Refine
Document Type
- Article (3)
- Book (5)
- Part of a Book (11)
- Conference Proceeding (18)
- Contribution to a Periodical (13)
- doctorallecture (1)
- Doctoral Thesis (1)
- Internet Paper (2)
- Report (4)
- Working Paper (4)
Is part of the Bibliography
- no (62)
Keywords
- 5G (1)
- ADAM (3)
- Abschlussbericht (1)
- Anforderungen (1)
- Anforderungserhebung (1)
- Anforderungsermittlung (1)
- Anforderungsmanagement (1)
- Ausbildung (1)
- Automobilindustrie (1)
- Autonome Elektromobilität (1)
Institute
Industrie-4.0-Applikationen entwickeln sich gerade von Individuallösungen zur frei zugänglichen Handelsware. Durch diesen Trend, in dem Industrie-4.0-Lösungen zur Commodity werden, werden Unternehmen dazu befähigt, fundamentale Transformationen entlang aller Geschäftsprozesse zu vollziehen. Insbesondere kleine und mittlere Unternehmen (KMU) haben die besten Voraussetzungen dafür, die Einführung von Industrie 4.0 voranzutreiben. Denn KMU verfügen über die notwendige Flexibilität und flache Hierarchien - eine wesentliche Grundlage für die digitale Transformation. Bevor jedoch Industrie-4.0-Projekte initiiert werden, ist aufgrund der personell und finanziell limitierten Kapazitäten von KMU eine intensive Auseinandersetzung über die Bedeutung von Industrie 4.0 für das eigene Unternehmen und seine Produkte unabdingbar.
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 einer Stanzmaschine aufgezeigt wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung einer intelligenten Stanzmaschine eingesetzt werden.
Feasibility Analysis of Entity Recognition as a Means to Create an Autonomous Technology Radar
(2021)
Mit den neuesten Technologietrends auf dem Laufenden zu bleiben, ist für Fertigungsunternehmen eine entscheidende Aufgabe, um auf einem global wettbewerbsfähigen Markt erfolgreich zu bleiben. Die Erstellung eines Technologieradars ist ein etablierter, jedoch meist manueller Prozess zur Visualisierung der neuesten Technologietrends.
Der Herausforderung, Technologien zu identifizieren und zu visualisieren, widmet sich das Projekt TechRad, das maschinelles Lernen einsetzt, um ein autonomes Technologie-Scouting-Radar zu realisieren. Eine der Kernfunktionen ist die Identifizierung von Technologien in Textdokumenten. Dies wird durch natürliche Sprachverarbeitung (NLP) realisiert.
Dieser Beitrag fasst die Herausforderungen und möglichen Lösungen für den Einsatz von Entity Recognition zur Identifikation relevanter Technologien in Textdokumenten zusammen. Die Autoren stellen eine frühe Phase der Implementierung des Entity Recognition Modells vor. Dies beinhaltet die Auswahl von Transfer Learning als geeignete Methode, die Erstellung eines Datensatzes, der aus verschiedenen Datenquellen besteht, sowie den angewandten Modell-Trainings-Prozess. Abschließend wird die Leistungsfähigkeit der gewählten Methode in einer Reihe von Tests überprüft und bewertet.
Ausgangspunkt des Forschungsprojekts "UrbanMove“ ist die Hypothese, dass sich in naher Zukunft Großstädte für eine emissionsärmere Zukunft mit innovativen Mobilitätsdienstleistungen neu aufstellen müssen. Bisherige Ansätze reichen nicht aus, um den Ansprüchen an Emissionsfreiheit und Mobilitätserfordernissen gleichzeitig und zu vertretbaren Kosten zu entsprechen.
Ziel des Forschungsprojekts "UrbanMove" ist daher die Konzeptionierung und Pilotierung einer neuartigen, intelligenten innerstädtischen Mobilitätslösung, die mit einer Kollaboration aus innovativen KMU der strukturschwachen Städteregion Aachen umgesetzt wird. Als Entwicklungsergebnis steht eine integrative kundenzentrierte Dienstleistungsplattform für Shuttle, die durch Berücksichtigung von Randbedingungen auch für autonom fahrende und elektrisch betriebene Fahrzeuge eingesetzt werden kann. Neben der Dienstleistungsplattform für ein neues Mobilitätskonzept, auf der Informationsströme unterschiedlicher Anspruchsgruppen gesammelt und intelligent verarbeitet werden, beinhaltet die Plattform auch technische Schnittstellen zu den Fahrzeugen und zu Nutzern über Apps.
Für dieses ganzheitliche Konzept werden verschiedene Perspektiven und Anspruchsgruppen, wie Nutzer, Betreiber, Stadt sowie Einzelhandel und Unternehmen der Region, zusammengeführt. Für die Einbeziehung der Anspruchsgruppen abseits dieser Projektentwicklung wird die Plattform mit offenen Schnittstellen gestaltet, die rechtlichen Rahmenbedingungen werden beachtet und die durchgehenden Nutzeranforderungen fokussiert. Für einen wirtschaftlichen Betrieb wird für das Mobilitätskonzept ein tragfähiges Geschäftsmodell entwickelt.
