
Entgangene Deckungsbeiträge durch Qualitätsverluste
2% Pönalen Konventionalstrafen
Neu-/Umplanung des Produktionsprogramms
2%
0% Neu-/Umplanung des Instandhaltungsprogramms
Verkürzte Lebenszeit
Sonderschichten und Wochenendarbeiten
Top-Performer können durch die
Folgekosten deutlich häufiger den Wert der Instandhaltung/des Services in ihren Organisationen und ggü. Kunden darstellen. © FIR e. V. an der RWTH Aachen
n=80
1:3 bis 1:5
2,3 [1] Konsortial-Benchmarking Smart Maintenance 2019, [2] Kuhn et al. 2006, [3] Blechschmidt et al. 2011
18
Smart Maintenance zeichnet sich durch einen standortübergreifenden Austausch aus und wird bereits als eigenständiges Managementkonzept wahrgenommen Wie sind Sie bei der Umsetzung von Smart Maintenance bisher vorgegangen? Top-Performer Wir setzen Smart-Maintenance-Projekte mit Follower iterativen Methoden (z. B. Scrum) um.
Fokus Smart Maintenance „Unsere Smart-Maintenance-Initiative ist zentraler Bestandteil einer werksübergreifenden Digitalisierungsinitiative, die von unserer Geschäftsführung vorangetrieben wird.“
standortübergreifende Teams
umfassende und langfristige Roadmap für die Umsetzung von Smart Maintenance -100
-50
0
50
Beispiel Smart-Maintenance-Initiative, Top-Performer
100
Wie wird Smart Maintenance mit klassischen Managementkonzepten (z. B. TPM, RCM) in der Instandhaltung verbunden? Eine Antwortmöglichkeit Top-Performer
41%
39%
x4
Follower
27%
30% 24%
6%
5% Smart Maintenance wird nicht als Managementkonzept eingeführt.
© FIR e. V. an der RWTH Aachen
27%
n=65; n=55
Smart Maintenance wird unabhängig von vorhandenen Konzepten eingeführt bzw. umgesetzt (parallele Umsetzung).
Smart Maintenance dient als punktuelle Erweiterung der bestehenden Managementkonzepte, wobei die Kernelemente der bestehenden Konzepte weiterhin führend bleiben.
Smart Maintenance hat sich als eigenständiges Konzept etabliert und die bis dato bestehenden Konzepte abgelöst. 19
Agenda
1
Der Blick Ăźber den Tellerrand
2
Top-Performer und Follower der "Smart Maintenance" 2.1 ... auf dem Shopfloor 2.2 ... auf Werkstattebene 2.3 ... auf taktischer Ebene 2.4 ... auf strategischer Ebene
3
Lessons Learned
Š FIR e. V. an der RWTH Aachen
20
7 Erfolgsprinzipien charakterisieren erfolgreiche Unternehmen auf dem Weg zur Smart Maintenance
Prinzip 1: Die gleiche Sprachen sprechen!
Prinzip 7: Beute machen!
Prinzip 2: Roadmap gestalten und folgen!
Prinzip 4: Komplexität beherrschbar machen!
Prinzip 5: Domänenwissen verfügbar machen!
Prinzip 6: Durchstarten!
Prinzip 3: Hausaufgaben erledigen!
