Aufgrund der fortschreitenden Digitalisierung und den immer größer werdenden Datenmengen im betrieblichen Bereich ist es für erfolgreiche Unternehmen des 21. Jahrhunderts unabdingbar, sich mit den Themen „Big Data“ und „Business Intelligence“ im Rahmen der Industrie 4.0 auseinanderzusetzen und diese beiden als Werkzeuge zur Datensammlung bzw. Datenauswertung in die Supply Chain zu integrieren, um Prozesse entlang der Wertschöpfungskette effizienter und agiler zu gestalten.
Diese Arbeit soll die Kernfrage beantworten, wie durch die Auswertung von Big Data und den Einsatz von Business Intelligence die Effizienz der Produktion gesteigert werden kann und wo die Grenzen von Big Data und Business Intelligence liegen.
This work shows a broad overview of the concept Industry 4.0 and it’s components Big Data, Business Intelligence and Internet of Things. The just mentioned elements are described in detail in the beginning. Industry 4.0 is presented in its historical context and will be defined by five paradigms. Further there is explained, what the differences of Big Data and Business Intelligence are, how their relationship can be described and how they’re shared to support the operative and tactical decision making in an organization. The main emphasis of the work is about the use of Industry 4.0 in today’s organizations and how the different analytics are used in detail. In the end, there is a conclusion about how the potentials of I4.0 can be used better and what needs to be improved in the next few years.
Inhaltsverzeichnis
1. Einleitung
1.1. Problemstellung und Ziel
1.2. Inhalt der Arbeit
1.3. Abgrenzung der Arbeit
2. Grundlagenwissen I4.0, Big Data und BI
2.1. Industrie 4.0
2.1.1. Zeitlicher und geschichtlicher Hintergrund
2.1.2. Das Konzept Industrie 4.0 und die beteiligten Technologien
2.1.2.1. Die 5 Paradigmen der Industrie 4.0
2.2. Big Data
2.3. Business Intelligence
3. Big Data und Business Intelligence in Industrie 4.0
3.1. Abgrenzung
3.2. Beziehung
4. Industrie 4.0 in der Anwendung
4.1. Das Internet der Dinge- Potenziale
4.1.1. Predictive Maintenance
4.1.2. Echtzeitreaktion auf Produktionsdaten
4.1.3. Steuerung der Produktion
4.2. Unterstützung des Menschen in CPPS
4.3. Möglichkeiten von Big Data und BI im Umfeld I4.0
4.3.1. Schwachstellen in deutschen Unternehmen
5.0 Fazit und Ausblick
Zielsetzung & Themen
Diese Arbeit untersucht, wie Unternehmen durch die Integration von Big Data und Business Intelligence im Kontext von Industrie 4.0 ihre Produktionsprozesse effizienter und agiler gestalten können, wobei insbesondere die Potenziale der Datenauswertung sowie die bestehenden Grenzen und Herausforderungen in deutschen Unternehmen analysiert werden.
- Grundlagen von Industrie 4.0, Big Data und Business Intelligence.
- Wechselbeziehung und Abgrenzung zwischen Big Data und BI.
- Anwendungsbeispiele wie Predictive Maintenance und echtzeitbasierte Produktionssteuerung.
- Unterstützung des Menschen durch moderne Visualisierungstechniken und Augmented Reality.
- Identifikation von Schwachstellen bei der Implementierung in deutschen Unternehmen.
Auszug aus dem Buch
Predictive Maintenance
Predictive Maintenance bedeutet übersetzt vorausschauende Wartung und soll zur Sicherstellung der störungsfreien Produktion beitragen. Demnach ist dessen Ziel die Vermeidung bzw. Reduzierung von Produktionsausfällen. Die Vielzahl an Daten, die Produktionsmaschinen erfassen, können durch Sammlung in der Cloud und daran angeknüpfte Auswertung durch entsprechende BI-Tools über längere Zeiträume detaillierte Prognosen über das Ausfallverhalten ermöglichen. Sogar ältere Maschinen können durch Nachrüstung von relativ kostengünstigen Sensoren, z.B. zur Erkennung von unregelmäßig auftretenden Schwingungen via Schwingungssensoren, ebenfalls in das IoT integriert werden (Vgl. Thomas Bauernhansl 2015, S.545). Die BI versucht hier durch Data Mining gewisse Muster zu erkennen, wie z.B. einen allmählichen Temperaturanstieg oder zunehmende Schwingungen, um einer Störung vorzubeugen. Dies ist ein enormes Verbesserungspotenzial, da durch Minimierung der Ausfallzeiten zum einen eine höhere Maschinenauslastung realisiert werden kann, zum anderen erhebliche Kosten durch einen Stillstand in der Produktion und dessen Folgekosten nahezu eliminiert werden können.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Problemstellung der zunehmenden Datenmengen ein und definiert das Ziel, die Effizienz der Produktion durch Big Data und Business Intelligence zu steigern.
