Kooperativer Bibliotheksverbund

UID:

Format: 1 online resource (378 pages)

Edition: 1

ISBN: 9783834362285

Note: Intro -- Titel -- Copyrighht / Impressum -- Grußwort -- Vorwort des Herausgebers -- Inhaltsverzeichnis -- Digitale Revolutionund digitaler Wandel -- I Plattform Industrie 4.0 -- 1 Digitale Transformation «Made in Germany»:Plattform Industrie 4.0 unterstützt Unternehmenauf dem Weg zur vernetzten Produktion -- 2 Gemeinsam den Wandel gestalten:Die Produktion von morgen -- 2.1 Auftragsgesteuerte Produktion -- 2.2 Wandlungsfähige Fabrik -- 2.3 Selbstorganisierende, adaptive Logistik -- 2.4 Value Based Services -- 2.5 Transparenz und Wandlungsfähigkeit ausgelieferter Produkte -- 3 Anwenderunterstützung in der Produktion -- 3.1 Smarte Produktentwicklung für die smarte Produktion -- 3.2 Innovative Produktentwicklung -- 3.3 Kreislaufwirtschaft -- 4 Handlungsbedarfe und Arbeitsgruppen -- 5 Mitwirkung und Beteiligungsmöglichkeiten -- II Das Ökosystem des IndustrialInternet -- III Die digital vernetzte Zukunftdes Maschinen- und Anlagenbaus -- 1 Technologische Evolution als Voraussetzung für Industrie 4.0 -- 2 Bedürfnisse kleiner und mittelständischerUnternehmen (KMU) im Maschinenbau -- Smart Factories /Vernetzte Adaptive Produktion -- I Interoperabilität fürIndustrie 4.0 mit OPC Unified Architecture -- 1 Service-orientierte Architektur OPC UA -- 2 Welche Daten und Dienste liefert ein Gerät odereine Maschine? -- 2.1 Transport, Security, Zugriffsrechte -- 2.2 Modellierung -- 2.3 Keine Differenzierung mit OPC UA? -- 2.4 Dienste -- 2.5 Betriebssystem und Realtime -- 2.6 Skalierbarkeit -- 2.7 Adaptierung -- 3 Praktische Anwendungen von OPC UA -- 3.1 Anwendung vertikal: Energie-Monitoring und Big Data -- 3.2 Anwendung horizontal: M2M in der Wasserwirtschaft -- 3.3 Anwendung vertikal: IoT-Plattform -- 4 Roadmap und Ausblick auf Weiterentwicklungen -- 4.1 Trend: Informationsmodelle -- 4.2 Trend: Service-orientierte Architektur (SoA) -- 4.3 Trend: OPC UA im Chip , 4.4 Trend: OPC UA mit TSN -- 5 Zusammenfassung -- II Deterministische Machine-to-Machine-Kommunikation im Umfeld Industrie 4.0 -- 1 Die Bedeutung einer durchgängigen Industrie-4.0-Architektur -- 2 Die Big-Bounce-Theorie - Zentralisierung vs.Dezentralisierung von Rechenleistung -- 3 Interoperabilität - Warum nur genau ein M2M-Kommunikationsstandardso wichtig ist -- 3.1 Service-orientierte Architektur im Internet der Dinge -- 3.2 Semantische Servicebeschreibungen und Informationsmodelle -- 4 Echtzeit - ein häufig missverstandener Begriff -- 5 Echtzeit-Anwendungen von OPC UA -- 5.1 Die Publisher/Subscriber-Architektur von OPC UA -- 5.2 Deterministische Echtzeit durch Time SensitiveNetworking (TSN) -- 5.3 Werden durch OPC UA TSN herkömmliche Feldbusseüberflüssig? -- III Lösungsbausteine fürherstellerunabhängige, standardisierte Schnittstellenin der Produktion -- 1 Einführung -- 2 Maschinen- und Anlagenbau: Rückgrat und Herausforderung in Einem -- 2.1 Ausgangssituation in der Fabrik -- 2.2 Selbstbeschreibung von Maschinen und Anlagen -- 2.3 Selbstbeschreibung von Maschinenkomponenten -- 3 Werkzeuge und Standards -- 3.1 AutomationML™ -- 3.2 OPC UA -- 3.3 Industrielle IoT-Adapter -- 4 Anwendungsfelder für produzierende