© FIR e. V. an der RWTH Aachen
21
Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet Digitalisierung
Industrie 4.0
Gemeinsame Planung
Getrennte (manuelle) Planung in Silos
Gemeinsame, statische Planung über Silos hinweg
Gemeinsame Planung in Echtzeit mit Soll-IstAbgleich
Datenbasierte Planungsoptimierung
Prognosebasierte Planung
Automatische, dynamische Planung
Verfügbarkeitsorientierung
Erfassung der Ereignisse
Bestimmung relevanter Kennzahlen (z. B. OEE)
Kennzahlen in Echtzeit (z. B. OEE)
Wirkbeziehung zwischen Maßnahmen und Kennzahlen (z. B. OEE)
Szenarioprognose zu Maßnahmen anhand von Kennzahlen (z. B. OEE)
Automatische Entscheidung anhand Kennzahlen (z. B. OEE)
Flexibilität
Statische Ressourcen Optimierung in Silos
Statische Ressourcen Optimierung
Ressourcenverfügbarkeit und Allokation in Echtzeit
Bedarfsgerechte Allokation von Ressourcen
Szenarioprognose der Ressourcen Allokation
Automatische Ressourcen Optimierung
Wissensmanagement
Digitale Serviceberichte
Globale Anlagenhistorie
Digitaler Zwilling einer Anlage mit Echtzeitdaten
Digitaler Lösungskatalog und Verfahrensanweisungen
Generierung autom., priorisierter Lösungsvorschläge
Automatische Bereitstellung von notw. Informationen
Ersatzteilmanagement
Digitalisierte ETInformationen in Silos
Integriertes Ersatzteilwesen / Stammdaten-Management
Ersatzteilbestände im Netzwerk in Echtzeit
Risiko-orientierte Ersatzteil Bevorratung
Optimierte Ersatzteilbedarfe im Netzwerk (z. B. mit 3D-Druck)
Autonome, dynamische Beschaffung
Wertbeitrag
Erfassung der direkten IH-Kosten
Output bezogene Kostenerfassung (Stückkosten)
Digitaler Schatten des Wertbeitrages über Organisationgrenzen
Szenarioanalyse anhand des Wertbeitrages
Szenarioprognose anhand des Wertbeitrages
Automatische Entscheidung anhand Wertbeitrag
Computerisierung
Konnektivität
Sichtbarkeit
Transparenz
Prognosefähigkeit
Adaptierbarkeit
© FIR e. V. an der RWTH Aachen
22
Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet Digitalisierung
Industrie 4.0
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!<< Gemeinsame Planung
Getrennte (manuelle) Planung in Silos
Gemeinsame, statische Planung über Silos hinweg
Gemeinsame Planung in Echtzeit mit Soll-IstAbgleich
Datenbasierte Planungsoptimierung
Prognosebasierte Planung
Automatische, dynamische Planung
Verfügbarkeitsorientierung
Erfassung der Ereignisse
Bestimmung relevanter Kennzahlen (z. B. OEE)
Kennzahlen in Echtzeit (z. B. OEE)
Wirkbeziehung zwischen Maßnahmen und Kennzahlen (z. B. OEE)
Szenarioprognose zu Maßnahmen anhand von Kennzahlen (z. B. OEE)
Automatische Entscheidung anhand Kennzahlen (z. B. OEE)
Flexibilität
Statische Ressourcen Optimierung in Silos
Statische Ressourcen Optimierung
Ressourcenverfügbarkeit und Allokation in Echtzeit
Bedarfsgerechte Allokation von Ressourcen
Szenarioprognose der Ressourcen Allokation
Automatische Ressourcen Optimierung
Wissensmanagement
Digitale Serviceberichte
Globale Anlagenhistorie
Digitaler Zwilling einer Anlage mit Echtzeitdaten
Digitaler Lösungskatalog und Verfahrensanweisungen
Generierung autom., priorisierter Lösungsvorschläge
Automatische Bereitstellung von notw. Informationen
Ersatzteilmanagement
Digitalisierte ETInformationen in Silos
Wertbeitrag
© FIR e. V. an der RWTH Aachen
Wir freuen uns auf Ihre Kontaktaufnahme! Integriertes Ersatzteilwesen / Stammdaten-Management
Ersatzteilbestände im Netzwerk in Echtzeit
Risiko-orientierte Ersatzteil Bevorratung
Optimierte Ersatzteilbedarfe im Netzwerk (z. B. mit 3D-Druck)
Autonome, dynamische Beschaffung
Output bezogene Kostenerfassung (Stückkosten)
Digitaler Schatten des Wertbeitrages über Organisationgrenzen
Szenarioanalyse anhand des Wertbeitrages
Szenarioprognose anhand des Wertbeitrages
Automatische Entscheidung anhand Wertbeitrag
Prognosefähigkeit
Adaptierbarkeit
Frederick Birtel ComputerisierungFrederick.Birtel@fir.rwth-aachen.de Konnektivität Sichtbarkeit Transparenz +49 241 47705 204 Erfassung der direkten IH-Kosten
23
Wie es weiter geht – laufende und geplante Projekte des FIR an der RWTH Aachen und dem Center Smart Services
Marktstudie „Industrial Machine Learning“ Konsortialprojekt „Digital B2B Customer Journey“ Konsortialprojekt „Smart Service Vertrieb“
Konsortialprojekt „Fähigkeiten für digitale Geschäftsmodelle“ Broschüre Konsortialprojekt „Smart Service Networks“
2019 Case Competition
Case Competition
Konsortialprojekt „Smart Service Engineering“ Broschüre
Konsortial-Benchmarking „Customer Insights“ Broschüre Konsortial-Benchmarking „Smart Maintenance“
© FIR e. V. an der RWTH Aachen
Konsortial-Benchmarking „Subscription Business“ Broschüre 24
Vielen Dank für Ihre Aufmerksamkeit!