The digital transformation is changing the way companies think and design their manufacturing environment. Both due to the increasing number of connections between IoT-Devices, tooling machines, and production lines and the phenomenon of the convergence of IT and OT, systems are becoming more complex than years ago. Organizational and cultural changes within manufacturing companies strengthen this trend and form Industry 4.0 environments and cyber-physical production systems (CPPS). As these systems do not longer stay alone but are connected to each other and the company’s outside, the size of the potential attack surface is increasing as well. Besides that, manufacturing companies, small and medium-sized in particular, are facing complex challenges based on lack of knowledge, budget, and time to understand as well as to interpret their current situation and risk level and therefore to derive necessary counter-measures. Efficient as well as pragmatic tools and methods for these companies do not exist. This paper shows a research approach in which the company-specific set-up of Industry 4.0 environment and CPPS is characterized by its potential vulnerabilities. This enables companies to evaluate their risk potential before setting up this kind of environments and to undJo,erstand the potential consequences more precisely. By doing so, companies can derive and prioritize important counter-measures and so to strengthen their level of cyber-security efficiently. This will decrease the number of cyber-security attacks and increase the company’s competitiveness.
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Produzierende Unternehmen stehen unter großem Veränderungsdruck, der durch wachsende Produktkomplexität, steigende Kundenanforderungen und digitale Geschäftsmodelle induziert wird. Vorherrschende Trends wie Industrie 4.0 und Digitalisierung müssen genutzt werden, um nicht nur die Produktion effizienter zu gestalten, sondern auch innovative Geschäftsmodelle zu entwickeln. Diese gewährleisten, dass Unternehmen neue Märkte erschließen und neue Kunden gewinnen.
Die von Unternehmen in der Vergangenheit fokussierten produktzentrierten Geschäftsmodelle werden durch die Digitalisierung in nutzerzentrierte Geschäftsmodelle transformiert. Zudem ist gerade eine Veränderung im Verhalten der Kunden zu beobachten, die sich zunehmend gezielt für Produkte mit höherem Leistungsumfang in Bezug auf digitale Fähigkeiten entscheiden, sodass sich die Digitalisierung ebenfalls in den Produkten wiederfindet. Dauerhafte Wettbewerbsfähigkeit bedarf folglich erweiterter digitaler Leistungen in Produkten.
Elektrische Fahrzeuge im Flottenverbund eröffnen durch die Einbindung in das öffentliche Stromnetz große Wertschöpfungspotentiale durch das Erbringen von Energiedienstleistungen. Dieser radikale Wandel zwingt Original Equipment Manufacturer (OEM) zur Untersuchung neuer Geschäftsfelder und der Schaffung ganzheitlicher Mobilitätskonzepte. Um diesen disruptiven Veränderungen gerecht zu werden, liegt der Fokus der vorliegenden Untersuchung auf der Entwicklung einer allgemeingültigen Bewertungssystematik für Elemente eines erweiterten Dienstleistungsportfolios für konkrete Anwendungsfälle von EV (Electric Vehicle)-Flottenbetreibern.
Smart Service Prototyping
(2021)
This chapter is dedicated to prototyping, one of the steps of the Smart Service Engineering Cycle. It includes three phases: realizing core functionalities, developing core functionalities, and testing functionalities with customers. In order to realize prototypes successfully, methodical aspects of rapid IoT prototyping are used.
First of all, this chapter explains the motivation behind rapid prototyping and provides an introduction to the approach. The concept of rapid IoT prototyping is based on the idea of developing short-cycle solution variants on the basis of benefit hypotheses or benefit promises and user stories focusing on them. The aim is to achieve data acquisition, aggregation, linkage, processing, and finally visualization by developing it in a vertically integrated manner. Once this is accomplished, the prototype can be evaluated with customers, which also makes it possible to put the benefit hypotheses to the test. Finally, the collected customer feedback can be incorporated more quickly into the development process of new prototype versions, leading to a continuous improvement of the user experience as well as a constant focus on prioritizing the user. Another component of rapid IoT prototyping is working and thinking in terms of minimum viable products (MVP), i.e., solutions that do not meet all of the defined requirements in the first iteration, but are nevertheless already functional. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_6]
Digitalization and Industry 4.0 continue to shape our industrial environment and collaboration. For many enterprises, a key challenge in moving forward in this matter is the integration of their shop-floor systems (hard- and software) with their office-floor systems to harvest the full potential of industry 4.0.
A multitude of different technologies and respective use-cases available on the market leave many companies startled. This paper presents a set of use-cases for IT-OT-Integration to bring transparency into a company’s digital transformation.
Additionally, a technical requirements profile for integrating IT- and OT-Systems based on the use cases is presented. Both, use-cases and their requirements, guide companies in selecting the digitalization measures that fit their current situation and help in identifying technical challenges that need to be addressed in the transformation process.