Logo des Repositoriums

Auflistung nach Schlagwort "Sensor technology"

1 - 3 von 3
  • Zeitschriftenartikel
    Automatisierung von Geschäftsprozessen im Maschinen- und Anlagenbau – Fallstudie zu Predictive Maintenance
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5, 2019) Gluchowski, Peter; Schieder, Christian; Gmeiner, Andreas; Trenz, Stefan
    Die Chancen, die sich durch die zielgerichtete Auswertung und Verwendung von Sensordaten für den Maschinen- und Anlagenbau ergeben, sind immens. Große Anlagen weisen hunderte oder gar tausende von verbauten Sensoren auf, die in kurzen Zeitabständen Daten über aktuelle Zustände einzelner Maschinenkomponenten sowie der Produktionsprozesse erzeugen. Die Produktion von Wellpappe, die als vielseitiges Verpackungsmaterial für Endkunden- und Industrieprodukte weltweit zum Einsatz kommt, stellt hierbei ein besonders anschauliches Beispiel dar. Die Entwicklung digitaler Dienstleistungen wie die vorausschauende Wartung (sog. „Predictive Maintenance“) basieren auf Daten, die an der Anlage erzeugt werden. Ein im Produktionsprozess von Wellpappe kritisches Bauteil stellt das bei der Verklebung der Wellpapp-Schichten verwendete Anpressband dar. Die neueste Generation von Wellpappenanlagen wird zu diesem Zweck mit spezieller Sensorik ausgestattet, die laufend Daten zum Zustand des Bandes liefern. Mit diesen Daten lassen sich mit Hilfe modellbasierter maschineller Lernverfahren Prognosen zur Lebensdauer treffen und damit Automatisierungspotenziale bei nachfolgenden Geschäftsprozessen ausschöpfen. Ziel ist die Minimierung der Produktions- und Qualitätsverluste sowie die Automatisierung der Ersatzteilprozesse. Der Beitrag skizziert die Vorgehensweise und Ergebnisse des zugehörigen Projekts und gibt einen Ausblick auf zukünftige Entwicklungen. The systematic evaluation and use of sensor data create immense opportunities for mechanical engineering and machine operations. Production lines have hundreds or even thousands of built-in sensors that generate data on the current status of individual machine components and production processes at short intervals. The production of corrugated board, which is used worldwide as a versatile packaging material for end customer and industrial products, is a particularly vivid example of this. The development of digital services such as predictive maintenance is based on data generated at the production line. A critical component in the production process of corrugated board is the pressure belt used to bond the layers of corrugated board. For this purpose, the latest generation of corrugators is equipped with special sensors that continuously provide data on the condition of the belt. These data can be used to predict the service life with the aid of model-based machine learning methods and thus exploit automation potential in subsequent business processes. The aim is to minimize production and quality losses and automate spare parts processes. The paper outlines the approach and results of the associated project and gives an outlook on future developments.
  • Zeitschriftenartikel
    Innovation durch den Einsatz von Enterprise IoT-Lösungen: Ein Modell zur Bestimmung des Innovationspotenzials
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Marheine, Christian; Gruber, Lukas; Back, Andrea
    Getrieben durch Technologietrends wie das Internet der Dinge und günstigere Sensorik zielen Industrieunternehmen zunehmend darauf ab, aus den eigenen Daten und Analyseverfahren neue, innovative Produkte und Dienstleistungen zu schaffen. Durch den Einsatz von vernetzen Geräten und entsprechender Software entstehen häufig individuelle IoT-Lösungen mit denen sich Unternehmen im Markt differenzieren wollen. Doch wo liegen die Kernunterschiede zwischen verschiedenen IoT-Lösungen und welches Innovationspotenzial geht mit ihnen einher? Auch die Literatur gibt wenig Aufschluss über diese Frage. Basierend auf der Untersuchung 18 bereits existierender Reifegradmodelle sowie 5 Experteninterviews identifizieren wir vier Schlüsseldimensionen, (1) Datenquelle, (2) Datenziel, (3) Datenanalyse und (4) Datenbasierte Transformation, die mit ihren vier Ausprägungen das Innovationspotenzial verschiedener Enterprise IoT-Lösungen beschreiben. Auf Basis dieser Ergebnisse leiten wir ein Innovationsstufenmodell ab, das Unternehmen dabei hilft das Innovationspotenzial Ihrer IoT-Lösung zu erkennen und weitere Ausbaustufen aufzeigt. Im Anschluss demonstrieren wir die Anwendung des Modells, indem wir es zur Klassifizierung von zwei IoT-Lösungen aus Industrieunternehmen benutzen. Dabei schließen wir einerseits die konzeptionelle Lücke mit einem Modell, das Aussagen über den Einfluss von IoT auf Unternehmensinnovation macht, und bieten der Praxis ein konkretes Werkzeug, um Managementaufgaben im Zusammenhang mit der Entwicklung neuer und innovativer Produkte und Dienstleistungen zu unterstützen. Driven by trends in technology, like the Internet of Things, industrial companies seek to create new, innovative products and services based on their own data. By using connected things and data analytics companies leverage individual enterprise IoT solutions to differentiate in the market. But what characteristics define different maturity levels of IoT solutions? How do these IoT solutions open up a company’s further potential to innovate? Based on a study of 18 existing maturity models and 5 expert interviews, we identify four key dimensions of IoT solutions’ innovation stages: (1) data source, (2) data target, (3) data analysis and (4) data-based transformation. This model helps companies to determine the innovation potential of their IoT solution and to plan further innovation stages. We demonstrate the model’s utility by applying it to two industrial IoT solutions. On the one hand, we close the conceptual gap with a model that makes statements about the influence of IoT on business innovation. On the other hand, we offer a specific instrument to support management tasks in connection with the development of new and innovative products and services.
