Volume 64, Issue 7 - Special Issue: Big Data & Automatisierung / Ralf Mikut

Zusammenfassung Industrie 4.0 steht für die digital vernetzte Produktion, ermöglicht durch Informations- und Kommunikationstechnologie. Dieser Artikel wirft daher die Frage nach der Notwendigkeit von Anpassungen der Regelungstechnik in der zukünftigen vernetzten Produktionsgesellschaft auf und zeigt was beim Übergang dazu bisher unbeantwortet blieb. Bei der Betrachtung wird deutlich, dass regelungstechnische Aspekte bei dieser Entwicklung keineswegs fehlen und die eingesetzten Regelungskonzepte weiterentwickelt werden müssen, um das von Industrie 4.0 versprochene Potential zu entfalten.

Zusammenfassung In diesem Beitrag wird ein Konzept zur prädiktiven Prozessüberwachung in Fließlinien vorgestellt, das durch die Auswertung verteilt erfasster Sensordaten mithilfe maschineller Lernverfahren die Prognose der finalen Produktqualität im laufenden Produktionsprozess erlaubt. Hierzu wird eine systematische Vorgehensweise zur Datenvorverarbeitung und -analyse vorgeschlagen, die eine echtzeitfähige Verarbeitung der verteilt erfassten Daten ermöglicht.

With the increasing connectivity of devices, the amount of data that is recorded and ready for analysis is growing correspondingly. This is also the case for shop floors in flexible sheet metal handling and production. With the growing need for flexibility in production, the availability of machine tools is imminent. This paper shows different approaches that a classical manufacturing systems company such as TRUMPF takes in applying data mining techniques to address the new challenges which come with the Internet of things. In addition to classical methods, a new approach is introduced that does not need any alteration of the machine or its interfaces.

Zusammenfassung Flexible Fertigungssysteme (FFS) bilden die konzeptionelle Grundlage einer hoch flexiblen und produktiven Großserienproduktion. Die inhärente Komplexität dieser Systeme erschwert die Lokalisierung von Engpässen und damit den produktiven Systembetrieb. Dieser Artikel beschreibt eine Methode, welche mithilfe eines Smart-Data-Modells dynamische Engpässe in FFS identifiziert. Die damit verbundene Beherrschung der Komplexität bildet die Grundlage für einen produktiven Betrieb.

New imaging techniques enable visualizing and analyzing a multitude of unknown phenomena in many areas of science at high spatio-temporal resolution. The rapidly growing amount of image data, however, can hardly be analyzed manually and, thus, future research has to focus on automated image analysis methods that allow one to reliably extract the desired information from large-scale multidimensional image data. Starting with infrastructural challenges, we present new software tools, validation benchmarks and processing strategies that help coping with large-scale image data. The presented methods are illustrated on typical problems observed in developmental biology that can be answered, e.g., by using time-resolved 3D microscopy images.

Zusammenfassung Dieser Beitrag basiert auf Erfahrungen aus einem Projekt bei Swissport Zürich im Jahr 2014. Neben einem Ansatz zur Datenintegration mit einem Datamart werden die zentralen Mittel eines Veränderungsmanagements nach Phasen eines Big-Data-Projekts vorgestellt. Dabei werden typische Hürden bei Big-Data-Projekten aufgezeigt, z. B. Skepsis gegenüber Big Data und schwer quantifizierbarer Nutzen. Dazu liefert der Beitrag konkrete Hinweise und Strategien, um diese Hürden zu überwinden, z. B. Aufstellen eines belastbaren Business Case und Modellierung der Veränderung mit einer Unternehmensarchitektur.