Data Innovation Community “Industrie 4.0”

Ein wichtiger Treiber des starken Datenwachstums ist die Industrie 4.0 und damit untrennbar verbunden das “Internet der Dinge”. Durch das Internet wachsen reale und virtuelle Welt zum Internet der Dinge zusammen. Im Bereich Fertigung sind Maschinen, Produktionsanlagen und Lagersysteme zunehmend in der Lage, selbstständig Informationen auszutauschen, Aktionen anzustoßen und einander zu steuern. Ziel ist es, Prozesse in den Bereichen Entwicklung und Konstruktion, Fertigung und Service signifikant zu verbessern. Diese vierte industrielle Revolution steht für die Verknüpfung von industrieller Fertigung und Informationstechnologie – und damit für eine neue Stufe an Effizienz und Effektivität. Mit Industrie 4.0 entstehen neue Informationsräume, die ERP-Systeme, Datenbanken, das Internet sowie Echtzeitinformationen aus Fabriken, Lieferketten und Produkten miteinander verbinden.

In der Data Innovation Community “Industrie 4.0” sollen wichtige datengetriebene Aspekte der vierten industriellen Revolution erforscht werden, bspw. die vorausschauende Wartung von Produktionsressourcen oder auch das Auffinden von Anomalien in Produktionsprozessen.

Die Data Innovation Community “Industrie 4.0” richtet sich daher an alle interessierten Unternehmen und Forschungseinrichtungen, die bzgl. dieser Aspekte gemeinsame Forschung betreiben wollen. Dies schließt sowohl Anwenderunternehmen mit ein als auch Unternehmen der Automatisierungsbranche sowie der IT-Branche.

DIC-Leitung

Plamen Kiradjiev
kiradjiev@de.ibm.com

IBM

plamen-kiradjiev
tilman-becker

Zu einer Mitarbeit in der Data Innovation Community oder Teilnahme an deren Treffen kontaktieren Sie bitte das DIC per E-Mail unter industrie@sdil.de.

Mitglieder können auf die internen Foren im SAP Jam zugreifen.

Aktuelle Projekte

  • SDSC-BW: Präzise Planbarkeit von Produktionsprozessen

    Die Sedus Stoll AG ist ein Komplettanbieter für Büroeinrichtungen und Arbeitsplatzkonzepte. Die flexible und individuelle Konfigurierbarkeit der Einzelmerkmale von Bürostühlen bei der Kundenbestellung erschwerten insbesondere die präzise Planbarkeit des Produktionsprozesses. Das Ziel der Analyse war die Suche nach Abhängigkeiten in den Daten, die es ermöglichen, Prognosen für die Produktionsmengen von spezifischen Ausstattungsvarianten für den Folgemonat durchzuführen.

    Lesen Sie mehr

  • SDSC-BW: Pflanzenwachstum mittels Bildaufzeichnung

    Die da-cons GmbH vertreibt Produkte zur Ermittlung einer Vielzahl von Pflanzeneigenschaften. Dazu hat sie das System PhenoScreen entwickelt, das die Saatgutindustrie in der Pflanzenzüchtung unterstützt und sensorbasiert agiert. Im Rahmen der Potentialanalyse untersuchte das SDSC-BW die Frage, ob es digital möglich ist, in den Bilddateien Pflanzen zuverlässig zu erkennen.

    Lesen Sie mehr

  • SDSC-BW: Dynamische Maschinenplanung mit Smart-Data-Technologien

    Die qualitativ hochwertige und planmäßige Produktion einer großen Menge von Bauteilen ist ein komplexer Prozess, der aus unterschiedlichen Einzelschritten besteht. Verzögert sich einer dieser Schritte, muss der Zeitverlust an anderer Stelle kompensiert werden. Das Projektteam aus SDSC-BW und Erdrich-Experten konnte neben wichtigen Einflussgrößen, die häufig zur Produktionsverzögerung führen, auch verschiedene Verarbeitungsketten identifizieren, mit denen die zeitliche Abschätzung der Produktion verbessert werden kann.

    Lesen Sie mehr

  • billiger.de

    Analyse von Nutzerverhalten basierend auf Web-Protokoll-Daten am Beispiel von billiger.de

    Statistische Aussagen auf Basis von Webseitenbesuchsprotokollen, wie beispielsweise die Click-Through-Rate, also die Anzahl der Klicks auf gelistete Angebote im Verhältnis
    zu den gesamten Besuchen auf der Webseite, sind durch den deutlich dominierenden Bot-Anteil unter den Nutzern stark verfälscht. Preisvergleichsportale wie billiger.de haben das Bedürfnis, Nutzer ihrer Webseite in homogene Gruppen zu unterteilen, um präzise und zuverlässige betriebswirtschaftliche Kennzahlen aus den Gruppen zu berechnen.

