Refine
Document Type
- Part of a Book (2)
- Conference Proceeding (1)
- Report (1)
Is part of the Bibliography
- no (4)
Keywords
- Big Data (1)
- CPS (1)
- Complex Event Processing (1)
- Digitalisierung (1)
- Industrie 4.0 (2)
- Modellierung (1)
- Produktion (1)
- Semantische Analyse (1)
- Smart Services (1)
- Stressmonitoring (1)
Institute
Geschäftsmodell-Innovation
(2017)
Der Wirtschaftsstandort Deutschland ist bislang vorrangig auf die Produktion von Gütern ausgerichtet: Kraftwagen und Kraftwagenteile, Maschinen, Datenverarbeitungsgeräte sowie elektronische und optische Erzeugnisse stellten wertmäßig die Hälfte der Gesamtausfuhren des Jahres 2013 dar. Die fortschreitende Globalisierung führt zu einer verstärkten internationalen Wettbewerbsintensität bei sich schneller ändernden Produkten und einem wachsendem Differenzierungsdruck. Industrielle Dienstleistungen stellen vor diesem Hintergrund eine Möglichkeit dar, die technische Leistungsfähigkeit von Produkten zu erweitern und zeitgleich die Abgrenzung und Differenzierung von Wettbewerbern auf internationalen Märkten zu realisieren. Produkte werden durch industrielle Dienstleistungen zu umfassenden und spezifischen Lösungen erweitert, die über die Kerneigenschaften der Produkte hinausgehen und Probleme der Nutzer und Kunden als integriertes System lösen. Sach- und Dienstleistungen werden nach Belz als Leistungssysteme beschrieben, die ausgewählte Kundenprobleme nicht als einzelnes Produkt oder einzelne Dienstleistung, sondern umfassend und wirtschaftlich als Kombination aus Leistungsbestandteilen lösen.
Digitale Technologien sind ein wesentlicher Bestandteil der Wertschöpfungskette in der industriellen Praxis geworden. Die Digitalisierung hat die Produktion und den modernen Arbeitsplatz in den vergangenen Jahrzehnten auf eine Art beeinflusst, die mit keiner anderen technischen Entwicklung vergleichbar ist, und die nun der vierten industriellen Revolution den Weg ebnet.
Die Essenz von Industrie 4.0 ist die Vernetzung von Produktionssystemen mithilfe von IT und dem Internet der Dinge, um prognosefähig zu sein und die Produktion effizienter und flexibler zu gestalten. Wesentliche Befähiger dieser Vision sind Daten aus Prozessen, Anlagen und Ressourcen, aus denen für das Unternehmen entscheidungskritische Informationen gewonnen werden. Hieraus lassen sich Erkenntnisse ableiten, die bisher verborgene Wirkungszusammenhänge zutage fördern.
Prognosemodelle errechnen auf der Basis dieser Erkenntnisse mögliche Zukunftsszenarien und belegen sie mit Wahrscheinlichkeitswerten bezüglich ihres Eintritts. Durch die Vernetzung der Informationen unterschiedlicher Aufgaben, Funktionen und Domänen lassen sich Handlungsempfehlungen fundieren, wobei eine unüberschaubare Anzahl relevanter Parameter berücksichtigt wird. Der Produktion wird ähnlich dem Rennsport eine Ideallinie aufgezeigt, an der sie sich orientieren kann, um in kürzester Zeit optimierte Ergebnisse zu erzielen.
„Daten sind das Öl des 21. Jahrhunderts.“ Dieser Satz impliziert die große Bedeutung, die Daten heutzutage zugerechnet wird. Während die technischen Systeme immer ausgereifter werden und die Erzeugungsrate von Daten unaufhaltsam steigt, stehen viele Unternehmen, gerade im Produktionsumfeld, vor der Herausforderung, diese Daten zu nutzenbringenden Informationen zu verarbeiten.
In BigPro haben Experten aus dem Informations- und Kommunikationstechnik-Umfeld mit Anwendungspartnern aus der Fertigungsbranche zusammengearbeitet, um dieses Problem zu adressieren. Ziel des gemeinsamen Vorhabens war es, das Reaktionsmanagement von Störungen in fertigenden Unternehmen mittels Big-Data-Technologien zu verbessern und so die durch Produktionsausfälle entstehenden hohen Kosten zu reduzieren. Hierzu wurde eine Big-Data-Plattform entwickelt, die in der Lage ist, heterogene Daten aus unterschiedlichsten Quellen des Produktionsumfelds aufzunehmen, zu verarbeiten und in einen Kontext miteinander zu setzen. Neben den klassischen Datenquellen im Produktionsumfeld wurde die Datenbasis in BigPro um den „Sensor“ Mensch erweitert, um das digitale Abbild der Produktionsumgebung durch die Wahrnehmung, Stimmung und Sprache der Mitarbeiter noch transparenter darzustellen.
Durch den Einsatz der im Projektverlauf entwickelten Mustererkennung ist die BigPro-Plattform in der Lage, die generierten und gesammelten Daten expliziten Störungsmustern zuzuordnen. Diese bilden die Grundlage, aufgezeichnete Datenkonstellationen in Echtzeit mit bekannten Störungsmustern im Produktionsumfeld abzugleichen und bei sich anbahnender Übereinstimmung geeignete Maßnahmen einzuleiten, um den Störungen proaktiv entgegenzuwirken. Hierzu wurde ein Katalog mit störungsbehebenden Maßnahmen methodisch aufgebaut, aus welchem, je nach Anwendungsfall, manuell oder automatisch geeignete Maßnahmen initiiert werden. Eine Methodik, welche die Effektivität der Maßnahmen analysiert und bewertet, stellt sicher, dass etwa fehlgeschlagene Maßnahmen erkannt und überprüft werden können. Sollte für eine Störung keine geeignete Maßnahme hinterlegt sein, wird der Maßnahmenkatalog dynamisch durch situationsabhängig neu generierte Maßnahmen erweitert. Die Informationsbereitstellung sowie -rückführung des Reaktionsmanagements erfolgt in Form einer skalierbaren Visualisierung bedarfsgerecht für die unterschiedlichen Nutzergruppen. Durch ein hinterlegtes Eskalationsmodell werden den Mitarbeitern alle nötigen Informationen entsprechend der Maßnahme direkt und vor allem nutzerspezifisch (z. B. aggregiert für die Produktionsleitung, detailliert für den Analysten, etc.) zur Verfügung gestellt.
Die entwickelte BigPro-Plattform trägt durch die technologische Integration einer Störungsfrüherkennung, einem dynamischen Maßnahmenkatalog sowie einer bedarfsgerechten Informationsbereitstellung essentiell dazu bei, die von zunehmender Dynamik geprägte Produktion durch ein proaktives Reaktionsmanagement robuster gegenüber Abweichungen zu machen, um kostspielige Produktionsausfälle zu vermeiden.
Nowadays, the market for information and communication technologies used for IOT-applications grows daily. Since companies need technologies to transform their business processes corresponding to the digital revolution, they need to know which technologies are available, and fit the best for their use case. Their inertial issue is the lacking overview of technologies suitable to connect their production or logistics. Hence, this paper presents a methodology to select technologies (and combinations) based on their functions. It differentiates between information and communication technologies, digital technologies and connecting technologies by the physical function and its role in a cyber-physical system. Depending on the use case, the applicability of every technology varies. Due to that reason, the paper illustrates a ranked qualification of the technologies for typical use cases, focussing tracking and tracing issues in the intralogistics of producing companies. The evaluation is performed upon a literature research, a market study to identify suitable technologies, and various expert interviews to assess the applicability of the technologies.