Im Rahmen dieser Fallstudie wird bei dem Unternehmen Q-Automobile AG untersucht, wie die Effizienz der Produktion gesteigert werden kann, um Kosten zu sparen und die Qualität zu erhöhen. Bei dem Unternehmen Q Automobile wurden bereits technologische Strategien der Industrie 4.0 entwickelt. Nun steht die Durchführung eines digitalen Projektes zur Analyse von Sensordaten der Fräs- und Hohnmaschinen an.
Im ersten Gliederungspunkt wird das Projekt kurz vorgestellt und Möglichkeiten zur Problemlösung aufgezeigt. Anschließend findet sich die Zieldefinition. Der zweite Punkt stellt allgemeine theoretische Grundlagen zur Fallstudie dar. Dabei wird Big Data und die Entstehung bzw. Verarbeitung der Daten erläutert. Auch wird auf Data Mining eingegangen. Im dritten Gliederungspunkt werden digitale Lösungsansätze erarbeitet und auf die Problemstellung angepasst. Darunter fällt das Konzept Machine Learning. Auch wird dieser Teil durch Predictive Maintenance ergänzt.
Das vierte Kapitel zeigt die Erweiterung der IT-Infrastruktur auf und vermittelt mit Hilfe einer neuen Architektur die gewonnen Erkenntnisse. Weiterhin wird speziell auf Data Lake und Data Warehouse eingegangen, da diese sich als geeignete Werkzeuge zur Basis der Datenanalyse entwickeln. Das fünfte Kapitel erläutert den Projektplan und stützt sich dabei auf den Projektstrukturplan. Der letzte Teil der Arbeit fasst vorausgegangene Untersuchungen abschließend zusammen und gibt einen kurzen Ausblick in die Zukunft der Big Data Verwendungen.
Inhaltsverzeichnis
- 1.Einleitung
- 1.1 Aufbau/Vorgehensweise
- 1.2 Projektvorstellung
- 1.3 Problemlösung
- 1.4 Zieldefinition
- 2. Theoretische Grundlagen
- 2.1 Big Data und loT
- 2.2 Data Mining
- 3. Digitale Lösungsansätze
- 4. Erweiterung der IT-Infrastruktur
- 5. Projektplan
- 6. Zusammenfassung und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Fallstudie untersucht die Anwendung von Big Data Analytics zur Effizienzsteigerung in der Fertigung am Beispiel der Q-Automobile AG. Ziel ist es, ein digitales Pilotprojekt zu entwickeln, das die Potenziale von Big Data in diesem Kontext aufzeigt und praktische Implementierungsmöglichkeiten aufzeigt.
- Einsatz von Big Data in der Fertigung
- Data Mining und dessen Methoden zur Wissensgewinnung
- Notwendige IT-Infrastruktur für Big Data Analytics
- Entwicklung eines digitalen Pilotprojekts
- Optimierung von Prozessen und Kostenreduktion durch Big Data
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung
Dieses Kapitel führt in das Thema der Fallstudie ein und erläutert die Bedeutung von Big Data im Kontext von Industrie 4.0. Es stellt die Q-Automobile AG als Fallbeispiel vor und definiert die Zielsetzung des Projekts. - Kapitel 2: Theoretische Grundlagen
Dieses Kapitel behandelt die theoretischen Grundlagen von Big Data und Data Mining. Es erklärt den Zusammenhang zwischen Big Data, Internet of Things (IoT) und Data Mining sowie die verschiedenen Methoden des Data Mining wie Assoziationsanalyse, Korrelationsanalyse und Klassifikation. - Kapitel 3: Digitale Lösungsansätze
Dieses Kapitel beleuchtet verschiedene digitale Lösungsansätze für die Anwendung von Big Data in der Fertigung. Es werden konkrete Beispiele und Best Practices vorgestellt, die aufzeigen, wie Unternehmen von Big Data profitieren können. - Kapitel 4: Erweiterung der IT-Infrastruktur
Dieses Kapitel befasst sich mit der notwendigen IT-Infrastruktur, die für die Implementierung von Big Data Analytics erforderlich ist. Es beleuchtet die Aspekte von Speicherkapazität, Echtzeitanwendungen und Software. - Kapitel 5: Projektplan
Dieses Kapitel präsentiert einen detaillierten Projektplan für die Entwicklung des digitalen Pilotprojekts. Der Plan umfasst die einzelnen Phasen des Projekts, die Meilensteine und die benötigten Ressourcen.
Schlüsselwörter
Big Data, Data Mining, Industrie 4.0, IT-Infrastruktur, digitale Transformation, Effizienzsteigerung, Fertigung, Prozessoptimierung, Pilotprojekt, Q-Automobile AG, Knowledge Discovery in Databases (KDD), Internet of Things (IoT)
- Quote paper
- Marcel Mailli (Author), 2020, Big Data und Data Analytics. Erstellung eines digitalen Pilotprojektes zur Effizienzsteigerung in der Fertigung, Munich, GRIN Verlag, https://www.grin.com/document/993002