    Lesen Sie mehr

  • SDSC-BW: Smarte Sensordaten unterstützen die Fertigung von Verpackungslösungen

    Hartfolienprodukte werden mittels sogenannter Kalander, also großen beheizten oder gekühlten Walzen, durch die das Rohmaterial geführt wird, hergestellt. Die Daten einer solchen Kalanderanlage, ausgestattet mit Rotations- und Temperatursensoren an den Walzen, standen im Fokus dieser Smart-Data-Analyse. Der Hartfolienhersteller Bilcare sammelte dazu über einen Zeitraum von sechs Monaten hochauflösende Sensorwerte verschiedener Kalander und stellte diese den Datenanalysten vom Smart Data Solution Center Baden-Württemberg (SDSC-BW)zur Verfügung. Insgesamt erfasste das Unternehmen die Fertigung von 13.000 Einzelaufträgen mit einem durchschnittlichen Gewicht von je 2 Tonnen in 1.500 Produktionsschichten.

    Lesen Sie mehr

  • SDSC-BW: Auf der Suche nach unbekannten Korrelationen

    Eine moderne Produktion von Ölen und Schmierstoffen ist bei der Fuchs Schmierstoffe GmbH heute ohne Informationstechnologie nicht denkbar. Die hierbei anfallenden Daten sind Gold wert: Sie geben Auskunft über das Produkt selbst (im Ressourcenplanungssystem – ERP) und über die eingesetzten Materialien (im Prozessleitsystem – PLS). Um die gewünschte Produktqualität zu erreichen, gilt es, den komplexen Prozess an verschiedenen Stellen zu überwachen und zu kontrollieren. Dazu gehören neben den Arbeitsschritten auch die einzelnen Inhaltsstoffe und Arbeitsmittel.

    Lesen Sie mehr

  • SDSC-BW: Die richtigen Algorithmen bei Big-Data-Projekten

    Echobot Media Technologies GmbH analysiert für ihre Kunden täglich Millionen Texte von Websites, sozialen Medien und Nachrichtenseiten. Die Analysen helfen zum Beispiel bei Marketing, Vertrieb oder der Optimierung der Pressearbeit. Um digitale Inhalte im Netz zu analysieren, muss Echobot im ersten Schritt eine automatische Klassifikation der erfassten Texte vornehmen.

    Lesen Sie mehr

  • Trelleborg_SDIL

    Zustandsüberwachung und -vorhersage von Dichtungssystemen

    Flugzeug-Fahrwerke stellen erhebliche Anforderungen an Dichtungssysteme. Daher werden diese in umfangreich instrumentierten Tests hohen Belastungen ausgesetzt. Der Zusammenhang der erfassten Messgrößen und ihre Auswirkung auf das Dichtungssystem soll mit Hilfe von Data-Mining-Verfahren untersucht werden.

    Lesen Sie mehr

  • ibm-logo

    Optimierung der Produktqualität bei OSRAM Schwabmünchen

    Im Rahmen des Projekts werden Produktionsdaten aus der WolframDrahtproduktion aus dem OSRAM Werk Schwabmünchen auf der SDIL Plattform gespeichert und mithilfe von IBM Tools analysiert. Infolge der Analyse werden Datenmodelle erstellt, die durch bestimmte Prognosen und Regeln die Drahtqualität („Spaltigkeit und Länge) optimieren. Für das Data-Mining wird das Standard-Prozess-Modell CRISP-DM implementiert.

    Lesen Sie mehr

  • SDSC-BW: Komponentenfertigung

    Smart-Data-Analysen unterstützen die Ablaufplanung der Komponentenfertigung beim Maschinenbauer für den Tunnelvortrieb Herrenknecht AG. Ein Kundenauftrag besteht aus vielfältigen Komponenten. Die Kernkomponenten werden in einzelnen Produktionsaufträgen am Konzernsitz in Schwanau hergestellt. Bei der Komponentenherstellung fallen unter anderem Kosten-, Planungs-, Produktions- und Qualitätsdaten an.

    Lesen Sie mehr

  • john-deere-traktor

    Optimierung der Produktionsprozesse bei John Deere

    Hauptziel des Projekts ist die Reduzierung der Nacharbeit und die Vermeidung von Fehlern bei der Fertigung von Traktoren in der John Deere Fabrik in Mannheim. Das wird durch eine Datenanalyse der Fehlerinformationen, der Prüfprotokollen und ihrer Wirkungszusammenhänge realisiert. Infolge der Ergebnisse aus der Datenauswertung können Prognosen und Regeln für die Fertigungsplanung erstellt werden, die das Unternehmen ein Schritt weiter zur Selbstoptimierung bringen.

