Zusammenfassung
Für produzierende Unternehmen stellt die effiziente Verarbeitung großer Datenmengen eine Herausforderung dar. Die Auswahl der richtigen Architekturkonzepte für IT-Lösungen zur Datenverarbeitung spielt dabei eine wichtige Rolle. Um die IT an den Herausforderungen von Industrie 4.0 auszurichten, stehen Unternehmen verschiedene Referenzarchitekturen internationaler Gremien zur Verfügung. Die Hauptbeiträge dieses Artikels haben das Ziel, (i) einen Überblick über die wichtigsten Referenzarchitekturen für Industrie 4.0 (I4.0) zu geben und (ii) diese unter dem Aspekt der Datenverarbeitung zu untersuchen. Dazu werden die Referenzarchitekturen anhand von Datenverarbeitungsanforderungen für I4.0 betrachtet. Die Untersuchung zeigt, dass die I4.0-Referenzarchitekturen jeweils einen Teilbereich der Anforderungen abdecken und sich die Konzepte gegenseitig ergänzen. (iii) Darauf aufbauend werden aus den Datenverarbeitungsanforderungen technische Konsequenzen abgeleitet und Architekturkonzepte für die Realisierung einer IT-Architektur für die Datenverarbeitung vorgestellt. Dadurch wird es IT-Architekten ermöglicht, einen Vergleich der Referenzarchitekturen hinsichtlich projektbezogener Anforderungen an die Datenverarbeitung vorzunehmen sowie geeignete Architekturentscheidungen zu treffen.
Notes
Supervisory Control and Data Acquisition
Speicherprogrammierbare Steuerung
OPC Unified Architecture
Manufacturing Execution System
Literatur
Adolphs P et al (2015) Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0). VDI/VDE/ZVEI, Düsseldorf
Adolphs P et al (2016) Struktur der Verwaltungsschale: Fortentwicklung des Referenzmodells für die Industrie 4.0-Komponente. BMWi, Berlin
Anderson N et al (2017) The industrial Internet of things volume T3: analytics framework
Bedenbender H et al (2017) Beziehungen zwischen I4.0-Komponenten – Verbundkomponenten und intelligente Produktion: Fortentwicklung des Referenzmodells für die Industrie 4.0-Komponente SG Modelle und Standards. BMWi, Berlin
Bitkom (2015) Umsetzungsstrategie Industrie 4.0: Ergebnisbericht der Plattform Industrie 4.0
BMWi (2016) Weiterentwicklung des Interaktionsmodells für Industrie 4.0-Komponenten
Chen CP, Zhang CY (2014) Data-intensive applications, challenges, techniques and technologies: a survey on big data. Inf Sci (Ny) 275(Supplement C):314–347
Diedrich C, Bieliaiev A, Bock J, Gössling A, Hänisch R, Koziolek H, Kraft A (2016) Grammatik für Industrie 4.0-Komponenten. Conference Proceedings VDE-Kongress 2016 „Internet der Dinge“
Diedrich C et al (2017) Interaktionsmodell für Industrie 4.0 Komponenten. AT Automatisierungstech 65(1):5–18
DIN – Deutsches Institut für Normung e V (2016) Referenzarchitekturmodell Industrie 4.0 (RAMI4.0)
DIN Deutsches Institut für Normung e V (2017) RM-SA – Referenzmodell für Industrie 4.0 Servicearchitekturen – Grundkonzepte einer interaktionsbasierten Architektur
Dönicke N et al (2017) Security der Verwaltungsschale. BMWi, Berlin
Gartner (2011) Gartner says solving ‘big data’ challenge involves more than just managing volumes of data. https://www.gartner.com/newsroom/id/1731916. Zugegriffen: 23.01.2018
Gölzer P (2017) Big Data in Industrie 4.0 – Eine strukturierte Aufarbeitung von Anforderungen, Anwendungsfällen und deren Umsetzung. PhD thesis, FAU Erlangen-Nürnberg
