Advertisement

Industrial Connectivity und Industrial Analytics, Kernbausteine der Fabrik der Zukunft

  • Jan Stefan MichelsEmail author
Chapter
Part of the Xpert.press book series (XPERT.PRESS)

Zusammenfassung

Der vorliegende Beitrag gibt einen Überblick zum Themenfeld der Industrie 4.0 und intelligenter technischer Systeme in der Produktion. Er startet bei der Motivation, Industrie 4.0 zu realisieren und zu nutzen – den Herausforderungen, mit denen sich produzierende Unternehmen konfrontiert sehen. Auf dieser Grundlage werden die wesentlichen Aspekte der Industrie 4.0 und intelligenter technischer Systeme beschrieben. Der Beitrag schließt mit konkreten Ansatzpunkten für die Umsetzung sowie einigen Praxisbeispielen und deckt dabei die Spanne von der Infrastruktur für die Digitalisierung bis hin zur konsequenten Nutzung der erzeugten Daten zur Optimierung der Produktion.

Zusammenfassung

Der vorliegende Beitrag gibt einen Überblick zum Themenfeld der Industrie 4.0 und intelligenter technischer Systeme in der Produktion. Er startet bei der Motivation, Industrie 4.0 zu realisieren und zu nutzen – den Herausforderungen, mit denen sich produzierende Unternehmen konfrontiert sehen. Auf dieser Grundlage werden die wesentlichen Aspekte der Industrie 4.0 und intelligenter technischer Systeme beschrieben. Der Beitrag schließt mit konkreten Ansatzpunkten für die Umsetzung sowie einigen Praxisbeispielen und deckt dabei die Spanne von der Infrastruktur für die Digitalisierung bis hin zur konsequenten Nutzung der erzeugten Daten zur Optimierung der Produktion.

