Beruflich Dokumente
Kultur Dokumente
Megatrends Serviceleistungen
- Komplexere Produkte, kürzere Produktlebenszyklen, bessere Logistikleistun- - Produkt-Service-Systeme
gen, stärkere Globalisierung - Pay-on-Production
Globale gesättigte Märkte
- Wachstum über Preiskampf, alternativ über Alleinstellungsmerkmale und erweiterten Kundenutzen (Funktions-
erweiterungen und Integration)
- Wachstum über individualisierte Produkte -> statt Mengenwachstum Variantenwachstum (Mass-Customization
bis hin zur Losgröße 1)
Durchgängiges Engineering:
- Vernetzung von Produkten und Produktionsmitteln mit ihren digitalen Zwillingen zur Realisierung von Datenzugriff
und Datenkonsistenz über den Lebenszyklus.
- Anwendungsfälle: Virtuelle Inbetriebnahme, Anlagensteuerung, Produktionssteuerung
- Herausforderungen: Synchronisation der Modelle untereinander, Gültigkeit der Modell
Smarte Systeme
Smarte Werkstücke
- Werkstück als aktives und kommunikationsfähiges Objekt -> ermöglicht Flexibilisierung der Fertigung -> Erhöhung
der Produktqualität und Ressourceneffizienz
- Speichern von statischen Informationen (z.B. Geometrie) und dynamischen Daten
- Aufnahme und Kommunikation von Belastungen
- Einwirken auf Prozesse (bei Überbelastung)
- Sammeln von Daten
Smarte Werkzeuge
- Sammeln von Daten zur Prozessüberwachung und Optimierung -> Werkzeug wird zu CPS
- Potential: Individualisierte Fertigung, Flexibilisierte Fertigung, Ressourceneffizientere Fertigung
Smarte Maschinen
- Höhere Effizienz insbesondere in den vorgelagerten Prozessen
- Wichtige Prozessschritte (z.B. Fertigungsplanung) werden durchgeführt bevor der eigentliche Wertschöpfungspro-
zess erfolgt
- Stellhebel: Virtualisierung der Arbeitsvorbereitung und der Maschine -> Maschine weiß welche Arbeitsschritte er-
folgen werden
Smarte Handhabungssysteme
- Handhabungssystem: System zum Transport und Handhabung
- Ziel: Minimierung der wertschöpfungsfreien Zeit
- Stellhebel: räumliche Anordnungskonzepte, Mensch-Roboter-Kollaboration und neue Greifsysteme
Smarte Logistiksysteme
- Wertschöpfungsübergreifende effizientere Koordination der Material- und Informationsflüsse (horizontal)
- Ziel: logistischen Kennzahlen wie Liefertreue oder Lieferfähigkeit weiter zu optimieren und innerbetrieblichen auch
über-betriebliche Prozesse zu verbessern
- Stellhebel: neuer und innovative Technologien
Smarte Produktionsplanung/-steuerung
- Grundlage für eine leistungsfähige PPS: richtige Informationen zur richtigen Zeit
- Ziel: Transparenz in den Planungs- und Kontrollsystemen und die Möglichkeit korrigierend einzugreifen
- Potential z.B. KI-gestützte Absatz-/Bedarfsprognose
Vernetzung
Anforderungen
- Vielfältige Interaktion und Kommunikation: Daten abfragen, Daten übermitteln, Aktionen auslösen, Entitäten be-
obachten
- Auflösung der Automatisierungspyramide: Wandel zu dezentralem untereinander verbundenen System
Zentrale Herausforderungen
- Standards: Kompatibilität mit anderen Vernetzungssystemen
- Sicherheit: Cyber-Security
- Echtzeit: Echtzeit/schnelle Datenübertragung
- Robustheit: Störungsfrei
- Skalierbarkeit: Verwaltung einer sehr großen Anzahl von Systemen -> Data Lake + Data Analytics
Drahtlose Netzwerke
- Mobilfunkstandard 5G -> drahtlose performante Kommunikation -> auch kritische Kommunikation in Echtzeit
Semantik
- Maschinen und Anlagen brauchen eindeutiges Verständnis eines Begriffs, um Informationen eindeutig zu interpre-
tieren
Datentypen
Nutzungsdaten
Stammdaten Transaktionale Daten
Sensordaten Zustandsdaten
- Längerer Zeitraum - Begrenzte Lebens- - Qualitative oder - Ergebnis einer intelligen-
- Geringe Anwendungs- dauer quantitative Be- ten Verarbeitung von
häufigkeit - Konkreter Zeitbezug schreibung eines Sys- Sensordaten
- Grundlage für operative tems oder einer Sys- - z.B. Störung, Rüsten