Unternehmen -- 4.1 Neue Geschäftsmodelle für Maschinen-/Anlagenbauer und Komponentenlieferanten -- 4.2 Laufzeitdaten erfassen, speichern und auswerten -- 4.3 Neue Architekturen produktionsnaher IT-Systeme -- 5 Modularer Lösungsansatz -- 5.1 Ausgangspunkt der Arbeiten -- 5.2 Entwicklungspfad -- 6 Zusammenfassung und Handlungsbedarf -- Smart Products /InnovativeProduktentwicklung -- I Referenzarchitektur alsGrundlage für neue Produktezur Cloud-basierten Kommunikation -- 1 Was zeichnet die Kommunikation bei Industrie 4.0 aus? -- 2 Warum brauchen wir eine Referenzarchitektur für Industrie 4.0? , 3 SOA - die Grundlage der Kommunikation für Industrie 4.0 -- 4 Produktionshierarchie und deren Abbildung auf RAMI 4.0 -- 5 Durchgängiges Engineering über den Produktlebenszyklus -- 6 RAMI-4.0-Layer-Struktur -- 7 Die Industrie-4.0-Komponente -- 8 Struktur der Verwaltungsschale -- 9 Anwendung von RAMI am Beispiel -- 10 Das RAMI-4.0-Architekturmodell im internationalen Kontext -- II Unterwegs lernen zu laufen: Smarte Produkte und Lösungen explorativ und agil entwickeln -- 1 Industrie 4.0: Revolution und Evolution zugleich -- 1.1 Das Neue im Alten erkennen -- 1.2 In die Zukunft vortasten -- 2 Schnell Erfahrungen sammeln -- 2.1 Anwender: Kleine Veränderungen können große Effekte erzielen -- 2.2 Regelkreis zwischen Entwicklern und Anwendern -- 2.3 Sieben Merkmale für Industrie-4.0-Lösungen -- 2.4 Prozessmodell zur Umsetzung von Industrie 4.0 -- 3 Entwicklung von smarten Produkten -- 3.1 Smarte Produkte: Herstellerübergreifende Definitionenals Basis -- 3.2 RAMI 4.0 - Der Modellaufbau -- 3.3 Produktkriterien für Industrie-4.0-Produkte als Mindesteigenschaften -- 3.4 Auswirkungen auf die Produktentwicklung -- 4 Neue Prozesse für smarte Produkte -Agile Entwicklungsmethoden -- 4.1 Auf variable Ziele hin entwickeln -- 5 Beispiele für Industrie-4.0-fähige Produkteund Lösungen -- 5.1 IoT Gateway -- 5.2 Kommunikationsplattform Beispiel ActiveCockpit -- 5.3 Vom Condition Monitoring zur prädiktiven Wartung -- Smart Services / Neue Geschäftsmodelle -- I Neue Ufer für traditionelles Geschäft: Geschäftsmodell-Architekturen für Industrie 4.0 -- 1 Treiber neuer Geschäftsmodelle - Warum es unabwendbar ist -- 2 Neue Geschäftsmodelle - datengetrieben, in Echtzeit, plattformbasiert -- 2.1 Datengetriebene Geschäftsmodelle -- 2.2 Echtzeitbasierte Geschäftsmodelle -- 2.3 Plattformbasierte Ökosystem-Geschäftsmodelle -«Vier gewinnt» -- 2.4 Der Mensch, die Technologie, das Recht , 3 Enabler neuer Geschäftsmodelle - Digitale Business Transformation erforderlich -- II Erfolgreiche IoT-Geschäftsmodelleinder Industrie -- 1 Geschäftsmodelldefinition -- 2 Auswirkungen des IoT auf Geschäftsmodelle -- 2.1 Angebots- und Marktpositionierung: Bislang vor allem bestehende Kundengruppen im Fokus -- 2.2 Wertschöpfungskette: Vom Produkt zum Service -- 2.3 Erlösmodell: Vom einmaligen zum nutzungs und zeitabhängigen Erlös -- 3 Beispiele für erfolgreiche IoT-Geschäftsmodelle -- 3.1 IoT im Maschinen- und Anlagenbau -- 3.2 IoT in der Energiebranche -- 3.3 Weitere IoT-Geschäftsmodelle anderer Anbieter -- 4 Fazit und Ausblick -- DigitaleAnwendungen /Datenverarbeitung in der Industrie -- I Big Data - Vom Hype zum realen Nutzen