der Präsentation
Download
Report
Transcript der Präsentation
Next Generation:
Industrie 4.0 und Big Data
Prof. Dr.-Ing. Peter Liggesmeyer
Bild: Wikimedia
Commons
Präsident, Gesellschaft für Informatik e.V.
Institutsleiter, Fraunhofer IESE
Lehrstuhl Software Engineering: Dependability, Technische Universität
Kaiserslautern
Bild: Computerwoche
Von der ersten zur dritten industriellen
Revolution
Industrie 1.0
Kennzeichen: Ersatz von Muskelkraft durch Dampfkraft
Ziele: Geschwindigkeit, Produktivität
Industrie 2.0
Kennzeichen: Zerlegung der Produktion in
wiederkehrende Schritte (Band und Takt)
Ziele: Kostenreduktion, Hohe Stückzahl,
einfache Produkte
Bilder: Wikimedia Commons
Industrie 3.0
Kennzeichen: Automatisierung
Ziel: Produktqualität, Kostenreduktion, Hohe Stückzahl
Bild: The Grenzebach Group (Eigenes Werk) [CC-BY-SA-3.0
(http://creativecommons.org/licenses/by-sa/3.0)], via Wikimedia Commons
© 2014 - Gesellschaft für Informatik e.V. (GI)
2 | Prof. Dr.-Ing. P. Liggesmeyer
Industrie 4.0 i.e.S.
Vor Industrie 4.0:
Hohe Stückzahlen
Takt und Band
Produktionsplanung vor Produktionsbeginn
Weitgehend statische Struktur der Produktion
Eingeschränkter Variantenreichtum, Plattformkonzepte, Produktlinien
Änderung des Produkts erfordert Modifikation der Produktionsumgebung
Industrie 4.0:
Massenindividualisierte Produkte
Bessere Auslastung von Ressourcen
in der Produktion
Flexibilität und Selbstoptimierung
Adaptionsfähigkeit (z.B. bei Maschinenausfällen)
© 2013 - Gesellschaft für Informatik e.V. (GI)
3 | Prof. Dr.-Ing. P. Liggesmeyer
Industrie 4.0 und Big Data
Industrie 4.0 i.w.S.
Massenindividualisierung
Datengetrieben (vgl. Big Data / Smart Data)
Autonomie
Adaptionsfähigkeit (z.B. bei Ausfällen)
Ersatz statischer Strukturen durch dynamische Selbstorganisation
Zertifizierung zur Laufzeit
Big Data:
Massenindividualisierte Produkte
Schließen von Informationen aus Massendaten
Hohe Geschwindigkeit
Bessere Reaktionen
© 2013 - Gesellschaft für Informatik e.V. (GI)
4 | Prof. Dr.-Ing. P. Liggesmeyer
Der Begriff „Big Data“
Quelle: Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte: BITKOM 2012
© 2014 - Gesellschaft für Informatik e.V. (GI)
5 | Prof. Dr.-Ing. P. Liggesmeyer
Auch „Industrie 4.0“ und
„Big Data“
• Internet der Dinge
• Produktion und Logistik
• Medizin
• Mobilität
• Energieversorgung
• Nahrungsmittelproduktion
• …
© 2014 - Gesellschaft für Informatik e.V. (GI)
6 | Prof. Dr.-Ing. P. Liggesmeyer
Smart Ecosystems
Data Analytics
Charakteristika von „Smart Ecosystems“
Offenheit => Standardisierung der Technologie-Plattform bzw.
Vereinheitlichung der Interoperabilität zwischen Plattformen
Massenindividualisierung => Datenintegration
Selbstorganisation: Integration der Maschinen miteinander
Reorganisation: Autonome Verhandlung der Produktionsabläufe zwischen
„Werkstück“ und Maschine
Selbstdiagnostik: Dürfen bestimmte Operationen durchgeführt werden
(Sicherheit?) => Haftung?
Optimierung: Autonome Umplanung von Abläufen zur besseren
Auslastung von Ressourcen
Umfang und Heterogenität: Systeme aus unterschiedlichen Systemen
© 2014 - Gesellschaft für Informatik e.V. (GI)
8 | Prof. Dr.-Ing. P. Liggesmeyer
Schlussfolgerungen
Unterschiedliche Systeme werden Wertschöpfung betreiben, indem
sie sich miteinander, autonom organisieren
Autonomie bietet Chancen, bringt aber auch Risiken (offene juristische
Fragen)
Zum Teil existiert noch erheblicher Forschungsbedarf (z.B. Safety in
offenen Systemen)
Massenprodukte werden zunehmend durch massenindividualisierte
Produkte ersetzt
Daten sind der zentrale „Rohstoff“
Deutschland sollte deutsche Interessen im Rahmen internationaler
Standards aktiv einbringen, z.B. für Technologie-Plattformen
© 2014 - Gesellschaft für Informatik e.V. (GI)
9 | Prof. Dr.-Ing. P. Liggesmeyer