2. Grundlagenwissen I4.0, Big Data und BI: Das Kapitel vermittelt das notwendige Basiswissen über Industrie 4.0, die 5 Paradigmen, sowie die Definitionen und Funktionsweisen von Big Data und Business Intelligence.
3. Big Data und Business Intelligence in Industrie 4.0: Hier werden die theoretische Abgrenzung und die notwendige Beziehung zwischen Big Data und BI erläutert, um die Architektur einer integrierten Plattform zu beschreiben.
4. Industrie 4.0 in der Anwendung: Dieses Kapitel zeigt konkrete Anwendungsgebiete wie Predictive Maintenance, echtzeitbasierte Produktionssteuerung und die Unterstützung des Menschen auf und analysiert Schwachstellen deutscher Unternehmen.
5.0 Fazit und Ausblick: Das Fazit fasst die Bedeutung der Datenanalyse für die Zukunft der Produktion zusammen und betont die Notwendigkeit, dass insbesondere kleine und mittelständische Unternehmen ihre Prozessqualität bei der Implementierung von Industrie 4.0 verbessern müssen.
Schlüsselwörter
Industrie 4.0, Big Data, Business Intelligence, Digitalisierung, Wertschöpfungskette, Predictive Maintenance, Cyber-physische Systeme, Internet of Things, Prozessoptimierung, Datenanalyse, Smart Factory, Echtzeitsteuerung, Augmented Reality, Prozessdatenvisualisierung, Datenintegration
Häufig gestellte Fragen
Worum geht es in dieser Studienarbeit grundsätzlich?
Die Arbeit befasst sich mit den Möglichkeiten der Digitalisierung in der Produktion, insbesondere wie Big Data und Business Intelligence genutzt werden können, um Prozesse effizienter und agiler zu gestalten.
Was sind die zentralen Themenfelder der Publikation?
Die zentralen Felder sind Industrie 4.0, Big Data-Analyse, Business Intelligence-Tools, Cyber-physische Systeme (CPS) sowie die praktische Anwendung und der Mensch im Kontext der smarten Produktion.
Was ist das primäre Ziel der Forschungsarbeit?
Das Hauptziel ist es aufzuzeigen, wie durch die Auswertung von Big Data und den Einsatz von BI die Effizienz in der Produktion gesteigert werden kann und wo die Grenzen dieser Technologien liegen.
Welche wissenschaftlichen Methoden werden zur Analyse verwendet?
Die Arbeit stützt sich auf eine strukturierte Literaturanalyse der Konzepte und vergleicht diese mit praktischen Anwendungsbeispielen und Studienergebnissen zu aktuellen Schwachstellen in der Industrie.
Was wird primär im Hauptteil behandelt?
Im Hauptteil werden theoretische Grundlagen vermittelt, die Beziehung zwischen Big Data und BI geklärt, konkrete Anwendungsbereiche wie Predictive Maintenance detailliert beleuchtet und organisatorische Schwachstellen in Unternehmen analysiert.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Wichtige Begriffe sind unter anderem Industrie 4.0, Big Data, Business Intelligence, Cyber-physische Systeme, Predictive Maintenance und Echtzeitsteuerung.
Was bedeutet Predictive Maintenance im Kontext dieser Arbeit?
Es bezeichnet die vorausschauende Wartung, bei der durch Sensorik und BI-gestützte Data Mining-Methoden Störungen oder Verschleiß frühzeitig erkannt werden, um ungeplante Stillstände zu vermeiden.
Welche Rolle spielt der Mensch in den untersuchten Produktionssystemen?
Der Mensch bleibt zentral für die Entscheidungsfindung und Qualitätssicherung, wobei neue Technologien wie Augmented Reality und mobile Endgeräte ihn unterstützen, anstatt ihn zu ersetzen.
Welche spezifische Schwachstelle wird bei deutschen Unternehmen identifiziert?
Laut der zitierten Studie mangelt es vielen Unternehmen an der technologischen Basis zur automatisierten Datensammlung sowie an einer klaren BI-Strategie und definierten Prozessbeschreibungen.
- Arbeit zitieren
- Christopher Neth (Autor:in), 2018, Industrie 4.0, Big Data und Business Intelligence. Die Möglichkeiten der Digitalisierung der Produktion im Hinblick auf Datensammlung und -auswertung, München, GRIN Verlag, https://www.grin.com/document/423724