Systeme temumgebung
Alle Datentypen kommen entlang der Wertschöpfungskette vor
Datenmodelle
Stufen der Datenmodellierung Grundlegende Anforderungen an Datenmodelle in Industrie 4.0
- Konzeptionelles Datenmodell: Abbildung - Geeignete Datenmodelle für die performante Speicherung und
der Gegenstände und deren Beziehungen Verarbeitung von Big Data zum Zwecke der Erkenntnisgewin-
z. B. als ER-Diagramm oder UML nung aus Daten und der Nutzbarmachung in Geschäftsprozes-
- Logisches Datenmodell: Abbildung des sen
Konzeptmodells auf die Regeln des ver- - Geeignete Informationsmodelle für die Beschreibung von Zu-
wendeten Datenbankschema z.B. RDBMS stand, Eigenschaften und Fähigkeiten von I4.0-Komponenten
- Physikalisches Datenmodell: Technische zum Zwecke von Kommunikation und Datenaustausch
Umsetzung von z. B. Zugriffsoperationen
auf einzelne Datenelemente
Prozesskette Big Data in einem Industrie 4.0 Szenario
Big Data
Große Menge und Vielfalt, hohe
Allgemeine Daten Nicht konventionell Verarbeitbar
Komplexität und Geschwindigkeit
Data Lake
Repository von Daten Im Rohdatenformat gespeichert Ausgelegt für hohe Skalierbarkeit
Data Science
Verfahren zum Erkenntnisgewinnung aus Daten und deren
KI, ML, Data Mining
Nutzbarmachung in Geschäftsprozessen
Erkentnissgewinn
Visualisierung Kontrolle Methoden
Cloud-Computing
- Serviceorientiertes IT-Konzept -> geteilte Computerressourcen als Dienstleistung -> ermöglicht IT-Infrastrukturen
und IT-Dienste auszulagern und Umsetzung wertschöpfungs- und lebenszyklusübergreifender IoT-Szenarien
Liefermodelle
- Public-Cloud - Privat-Cloud - Hybrid-Cloud - Community-Cloud
Servicemodelle
- Software as a Service (SaaS) - Plattform as a Service (PaaS) - Infrastructure as a Service (IaaS)
IoT- Plattform
- Internet-basierte Plattformen zur Kommunikation und Kooperation von Systemen sowie Standardisierung von Kom-
munikation und Datenaustausch -> zukünftige Produktion wie Internet: dezentral und hierarchielos
- Auf eigenen Server oder aus einer Public Cloud
Kernfunktionen
Unternehmensintegration Anbindung von IoT-Geräten in die bestehende IT-Infrastruktur
Anwendungsentwicklung Entwicklung von Use-Case spezifischen Anwendungen
Datenmodellierung Abbildung der angeschlossenen IoT-Geräte
Datenanalyse/-visualisierung Auswertung der von den IoT-Geräten erfassten Daten zum Erkenntnisgewinn
Datenverwaltung/-transformation Verwalten/Transformieren aktueller und historischen Daten von IoT-Geräten
Ereignisverwaltung Ereignisse unterscheiden und klassifizieren
Geräteverwaltung Verwaltung IoT-Geräten (Überwachung, Konfiguration; Softwareaktualisierung)
Gerätekonnektivität Bidirektionale Kommunikation zwischen IoT-Gerät und IoT-Plattform
Edge-Computing
- Reduktion von stark wachsenden Datenmengen im IoT und der Cloud
- Dezentrale Rechnerkapazität zwischen IoT-Gerät und Cloud -> Reduzierung der Daten vor dem Weg in die Cloud
- Nah am Prozess -> bessere Unterstützung von Echtzeit-Anforderungen
Digitalstrategie
- Grundprinzip: strategischer Plan bei dem Anwendung digitaler Technologien im Vordergrund steht
- Ziel: Unternehmenserfolg durch Einsatz digitaler Technologien erhöhen
- Digitalstrategie wird anhand eines strukturierten Vorgehens entwickelt
Möglichkeiten:
1. Digitalstrategie ist von der Unternehmensstrategie losgelöst
2. Digitalstrategie ist Teil der Unternehmensstrategie
3. Digitalstrategie ist die Unternehmensstrategie
Vorgehensweise
Datengetriebene Prozesse
Descriptive Predicitive Prescriptive
Ableitung und Bewertung von
Analyse historischer Daten, um Analyse historischer Daten, um darauf auf-
Handlungsoptionen für die Zukunft
vergangenes zu verstehen. bauend Aussagen über Zukunft zu machen
Wie können wir unsere Ziele errei-
Was ist passiert? Was wird passieren?
chen?