Digitalisierung

Betriebliches Nachhaltigkeitsmanagement 4.0 - Informationsdurchgängigkeit mittels Methoden der Wissensrepräsentation

Grischa Beier, Malte Reißig, Silke Niehoff und André Ullrich

Der Einfluss der Digitalisierung auf Wirtschaft und Gesellschaft ist omnipräsent und kann nicht losgelöst von der Debatte zur nachhaltigen Entwicklung betrachtet werden. Vor dem Hintergrund von Industrie 4.0 bietet das betriebliche Nachhaltigkeitsmanagement (BNM) besonderes Potenzial, sich den Themen nachhaltiges Wirtschaften und Digitalisierung aus Perspektive der Unternehmen zu nähern. Ein digitalisiertes Nachhaltigkeitsmanagement in industriellen Unternehmen mit Informationen zu unterstützen, bedarf jedoch einer Durchgängigkeit von Informationen. Um diese zu erreichen und zugleich Informationen aus verschiedenen Disziplinen zu integrieren, sind Methoden der Wissensrepräsentation geeignet. Aktuelle Herausforderungen und Ansätze für die Entwicklung eines offenen und konzeptionellen BNM-Modells werden in diesem Beitrag vorgestellt.

[mehr]



Digitalisierung

Maschinelles Lernen in der Produktion Anwendungsgebiete und frei verfügbare Datensätze

Jonathan Krauß, Jonas Dorißen, Hendrik Mende, Maik Frye und Robert H. Schmitt

Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?

[mehr]



Digitalisierung

Kollaborative Robotik – Maschinelles Lernen durch Imitation - Flexible Automation für KMUs durch intelligente und kollaborative Roboterassistenten

 

Andrea Giusti, Dieter Steiner, Walter Gasparetto, Sebastian Bertoli, Michael Terzer, Michael Riedl und Dominik Tobias Matt

Der Trend zur kundenindividuellen Massenproduktion stellt klassische Produktionsmethoden kleinerer und mittlerer Unternehmen vor große Herausforderungen. Branchenübergreifend lässt sich feststellen, dass es für diese Unternehmen besonders schwierig ist mit klassischen Automationslösungen einen tragbaren Kompromiss für den Dreiklang aus hoher Flexibilität, hoher Produktionseffizienz und geringem Investitionsrisiko zu finden. Gleichzeitig stellt die Agilität zur Anpassung an variable Marktbedingungen eine typische Stärke kleiner und mittlerer Unternehmen dar.

[mehr]



Digitalisierung

Digitalisierung im Engineering - Ein Ansatz für ein Vorgehensmodell zur durchgehenden, arbeitsteiligen Modellierung am Beispiel von AutomationML

Eike Schäffer, Lars Penczek, Andreas Mayr, Jupiter Bakakeu, Jörg Franke und Bernd Kuhlenkötter

Die Digitalisierung im Engineering verspricht automatisierte Arbeitsabläufe, höhere Geschwindigkeiten und sinkende Kosten bei der Entwicklung von Automatisierungslösungen. Voraussetzung hierfür ist nicht nur die Modularisierung auf Basis einer strukturierten Beschreibungssprache, sondern auch eine einheitliche, aufeinander aufbauende Modellierung, welche einen automatisierbaren Datenaustausch über die Systemgrenzen hinweg ermöglicht. Um eine breite Anwendung zu erzielen, sollte die zugrundeliegende Ontologie auf bestehenden Normen und Standards aufbauen und in Open-Source-Anwendungen zur Verfügung stehen. Für die kollaborative und konsistente Entwicklung einer solchen Ontologie bedarf es eines strukturierten, methodischen Vorgehens sowie einer damit verbundenen Modellierungslandkarte, welche als Orientierung zur standardisierten, arbeitsteiligen Modellierung dient. Ein möglicher Ansatz für das benötigte Vorgehensmodell sowie der zugehörigen Landkarte wird im Rahmen dieses Beitrags vorgestellt und unter Verwendung von AutomationML validiert. Der vorgestellte Ansatz soll eine mögliche Richtung aufzeigen und weitere prozessgesteuerte Modellierungsbestrebungen von Ontologien anregen.

[mehr]



Industrial Big Data: Tieferes Prozessverständnis durch Daten - Modernes Informationsmanagement in der Produktion

Thomas Thiele, Max Hoffmann und Tobias Meisen

Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.

[mehr]



Seiten