E-Book von BigData-Insider Analytics in der Industrie 4.0

Von Michael Matzer

Anbieter zum Thema

Die Wirtschaftsstrategie „Industrie 4.0“ ist seit 2013 ein ausgearbeitetes Konzept und inzwischen durch eine Referenzarchitektur zu einem global vertretbaren und übertragbaren Konzept geworden. Der Begriff „Smart Factory“ ist von zentraler Bedeutung, denn in dieser Betriebsstätte sollen Werkstücke und Maschinen bzw. Roboter einander erkennen und miteinander interagieren, um eine Wertschöpfungskette zu bilden.

Ab sofort steht das E-Book „Analytics in der Industrie 4.0“ kostenlos zum Download bereit.
Ab sofort steht das E-Book „Analytics in der Industrie 4.0“ kostenlos zum Download bereit.
(Bild: Vogel IT-Medien)

Analytik spielt inzwischen als Teil der IT-Infrastruktur eine unverzichtbare Rolle in der Industrie 4.0, denn nur die Analytik mithilfe von Machine Learning erlaubt es, auf einer tiefen Ebene bereits kleinste Änderungen an Netzwerkrand (Edge) zu registrieren und Benachrichtigungen in einem Dashboard auszulösen. Selbstlernende Machine-Learning-Modelle sind heute unverzichtbar, um das Zusammenspiel der einzelnen Disziplinen in einer Smart Factory zu steuern.

Flexible Produktion: In der Herstellung eines Produkts sind viele Unternehmen involviert, die Schritt für Schritt bei der Entstehung eines Produkts beitragen. Digital vernetzt können diese Schritte besser abgestimmt und die Auslastung der Maschinen besser geplant werden.

Wandelbare Fabrik: Produktionsstraßen sind in der Smart Factory in Modulen aufgebaut. Sie lassen sich schnell für eine Aufgaben zusammenbauen. Produktivität und Wirtschaftlichkeit werden verbessert, individualisierte Produkte können in kleiner Stückzahl zu bezahlbaren Preisen hergestellt werden.

Kundenzentrierte Lösungen: Konsument und Produzent rücken näher zusammen. Die Kunden können selbst Produkte nach ihren Wünschen mitgestalten – beispielsweise können Elemente von Turnschuhen selbst gestaltet und auf die individuelle Fußform angepasst werden.

Gleichzeitig können smarte Produkte, die schon aufgeliefert und im Einsatz sind, Daten an den Produzenten senden. Mit den Nutzungsdaten kann der Produzent seine Produkte verbessern und dem Kunden neue Services bieten. Hilfreich dafür sind digitale Zwillinge, die vom Einzelprodukt bis zum Kraftwerk alles abbilden können – sofern sie mit den nötigen Daten gefüttert werden.

Optimierte Logistik: Algorithmen aus dem Machine Learning berechnen ideale Lieferwege, Maschinen melden selbstständig, wenn sie neues Material benötigen – die smarte Vernetzung ermöglicht einen optimalen Warenfluss.

Einsatz von Daten: Daten zum Ablauf der Produktion und zum Zustand eines Produkts werden zusammengeführt und ausgewertet. Die Datenanalyse gibt Hinweise, wie ein Produkt effizienter hergestellt werden kann. Noch wichtiger: Sie ist die Grundlage für vollkommen neue Geschäftsmodelle und Services.

Beispielsweise können Fahrstuhlhersteller ihren Kunden „vorausschauende Wartung“ anbieten: Fahrstühle sind mit Sensoren ausgestattet, die kontinuierlich Daten über ihren Zustand senden. Abnutzung kann erkannt und behoben werden, bevor sie zum Ausfall des Fahrstuhls führt. Diese Predictive Maintenance ist einer der am schnellsten eingeführten Anwendungsfälle in der Industrie und wird zunehmend als Premium Service angeboten und genutzt.

Ressourcenschonende Kreislaufwirtschaft: Produkte werden datengestützt über ihren vollständigen Lebenszyklus betrachtet. Schon im Design wird festgelegt, in welcher Form die Materialien wiederverwertet werden können.

Im Lebenszyklus sind ständig Analytikwerkzeuge im Einsatz, die den Status des gesamten Lebenszyklus und der einzelnen Phasen untersuchen, auswerten und die Ergebnisse wieder in das Ausgangsmodell zurückliefern, damit das Modell angepasst wird.

Das E-Book Analytics in der Industrie 4.0 zeigt in drei Kapiteln, wo und mit welchen Mitteln heute schon in zahlreichen Branchen Analytik- und IoT-Anwendungen realisiert werden. Analytik hat dabei viele Gesichter, von der Datenbank über IoT-Services bis hin zur Mobil-App. Vielfach werden heute schon Cloud Services und KI-Modelle eingebunden.

In Kapitel 2 sind aber auch eine Reihe jener Hürden aufgelistet, die der BITKOM-Verband in seinen jüngsten Umfragen hinsichtlich Industrie 4.0, Datasharing und Nutzung Künstlicher Intelligenz vorgefunden hat. Das Fazit fällt ernüchternd aus: Wie immer mangelt es den deutschen Unternehmen an ausgebildeten Fachkräften, die sich mit KI-Technologien auskennen.

Daher ist es wichtig zu erkennen, dass der Einsatz von Cloud Services, wie etwa AWS SageMaker oder seinem Azure-Pendant, die Teams in Data Science, Data Engineering und DataDevOps nicht nur produktiver macht, sondern vielseitiger und innovativer.

Artikelfiles und Artikellinks

(ID:48959394)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung