+49 6764 9022 349

Internet of Production - Industrie 4.0 jenseits einzelner Use Cases umsetzen

Verfasst von: Dr. Tobias Harland, Senior Manager Industrial Practice, Industrie 4.0 Maturity Center.

Diese Blogreihe entstand aus einer Kooperation zwischen HAHN Digital und dem Industrie 4.0 Maturity Center der RWTH Aachen.

Die meisten produzierenden Unternehmen haben sich in den letzten Jahren mit der Digitalisierung ihrer Produktion befasst. In vielen Fällen fand dies in Form von Prototypen, Proof of Concepts (PoC), Leuchtturmprojekten oder Minimum Viable Products (MVPs) statt. Dieses lose Erproben von neuen Technologien in Unternehmen hat drei Dinge hervorgebracht:

• Es wurden die Potentiale und Limitationen der jeweiligen Technologie erkannt.
• Es entstand eine oft unüberblickbare Vielfalt an Digitalisierungsprojekten, die nicht ineinandergreifen oder einen hohen, teils unbekannten, Überdeckungsgrad aufweisen.
• Es stellt sich Frustration ein, da zwar viel Engagement und Budget in die Projekte geflossen ist, diese aber nie in den produktiven Betrieb überführt wurden.

Dadurch, dass sich Unternehmen jeweils mit einzelnen Technologien und Use Cases auseinandergesetzt haben, verloren sie die zentrale Idee der Industrie 4.0 aus den Augen: Das systematische und automatisierte Lernen aus Daten. Das Entscheidende ist hierbei nicht der einzelne Sensor, der in den Produktionsprozess eingebracht wird oder das mobile Endgerät zur Darstellung von Informationen. Die wesentliche Neuerung der Industrie 4.0 besteht in der systematischen Aggregation und Analyse der Daten aus diversen Quellen, Prozessen, Abteilungen oder Unternehmen.

Hieraus definiert sich der Fokus eines wirksamen Industrie-4.0-Programms: eine zentrale Infrastruktur zur Aggregation und Analyse von Daten sowie ein Framework, um flexibel und schnell individuelle Applikationen auf Basis dieser Daten implementieren zu können. Das „Internet of Production“ (IoP) beschreibt eine derartige Infrastruktur, die beispielhaft so wie in der unten eingefügten Grafik dargestellt werden könnte. (Abbildung nach Schuh et al. 2017)

Unternehmen nutzen auch zukünftig weiter ihre klassischen Anwendungssysteme, mit denen heute die einzelnen Kernprozesse des Unternehmens abgebildet werden (Layer: Expert Systems). Durch eine Middleware und einen Smart-Data-Layer werden Daten aus den Anwendungssystemen extrahiert und wieder in diese zurückgespielt. Dieser Layer kann beispielsweise durch eine Cloud- oder industrielle Internet-of-Things-Plattform (IIoT-Plattform) abgebildet werden. Neben der Schaffung dieser technischen Voraussetzungen besteht eine wesentliche Aufgabe darin, übergreifende Datenmodelle zu entwickeln, die den logischen Zusammenhang zwischen den Daten aus verschiedenen Quellen herstellen. Auf dieser Ebene setzt der „Smart Expert“-Layer auf. Dieser beinhaltet rollenspezifische „Apps“, die jeweils eine konkrete Aufgabenstellung lösen. Sie alle greifen auf die gleiche Datenquelle zu, nutzen aber nur den relevanten Teil hieraus und visualisieren die Erkenntnisse für den jeweiligen Nutzer.

Mit dieser Herangehensweise können einzelne Use Cases in Form von „Apps“ flexibel in das „Große Ganze“ integriert werden. Im Rahmen dieser Blog-Reihe wird eine Auswahl von drei beispielhaften Applikationen vorgestellt und anhand dieser Beispiele gezeigt, was es für Unternehmen und Entscheider bedeutet aus Daten zu lernen.

Zurück