Seitenpfad:

Transparenz in Produktionsprozessen

Big Data-basierte Ansätze zur intelligenten Sammlung und Auswertung von Massendaten der Produktion

 
Elektrotechnik TTZ Nördlingen
TRIP
01.02.2018 - 28.02.2019

Projektbeschreibung

Das Forschungsprojekt behandelte den gezielten Einsatz von intelligenten Cloud Computing und Big Data Analytics Ansätzen für kleine und mittelständische Unternehmen. Dabei wurden drei inhaltliche Ebenen betrachtet: I) Technische Komponenten, II) Datenstrukturen und -analyse (in der Cloud), sowie III) Datenbasierte Geschäftsmodellinnovationen und Services.

Motivation

Die voranschreitende Digitalisierung von Wertschöpfungsnetzen im Zuge der Industrie 4.0 bietet für das hochinnovative produzierende Gewerbe des Freistaats Bayern erhebliche ökonomische Potentiale. Durch eine gezielte Förderung der Entwicklung intelligenter Cloud Computing- und Big Data Analytics-Ansätze kann das in bayerischen Unternehmen vorhandene, in verschiedenen Produktionsbereichen hochspezialisierte Prozess-Know-how genutzt werden, um bisher noch nicht ausgeschöpfte Innovationspotentiale regionaler Unternehmen zu heben und durch die Übertragbarkeit der Projektergebnisse Multiplikatoreffekte für das produzierende Gewerbe in ganz Bayern zu erzeugen. Durch das breite Interessenspektrum der Konsortialpartner soll der überregionalen Wissensaustausch vorangetrieben werden. Dadurch wird sichergestellt, dass bayerische Unternehmen ihr Produktions- und Prozess-Know-how gezielt nutzen und ausbauen können, um wettbewerbsdifferenzierende Geschäftsmodelle und Services zu entwickeln. Die Chance zur Differenzierung im globalen Wettbewerb liegt dabei in der gezielten Nutzung des Prozess-Know-how bayerischer Unternehmen sowie der intelligenten Auswertung der großvolumigen Datenbestände.

Ziele und Vorgehen

Ziel ist es, eine Transparenzsteigerung in der Produktion zu erreichen, um innerhalb der Produktionsprozesse a) eine Real Time-Steuerung zu ermöglichen und b) die Produktionsplanung zu optimieren. Des Weiteren soll durch die Verwendung von intelligenten Datenanalysen die Produktqualität optimiert werden, indem sowohl c) die Real Time-Qualitätsüberwachung im laufenden Produktionsprozess als auch das kontinuierliche d) Produkt-Qualitätsmanagement gezielt verbessert werden. Dazu werden die Partnerunternehmen den einzelnen Ebenen zugeordnet und entsprechende Aufgaben und Anforderungen definiert. Die technischen Komponenten fokussieren sich dabei auf die Datenerfassung und Verbesserung der Produktion. Zum einen werden generalisierte Methoden auf Basis von Bilddaten untersucht, um Daten für die Prozessoptimierung zu generieren. Zum anderen soll ein Qualitätsprüfungsprozess etabliert werden, der auf der Verarbeitung von aufgenommenen Bilddateien und Neuronalen Netzen beruht und in die Produktion des Projektpartners integriert werden kann. Im Bereich der Cloud-Technologien werden Lösungen für die bereits vorhandenen Produktionsdaten entwickelt, die unter anderem die Bereiche Laufzeitvorhersage von Produkten und Predictive Maintenance abdecken. Durch die übergeordnete Ebene der Geschäftsprozesse soll analysiert werden, wie sich die gewonnenen Erkenntnisse auf die Kunden auswirken, welche neuen Services angeboten werden und wie diese monetarisiert werden können. Grundsätzlich soll die Synchronisation zwischen den einzelnen Ebenen forciert werden, da nur ein optimales Zusammenspiel aller Komponenten die praktische Umsetzbarkeit der Ergebnisse und Lösungen gewährleistet.

 

Beteiligte Personen

Projektleitung

 

Ansprechpartner

Prof. Dr. Björn Steven Häckel

Informatik
HSA_innos

Telefon: 

+49 821 5586-3325

Fax:

+49 821 5586-3499

Konsortium

 
Hochschule Augsburg Logo
Fraunhofer FIT Logo
Heinglas Logo
BMK Logo
Günzburger Steigtechnik Logo
Wash Tec Logo
Renk Logo
GROB Logo
 

Förderung

 

Dieses Forschungsprojekt wird durch Bayerische Staatsministerium für Wirtschaft und Medien, Energie und Technologie gefördert. (Förderkennzeichen: IUK-1705-004//IUK505/001)

https://www.iuk-bayern.de/

Logo Bayerisches Saatsministerium für Wirtschaft