der Präsentation

Report
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

similar documents