next generation: industrie 4.0 und big data prof. dr.-ing. peter liggesmeyer präsident,...
TRANSCRIPT
Next Generation:Industrie 4.0 und Big Data
Prof. Dr.-Ing. Peter Liggesmeyer
Präsident, Gesellschaft für Informatik e.V.
Institutsleiter, Fraunhofer IESE
Lehrstuhl Software Engineering: Dependability, Technische Universität Kaiserslautern
Bild: Computerwoche
Bild: Wikimedia Commons
© 2014 - Gesellschaft für Informatik e.V. (GI) 2 | Prof. Dr.-Ing. P. Liggesmeyer
Von der ersten zur dritten industriellen Revolution
Industrie 1.0 Kennzeichen: Ersatz von Muskelkraft durch Dampfkraft Ziele: Geschwindigkeit, Produktivität
Industrie 3.0 Kennzeichen: Automatisierung Ziel: Produktqualität, Kostenreduktion, Hohe Stückzahl
Bild: The Grenzebach Group (Eigenes Werk) [CC-BY-SA-3.0 (http://creativecommons.org/licenses/by-sa/3.0)], via Wikimedia Commons
Industrie 2.0 Kennzeichen: Zerlegung der Produktion in
wiederkehrende Schritte (Band und Takt) Ziele: Kostenreduktion, Hohe Stückzahl,
einfache Produkte
Bilder: Wikimedia Commons
© 2013 - Gesellschaft für Informatik e.V. (GI) 3 | Prof. Dr.-Ing. P. Liggesmeyer
Industrie 4.0 i.e.S.
Vor Industrie 4.0: Hohe Stückzahlen Takt und Band Produktionsplanung vor Produktionsbeginn Weitgehend statische Struktur der Produktion Eingeschränkter Variantenreichtum, Plattformkonzepte, Produktlinien Änderung des Produkts erfordert Modifikation der Produktionsumgebung
Industrie 4.0: Massenindividualisierte Produkte Bessere Auslastung von Ressourcen
in der Produktion Flexibilität und Selbstoptimierung Adaptionsfähigkeit (z.B. bei Maschinenausfällen)
Vorab planen und dann
möglichst oft unverändert
wiederholen
Während der laufenden
Produktion autonom umplanen,
adaptieren und optimieren
© 2013 - Gesellschaft für Informatik e.V. (GI) 4 | Prof. Dr.-Ing. P. Liggesmeyer
Industrie 4.0 und Big Data
Industrie 4.0 i.w.S. Massenindividualisierung Datengetrieben (vgl. Big Data / Smart Data) Autonomie Adaptionsfähigkeit (z.B. bei Ausfällen) Ersatz statischer Strukturen durch dynamische Selbstorganisation Zertifizierung zur Laufzeit
Big Data: Massenindividualisierte Produkte Schließen von Informationen aus Massendaten Hohe Geschwindigkeit Bessere Reaktionen
© 2014 - Gesellschaft für Informatik e.V. (GI) 5 | Prof. Dr.-Ing. P. Liggesmeyer
Der Begriff „Big Data“
Quelle: Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte: BITKOM 2012
© 2014 - Gesellschaft für Informatik e.V. (GI) 6 | Prof. Dr.-Ing. P. Liggesmeyer
Auch „Industrie 4.0“ und „Big Data“
• Internet der Dinge
• Produktion und Logistik
• Medizin
• Mobilität
• Energieversorgung
• Nahrungsmittelproduktion
• …
Smart Ecosystems
Data Analytics
© 2014 - Gesellschaft für Informatik e.V. (GI) 8 | Prof. Dr.-Ing. P. Liggesmeyer
Charakteristika von „Smart Ecosystems“
Offenheit => Standardisierung der Technologie-Plattform bzw. Vereinheitlichung der Interoperabilität zwischen Plattformen
Massenindividualisierung => Datenintegration Selbstorganisation: Integration der Maschinen miteinander Reorganisation: Autonome Verhandlung der Produktionsabläufe zwischen
„Werkstück“ und Maschine Selbstdiagnostik: Dürfen bestimmte Operationen durchgeführt werden
(Sicherheit?) => Haftung? Optimierung: Autonome Umplanung von Abläufen zur besseren Auslastung
von Ressourcen Umfang und Heterogenität: Systeme aus unterschiedlichen Systemen
© 2014 - Gesellschaft für Informatik e.V. (GI) 9 | Prof. Dr.-Ing. P. Liggesmeyer
Schlussfolgerungen
Unterschiedliche Systeme werden Wertschöpfung betreiben, indem sie sich miteinander, autonom organisieren
Autonomie bietet Chancen, bringt aber auch Risiken (offene juristische Fragen)
Zum Teil existiert noch erheblicher Forschungsbedarf (z.B. Safety in offenen Systemen)
Massenprodukte werden zunehmend durch massenindividualisierte Produkte ersetzt
Daten sind der zentrale „Rohstoff“ Deutschland sollte deutsche Interessen im Rahmen internationaler
Standards aktiv einbringen, z.B. für Technologie-Plattformen