Industrielle Datenanalyse

Entwicklung einer Datenanalyse-Plattform für die wertschaffende, kompetenzorientierte Kollaboration in dynamischen Wertschöpfungsnetzwerken
1. Auflage 2024
ISBN: 978-3-658-42778-8
Verlag: Springer

Buch, Deutsch, 215 Seiten, Format (B × H): 168 mm x 240 mm, Gewicht: 397 g

Dieses Open Buch schlägt eine Brücke zwischen Theorie und Praxis für das produzierende Gewerbe im Zeitalter der Digitalisierung, der Industrie 4.0 und der Künstlichen Intelligenz. Es ist das Resultat eines vierjährigen Forschungsprojekts, das unter der Leitung des Instituts für Produktionssysteme der Technischen Universität Dortmund und der RapidMiner GmbH in Zusammenarbeit mit zwölf weiteren Partnern durchgeführt wurde. Das Hauptziel des Projekts war die Entwicklung einer Datenanalyse-Plattform zur Förderung einer effektiven und kompetenzorientierten Zusammenarbeit in dynamischen Wertschöpfungsnetzwerken.

Die zwanzig Beiträge in diesem Sammelband liefern umfassende Einblicke in die Forschungsergebnisse und schildern die gemeinsamen Erfahrungen der Partner aus produzierenden Unternehmen, Software- und Hardware-Anbietern sowie Forschungseinrichtungen. Im Fokus steht die Entwicklung von Lösungen, die in einem modularen Referenzbaukasten zusammengefasst sind. Dieser Baukasten unterstützt industrielle Datenanalysen und deren Integration in betriebliche Abläufe. Er fördert darüber hinaus eine kompetenzorientierte Zusammenarbeit und ermöglicht somit die Initiierung neuer Geschäftsmodelle und Kollaborationen.

Das Buch richtet sich an Praktiker:innen aus der Industrie ebenso wie an Wissenschaftler:innen. Es liefert Impulse und bietet Hilfestellungen, um den Herausforderungen der digitalen Transformation zu begegnen und die Zukunft der industriellen Datenanalyse erfolgreich zu gestalten.

Zielgruppe

Professional/practitioner

Autoren/Hrsg.

Deuse, Jochen

Klinkenberg, Ralf

West, Nikolai

Fachgebiete

• Mathematik | Informatik EDV | Informatik Daten / Datenbanken
• Mathematik | Informatik EDV | Informatik Computerkommunikation & -vernetzung

Inhaltsverzeichnis

Vorwort der Herausgeber.- Kurzbeschreibung des Vorhabens.- Fokus Kapitel zum KMU-Nutzen (“Was bringt uns das Projekt?”).- Entwicklung der Ausgangssituation und Problemstellung im Projektverlauf.- Referenzbaukasten und Bausteine im Forschungsprojekt AKKORD.- LB-1: Kollaborationsmöglichkeiten und Geschäftsmodelle.- LB-2: Kompetenzentwicklung und -sicherung.- LB-3: Analysemodulen für vernetzte und integrierte Daten.- LB-4: Datenerfassung, -integration und -vernetzung.- UC-1: Übergreifendes, prädiktives Industrial Engineering.- UC-2: Datengetriebenes, vernetztes Qualitätsmanagement.- UC-3: Integrierte Datenanalyse zur Kollaboration in der Auftragsplanung UC-4: Potentialanalyse industrielle Datenanalyse in der Produktion.- UC-5: Gerichtete und KMU-gereichte Kompetenzentwicklung.- UC-6: Datenakquisition über I4.0-Technologien.- UC-7: Geschäftsmodellentwicklung.- UC-8: Einführungs- und Roll-Out-Strategien für die industrielle Datenanalyse.- Demonstrator-Beitrag 1.- Demonstrator-Beitrag 2.- Würdigung der Projektergebnisse und Ausblick auf Anschlusstätigkeiten.

Über Autor(innen)

Univ.-Prof. Dr.-Ing. Jochen Deuse  ist Leiter des Instituts für Produktionssysteme der Technischen Universität Dortmund und hält seit 2005 die Professur für Arbeits- und Produktionssysteme (APS). Seit 2019 leitet er außerdem das Centre for Advanced Manufacturing an der University of Technology Sydney in Australien. 
Ralf Klinkenberg  ist Gründer und Forschungsleiter von RapidMiner, einer Software-Plattform für Data Science, Maschinelles Lernen und Predictive Analytics mit über 1 Mio. registrierten Anwendern weltweit. Er verfügt über 30 Jahre Erfahrung im Bereich Künstliche Intelligenz, Maschinelles Lernen und industrieller Datenanalyse-Anwendungen. Im Projekt AKKORD, das er als Konsortialführer leitete, entwickelte RapidMiner eine KI-Toolbox, die Anwender ohne KI-Expertise befähigt, KI und ML zu nutzen.
Nikolai West  ist wissenschaftlicher Mitarbeiter des Instituts für Produktionssysteme der Technischen Universität Dortmund und promoviert zum Themenfeld der unüberwachten Anomalieerkennung im Qualitätsmanagement. Im Forschungsprojekt AKKORD hat er die operative Projektleitung übernommen und eine zentrale Rolle bei der Umsetzung der industriellen Datenanalyse ausgefüllt.