Refine
Document Type
- Conference Proceeding (17)
- Part of a Book (5)
- Book (3)
- Report (3)
- Contribution to a Periodical (2)
- Article (1)
- doctorallecture (1)
- Doctoral Thesis (1)
Is part of the Bibliography
- no (33)
Keywords
- Abschlussbericht (1)
- Big Data (1)
- CPS (3)
- Cloud (1)
- Complex Event Processing (1)
- Cyber Security (1)
- Daten- und Kommunikationskonzept (1)
- Dienstleistungsplattform (1)
- Digital transformation (2)
- Digitale Transformation (2)
Institute
Gemeinsamer Abschlussbericht zum Forschungsprojekt mit dem Bewilligungszeitraum vom 01.04.2016 bis 31.03.2019 und den Förderkennzeichen 03ET7549 A bis I.
Ziel des Forschungsvorhabens eSafeNet war die Erforschung, Konzeption und Demonstration eines innovativen informationstechnischen Kommunikationsansatzes für das Internet der Energie. Grundlegend sollten die Potenziale einer dedizierten Kommunikationsnetzinfrastruktur mittels Mobilfunk als Primärtechnologie und unterstützenden kabelgebundenen Übertragungstechnologien, wie z. B. Powerline, untersucht werden, um den Anforderungen sicherheitskritischer Strukturen an Stabilität, Zuverlässigkeit und Sicherheit gerecht zu werden. Zur Sicherstellung der Wirtschaftlichkeit wurde eine Dienstleistungsplattform entworfen, die sicherheitsrelevante und zusätzliche Smart Services durch Serviceprovider bereitstellt.
„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.
Die digital vernetzte industrielle Produktion verspricht schnellere und effizientere Prozesse - in Entwicklung und Produktion wie auch in Service, Marketing und Vertrieb oder bei Anpassung ganzer Geschäftsmodelle. Agil zu handeln und in Echtzeit Veränderungen vorzunehmen, wird in der Industrie 4.0 zur strategischen Erfolgseigenschaft eines Unternehmens. Voraussetzung dafür ist der Aufbau einer immer breiteren Datenbasis. Ob deren Potenzial effektiv genutzt wird, hängt jedoch auch wesentlich von der Organisationsstruktur und Kultur eines Unternehmens ab.
Die vorliegende acatech STUDIE stellt ein neues Instrument vor, mit dem produzierende Unternehmen den Weg zum lernenden, agilen Unternehmen individuell gestalten können. Der acatech Industrie 4.0 Maturity Index ist als sechsstufiges Reifegradmodell aufgebaut und analysiert die in der digitalisierten Industrie benötigten unternehmerischen Fähigkeiten in den Gestaltungsfeldern Ressourcen, Informationssysteme, Kultur und Organisationsstruktur. Jede erreichte Entwicklungsstufe verspricht produzierenden Unternehmen einen konkreten Zuwachs an Nutzen. Das Modell wurde in der praktischen Anwendung in einem mittelständischen Betrieb validiert.
Digitally connected industrial production promises faster and more efficient processes - in development and production, services, marketing & sales and for adapting entire business models. Agility and the ability to make changes in real time are strategic chracteristics of successful companies in Industrie 4.0. To acquire these features, it is necessary to create a continuously expanding data base. However, a company's organisational structure and culture also play an important part in determining whether this data's potential is leveraged effectively.
This acatech STUDY describes a new tool for helping manufacturing enterprises to forge their own individual path towards becoming a learning, agile company. The acatech Industrie 4.0 Maturity Index is a six-stage maturity model that analyses the capabilities in the area of resources, information systems, culture and organisational structure that are required by companies operating in a digitalised industrial environment. The attainment of each development stage promises concrete additional benefits for manufacturing companies. The model's practical application was validated in a medium-sized company.
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.
Assessment of IS Integration Efforts to Implement the Internet of Production Reference Architecture
(2018)
As part of a collaborative network, manufacturing companies are required to be agile and accelerate their decision making. To do so, a high amount of data is available and needs to be utilized. To enable this from a company internal information system perspective, the Internet of Production (IoP) describes a future information system (IS) architecture. Core element of the IoP is a digital platform building the basis for a network of cognitive systems. To implement and continuously further develop the IoP, manufacturing companies need to make architecture-related decisions concerning the accessibility of data, the processing of the data as well as the visualization of the information. The goal of this research is the development of a decision-support methodology to make those decisions, taking under consideration the evaluated IS integration effort. Therefore, this paper describes the allocation of IS functions and identifies the effort drivers for the respective IS integration by analyzing the integration possibilities. Conclusively this approach will be validated in a case study.
In this paper, an approach towards energy management 4.0 will be presented. Energy management 4.0 is understood as an encompassing energy data based concept for manufacturing companies acting in an flexible energy grid of the future with the final goal of autonomous self-optimization Controlling, supervising and scheduling production and logistic steps based on a reliable communication infrastructure and real time data in accordance to achieve a maximum of profitability with regard to human factor is executed.
Guided by a four maturity levels of the "acatech Industrie 4.0 Maturity Index" developed by the German National Academy of Science and Engineering (acatech) different use cases are presented according to the steps of visibility, transparency, prognostic capacity and self-optimization. The basic idea of energy management 4.0 is described and an outlook of further steps that are needed to be evaluated for an implementation are presented.
The manufacturing industry has to exploit trends like “Industrie 4.0” and digitization not only to design production more efficiently, but also to create and develop new and innovative business models. New business models ensure that even SMEs are able to open up new markets and canvass new customers. This means that in order to stay competitive, SMEs must transform their existing business models.
The creation of new business models require smart products. The required data base for new business models cannot be provided by SMEs alone, whereas smart products are able to provide a foundation, given the creation of smart data and smart services they enable. These services then expand functions and functionality of smart products and define new business models.
However, the development of smart products by small and medium-sized enterprises is still lined with obstacles. Regarding the product development process the inclusion of smart products means that new and SME-unknown domains diffuse during the process. Although there are many models regarding this process there appears to be a substantial lack of taking into account the competencies enabled by the implementation of digital technologies. Hence, several SME-supporting approaches fail to address the two major challenges these enterprises are faced with. This paper generally describes valid objectives containing relevant stakeholders and their allocation to the phases of the product life cycle.
Within each objective the potential benefit for customers and producers is analyzed. The model given in this paper helps SMEs in defining the initiation of a product development project more precisely and hence also eases project scoping and targeting for the smartification of an already existing product.
Due to the drastically increasing amount of data, decision making in companies heavily relies on having the right data available. Also because of an increasing complexity of structures and processes, quick and precise flows of information become more important.
This paper introduces a new approach for modelling information flows, creating a basis for an efficient information management. It can be used to structure the information requirements and identify gaps within the information processing.
To display its benefits, the proposed Information Logistics Notation (ILN) is applied to the information logistics of todays and future energy market and grid stability management, both processes of increasing complexity.