  • Zeitschriftenartikel
    Smart Bins: Fallstudienbasierte Bewertung der Nutzenpotenziale von Füllstandssensoren in intelligenten Abfallbehältern
    (HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 5, 2021) Hoffmann, David; Franz, Ruben; Hawlitschek, Florian; Jahn, Nico
    Smart City-Strategien, gesellschaftliche Trends und übergeordnete Nachhaltigkeitsziele erfordern neuartige Ansätze in der Abfallentsorgung. Zentrales Element stellt dabei die Weiterentwicklung konventioneller Abfallbehälter zu intelligenten „Smart Bins“ dar. Hier verspricht insbesondere der Einsatz von Sensorik zur Erkennung von Füllgraden eine effizientere und effektivere Abhollogistik. Abfallbehälter werden üblicherweise in fest definierten Intervallen, unabhängig vom Füllgrad, geleert. Während eine verfrühte Abholung unnötige Aufwände und Emissionen zur Folge haben kann, kann eine zu späte Abholung in überfüllten Behältern und Littering-Verhalten resultieren. Zusätzlich kann der Einsatz von Sensorik in Abfallbehältern zur Verbesserung des Standplatzservice, einem besseren Behältermanagement und zu neuartigen digitalen Services beitragen. Der Einsatz von Sensorik erfordert jedoch ein Verständnis der technischen Rahmenbedingungen und den Möglichkeiten einer zielgerichteten Verwendung. Sensorik wird in der Branche noch nicht umfassend eingesetzt, auch die aktuelle Forschungslage ist fragmentiert und stützt sich überwiegend auf Simulationsstudien oder praktische Untersuchungen in laborähnlichen Szenarien. Dieser Artikel zeigt daher konkret die verschiedenen Ausprägungsformen einer sensorbasierten Messung von Behälterfüllgraden auf. Basierend auf einer multiplen Fallstudie mit drei Entsorgungsunternehmen werden anhand des praktischen Einsatzes von Sensoren zentrale Herausforderungen, Empfehlungen für weitere Pilotprojekte und Anforderungen an zukünftige Entwicklungen abgeleitet. Dieser Artikel bietet damit einerseits eine theoretisch und praktisch fundierte Entscheidungshilfe für Entsorgungsunternehmen, welche den Einsatz von Füllstandssensoren erwägen. Andererseits werden Wissenschaft und Praxis aufgerufen, die skizzierten Lösungsansätze für die identifizierten Herausforderungen mitzugestalten. Smart city strategies, social trends and overriding sustainability goals call for novel approaches to waste management. The focal element here is the further development of conventional waste containers into intelligent “smart bins”. Especially the use of sensor technology to detect filling levels in particular promises more efficient and effective waste logistics. Waste containers are usually emptied at fixed intervals, regardless of the filling level. While early waste collection may result in unnecessary expenses and emissions, late collection can result in overfilled containers and littering behavior. In addition, the use of sensor technology in waste containers may contribute to improved service levels, better container management, and novel digital services. However, the use of sensor technology requires an understanding of the technical framework and the possibilities of targeted use. Sensor technology is not yet used extensively in the industry, and the current research situation is also predominantly fragmented, relying mainly on simulation studies or practical investigations in laboratory-like scenarios. This article therefore specifically shows the different forms of sensor-based measurement of container filling levels. Based on a multiple case study with three waste management companies, challenges, recommendations for further pilot projects, and requirements for future developments are derived. To this end, this article provides a theoretically and practically sound decision-making aid for waste management companies considering the use of level sensors. Further, science and practice are invited to shape the solutions for the identified challenges.