Literatur

Verwendete Literatur

  1. 1.
    Kagermann, H., Lukas, W.-D., & Wahlster, W. (2011). Industrie 4.0: Mit dem Internet der Dinge auf dem Weg zur 4. Industriellen Revolution. VDI Nachrichten, 2011(13).Google Scholar
  2. 2.
    Gausemeier, J., Dumitrescu, R., Jasperneite, J., Kühn, A., & Trsek, H. (2015). Auf dem Weg zu Industrie 4.0: Lösungen aus dem Spitzencluster it’s OWL. http://www.its-owl.de/fileadmin/PDF/Informationsmaterialien/2016-Auf_dem_Weg_zu_Industrie_4.0_Loesungen_aus_dem_Spitzencluster.pdf. Zugegriffen: 12. Mai 2016.Google Scholar
  3. 3.
    MQTT.org (2014). MQTT Version 3.1.1 OASIS Standard. http://docs.oasis-open.org/mqtt/mqtt/v3.1.1/os/mqtt-v3.1.1-os.html. Zugegriffen: 12. Mai 2016.Google Scholar
  4. 4.
    Plattform Industrie 4.0 (2016). Aspekte der Forschungsroadmap in den Anwendungsszenarien. Ergebnispapier der AG2 der Plattform Industrie 4.0. http://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/anwendungsszenarien-auf-forschungsroadmap.html. Zugegriffen: 12. Mai 2016.Google Scholar
  5. 5.
    Roland Berger Strategy Consultants (2015). Trend Compendium 2030. http://www.rolandberger.com/gallery/trend-compendium/tc2030/. Zugegriffen: 12. Mai 2016.Google Scholar
  6. 6.
    Gausemeier, J., & Plass, C. (2014). Zukunftsorientierte Unternehmensgestaltung. Strategie, Geschäftsprozesse und IT-Systeme für die Produktion von morgen. München u.a.: Hanser.CrossRefGoogle Scholar
  7. 7.
    Sendler, U. (2009). Das PLM-Kompendium. Referenzbuch des Produkt-Lebenszyklus-Managements. Berlin u.a.: Springer.CrossRefGoogle Scholar
  8. 8.
    Plattform Industrie 4.0 (2016). Arbeit, Aus- und Weiterbildung in den Anwendungsszenarien. Diskussionspapier der AG4 der Plattform Industrie 4.0. http://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/anwendungsszenarien-fuer-arbeit-aus-und-weiterbildung.html. Zugegriffen: 12. Mai 2016.Google Scholar
  9. 9.
    Köhler, P., Six, B., & Michels, J. S. (2015). Industrie 4.0: Ein Überblick. In C. Köhler-Schute (Hrsg.), Industrie 4.0: Ein praxisorientierter Ansatz. Berlin: KS-Energy.Google Scholar
  10. 10.
    Plattform Industrie 4.0 (2015). Industrie 4.0 – White Paper FuE-Themen. http://www.plattform-i40.de/industrie-40-whitepaper-fue-themen-stand-7-april-2015-0. Zugegriffen: 12. Mai 2016.Google Scholar
  11. 11.
    Zentralverband Elektrotechnik- und Elektronikindustrie ZVEI e.V. (2015). Elektrische Verbindungstechnik für Industrie 4.0? – Herausforderungen an die elektrische Verbindungstechnik durch den Einzug von „Industrie 4.0“-Konzepten. Frankfurt: ZVEI.Google Scholar
  12. 12.
    Heymann, S., Jasperneite, J., Schröck, S., & Fay, A. (2015). Beschreibung von modularisierten Produktionsanlagen in Industrie 4.0. Tagungsband Kongress Automation 2015, Baden-Baden, 11.–12. Juni 2015.Google Scholar
  13. 13.
    Hempen, U., Albers, T., Kreft, S., Holm, T., Obst, M., Fay, A., & Urbas, L. (2015). Dezentrale Intelligenz für modulare Anlagen. Kongress Automation 2015, Baden-Baden, 11.–12. Juni 2015.Google Scholar
  14. 14.
    Reichert, R. (2014). Big Data: Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. Bielefeld: transcript Verlag.CrossRefGoogle Scholar
  15. 15.
    Maier, A., & Niggemann, O. (2015). On the Learning of Timing Behavior for Anomaly Detection in Cyber-Physical Production Systems. International Workshop on the Principles of Diagnosis (DX), Paris, August 2015.Google Scholar
  16. 16.
    Plattform Industrie 4.0 (2016). Security in RAMI4.0. Leitfaden der AG Sicherheit der Plattform Industrie 4.0. http://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/security-rami40.html. Zugegriffen: 12. Mai 2016.Google Scholar
  17. 17.
    Plattform Industrie 4.0 (2015). Umsetzungsstrategie Industrie 4.0. Ergebnisbericht der Plattform Industrie 4.0. http://www.plattform-i40.de/umsetzungsstrategie-industrie-40-0. Zugegriffen: 12. Mai 2016.Google Scholar
  18. 18.
    Plattform Industrie 4.0 (2016). Struktur der Verwaltungsschale. Fortentwicklung des Referenzmodells für die Industrie 4.0-Komponente. Ergebnispapier der AG1 der Plattform Industrie 4.0. http://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/struktur-der-verwaltungsschale.html. Zugegriffen: 12. Mai 2016.Google Scholar
  19. 19.
    DIN SPEC 91345:2016-04 – Referenzarchitekturmodell Industrie 4.0 (RAMI4.0) (2016).Google Scholar
  20. 20.
    Verein Deutscher Ingenieure e.V. (2014). Statusreport Industrie 4.0 Gegenstände, Entitäten, Komponenten. Berlin.Google Scholar
  21. 21.
    Industrial Internet Consortium (2016). The Industrial Internet Reference Architecture Report. http://www.iiconsortium.org/IIRA.htm. Zugegriffen: 12. Mai 2016.Google Scholar
  22. 22.
    Gatica, P. C. (2016). Produktivitätssprung in der Kunststofffertigung durch den Einsatz von Advanced Analytics. VDMA-Veranstaltung „Mehrwert in Produktion und Service durch Big Data Ansätze“, Frankfurt, 6. April 2016.Google Scholar
  23. 23.
    Damerow, U., Borzykh, M., Tabakajew, D., Schaermann, W., Hesse, M., Homberg, W., Trächtler, A., Jungeblut, T., & Michels, J. S. (2015). Intelligente Biegeverfahren. Entwicklung selbstkorrigierender Fertigungsprozesse in der Umformtechnik. wt Werkstattstechnik online, 2015(6), 427–432.Google Scholar
  24. 24.
    Strohbach, M., & von Toll, C. (2016). Fallbeispiel Energy Management in der Produktionswirtschaft – Einsparungspotential mit datenorientierter Analyse und Big Data Technologien. bitkom Big Data Summit, Hanau, 16. Februar 2016.Google Scholar
  25. 25.
    OPC Foundation (2016). OPC Unified Architecture Specification. https://opcfoundation.org/developer-tools/specifications-unified-architecture. Zugegriffen: 12. Mai 2016.Google Scholar
  26. 26.
    eCl@ss e.V, Classification and Product Description (2016). eCl@ss Technical Standards. http://wiki.eclass.eu/wiki/Category:Rules_and_standards. Zugegriffen: 12. Mai 2016.Google Scholar
  27. 27.
    MTConnect Institute (2015). MTConnect Standard Version 1.3.1. http://www.mtconnect.org/standard. Zugegriffen: 12. Mai 2016.Google Scholar
  28. 28.
    Jacob, H. (2015). Smarte Fabrik ohne Kopfzerbrechen. A&D, Bd. 4/2015. München: Publish Industry.Google Scholar
  29. 29.
    Gaukstern, T. (2016). Umsetzung von Predictive Maintenance in der Produktion – Herausforderungen und Lösungen am Beispiel einer Spritzgussmaschine. VDMA-Kongress „Predictive Maintenance 4.0“, Frankfurt, 23. Februar 2016.Google Scholar
  30. 30.
    Verein Deutscher Ingenieure e.V. (2014). Statusreport Industrie 4.0 CPS-basierte Automation. Berlin.Google Scholar
  31. 31.
    Gausemeier, J., Dumitrescu, R., Steffen, D., Czaja, A., Wiederkehr, O., & Tschirner, C. (2013). Systems Engineering in der industriellen Praxis. Paderborn: Heinz Nixdorf Institut, Universität Paderborn: Lehrstuhl für Produktentstehung.CrossRefGoogle Scholar