in der industriellen Anwendung -- 1 Megatrend Big Data -- 1.1 Ab wann reden wir von Big Data? -- 1.2 Wie wird Big Data heute eingesetzt? -- 1.3 Kosten / Nutzen und Smart Data -- 1.4 Erfolgreiche Killerapplikationen -- 1.5 Wer hat's erfunden? -- 1.6 Big Data und Cloud-Computing -- 1.7 Big Data ist Teamsport -- 2 Big Data in der industriellen Anwendung -- 2.1 Identifikation der wesentlichen Einflussfaktoren hilft Prozesse zu optimieren -- 2.2 Aufzeichnung des Nutzungsverhaltens verbessert Produkte -- 2.3 Datensammeln macht viele servicebasierteGeschäftsmodelle erst möglich und erfolgreich -- 2.4 Lieferketten werden optimiert und stabilisiert -- 2.5 Smarte Apps ersetzen den Experten vor Ort -- 2.6 Vorausschauende Wartung durch Predictive Analytics -- 2.7 Assistenzsysteme erleichtern Produktion und Wartung -- 2.8 Big Data erkennt Security-Risiken -- 3 Die Technologie-Basis von Big Data -- 3.1 Einteilung in Technologiekategorien -- 3.2 Cluster-Computing auf Commodity-Hardware macht Big Data erschwinglich -- 3.3 Das MapReduce-Verfahren - einfach, aber wirkungsvoll -- 3.4 Die Apache-Hadoop-Architektur , 3.5 NoSQL-Datenbanken als Alternative zu RDBMS -- 3.6 In-Memory-Datenbanken -- 3.7 Streaming und Complex-Event-Processing analysieren Datenströme in Echtzeit -- 3.8 Machine Learning erlaubt Zukunftsprognosen -- 3.9 Programmiersprachen für Data Scientists -- 3.10 Interaktive Werkzeuge für Data Scientistsund Power-User -- 3.11 Data Lakes machen das klassische Data WarehouseBig-Data-fähig -- 4 Big Data und das Internet der Dinge -- 4.1 Das Internet der Dinge und Industrial-Internet-Systeme -- 4.2 IoT-Referenzarchitekturen -- 4.3 Fog Computing bringt die Intelligenz vor Ort -- 4.4 Die SPS als IoT-Controller -- 4.5 IoT-Plattformen als Cloud-basierte Lösungsbaukästen -- 5 Zusammenfassung und Ausblick -- II Machine Analytics - Wie aus Daten Werte für Industrie 4.0 entstehen -- 1 Die Bedeutung von Big Data Analytics fürIndustrie 4.0 -- 2 Die Verarbeitungskette der Datenanalyse -- 2.1 Datenerfassung -- 2.2 Datenvorverarbeitung -- 2.3 Datenanalyse -- 2.4 Ergebnisdarstellung und -bewertung -- 3 Herangehensweise und Personen für erfolgreiche Datenanalysen -- 3.1 Der USU-Smart-Data-Prozess -- 3.2 Die Rolle des Menschen in der Datenanalyse -- 4 Beispielhafte Umsetzung -- 4.1 Architekturbeispiel für skalierbare Datenanalyse -- 4.2 Anwendungsbeispiele -- 5 Ausblick und Zusammenfassung -- 5.1 Deep Learning: Überholen uns die Maschinen? -- 5.2 Zusammenfassung -- III Industrial Analytics - Dateneinfach und verständlich vermitteln und Perspektiven ableiten -- 1 Maschinelles Lernen in der virtuellen SmartFactory -- 1.1 Was ist maschinelles Lernen? -- 1.2 Die virtuelle Smart Factory -- 1.3 Klassifikation - Effizienzsteigerung in der Qualitätssicherung -- 1.4 Ergebnisse richtig evaluieren und interpretieren -- 1.5 Regression - Optimale Produktionsplanung und -steuerung -- 1.6 Clustering - Ähnlichkeiten in Produktionsdaten aufdecken , 2 Anwendungsgebiete für Industrial Analytics

Additional Edition: Print version: Schulz, Thomas Industrie 4.0 Würzburg : Vogel Buchverlag,c2017 ISBN 9783834333940

Keywords: Electronic books.

URL: https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=5646210