Leseprobe
Inhaltsverzeichnis
1 BAUSTEIN 1 – Theoretische Grundlagen
1.1 Einleitung und Problemstellung
1.2 Fallstudie „GRIMME“
1.3 Theoretische Grundlagen
1.3.1 Definition Produkt-Service System
1.3.2 Kundennutzen mit PSS
1.3.3 Definition datenbasierte Produkt-Service Systeme
1.3.4 Geschäftsmodelle für Produkt-Service Systeme
1.4 Zwischenfazit
2 BAUSTEIN 2 – Datenanalyse in der Simulation
2.1 Zur Verfügung gestellte Daten
2.2 Dateneingabe
2.3 Rolle des Kundennutzens
3 BAUSTEIN 3 – Weiterentwicklung der PSS-Simulation
3.1 Kundenanalysebericht
3.1.1 Ziel des Kundenanalyseberichts
3.1.2 Umsetzung und Implementierung des Kundenanalyseberichts
3.2 Neuer Kunde
3.2.1 Ziel des neuen Kunden
3.2.2 Umsetzung in der Simulation
4 Fazit
Abbildungsverzeichnis
Literaturverzeichnis
1 BAUSTEIN 1 – Theoretische Grundlagen
In Baustein 1 wird ein Überblick über die theoretischen Grundlagen des Themas gegeben, sowie die Relevanz mit einem Praxisbeispiel verdeutlicht.
1.1 Einleitung und Problemstellung
In allen Industriestaaten stellen Dienstleistungen die vorranginge Erwerbsquelle dar. Circa 70% der Erwerbstätigen in Deutschland sind im Dienstleistungssektor tätig. Die Dienstleistungsbranche wächst und ermöglicht hochqualifizierte Arbeitsplätze (Thomas et al., 2010, S. V). Produktions- und Dienstleistungsprozesse müssen in der heutigen Zeit immer effizienter und umweltgerechter gestaltet werden. Es hat sich ein Entwicklungstrend von der industriellen Wirtschaft hin zur Dienstleistungsökonomie herauskristallisiert. Dienstleistungen stellen einen großen Wachstumsmarkt dar und bieten viele Möglichkeiten für Innovationen. Im Zusammenhang mit der Industrie 4.0 und den modernen (Internet-) Technologien bieten sich viele neue Möglichkeiten, um Innovationen im Dienstleistungsbereich in neuen Geschäftsmodellen umzusetzen. Eine Zukunftsperspektive dieser neuen Geschäftsmodelle liegt darin, die Verfügbarkeit von Investitionsgütern zu garantieren (Koch & Aurich, 2019, S. V). Die vorliegende Arbeit beschäftigt sich mit der Forschungsfrage, wie sich der Kundennutzen in PSS-Systemen durch Datenanalyse steigern lässt. Zunächst wird die Relevanz anhand der Landmaschinenfabrik GRIMME deutlich gemacht, wobei gezeigt wird wie Datenanalyse in der Praxis eingesetzt wird, um den Kundennutzen langfristig zu steigern. Darauffolgend wird eine theoretische Grundlage geschaffen, indem die Begriffe Produkt-Service System und Kundennutzen definiert werden. Das Zwischenfazit erläutert die Verbindung der verschiedenen zuvor genannten Aspekte, wobei anschließend in Baustein 2 ausgeführt wird, wie die Thematik in der PSS-Simulation aktuell angewandt wird. In Baustein 3 wird abschließend erläutert wie dazu passende Weiterentwicklungen in die Simulation integriert werden können.
1.2 Fallstudie „GRIMME“
Das folgende Kapitel beschäftigt sich mit einer spezifischen Konzeption eines verfügbarkeitsorientierten Geschäftsmodells bei der GRIMME Landmaschinenfabrik. Die Fallstudie GRIMME wurde herangezogen, da sie die eingangs gestellte Forschungsfrage, wie sich der Kundennutzen in PSS-Systemen durch Datenanalyse steigern lässt, veranschaulicht. Um den Nutzen ihrer Kunden zu steigern und den Betrieb ihrer Maschinen zu gewährleisten, versucht GRIMME mittels Datenanalyse Ursachen für den Ausfall ihrer Maschinen herauszufinden und somit Fehlerquellen auszumerzen.
