Refine
Document Type
- Bachelor Thesis (3)
- Contribution to a Periodical (3)
- Book (2)
- Master's Thesis (2)
- Report (2)
- Conference Proceeding (1)
- Internet Paper (1)
Language
- German (11)
- English (2)
- Multiple languages (1)
Is part of the Bibliography
- no (14)
Keywords
- Big Data (14) (remove)
Institute
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
Zur Analyse von Massendaten ist die Verwendung mathematischer Methoden aus dem Bereich der Statistik unumgänglich. Dabei stehen Unternehmen vor der Frage, welche statistischen Analyseverfahren zur Analyse zur Verfügung stehen und welche die geeignetsten sind, um die vielzähligen Fragestellungen zu beantworten. Durch eine Klassifikation der statistischen Methoden in Form eines Methodenkatalogs kann dieser Herausforderung in einem ersten Schritt begegnet werden. Daher ist das Ziel der hier vorliegenden Arbeit, die in der Praxis verwendeten, statistischen Methoden zur Datenanalyse zu klassifizieren und in einem Methodenkatalog zusammenzuführen:
Das Ziel des Forschungsprojekts "Future Data Assets" bestand in der monetären Bewertung des unternehmerischen Datenkapitals. Dazu wurden die Entwicklung und Instanziierung einer sogenannten "Datenbilanz" angestrebt. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichterstattung schließen, in der Daten kaum betrachtet bzw. systematisch bewertet werden.
Die EU-Kommission ist dabei, eine Datenökonomie aufzubauen. Diese soll bis 2028 ein zusätzliches Bruttoinlandsprodukt von 270 Milliarden Euro generieren. Speziell für ein Land wie Deutschland, das über keine nennenswerten Bodenschätze verfügt, klingt das zunächst einmal lukrativ. Eine solche Datenökonomie wird aber nicht nur einen neuen Markt, neue Akteure und neue Geschäftsmodelle hervorbringen. Sie greift auch tief in das aktuelle Verständnis der Hersteller von Maschinen und Anlagen ein, wie mit Daten aus ihren Maschinen umgegangen werden soll, und zwingt sie zum Umdenken. Der juristische Hebel zur Schaffung der Datenökonomie, der EU-Data-Act, macht neue und verpflichtende Vorgaben zur technischen Gestaltung von Maschinen und Anlagen und verschafft deren Nutzer:innen ein Zugriffsrecht auf Maschinendaten.
Der Begriff „Digitaler Schatten“ steht für ein hinreichend genaues, digitales Abbild der Prozesse, Information und Daten eines Unternehmens. Dieses Abbild wird benötigt, um eine echtzeitfähige Auswertebasis aller relevanten Daten zu schaffen, um hieraus letztendlich Handlungsempfehlungen abzuleiten. Die Bildung des Digitalen Schattens ist damit ein zentrales Handlungsfeld von Industrie 4.0 und stellt die Grundlage für alle weitergehenden Aktivitäten dar.
Today, manufacturing companies are facing the influences of a dynamic environment and the continuously increasing planning complexity. Using advanced data analytics methods, processes can be improved by analyzing historical data, detecting patterns and deriving measures to counteract the issues. The basis of such approaches builds a virtual representation of a product – called the digital twin or digital shadow.
Although, applied IT systems provide reliable feedback data of the processes on the shop-floor, they lack on a data structure which represents real-time data series of a product. This paper presents an approach for a data structure for the order processing which overcomes the described issue and provides a virtual representation of a product. Based on the data structure deviations between the production schedule and the real situation on the shop-floor can be identified in real time and measures to reschedule operations can be identified.
„If you can’t measure it, you can’t manage it.“ Peter Druckers berühmte Weisheit ist in Zeiten des digitalen Wandels aktueller denn je. Der Unternehmenswert der weltweit wertvollsten Unternehmen, wie beispielsweise Google, Amazon, Alphabet und Microsoft, ergibt sich zum größten Teil nicht durch physische Vermögenswerte, sondern durch informationstechnische Dienste und datengetriebene Geschäftsmodelle. Der Zugriff und die Nutzung von Daten sind zunehmend ein wettbewerbsentscheidender Schlüsselfaktor und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse, nicht zuletzt innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Forschungsprojekt ‚Future Data Assets', Laufzeit 01.08.2019 – 31.01.2023, diente folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbewertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen.