Data Mining im Produktionsumfeld
|
|
- Hermann Kopp
- vor 8 Jahren
- Abrufe
Transkript
1 Data Mining im Produktionsumfeld Dr. Thomas Bernard Fraunhofer-Symposium Netzwert 2011 München, 28./
2 Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden 2 Fraunhofer IOSB 11/2011
3 Data Mining im Produktionsumfeld 1. Wozu Data-Mining im Produktionsumfeld? 2. ProDaMi-Suite: Flexible Data-Mining-Plattform 3. Anwendung der ProDaMi-Suite 4. Künftige Anwendungen 5. Zusammenfassung 3 Fraunhofer IOSB 11/2011
4 1. Wozu Data Mining im Produktionsumfeld? Problem: Stetige Zunahme der Komplexität von Produktionsprozessen Prozessüberwachung und Optimierung auf Grundlage physikalischer Modelle oftmals zeitaufwendig und kostenintensiv Sensor-, Qualitäts-, Anlagendaten bisher nur unzureichend genutzt Data Mining könnte wertvollen Beitrag leisten aber: Data Mining im Produktionsumfeld bisher nicht etabliert [Data Mining: aus einem Datenberg etwas Wertvolles extrahieren] 4 Fraunhofer IOSB 11/2011
5 Data Mining im Produktionsumfeld... kann unterstützen bei: Prozessführung, Prozessoptimierung Prozessüberwachung, Condition Monitoring Qualitätsüberwachung, Qualitätsmanagement Analyse von Key Performance Indices (KPIs) Versuchsplanung Produktdesign Produktionsplanung und Fertigungssteuerung Stammdatenmanagement Instandhaltungsmanagement Variantenmanagement... 5 Fraunhofer IOSB 11/2011
6 Data Mining im Produktionsumfeld ProDaMi DaMi In prototypisch realisiert: Prozessführung, Prozessoptimierung Prozessüberwachung, Condition Monitoring Qualitätsüberwachung, Qualitätsmanagement Analyse von Key Performance Indices (KPIs) Versuchsplanung Produktdesign Produktionsplanung und Fertigungssteuerung Stammdatenmanagement Instandhaltungsmanagement Variantenmanagement... 6 Fraunhofer IOSB 11/2011
7 Beispiel: Optimierung verfahrenstechnischer Prozesse Typische Probleme bei verfahrenstechnischen Batch-Prozessen: Optimierung der Anfahrphase; Lastwechsel; Unterdrückung von Störeinflüssen Physikalische Modellierung oft nur qualitativ möglich Gesucht: Einfluss von Prozessparametern auf Produkteigenschaften Zusammenhang? Prozess-Parameter - Maschinenparameter - Regelungsparameter - Rezepte -... Produktions- Prozess Produkt- Eigenschaften -Qualität -Kosten - Ressourcenverbrauch Fraunhofer IOSB 11/2011
8 Beispiel: Gießen von Motorblöcken Ziel: Ausschuss-Minimierung Temperaturen (Zeitverläufe)? Qualität, Ausschuss 8 Fraunhofer IOSB 11/2011
9 Beispiel: Glasziehprozess Ziel: Ausschuss-Minimierung Störungen in Endphase (Zeitverläufe) Abzugsgeschwindigkeit Durchmesser (soll konstant sein)? Qualität, Ausschuss Temperatur 1 Ziehkraft Temperatur 2 Temperatur 3 Ofentemperatur 9 Fraunhofer IOSB 11/2011
10 Beispiel: Monitoring von kontinuierlichen Prozessen Ziel: Sofortige Erkennung von Störungen / Anomalien Operator sieht meist nur aktuelle Zeitverläufe! Lernen von Normalzuständen bzw. Prozessphasen aus Messdaten Zeitverläufe von Sensoren / Aktoren bei einem verfahrenstechnischen Prozess 10 Fraunhofer IOSB 11/2011