Heidel R, Hoffmeister M, Hankel M, Döbrich U (2017) Industrie 4.0 Basiswissen RAMI4.0: Referenzarchitekturmodell mit Industrie4.0-Komponente. Beuth Verlag, Berlin
Hoffmeister M (2015) Industrie 4.0: Die Industrie 4.0-Komponente. ZVEI, Frankfurt am Main
Jamshidi M (Hrsg) (2011) System of systems engineering: innovations for the twenty-first century, 1. Aufl. Wiley series in systems engineering and management, Bd. 1. John Wiley & Sons, New York
Joshi R, Didier P, Jimenez J, Carey T (2017) The industrial internet of things volume G5: connectivity framework
Kagermann H, Wahlster W, Helbig J (2013) Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0: Deutschlands Zukunft als Produktionsstandort sichern. Abschlussbericht des Arbeitskreises Industrie 4.0. acatech – Deutsche Akademie der Technikwissenschaften e. V., München
Kellermans D (2017) Data Lake vs. Data Warehouse: Was ist der Unterschied? https://automic.com/de/blog/data-lake-vs-data-warehouse-was-ist-der-unterschied. Zugegriffen: 23.01.2018
Kreps J (2014) Questioning the lambda architecture. https://www.oreilly.com/ideas/questioning-the-lambda-architecture. Zugegriffen: 23.01.2018
Lin SW et al (2015) Industrial internet reference architecture. Industrial Internet Consortium, Needham
Lin SW et al (2017) The industrial internet of things volume G1: reference architecture – V 1.8
OASIS (2006) Reference Model for Service Oriented Architecture 1.0. http://docs.oasisopen.org/soa-rm/v1.0/soa-rm.pdf. Zugegriffen: 23.01.2018
Marz N (2013) Big data: principles and best practices of scalable realtime data systems. O’Reilly Media, Sebastopol
Miloslavskaya N, Tolstoy A (2016) Big data, fast data and data lake concepts. Procedia Comput Sci 88(Supplement C):300–305 (7th Annual International Conference on Biologically Inspired Cognitive Architectures, BICA 2016, held July 16 to July 19, 2016 in New York City, NY, USA)
Mishne G, Dalton J, Li Z, Sharma A, Lin J (2013) Fast data in the era of big data: Twitter’s real-time related query suggestion architecture. Proceedings of the 2013 ACM SIGMOD International Conference on Management of Data, ACM, New York. SIGMOD ’13, S 1147–1158
Schrecker S et al (2016) Industrial internet of things volume G4: security framework
Tanner MA, Wong WH (1987) The calculation of posterior distributions by data augmentation. J Am Stat Assoc 82(398):528–540
VDI, VDE (2015) Industrie 4.0 – Technical Assets: Grundlegende Begriffe, Konzepte, Lebenszyklen und Verwaltung
Weber C, Königsberger J (2017a) Industrie 4.0: Aktuelle Entwicklungen für Analytics: Teil 1: Analytics und Datenmanagement in Industrie 4.0-Referenzarchitekturen. In: wt-online. Springer, Berlin, Heidelberg, S 113–117
Weber C, Königsberger J (2017b) Industrie 4.0: Aktuelle Entwicklungen für Analytics: Teil 2: Vergleich und Bewertung von Industrie 4.0-Referenzarchitekturen. In: wt-online. Springer, Berlin, Heidelberg, S 405–409
Danksagung
Diese Arbeit wurde teilweise von der DFG im Rahmen der Graduate School of Excellence Advanced Manufacturing Engineering (GSaME), sowie teilweise durch das BMWi-Projekt IC4F (01MA17008G) gefördert.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Weber, C., Wieland, M. & Reimann, P. Konzepte zur Datenverarbeitung in Referenzarchitekturen für Industrie 4.0. Datenbank Spektrum 18, 39–50 (2018). https://doi.org/10.1007/s13222-018-0275-z
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s13222-018-0275-z