Advertisement

Intelligentes Informationsmanagement für verfügbarkeitsorientierte Geschäftsmodelle

  • Thomas EickhoffEmail author
  • Hristo Apostolov
  • Christian Donges
  • Matthias Fischer
  • Jens C. Göbel
  • Michael Grethler
  • Julian Imwalle
  • Ralf Mattukat
  • Lan Liu
  • Kai Pankrath
  • Frank Zeihsel
  • Jörg Richter
Chapter

Zusammenfassung

Neben der Konzeption von verfügbarkeitsorientierten Geschäftsmodellen und der für die technische Umsetzung essenziellen Entwicklung von kommunikationsfähigen Komponenten bildet ein intelligentes Informationsmanagement die dritte Säule für das Anbieten von Verfügbarkeit. Im Rahmen des Forschungsprojektes wurde eine Cloud-basierte Gesamtlösung entwickelt, in der alle beteiligten Softwaresysteme daran arbeiten, dem richtigen Benutzer alle relevanten Informationen zur richtigen Zeit zur Verfügung zu stellen. Im vorliegenden Kapitel wird der Prozess zur Entwicklung einer solchen Plattform beschrieben, ausgehend von der Aufnahme von Anforderungen, die sich in eine modellbasierte Beschreibungssystematik eingliedern und somit die Basis für die weiteren Prozessschritte liefern. Das durchgängige Systemmodell wird auch während der Konzeption und Implementierung der Cloudplattform sowie der beteiligten Systeme weiter gepflegt. Die eigentliche Implementierung wird anhand der konkreten Einzelsysteme beschrieben: So wurden im Projekt eine Business-Analytics-Plattform, ein Back-End sowie Front-Ends an der Maschine und anderen Endgeräten entwickelt. Am Schluss des Prozesses steht eine entsprechende Verifikation der Teilsysteme sowie der Gesamtplattform.

Literatur

  1. 1.
    Eigner M (2016) Das Industrial Internet – Engineering Prozesse und IT-Lösungen. In: Sendler U (Hrsg) Industrie 4.0 grenzenlos. Springer, Berlin/Heidelberg, S 137–168CrossRefGoogle Scholar
  2. 2.
    Baines TS, Lightfoot HW, Evans S, Neely A, Greenough R, Peppard J, … Wilson H (2007) State-of-the-art in product-service systems. Proc Inst Mech Eng B J Eng Manuf 221(10):1543–1552.  https://doi.org/10.1243/09544054JEM858CrossRefGoogle Scholar
  3. 3.
    Pezzotta G, Pinto R, Pirola F, Ouertani M-Z (2014) Balancing product-service providers performance and customers value: the Service Engineering Methodology (SEEM). Procedia CIRP 16:50–55.  https://doi.org/10.1016/j.procir.2014.01.008CrossRefGoogle Scholar
  4. 4.
    Müller P (2014) Integrated engineering of products and services – layer-based development methodology for product-service systems. Fraunhofer, BerlinGoogle Scholar
  5. 5.
    Thomas O, Nüttgens M (2009) Dienstleistungsmodellierung – Methoden, Werkzeuge und Branchenlösungen. Physica, Berlin/HeidelbergGoogle Scholar
  6. 6.
    Dangelmaier W, Hamoudia H (2002) Prozessmodellierung für die Planung der Dienstleistungserstellung im industriellen Bereich. In: Proceedings zur Tagung Modellierung betrieblicher Informationssysteme – MobIS 2002, S 7–28Google Scholar
  7. 7.
    Aurich JC, Fuchs C, Wagenknecht C (2006) Life cycle oriented design of technical product-service systems. J Clean Prod 14:1480–1494.  https://doi.org/10.1016/j.jclepro.2006.01.019CrossRefGoogle Scholar
  8. 8.
    Eigner M, Koch W, Muggeo C (2017) Modellbasierter Entwicklungsprozess cybertronischer Systeme – Der PLM-unterstützte Referenzentwicklungsprozess für Produkte und Produktionssysteme. Springer, Berlin/HeidelbergCrossRefGoogle Scholar
  9. 9.
    Pfenning M (2017) Durchgängiges Engineering durch die Integration von PLM und MBSE. Dissertation, Technische Universität Kaiserslautern, Schriftenreihe VPE, Band 20Google Scholar
  10. 10.
    Eigner M, Dickopf T, Apostolov H (2018) Interdisziplinäre Konstruktionsmethoden und -prozesse zur Entwicklung cybertronischer Produkte – Teil 1. In: Konstruktion, 11-12-2018, VDI Fachmedien, DusseldorfGoogle Scholar
  11. 11.
    Eigner M, Dickopf T, Apostolov H (2019) Interdisziplinäre Konstruktionsmethoden und -prozesse zur Entwicklung cybertronischer Produkte – Teil 2. In: Konstruktion, 01-02-2019, VDI Fachmedien, DusseldorfGoogle Scholar
  12. 12.
    Seiter M (2017) Business Analytics – Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung. Vahlen, MünchenCrossRefGoogle Scholar
  13. 13.
    eoda (2018) Predictive Maintenance mit R – Potenziale und Möglichkeiten der freien Statistiksprache R für neue Geschäftsmodelle im Industrie 4.0 Zeitalte., White paper. https://www.eoda.de/files/Use_Case_Seiten/Whitepaper/Predictive_Maintenance_mit_R.pdf. Zugegriffen am 03.02.2019
  14. 14.
    Aras Corporation (2016) Variants. https://github.com/ArasLabs/variants. Zugegriffen am 15.12.2018
  15. 15.
    Eigner M, Stelzer R (2009) Product lifecycle management. Springer, HeidelbergCrossRefGoogle Scholar
  16. 16.
    Muggeo C, Pfenning M (2015) Die Rolle von MBSE und PLM im Industial Internet. In: Schulze S, Tschirmer C (Hrsg) Tag des Systems Engineering. Carl Hanser, München, S 279–287CrossRefGoogle Scholar
  17. 17.
    Isbell D, Savage D (1999) National Aeronautics and Space Administration NASA. https://mars.jpl.nasa.gov/msp98/news/mco991110.html. Zugegriffen am 05.02.2019

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Thomas Eickhoff
    • 1
    Email author
  • Hristo Apostolov
    • 1
  • Christian Donges
    • 2
  • Matthias Fischer
    • 2
  • Jens C. Göbel
    • 1
  • Michael Grethler
    • 4
  • Julian Imwalle
    • 5
  • Ralf Mattukat
    • 5
  • Lan Liu
    • 6
  • Kai Pankrath
    • 7
  • Frank Zeihsel
    • 8
  • Jörg Richter
    • 3
  1. 1.Lehrstuhl für Virtuelle ProduktentwicklungTechnische Universität KaiserslauternKaiserslauternDeutschland
  2. 2.:em engineering methods AGDarmstadtDeutschland
  3. 3.T-Systems International GmbHWolfsburgDeutschland
  4. 4.SolidLine AGKarlsruheDeutschland
  5. 5.Anedo GmbHEydelstedtDeutschland
  6. 6.Schaeffler AGHerzogenaurachDeutschland
  7. 7.XPLM GmbHViernheimDeutschland
  8. 8.enbiz GmbHKaiserslauternDeutschland

Personalised recommendations