    Lesen Sie mehr

  • ibm-logo

    All-Time Parts Prediction (ATP) Demo

    Im Kontext von sogenannten Long-Time-Buy- oder All-Time-Buy-Entscheidungen erstellt ATP eine Prognose bezüglich der Nachfrage nach Serviceteilen (vor allem in der Automobilindustrie). Solche zukünftigen Nachfragen können die nächsten 10-20 Jahre betreffen und sind schwer abzuschätzen, weshalb oft zu viel (ein-)gekauft wird. Daraus folgt, dass nach jahrelanger Lagerung letztlich große Menge verschrottet werden müssen, was hohe Warenbestands- und Lagerkosten verursacht. Diese können durch präzisere Bedarfsprognosen deutlich gesenkt werden. Die ATP-Lösung der IBM wurde genau zu diesem Zweck entwickelt: um mit hoher Genauigkeit die Allzeit-Nachfrage vorherzusagen.

    Lesen Sie mehr

  • SDSC-BW: Smart-Data-gestützte Kampagnen-Analysen für das Marketing

    Mit der hohen Geschwindigkeit, in der IT-Themen mittlerweile vorangetrieben werden, müssen sich auch Medienunternehmen immer flexibler und schneller anpassen. Hierzu zählen besonders Aktivitäten im Bereich des Marketings und Vertriebs, um die Kundschaft weiterhin zufrieden zu stellen und zusätzliche Potentiale zu heben. Für das Analyseprojekt des Smart Data Solution Center Baden-Württemberg (SDSC-BW) stellte der Huber Verlag für Neue Medien anonymisiert Informationen über abgeschlossene Verträge ihrer Dienstleistung zur Verfügung. Die zugehörigen Vertrags- und Kundendaten sowie die damit verknüpften Marketingaktionen wurden über einen Zeitraum von 72 Monaten gesammelt. Insgesamt wurden Informationen aus 943 Datenbanktabellen verarbeitet und eine Viertel Million Datensätze analysiert und ausgewertet.

    Lesen Sie mehr

  • SDSC-BW: Smart-Data-Analysen für industrielle Prozesswassersysteme

    Wasser spielt in vielen industriellen Prozessen eine wesentliche Rolle. Ein reibungsloser Ablauf komplexer Prozesswassersysteme ist die Voraussetzung für einen funktionierenden Kühlprozess. Dabei sind unterschiedliche Größen und Messwerte ausschlaggebend. Hierzu zählen u.a. der pH-Wert, der Redox-Wert oder die Leitfähigkeit des Systemwassers. Um eben diese Werte zu überwachen, müssen unterschiedlichste Sensoren Daten erfassen und zur Verfügung stellen.

    Lesen Sie mehr

  • rolfbenz-banner

    SDSC-BW: Potentialanalyse Lederverschnittoptimierung

    Die Schnittoptimierung von Naturleder ist ein hoch ausgefeilter Prozess, der bereits unterschiedlichste Qualitätsmerkmale der einzelnen Lederhäute in die Platzierung der Schnittschablonen mit einbezieht. Nicht nur das zugrundeliegende Naturprodukt Leder, sondern auch die daraus individuell „just-in-time“ produzierten Möbel sind in vielen Varianten erhältlich. Aus diesem Grund war für Rolf Benz als Individualfertiger eine flexible und individuelle Beratung in Sachen Smart Data besonders wichtig.

    Lesen Sie mehr

  • GPU + In-Memory-Datenmanagement für Big Data-Analysen

    Die weltweite Einführung von Smart Metern eröffnet ein neues Geschäftsparadigma für Versorgungseinrichtungen mit Datenerfassung/-Transaktion bei derart hohem Volumen und hoher Geschwindigkeit. Im Rahmen dieses Projekts entwickeln wir auf Basis von In-Memory-Datenmanagement und paralleler Datenverarbeitung in der GPU eine Werkzeugkette. Unser Ziel ist es, die Rechenleistung der GPU sowie den hohen Durchsatz und die niedrige Latenz von In-Memory Datenbanken zu nutzen für die Entwicklung einer adäquaten Big Data-Analyseplattform. Auch wenn das Projekt auf den Anwendungsfall von Smart-Meter-Daten ausgerichtet ist, lässt sich die Werkzeugkette ebenso auf Big Data-Analysen in anderen Bereichen anwenden.

