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]



Digitalisierung

Digital Twins for Circular Economy - Enabling Decision Support for R-Strategies

Janine Mügge, Inka Rebekka Hahn, Theresa Riedelsheimer und Johannes Chatzis

Digital twins (DT) for circular economy (CE) offer a promising approach as part of digital data ecosystems for more sustainable value creation. By mapping and analyzing product, component and material specific data along the lifecycle, it is possible to address current challenges such as climate change and resource scarcity. Within Catena-X, specific solutions based on this cross-company exchanged data and information are developed. Here, the “R-Strategy Assistant” is presented. It is an application, which identifies the best CE-Strategy based on DT data at the end of a vehicle's life.

[mehr]



Digitalisierung

Der Kognitive Loop - Und wie sich „Intelligenz“ auf Siliziumbasis konstelliert

Claus Riehle, Thorsten Pötter und Thomas Steckenreiter

In der Prozesstechnik denkt man in Produktionsoperationen, die von Sensoren und Aktoren gesteuert bzw. geregelt werden. Und jede Realisierung von Stoffumwandlung basiert auf einem physischen Substrat, was in gleicher Weise für lebende Systeme und ihr Verhalten gilt. Unterschieden werden in dem Beitrag drei Systemebenen: die Funktionsebene, das Interface zur Umwelt und die kognitive Ebene Intelligenz. Mithilfe dieser drei Ebenen lässt sich der Lernzyklus bzw. der bisherige Kognitive Loop sehr gut veranschaulichen. Vergleicht man in dieser Unterscheidungsweise intelligentes Verhalten von Menschen mit den technischen Entwicklungsstufen Maschinisierung, Automatisierung, Regelung und Deep Learning, dann wird das in der kybernetisch-soziologische Systemtheorie gängige Merkmal „operational geschlossen“ verständlich. Daraus wird der Schluss gezogen, dass wir im Rahmen einer digitalisierten Kultur von Produktion und Organisation mit einem neuen Kognitiven Loop auf Silizium-Basis (SI) rechnen sollten. Um diese Analogie hervorzuheben, bezeichnen wir das vom Homo Sapiens entwickelte intelligente Verhalten mit Bio-Informatisierung und die Evolution der sogenannten Künstlichen Intelligenz mit Si-Informatisierung.

[mehr]



Seiten