Refine
Year of publication
Document Type
- Article (9)
- Book (4)
- Part of a Book (25)
- Conference Proceeding (86)
- Contribution to a Periodical (17)
- Doctoral Thesis (1)
- Lecture (4)
- Internet Paper (4)
- Preprint (1)
- Report (2)
Language
- German (63)
- English (95)
- Multiple languages (2)
Is part of the Bibliography
- no (160)
Keywords
- 02 (19)
- 03 (3)
- 3GPP (1)
- 5G (5)
- 5G mobile communication (2)
- 5G use case (1)
- 5G-Mobilfunk (1)
- 5G-Technology (1)
- AI (2)
- Aachener PPS-Modell (1)
Institute
- FIR e. V. an der RWTH Aachen (160) (remove)
Eine Herausforderung für produzierende Unternehmen in der Entwicklung intelligenter Produkte besteht darin, dass die Zielstellung, die mit einem intelligenten Produkt verfolgt wird, nicht expliziert ist. Zudem ist oftmals nicht spezifiziert, in welchem Anwendungsfall ein intelligentes Produkt agieren soll. Produzierende Unternehmen benötigen Unterstützung, um eine zielorientierte und folglich wirtschaftliche Melioration existierender Produkte zu gewährleisten. Ebendiese Melioration wird im Kontext von intelligenten Produkten als Smartifizierung bezeichnet und stellt damit einen Entwicklungsprozess dar, der ein bestehendes Produkt als Ausgangssituation im Sinne einer Anpassungskonstruktion expliziert. Die originäre Produktfunktion wird folglich nicht verändert, sondern das Produkt um digitale Funktionen und Dienstleistungen erweitert. Der Artikel befasst sich daher erstens mit der Beschreibung generischer Ziele für den Einsatz intelligenter Produkte im Maschinenbau. Eine Zusammenstellung und Erläuterung solcher Ziele unterstützt Unternehmen, eine Präzisierung der Zielfestlegung in der Initiierungsphase eines Smartifizierungsprojekts durchzuführen. Zweitens wird unter Anwendung der Ziel-Mittel-Beziehung ein Anwendungsfall intelligenter Produkte beschrieben. Abschließend werden beide Aspekte in einer Methode zusammengefasst, wie mittels Ziel- und Anwendungsfallbetrachtung Anforderungen abgeleitet und wie diese Elemente in Vorgehensmodelle der Produktentwicklung eingebettet werden können. Exemplarisch wird anhand eines Energiekompensators aufzeigt, wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung eines intelligenten Energiekompensators eingesetzt werden.
Raus aus der Schockstarre!
(2019)
Nie war die Stellung von vermeintlichen Marktführern unsicherer als im Zeitalter der Digitalisierung. Die neuen technischen Möglichkeiten, in innovativen Geschäftsmodellen Wert aus der explodierenden Datenmenge zu schöpfen, wirbeln den Markt durcheinander. Wer mit dem technischen Wandel nicht mitgeht, riskiert, rasch abgehängt zu werden. Die gute Nachricht: Der Weg zur Industrie 4.0 ist ein Weg der kleinen Schritte. Überschaubare Maßnahmen heute sind allemal besser als der ganz große Wurf übermorgen.
Machine Learning
(2019)
Störungen und Änderungen des Produktionssystems führen zu Kosten und Aufwänden, bieten jedoch auch die Chance zur kontinuierlichen Verbesserung.
Um Änderungsanfragen zu erfassen, können etablierte Ansätze genutzt werden. Diese vernachlässigen jedoch die Anforderungen, denen sich ein Produktionssystem im Zeitalter der Digitalisierung ausgesetzt sieht. Der vorliegende Beitrag stellt einen Ansatz zur standardisierten Erfassung von Änderungsanfragen vor, welcher die Ausgangsbasis für die Bewertung von Änderungsanfragen in bestehenden IT-Systemen bietet.
This paper addresses the challenge of a systematic requirement-oriented configuration and selection of cyber physical systems (CPS) for SMEs. As the key technologies of realizing the digitalization and interconnection of production processes, manufacturing companies have realized the potential benefits brought by CPS. However, due to the
complexity and fast development of CPS technology, it is difficult for SMEs, which lack expertise and financial resources, to select the appropriate CPS technologies meeting both functional and financial requirements. To overcome the issue, an online matching platform is developed to let SMEs express their needs and assist them onceptualize
the individual CPS. This paper presents the matching methodology of the matching platform, which can not only match technical characteristics but also evaluate economic potentials. Then, it was demonstrated by a tracking and tracing use case in the end-of-line assembly of a small-sized German electric automobile manufacturer.
Zeugnis der Reife
(2018)
Aktuell sehen sich deutsche Unternehmen damit konfrontiert, dass ihre bisherigen Produktionsabläufe und Arbeitsweisen immer weniger mit der Digitalisierung und den damit veränderten Maßstäben des 21. Jahrhunderts mithalten können. Neue innovative Lösungen werden benötigt, um produktiv voranzugehen und den Wandel für sich zu nutzen.
Die digitale Transformation hat mittlerweile alle Wertschöpfungsstufen im industriellen Sektor erfasst. So ist ein großer Teil aktuell produzierter Maschinen bereits mit Sensorik und Software ausgestattet und kommuniziert über digitale Infrastrukturen. Stetig sinkende Kosten für Sensorik , Vernetzungstechnologien, Rechen- und Speicherleistung erlauben Unternehmen die wirtschaftliche Erhebung und Verarbeitung von Daten in einem bisher nicht gekannten Ausmaß. Diese Veränderungen durch Digitalisierung und Industrie 4.0 müssen Unternehmen als Chance für den industriellen Service nutzen.
It is crucial today that economies harness renewable energies and integrate them into the existing grid. Conventionally, energy has been generated based on forecasts of peak and low demands. Renewable energy can neither be produced on demand nor stored efficiently. Thus, the aim of this paper is to evaluate Deep Learning-based forecasts of energy consumption to align energy consumption with renewable energy production. Using a dataset from a use-case related to landfill leachate management, multiple prediction models were used to forecast energy demand.The results were validated based on the same dataset from the recycling industry. Shallow models showed the lowest Mean Absolute Percentage Error (MAPE), significantly outperforming a persistence baseline for both, long-term (30 days), mid-term (7 days) and short-term (1 day) forecasts. A potential decrease of up to 23% in peak energy demand was found that could lead to a reduction of 3,091 kg in CO2-emissions per year. Our approach requires low finanacial investments for energy-management hardware, making it suitable for usage in Small and Medium sized Enterprises (SMEs).