11 2. ProDaMi-Suite: Flexible Data-Mining-Plattform Ziele des Projektes DaMi (WISA mit IOSB, ITWM, IPK, ) ProDaMi ProDaMi-Suite: Modulares System von Data-Mining-Werkzeugen Generierung von entscheidungsfähigem Wissen für Überwachungs-, Planungs- und Optimierungsaufgaben in verschiedenen Produktionsbereichen Verfügbare Data-Mining-Werkzeuge sollen sich leicht einbinden lassen ProDaMi-Suite soll sich leicht in heterogene Daten- und Kommunikationsstruktur des Produktionsumfeldes integrieren lassen Prototypische Realisierung für typische Anwendungsklassen aus der Stückgutfertigung und der Prozessindustrie 11 Fraunhofer IOSB 11/2011
12 Data-Mining-Workflow im Produktionsumfeld Iterativer Prozess (Expertenwissen notwendig)! Physikalisches Wissen integrieren (z.b. über Soft-Sensoren) Fayyad 1996: Knowledge Discovery in Databases (KDD) 12 Fraunhofer IOSB 11/2011
13 Module der ProDaMi-Suite GUI GUI GUI ProDaMi/PPS Produktionsplanung und -steuerung ProDaMi/PFÜ Prozessführung und -überwachung... ProDaMi/XX weitere Module ProDaMi/ Interface Anbindung an online Systeme Datenimport Konfektionierung Parametrierung Methodenauswahl Ergebnisse Wissen von Daten... Muster... zu Wissen! Zieldaten Vorverarbeitete Daten ProDaMi/ Data Warehouse Transformierte Daten ProDaMi/ DM-Engine ProDaMi/ Assistent 13 Fraunhofer IOSB 11/2011
14 Data Mining-Verfahren in ProDaMi-Suite strukturbeschreibende Verfahren (überwachtes Lernen) (z.b. Varianzanalyse, Diskriminanzanalyse, Regression, Klassifikation) strukturentdeckende Verfahren (unüberwachtes Lernen) (z.b. Assoziationsanalyse, Clusterverfahren, Self Organizing Maps) Nutzung von Bibliotheken unter Matlab, Rapid Miner, Open Source sowie Integration eigener Entwicklungen 14 Fraunhofer IOSB 11/2011
15 Generierung kundenspezifischer Applikationen Ziel: Schnelle Generierung von Customer Data-Mining Applications auf kundenspezifischen Plattformen und GUIs PRODAMI-Kernfunktionen Spezifikation, Kundenanforderungen Data Warehouse Data Mining Assistent Anwendungsklassenspezifische Funktionen Data Warehouse Data Mining GUI C++ Java Matlab... ProDami- Applikation 15 Fraunhofer IOSB 11/2011
16 Nutzergruppen der ProDaMi-Suite 1. Wissenschaftler des Projektkonsortiums Bearbeitung von Industrieprojekten 2. Industriepartner Data-Mining-Experten Implementierung auf kundenspezfischer Plattform einfache GUIs ausreichend GUI - Anforderung 3. Industriepartner Data-Mining-Laien z. B. Prozessingenieure ohne vertieftes Data-Mining-Wissen ProDaMi-Suite soll komplett vorkonfektioniert sein Implementierung auf kundenspezfischer Plattform hochwertige und anwenderfreundliche GUI notwendig 16 Fraunhofer IOSB 11/2011
17 17 Fraunhofer IOSB 11/ Anwendung der ProDaMi-Suite
18 ProDaMi-Anwendungsklassen Bereich Prozessführung und überwachung für kontinuierliche (z.b. verfahrenstechnische) Prozesse Performance und Condition Monitoring Analyse und Optimierung Kennlinienbasierte Prognose und Prozessführung Bereich Produktionsplanung und -steuerung Kennwertekorrelationen in Fertigungsanlagen Generierung und Aktualisierung von Fertigungsstammdaten 18 Fraunhofer IOSB 11/2011