GRIMME ist eine Landmaschinenfabrik, welche innovative Kartoffel-, Rüben- und Gemüsetechnik herstellt. Durch die stetig wachsende Globalisierung und dem damit steigendem Wettbewerbsdruck, ist ein erstklassiger und auf den Kunden optimal angepasster Service unerlässlich. GRIMME nutzt stets neue Technologien und Geschäftsmodelle und verfügt über ein vielseitiges Serviceportfolio. Hierzu gehören bspw. klassische Angebote, wie das theoretische Schulungsprogramm in der GRIMME Academy und der Praxiseinsatz auf dem Feld. GRIMMEs hochgradig-komplexe Investitionsgüter kommen immer nur für einen begrenzten Zeitraum von drei Monaten zum Einsatz. Außerdem werden sie größtenteils auf hartem Feld mit steinigem, sandigem Boden eingesetzt. Steinige Böden führen dabei häufig zu unvorhergesehen Betriebsausfällen der Maschinen und sandige Böden zum Verschleiß der Komponenten. Durch dieses Arbeitsumfeld ist ein Verschleiß unumgänglich. Im schlimmsten Fall führt der Verschleiß sogar zum Stillstand der Maschine. Für den Nutzer der Maschine kommen für jeden Maschinenausfall sehr hohe Kosten zustande. Im Falle des Stillstandes müssen die Servicetechniker schnell Hilfe leisten und die Maschine wiederherstellen. Darüber hinaus müssen die Maschinen regelmäßig gewartet werden, um die Ausfallwahrscheinlichkeit zu verringern oder sie bestenfalls gänzlich zu vermeiden (Sivasothy et al., 2019, S. 111).
Die konkrete Maßnahme, die GRIMME zur Steigerung des Kundennutzens mit Hilfe von Datenanalyse getroffen hat, bezieht sich auf das Aufnahmeband eines Kartoffelvollernters, das die Kartoffeln unmittelbar aus der Erde in die Maschine befördert. Es wurde der Ausfallzeitpunkt des Förderbandes bestimmt, um präventive Maßnahmen zu treffen, welche die Verfügbarkeit des Bandes bzw. des Roders gewährleisten. Hierfür mussten zunächst die für den Ausfall des Förderbandes verantwortlichen Fehlerquellen festgestellt und neue Sensoren entwickelt werden. Um die gemessenen Daten in eine Cloud zu übertragen, wurden Schnittstellen und Wege zur Datenübermittlung entwickelt. Mit Hilfe von Business Analytics und der Signalverarbeitung der übermittelten Daten, konnte der Ausfallzeitpunkt des Förderbandes im Vorfeld vorhergesagt werden. Die gewonnenen Informationen sind für den Nutzer über passende Front Ends einsehbar. Somit kann die Verfügbarkeit der Maschine sichergestellt werden. Für GRIMME sind die gewonnen Erkenntnisse aus der durchgeführten Datenanalyse und das Ableiten der notwendigen Maßnahmen von essenzieller Bedeutung. Hierdurch lassen sich die Ausfallkosten für die Kunden minimieren und für GRIMME ist ein Wettbewerbsvorteil geschaffen (Sivasothy et al., 2019, S. 112).
1.3 Theoretische Grundlagen
In diesem Kapitel wird ein theoretisches Grundgerüst geschaffen, um darauf aufbauend dieses in die Praxis zu überführen.
1.3.1 Definition Produkt-Service System
Ein Produkt-Service System (PSS) umfasst Produkt- und Serviceanteile, um zusammen die Bedürfnisse des Kunden zu erfüllen. Hierbei variiert der Anteil der Produkte und der Services am gesamten PSS. Drei Komponenten des Produkts können dabei aus Software, Mechanik und Elektrik bzw. Elektronik bestehen und sind mit verschiedenen Servicekomponenten verknüpft (s. Abb. 1). Besonders die Dynamik und Komplexität spielen für das Zyklusmanagement von Innovationsprozessen eine zentrale Rolle, da sie zum Verstehen, Planen und Verwalten von PSS beitragen (Vogel-Heuser, 2014, S. 4). Es werden drei Arten von Produkt- Service Systems unterschieden:
Produkt-orientiertes PSS: Dieses Businessmodell fokussiert sich auf den konventionellen Verkauf von Produkten (bspw. Auto) und dem zusätzlichen Angebot von einzelnen Dienstleistungen (bspw. Wartung). Hierbei ist das Produkt und nicht der Service der zentrale Aspekt für den Kunden (Vogel-Heuser, 2014, S. 4).
Nutzungs-orientiertes PSS: Bei diesem Businessmodell bleibt das Produkt Eigentum des Anbieters und wird dem Kunden oder gegebenenfalls einer Anzahl von Benutzern zur Verfügung gestellt. Das Produkt steht hierbei immer noch im Fokus des Businessmodells (Vogel-Heuser, 2014, S. 5).
Ergebnis-orientiertes PSS: Bei diesem Businessmodell einigen sich Anbieter und Kunden auf ein gewünschtes Ergebnis, anstelle eines bestimmten Produkts. Für den Kunden steht das gewünschte Ergebnis (bspw. Mobilität von A nach B) im Fokus und nicht das Produkt (bspw. bestimmtes Auto). Der PSS-Anbieter ist somit verantwortlich für Entscheidungen bzgl. der Verwendung eines bestimmten Produktes sowie dessen Verbrauchsmaterial, Wartung, etc. (Vogel-Heuser, 2014, S. 5).