    Lesen Sie mehr

  • conditionbased_maintance

    Condition-Based Maintenance

    TRUMPF Werkzeugmaschinen ist Weltmarktführer in der Produktion von Werkzeugmaschinen für die Blechbearbeitung (Laser-, Stanz- und Biegemaschinen). Zu bestimmten, aber unregelmäßigen Zeitpunkten wird an einer TRUMPF Werkzeugmaschine ein „digitales Abbild“ in Form einer Sammlung von Logging- und Konfigurationsinformationen erstellt. Im geplanten Projekt sollen anhand dieser Daten bestimmte Anomalien zum „Normalbetrieb“ entdeckt und die Zusammenhänge zu noch unbekannten Faktoren aufgezeigt werden.

    Lesen Sie mehr

  • sap-logo

    Assoziationsregeln für Hochdimensionale Stammdaten

    Es gibt mehrere Herangehensweisen für Assoziationsregeln in großen Datensätzen, allerdings kaum bekannte Ansätze für Assoziationsregeln im Bereich der Stammdaten (engl. Master Data). Es ist wichtig, darauf zu verweisen, dass Stammdaten als einzige Quelle für Geschäftsobjekte im gesamten Unternehmen heutzutage jedoch ein Schlüsselfaktor sind. Das Ziel dieses Projekt ist es, mittels vorgeschlagener Validierungsregeln zu bewerten, inwiefern die Anwendung von Ansätzen wie denen der Assoziationsregeln den Experten für Stammdaten als mögliche Unterstützung dienen können.

    Lesen Sie mehr

  • SDI-X: Smart Data Innovation-Prozesse, -Werkzeuge und -Betriebskonzepte

    Das BMBF-geförderte Projekt „Smart Data Innovation-Prozesse, -Werkzeuge und -Betriebskonzepte“ (SDI-X) erforscht geeignete Werkzeuge und Best Practices. Ziel dabei ist es, umfangreiche Datenanalyseprojekte zwischen verschiedenen Forschungs- und Industriepartnern zu fördern und ihre zeitnahe Umsetzung zu ermöglichen. Die Projektergebnisse werden vollständig in das SDIL und dessen Projekte integriert.

    Lesen Sie mehr

  • sdsc-project-image

    Smart Data-Lösungen für den produzierenden Mittelstand in Baden-Württemberg

    Das Projekt wird im Rahmen des Smart Data Solution Centers Baden-Württemberg (SDSC BW) vom Landesforschungsministerium (MWK) gefördert, um den Einsatz von geeigneten Smart Data-Technologien für den produzierenden Mittelstand zu erforschen. Ziel dieses Projektes ist es, den Einsatz von Datenanalysetechnologien für den Mittelstand durch einen vereinfachten Zugang zu erleichtern. Die Ergebnisse der durchgeführten Smart Data-Analysen von realen industriellen Datensätzen werden in Form von öffentlich zugänglichen Success-Stories veröffentlicht.

    Lesen Sie mehr

  • SmartFactoryKL

    Prädiktive Instandhaltungsdatenanalyse anhand SmartFactoryKL-generierter Daten

    Die angestrebte, gemeinsame Forschungsarbeit von SDIL und SmartFactoryKL steht in engem Zusammenhang mit dem Forschungsthema „Industrie 4.0“ und „Internet der Dinge (Internet of Things, IoT). Eine große Anzahl von Sensoren, die kontinuierlich die für den Produktionsprozess relevanten Statusinformationen zur Verfügung stellen, ist charakteristisch für moderne Maschinen. Eine intelligente Überwachung, Speicherung und Analyse der Sensordaten kann vielfache positive Auswirkungen haben. Prädiktive Instandhaltung wird ein Schlüsselthema sein bei der zukünftigen Weiterentwicklung hochmodularer, Multi-Anbieter-Produktionssysteme.

    Lesen Sie mehr

  • abb-logo

    Assoziationsanalyse für datengetriebene Dienstleistungen auf Basis Industrieller Log-Dateien

    Heutige industrielle Anlagen produzieren kontinuierlich Log-Daten über Messwerte, Fehlermeldungen oder dokumentierte Benutzereingriffe. Bestehende Lösungen weisen jedoch Einschränkungen auf. Der Hauptfokus dieses Projekts liegt auf der Nutzung des Analysepotentials von Log-Dateien, die in Bezug zur Systemebene im gesamten Produktions-und Prozesskontext stehen. Die Identifikation von Wirkzusammenhängen auf der Systemebene würde es erlauben, industrielle Anlagen und entsprechende Prozesse zu optimieren.

    Lesen Sie mehr