19 Anfahr-Optimierung eines Glasziehprozesses Problem in Anfahrphase: Störungen durch Schweissstelle zwischen Gutmaterial und Ansatzstück Ziel: Optimale Temperaturführung Einfluss der Schweissstelle minimieren schnelles Erreichen des Durchmesser-Sollwertes Glas Ofen Sollwert Schweisstelle Zeit 19 Fraunhofer IOSB 11/2011
20 Wissensgenerierung aus Zeitreihen Problem: Finden relevanter Merkmale in Zeitreihen Lösung: Automatisiertes Merkmalsranking Beispiel: 20 Fraunhofer IOSB 11/2011
21 Optimale Temperaturführungsmuster Ergebnis des Merkmalsranking Auswertung von 500 Produktionen Merkmal 1: Fluktuation Rohrtemperatur Merkmal 2: Gradient Rohrtemperatur (in Zeitintervall nach Austritt Schweisstelle aus dem Ofen) Gütekriterium Optimale Merkmalswerte Optimum Sollwert schneller erreicht 21 Fraunhofer IOSB 11/2011
22 Condition Monitoring bei kontinuierlichen Prozessen Lernen von Normal-Zuständen aus Messdaten schnelle Erkennung von Störungen Prozessdatenverlauf Komponentenausfall Quantisierungsfehlerverlauf Self-Organizing Map Industrielle Anwendung in chemischer Industrie 22 Fraunhofer IOSB 11/2011
23 Versuchsplanung - Design of Experiment (DoE) Kunststoffextruder Kunststoffplatten Produktionsprozess Von DoE bestimmte Prozessparameter Daten Expertenwissen Produkteigenschaften Maximale Güteerhöhung Modellwahl Automatische Versuchsplanung Vorgabe der Anzahl von Versuchen Aktuelles Modell Verbessertes Modell Umsetzung in Software-Modul Design 23 Fraunhofer IOSB 11/2011
24 Prozessführung bei Aquifergasspeicher Speicher wird durch ein Netz von ca. 500 im Boden verteilten Betriebssonden repräsentiert Wasseranfall bei Sonden ist kritisch, Sonden müssen rechtzeitig abgeschaltet werden Anlernen von kritischen Prozesszuständen aus Messdaten Generierung von Kennlinien Ausgabe von Warnungen an Operator 24 Fraunhofer IOSB 11/2011
25 Kennwerte- / Fehlerkorrelationen in Fertigungsprozessen Beispiel: Automobil-Produktion Kennwerte-Diagnose und Prognose: Ursachen für eine Veränderung Risiko eines Kennwerteeinbruchs Fehlerkorrelation: Ermittlung von Fehlerkombinationen und zeitlichen Relationen in komplexen Montageprozessen 25 Fraunhofer IOSB 11/2011
26 Generierung und Aktualisierung von Fertigungsstammdaten Fertigungsstammdaten beschreiben Eigenschaften / Abhängigkeiten von Maschinen, Materialien, Personal, Werkzeugen, Produkten, Prozessen Sind in der Praxis oftmals fehlerhaft Planung / Optimierung unmöglich! Ziel: Generierung / Aktualisierung von Fertigungsstammdaten aus Produktionsdaten Beispiel: Platinenbestückung 26 Fraunhofer IOSB 11/
27 27 Fraunhofer IOSB 11/ Künftige Anwendungen
28 Energie-Effizienzcontrolling für die Produktion BMWI-Projekt EnEffCo (Fraunhofer IPK, BMW, Brose, Witte, Ökotec, ENSYS) Quelle: Fraunhofer IPK, EnEffCo Projekt 28 Fraunhofer IOSB 11/2011