1.3.2 Kundennutzen mit PSS
Für den Kunden wird durch Anpassung (customization) und eine höhere Qualität, wie z.B. besserer Maschinenverfügbarkeit für einen Bauteil in einem spezifischen Fabrikkontext, Nutzen in einem PSS generiert. Die Service Komponente kann ferner durch Flexibilität die Kundenbedürfnisse erfüllen und administrative oder überwachende Aufgaben vom Kunden auf den Produzenten verlagern. In den meisten Fällen erhält der Kunde im PSS Wert durch Nähe zu seinen Bedürfnissen, wobei innovative andere Wertformen möglich sein können. Für traditionelle Hersteller ermöglicht PSS strategische Marktoptionen und fungiert als alternative zu Standardisierung und Massenproduktion (Baines et al, 2007, S. 1548).
1.3.3 Definition datenbasierte Produkt-Service Systeme
Datenbasierte Produkt-Service Systeme bestehen aus smarten Sach- und Serviceprodukten. Unter smarten Produkten werden grundsätzlich cyber-physische Systeme verstanden, welche mit anderen Produkten z.B. über das Internet kommunizieren können. Diese smarten Produkte sind mit einer Sensorik ausgestattet und werden über eine Software gesteuert. Durch die sensorische Ausrüstung und die Kommunikationsfähigkeit können große Mengen an Daten erzeugt werden. Es ist zudem möglich dem Kunden spezielle datenbasierte Serviceprodukte, sogenannte smarte Serviceprodukte, anzubieten, sofern die Daten spezifisch analysiert und interpretiert werden (Kölsch et al., 2019, S. 9).
1.3.4 Geschäftsmodelle für Produkt-Service Systeme
Um die Potenziale von Serviceprodukten beim Anbieten von Produkt-Service Systemen ausschöpfen zu können, müssen angemessene Geschäftsmodelle entwickelt werden. Grundsätzlich spiegelt ein Geschäftsmodell das Grundprinzip wider, durch das eine Organisation Wert schöpft, vermittelt und erfasst. Es bestehen drei unterschiedliche Typen von Geschäftsmodellen, welche zum Angebot von Produkt-Service Systems eingesetzt werden können (Kölsch et al., 2019, S. 9):
Funktionsorientierte Geschäftsmodelle: Bei funktionsorientierten Geschäftsmodellen kann der Kunde beim Kauf eines Produkts verschiedene Serviceprodukte in Eigenverantwortung beauftragen. Der Kunde ist für die Initiierung der Serviceerbringung und somit für die Produktion verantwortlich (Kölsch et al., 2019, S. 9).
Ergebnisorientierte Geschäftsmodelle: Bei ergebnisorientierten Geschäftsmodellen trägt der PSS-Anbieter die volle Verantwortung für das Produktionsergebnis. Der Kunde zahlt für zugesicherte Ergebnisse, also nur für fehlerfrei produzierte Güter (Kölsch et al., 2019, S. 9).
Verfügbarkeitsorientierte Geschäftsmodelle: Verfügbarkeitsorientierte Geschäftsmodelle garantieren dem Kunden die Einsatzfähigkeit des Produkts. Aufgrund dessen muss der PSS-Anbieter die einzelnen Prozesse, wie bspw. Instandhaltung in Eigenverantwortung leiten. Hinsichtlich dieser Verfügbarkeitszusicherung trägt der PSS-Anbieter ein erhöhtes Risiko hinsichtlich der Produktion für den Kunden (Kölsch et al., 2019, S. 10).
1.4 Zwischenfazit
Die Industrie 4.0, insbesondere die Personalisierung von Produktdienstleistungen, wirken sich auf Investitionsgüter aus. Eine Zustandsüberwachung der Investitionsgüter sowie kritischer Komponenten benötigen eine entsprechende IT- und Service- Infrastruktur (Ströer et al., 2018, S. 719). Die Landmaschinenfabrik GRIMME als Fallbeispiel zeigt, dass die Gewährleistung der Verfügbarkeit von Maschinen und somit die Steigerung des Kundennutzens lediglich durch Datenanalyse und datengestützte Systeme erreicht werden kann. Zudem benötigt es ein verfügbarkeitsorientiertes Geschäftsmodell.
2 BAUSTEIN 2 – Datenanalyse in der Simulation
Das folgende Kapitel zeigt anschaulich, wie Datenanalyse in der Simulation aktuell umgesetzt wird.
2.1 Zur Verfügung gestellte Daten
Viele für eine Datenanalyse benötigte Daten werden in der Simulation zur Verfügung gestellt. Dies betrifft insbesondere die Anzahl der nachgefragten und zur Verfügung gestellten Service Units der Bereiche „Production“, „Maintenance“, „Support“ und „Logistics“ [siehe z.B. Results → Period 1→ Processes Omichron].
Ferner stellt die Simulation auch eine exakte Vorhersage der benötigten Prozesse für die aktuelle Periode, basierend auf dem konkurrenzbezogenen Abschneiden der letzten Periode, zur Verfügung [siehe z.B. Customers → Omichron].
[...]