Fr. 109.00

Ermittlung von Voraussetzungen zur Implementierung von Predictive Maintenance im Maschinen- und Anlagenbau - Eine qualitative Untersuchung

Allemand · Livre de poche

Expédition généralement dans un délai de 6 à 7 semaines

Description

En savoir plus

Aufgrund der fortschreitenden Digitalisierung, des Fachkräftemangels sowie des steigenden Wettbewerbsdrucks entwickeln sich viele Unternehmen von produkt- zu serviceorientierten Anbietern. Ein Dienstleistungsansatz, der die Digitalisierung nutzt, um diesen Herausforderungen im Maschinen- und Anlagenbau zu begegnen, ist die Instandhaltungsstrategie Predictive Maintenance.
Das Buch vermittelt Grundlagen zu diesem Themenkomplex und soll die Leserinnen und Leser in die Lage versetzen, die Voraussetzungen für die Implementierung von Predictive Maintenance zu erkennen und zu verstehen. Als Resultat soll unter Anwendung der hier entwickelten Modelle eine effizientere und effektivere Implementierung in der unternehmerischen Praxis ermöglicht werden.
Auch für weitere wissenschaftliche Forschungen können die Ergebnisse dieser Arbeit als Basis dienen.

Table des matières

Einleitung.- Dienstleistungen.- Grundlagen der Instandhaltung.- Charakterisierung von Predictive Maintenance als Instandhaltungsstrategie.- Predictive Maintenance in der unternehmerischen Praxis.- Angewendete Methoden.- Ermittlung von Voraussetzungen zur Implementierung von Predictive Maintenance durch Auswertung der Interviews.- Interpretation der ermittelten Voraussetzungen.- Schlussbetrachtung.

A propos de l'auteur

Marvin Reinknecht ist nach seinem Bachelorstudium im Bereich Wirtschaftsingenieurwesen in das Berufsleben als CRM-Consultant eingestiegen. Mit einiger Berufserfahrung hat er ein auf dem Bachelorstudium aufbauendes berufsbegleitendes Masterstudium begonnen und erfolgreich abgeschlossen. Mit der Veröffentlichung der Ergebnisse seiner Masterarbeit möchte er zu der Weiterentwicklung des aktuellen Forschungsstands von Predictive Maintenance sowie zu einer vereinfachten Implementierung in der unternehmerischen Praxis beitragen.

Résumé

Aufgrund der fortschreitenden Digitalisierung, des Fachkräftemangels sowie des steigenden Wettbewerbsdrucks entwickeln sich viele Unternehmen von produkt- zu serviceorientierten Anbietern. Ein Dienstleistungsansatz, der die Digitalisierung nutzt, um diesen Herausforderungen im Maschinen- und Anlagenbau zu begegnen, ist die Instandhaltungsstrategie Predictive Maintenance.
Das Buch vermittelt Grundlagen zu diesem Themenkomplex und soll die Leserinnen und Leser in die Lage versetzen, die Voraussetzungen für die Implementierung von Predictive Maintenance zu erkennen und zu verstehen. Als Resultat soll unter Anwendung der hier entwickelten Modelle eine effizientere und effektivere Implementierung in der unternehmerischen Praxis ermöglicht werden.
Auch für weitere wissenschaftliche Forschungen können die Ergebnisse dieser Arbeit als Basis dienen.

Détails du produit

Auteurs Marvin Reinknecht
Edition Springer, Berlin
 
Langues Allemand
Format d'édition Livre de poche
Sortie 07.03.2025
 
EAN 9783658469146
ISBN 978-3-658-46914-6
Pages 96
Dimensions 148 mm x 6 mm x 210 mm
Poids 152 g
Illustrations XI, 96 S. 8 Abb.
Thème BestMasters
Catégories Sciences naturelles, médecine, informatique, technique > Technique > Autres

Industrielle Fertigung, Predictive Maintenance, Instandhaltungsstrategien, Industrial and Production Engineering, Voraussetzungen von Predictive Maintenance, Zustandsorientierte Instandhaltung, Prädiktive Instandhaltung, Implementierung von Predictive Maintenance, Vorausschauende Instandhaltung

Commentaires des clients

Aucune analyse n'a été rédigée sur cet article pour le moment. Sois le premier à donner ton avis et aide les autres utilisateurs à prendre leur décision d'achat.

Écris un commentaire

Super ou nul ? Donne ton propre avis.

Pour les messages à CeDe.ch, veuillez utiliser le formulaire de contact.

Il faut impérativement remplir les champs de saisie marqués d'une *.

En soumettant ce formulaire, tu acceptes notre déclaration de protection des données.