Refine
Document Type
- Part of a Book (3)
- Conference Proceeding (5)
- Contribution to a Periodical (6)
- Report (1)
Is part of the Bibliography
- no (15)
Keywords
- Big Data (5)
- BigPro (3)
- CPS (3)
- Complex Event Processing (1)
- Digitalisierung (2)
- Industrie 4.0 (4)
- Informationsflussmodell (1)
- Informationslogistik (1)
- Internet der Dinge (1)
- IoT (1)
- KMU (1)
- Management (1)
- Matching (1)
- Matchmaker (1)
- Modellierung (1)
- Plattform (1)
- Produktion (1)
- Produktionsmanagement (1)
- SV7190 (1)
- Semantische Analyse (1)
- Smart Services (1)
- Stressmonitoring (1)
- Störungsmanagement (4)
- Zielsystem (1)
- counter measures (1)
- cyberkmu (1)
- cyberphysisch (1)
- disturbance management (1)
- proaktives Reaktionsmanagement (1)
- proaktives Störungsmanagement (2)
- skalierbare Visualisierung (1)
Institute
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.
Failure management in the production area has been intensely analyzed in the research community. Although several efficient methods have been developed and partially successfully implemented, producing companies still face a lot of challenges. The resulting main question is how manufacturers can be assisted by a sustainable approach enabling them to proactively detect and prevent failures before they occur. A high-resolution production system based on analyzed real-time data enables manufacturers to find an answer to the main question. In this context, Big Data technologies have gained importance since the critical success factor is not only to collect real-time data in the production but also to structure the data. Therefore, we present in this paper the implementation of Big Data technologies in the production area using the example of an actual research project. After the literature review, we describe a Big Data based approach to prevent failures in the production area. This approach mainly includes a real-time capable platform including complex event processing algorithms to define appropriate improvement measures.
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
Das Forschungsprojekt cyberKMU² am FIR widmet sich der plattformgestützten, anforderungsgerechten Auswahl von cyberphysischen Systemen. Dazu wird eine Matching-Logik entwickelt, die gemäß den vorliegenden Anforderungen an die Funktionalität eines CPS ein geeignetes cyberphysisches System vorschlägt. Gleichzeitig stellt die Plattform mit dem Return-on-CPS Informationen über den wirtschaftlichen Nutzen und eine Gegenüberstellung der erwarteten Kosten der jeweiligen Lösung bereit. Die Projektergebnisse werden in Form von physischen Demonstratoren bei den Anwendungspartnern und als öffentlich verfügbare Matching-Plattform validiert.
BigPro: Störungsfreie Produktionssysteme durch die Integration innovativer Big-Data-Technologien
(2016)
Das Forschungsprojekt BigPro hat die Entwicklung einer echtzeitfähigen Big-Data-Plattform zum Ziel, die die Anforderung einer konkreten industriellen Anwendbarkeit einschließt. Die Big-Data-Plattform ermöglicht die reaktionsfähige Gestaltung des Produktionssystems und die Realisierung eines proaktiven Störungsmanagements in der Wertschöpfungskette. Sie dient dazu, Störungen noch vor deren Auftreten zu prognostizieren und durch adäquate Reaktionsmaßnahmen zu verhindern. Aufgetretene Störungen sollen durch die Durchführung situationsgerechter Maßnahmen teil- und vollautomatisiert sowie reaktionsschnell behoben werden.
This paper addresses the challenge of modelling individual cyber-physical systems (CPS) for small and medium-sized enterprises (SMEs) in manufacturing industries. CPS are key technology building blocks for the implementation of Industrie 4.0. Especially for SMEs the increase of production efficiency and reduction of manufacturing costs through CPS offer potential to maintain their competitiveness and innovation capacity. Although SMEs perceive the potential of CPS, they often lack financial and human resources to acquire the necessary CPS-competencies as well as an overview of all the currently available technological solutions. To overcome this issue a matching platform will offer SMEs support in finding suitable CPS-components by letting them express their functional and technical requirements. The matching logic is based on a set of morphologies that encompasses the functional and requirement spectrum of CPS-components. The matching algorithm analyses the input for congruence of requirements and available technologies and suggests suitable technology combinations. This paper describes the methodology of the matching platform, and introduces the research work to define and to develop the technology morphologies. The presented results facilitate the selection and configuration of CPS for SMEs.
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.
With big data-technologies on the rise, new fields of application appear in terms of analyzing data to find new relationships for improving process under-standing and stability. Manufacturing companies oftentimes cope with a high number of deviations but struggle to solve them with less effort. The research project BigPro aims to develop a methodology for implementing counter measures to disturbances and deviations derived from big data. This paper proposes a methodology for practitioners to assess predefined counter measures. It consists of a morphology with several criterions that can have a certain characteristic. Those are then combined with a weighting factor to assess the feasibility of the counter measure for prioritization.
Cyberphysische Systeme von kleinen und mittleren Unternehmen für kleine und mittlere Unternehmen
(2017)
Bisherige Ergebnisse der Plattformentwicklung beziehen sich auf die Referenzanwendungsfälle der Konsortialpartner des zugrundeliegenden Forschungsprojekts. Um mit dem CPS-Matchmaker eine mögl ichst große Anzahl von Anwendungsfällen und Technologien akkurat abzubilden, gilt es im nächsten Schritt, die Zuordnungen von Technologiemerkmalen zu den Anforderungen vollständig zu realisieren sowie den Fragenkatalog unter Hinzunahme weiterer Anwendungsfälle auszubauen. Des Weiteren sollen neben technischen Merkmalen ebenfalls wirtschaftliche Fragestellungen, wie beispielsweise das vom Werkzeugmaschinenlabor WZL der RWTH Aachen entwickelte Return-on-
Investment-Modell zur Betrachtung der Wirtschaftlichkeit des Technologieeinsatzes, in die Bewertung der Matchingqualität einer Technologie zu einem Anwendungsfall einbezogen werden.
Ein erster Demonstrator wurde dieses Jahr auf der 8. Aachener Informationsmanagement-Tagung im November 2017 vorgestellt. Dieser veranschaulicht das Funktionsprinzip der Plattform. Die Fertigstellung der Plattform soll zum Projektende Mitte 2019 erfolgen.
Derzeit prägen viele unterschiedliche Begriffe die Zukunftsdiskussionen in den Tages- und Fachzeitungen. Bislang gelingt es wenigen Unternehmen, diese Visionen auf ihre Problemstellungen und Herausforderungen zu übertragen und für sich zu nutzen. Dem können wir abhelfen - mit unserem Rapid-CPS-Workshop, speziell für interessierte Fachkräfte und Unternehmen entwickelt.