Weiterführende Literatur

  1. 32.
    Dumitrescu, R., Gausemeier, J., Kühn, A., Luckey, M., Plass, C., Schneider, M., & Westermann, T. (2016). Auf dem Weg zur Industrie 4.0: Erfolgsfaktor Referenzarchitektur. http://www.its-owl.de/fileadmin/PDF/Informationsmaterialien/2015-Auf_dem_Weg_zu_Industrie_4.0_Erfolgsfaktor_Referenzarchitektur.pdf. Zugegriffen: 12. Mai 2016.Google Scholar
  2. 33.
    Gausemeier, J., Lanza, G., & Lindemann, U. (2012). Produkte und Produktionssysteme integrativ konzipieren. Modellbildung und Analyse in der frühen Phase der Produktentstehung. München u.a.: Hanser.CrossRefGoogle Scholar
  3. 34.
    Michels, J. S., Gatica, P. C., & Köster, M. (2015). Anomalien und Ineffizienzen in Produktionsanlagen erkennen. Automatisierungstechnische Praxis.Google Scholar
  4. 35.
    Plattform Industrie 4.0 (2016). Technischer Überblick: Sichere unternehmensübergreifende Kommunikation. http://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/sichere-unternehmensuebergreifende-kommunikation.htmlZugegriffen. Zugegriffen: 12. Mai 2016.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2016

Authors and Affiliations

  1. 1.Weidmüller Interface GmbH & Co. KGDetmoldDeutschland

Personalised recommendations