Campus-Boulevard 55 · 52074 Aachen · Germany www.fir.rwth-aachen.de
Frederick Birtel, M.Sc. Leiter Competence-Center Instandhaltung Telefon: Fax: E-Mail:
© FIR e. V. an der RWTH Aachen
+49 (0)241 477 05-204 +49 (0)241 477 05-199 Frederick.Birtel@fir.rwth-aachen.de
25
Anhang Ausgewählte Konsortialprojekte vom FIR an der RWTH und Center Smart Services
Marktstudie „Industrial Machine Learning“ Konsortialprojekt „Digital B2B Customer Journey“ Konsortialprojekt „Smart Service Vertrieb“
Konsortialprojekt „Fähigkeiten für digitale Geschäftsmodelle“ Broschüre: Link Konsortialprojekt „Smart Service Networks“
2019 Case Competition
Case Competition
Konsortialprojekt „Smart Service Engineering“ Broschüre: Link
Konsortial-Benchmarking „Customer Insights“ Broschüre: Link Konsortial-Benchmarking „Smart Maintenance“
© FIR e. V. an der RWTH Aachen
Konsortial-Benchmarking „Subscription Business“ Broschüre: Link 26
Subscription Business
Besuch
Auswahl
Fragebögen
Technische Möglichkeiten von Industrie 4.0 in neue Geschäftsmodelle überführen
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? Kick-off Meeting: April 2019
Review Meeting: November 2019 Unternehmensbesuche
April
Mai
Jun.
Jul.
Aug.
Sep.
Okt.
Nov.
Dez.
2019
Feb.
März
Abschlusskonferenz: März 2020
Screening Phase
© FIR e. V. an der RWTH Aachen
Jan.
2020
Kontakt
Jana Frank
Bereich Dienstleistungsmanagement Telefon: +49 241 47705 228 E-Mail: Jana.Frank@fir.rwth-aachen.de
sb.konsortialbenchmarking.de
Konsortialprojekt
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 Felix Optehostert +49 241 477 05 229 Felix.Optehostert@center-smart-services.com
© FIR e. V. an der RWTH Aachen
Nutzenhypothesen formulieren
Markteinführungsstrategie entwickeln
User Story entwickeln
Ökosystem analysieren
Ressourcen aufbauen
STRATEGIE
PROTOTYPEN
MÄRKTE
ENTWICKELN
REALISIEREN
ERSCHLIEßEN
Kernfunktionalitäten bestimmen
Funktionalitäten entwickeln
Business Case entwickeln
Funktionalitäten mit dem Kunden testen
Partner
Kontakt
Projektziel / Zentrale Fragestellungen
Smart Service Engineering
28
Smart Service Networks Gestaltung von Vertriebs- und Leistungsnetzwerken für Smart Services 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
Kontakt
Maximilian Schacht, M.Sc.
© FIR e.Smart Center V. anServices der RWTH | RWTH Aachen Aachen Campus
+49 241 47705 207 maximilian.schacht@center-smart-services.com
1: https://www.service-design-network.org/community-knowledge/taming-organisational-challenges-in-service-design
Projektstart: 09/2019
Konsortialprojekt: Digital B2B Customer Journey Customer Journey
Gain interest
Evaluate
Awareness
Consideration
Explore
Operate
Order
Select new solution
Purchase Get bill & pay
Improve
Service Get support
Loyalty Expansion Add & change
Mögliche zentrale Fragestellungen
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?
Kontakt
Geplante Laufzeit: Juli 2019 bis Juli 2020
Arbeitspakete im Projekt Aufnahme der Partner Anforderungen
Bilden von Kunde Anbieter Paaren
Paarweise Tiefeninterviews
Aufbau einer Lösungsroadmap
Implementierung bei Konsortialpartnern
Tobias Leiting, M.Sc. M.Sc. +49 241 477 05 232 Tobias.Leiting@center-smart-services.com
© FIR e. V. an der RWTH Aachen
30