Skip to main content

As-a-Service Modelle für die Fertigungstechnik

Am Beispiel des Feinschneidens

  • Chapter
  • First Online:
Monetarisierung von technischen Daten
  • 8062 Accesses

Zusammenfassung

Die digitale Transformation stellt aktuell eine der größten Veränderungen in der produzierenden Industrie dar. Die Digitalisierung von Produkten und Prozessen eröffnet aber nicht nur Chancen und Möglichkeiten sondern auch Herausforderungen. Der Grund dafür ist u. a. ein Mangel an geeigneten Fachkräften und das Fehlen einer geeigneten IT-Infrastruktur. In dieser Arbeit wird daher eine Plattform hergeleitet, die auf einem Cloud-Computing-Ansatz und einem as-a-Service Modell beruht. Die Nutzung der Plattform benötigt dadurch einen minimalen Einsatz an IT-Personal und -Hardware aufseiten des produzierenden Unternehmens. Die Plattform wird dabei am Fallbeispiel des Feinschneidens entwickelt. Es werden zunächst geeignete Modellierungsansätze für das Feinschneiden vorgestellt und diskutiert. Diese sind die FE-Simulation und die datengetriebene Modellierung. Die beiden Methoden besitzen individuelle Vor- und Nachteile und werden daher in Verbindung miteinander genutzt, um sich gegenseitig zu ergänzen. Für die verschiedenen Modellierungsmethoden werden individuelle Anwendungsfälle im Kontext des Feinschneiden entwickelt, sowie Anforderungen an die zu schaffende Plattform definiert. Aufbauend auf diesen Erkenntnissen wird eine Architektur vorgestellt, welche die herausgearbeiteten Anforderungen erfüllt und die Nutzung der Methoden der FE-Simulation und der datengetriebenen Modellierung in einer as-a-Service Form ermöglicht.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 109.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 139.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. bitkom (2019) Erstmals mehr als 100.000 unbesetzte Stellen für IT-Experten. https://www.bitkom.org/Presse/Presseinformation/Erstmals-mehr-100000-unbesetzte-Stellen-fuer-IT-Experten. Zugegriffen: 8. Mai 2020

  2. Statistisches Bundesamt (2020) https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/Kleine-Unternehmen-Mittlere-Unternehmen/Tabellen/wirtschaftsabschnitte-insgesamt.html;jsessionid=E46F7157628CD7950DE1EF96E934FB5C.internet8711. Zugegriffen: 8. Dez. 2020

  3. Zheng Q, Zhuang X, Zhao Z (2019) State-of-the-art and future challenge in fine-blanking technology. Prod Eng 13(1):61–70

    Article  Google Scholar 

  4. Demmel P, Hoffmann H (2015) Feinschneiden. In: Siegert K (Hrsg) Blechumformung. VDI-Buch, Springer, Berlin, S 241–256. https://doi.org/10.1007/978-3-540-68418-3_7

  5. Kuhn T (2017) Digitaler Zwilling. Informatik-Spektrum 40(5):440–444. https://doi.org/10.1007/s00287-017-1061-2

    Article  Google Scholar 

  6. Cai Y, Starly B, Cohen P, Lee Y-S (2017) Sensor data and information fusion to construct digital-twins virtual machine tools for cyber-physical manufacturing. Procedia Manuf 10:1031–1042

    Article  Google Scholar 

  7. Schmidt R-A (2006) Umformen und Feinschneiden – Handbuch für Verfahren, Stahlwerkstoffe, Teilegestaltung. Hanser, München

    Google Scholar 

  8. Klocke F, König W (2006) Fertigungsverfahren 4 – Umformtechnik. Springer, Berlin

    Book  Google Scholar 

  9. Raedt J W (2002) Grundlagen für das schmiermittelreduzierte Tribosystem bei der Kaltumformung des Einsatzstahles 16MnCr5. Apprimus, Aachen

    Google Scholar 

  10. Buduma N (2017) Fundamentals of deep learning. O’Reilly Media Inc, Sebastopol

    Google Scholar 

  11. Keerthi SS, Lin C-J (2003) Asymptotic behaviors of support vector machines with Gaussian kernel. Neural Comput 15(7):1667–1689

    Article  Google Scholar 

  12. Cherkassky V, Ma Y (2004) Practical selection of SVM parameters and noise estimation for SVM regression. Neural Netw 17(1):113–126

    Article  Google Scholar 

  13. IBM (2015) Was kann Industrie 4.0? Und können Sie das auch? Potenziale für die deutsche Industrie. Tech rep. IBM Deutschland GmbH

    Google Scholar 

  14. Ghobakhloo M (2018) The future of manufacturing industry: a strategic roadmap toward industry 4.0. J Manuf Technol Manag 29(6):910–936

    Google Scholar 

  15. Geissbauer R, Schrauf S, Berttram P, Cheraghi F (2017) Digital factories 2020: shaping the future of manufacturing. Pricewaterhouse-Coopers GmbH, Frankfurt a. M.

    Google Scholar 

  16. Mell P, Grance T (2011) The NIST definition of cloud computing. NIST Special Publication 800–145

    Google Scholar 

  17. Marinescu DC (2017) Cloud computing: theory and practice. Morgan Kaufmann, Burlington

    Google Scholar 

  18. Terrazas G, Ferry N, Ratchev S (2019) A cloud-based framework for shop floor big data management and elastic computing analytics. Comput Ind 109:204–214. https://doi.org/10.1016/j.compind.2019.03.005

    Article  Google Scholar 

  19. Helo P, Shamsuzzoha A, Sandhu M (2016) Cloud-based virtual supply chain. In: International conference on industrial engineering and operations management, Detroit, Michigan, USA, S 150–155, September

    Google Scholar 

  20. Al-Shdifat A, Emmanouilidis C (2018) Development of a context-aware framework for the integration of internet of things and cloud computing for remote monitoring services. Procedia Manuf 16:31–38

    Article  Google Scholar 

  21. Taylor SJE, Kiss T, Terstyanszky G, Kacsuk P, Fantini N (2014) Cloud computing for simulation in manufacturing and engineering: introducing the CloudSME simulation platform. In: Proceedings of the 2014 annual simulation symposium. Society for computer simulation international, San Diego, CA, USA

    Google Scholar 

  22. Popov S (2016) The tangle. Tech rep

    Google Scholar 

  23. Wehner P, Piberger C, Gohringer D (2014) Using JSON to manage communication between services in the Internet of Things. In: 2014 9th international symposium on Reconfigurable and Communication-Centric Systems-on-Chip (ReCoSoC), Montpellier, S 1–4. https://doi.org/10.1109/ReCoSoC.2014.6861361

Download references

Danksagung

Die Autoren möchten gerne der Deutschen Forschungsgemeinschaft (DFG) für ihre freundliche Unterstützung innerhalb des Exzellenzclusters „Internet of Production“ (Projekt ID: 390621612) und dem Industrial IOTA Lab Aachen danken.

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Joachim Stanke .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Stanke, J., Trauth, D., Niemietz, P., Bergs, T. (2021). As-a-Service Modelle für die Fertigungstechnik. In: Trauth, D., Bergs, T., Prinz, W. (eds) Monetarisierung von technischen Daten. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-62915-4_24

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-62915-4_24

  • Published:

  • Publisher Name: Springer Vieweg, Berlin, Heidelberg

  • Print ISBN: 978-3-662-62914-7

  • Online ISBN: 978-3-662-62915-4

  • eBook Packages: Computer Science and Engineering (German Language)

Publish with us

Policies and ethics