29 Analyse von Kommunikationssystemen Ziele: Erstellen Anforderungsprofil automatisierungstechnischer Kommunikationssysteme Leistungsanalyse, -prognose, -optimierung Kommunikations-Daten (Traces) Generierter Zustandsgraph der Kommunikationsprozesse "56057"," ","PhoenixC_12:ef:51","Siemens_6c:03:73","PNIO", "RTC1, ID:0xc000, Len: 40, Cycle:16288 (Valid,Primary,Ok,Run) "56058"," "," "," ","TCP", "3714 > [PSH, ACK] Seq=72027 Ack= Win=65535 Len=10 "56059"," ","PhoenixC_18:d4:23","PhoenixC_12:ef:51","PNIO", "RTC1, ID:0xc003, Len: 40, Cycle:11688 (Valid,Primary,Ok,Run) "56060"," ","PhoenixC_12:ef:51","PhoenixC_07:47:b4","PNIO", "RTC1, ID:0xd000, Len: 515, Cycle:16352 (Valid,Primary,Ok,Run) 29 Fraunhofer IOSB 11/2011
30 Monitoring Trinkwasser-Qualität Lernfähiges Monitoringsystem zur Detektion toxischer Stoffe in Trinkwassernetzen Anlernen von Normalzustand aus Messdaten Schnelle Erkennung von Anomalien Eingesetzt im Sensorsystem AquaBioTox 30 Fraunhofer IOSB 11/
31 Monitoring von Windkraftanlagen (Getriebe) Frühzeitige Erkennung von Getriebeschäden unabdingbar (sonst droht Totalausfall) Anlernen von Normalzustand aus Messdaten Schnelle Erkennung von Anomalien Aktuell Durchführung von Pilot-Studie 31 Fraunhofer IOSB 11/2011
32 Modellierung komplexer biologischer Prozesse Ziel: Lernen von kausalen Strukturen aus Messdaten Modell basierend auf Expertenwissen Erlernte kausale Strukturen aus Messdaten kombinieren 32 Fraunhofer IOSB 11/2011
33 5. Zusammenfassung Modulares System von Data-Mining-Werkzeugen (ProDaMi-Suite) zur Generierung von entscheidungsfähigem Wissen im Produktionsumfeld Flexible Ausprägung der ProDaMi-Suite für unterschiedliche Nutzergruppen; Generierung kundenspezifischer Applikationen Anwendungsklassen / Demonstratoren aus den Bereichen Prozessführung und überwachung sowie Produktionsplanung und steuerung Hemmnis bei Industrieprojekten: Datenerhebung zunächst aufwändig; Erfolgsrisiko bei Projekten Aktuelle Forschung: Erlernen kausaler Zusammenhänge aus Messdaten ProDaMi 33 Fraunhofer IOSB 11/2011
Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden
Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Dr. Thomas Bernard 6. Karlsruher Automations-Treff (KAT) Leit- und Automatisierungstechnik der Zukunft Karlsruhe,
MehrDatengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden
Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden Dr. Thomas Bernard Fraunhofer-Institut für Systemtechnik, Optronik und Bildauswertung Karlsruhe HANNOVER
MehrData Mining zur Prozessoptimierung
Data Mining zur Prozessoptimierung Dr. Michael Heizmann Dipl.-Ing. Christian Kühnert Dr. Thomas Bernard VDI-Fachtagung Prüfprozessmanagement im Fahrzeug- und Maschinenbau 2012 Leonberg, 24.10.2012 Datengrab
MehrProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen
ProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen Dr. Thomas Bernard, Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Karlsruhe Stichworte Data
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
MehrScheduling von Versuchen im Umfeld MDM
Scheduling von Versuchen im Umfeld MDM Peak Resource Planner (PRP) Immer ein Stück weiter Dipl.-Math. Senior Consultant g.schneider@peak-solution.de Übersicht Versuche zeitlich einplanen MDM Prozess Anforderungen
MehrManufacturing Execution Systems - Ein Überblick
Manufacturing Execution Systems - Ein Überblick Dresden, 11.06.2010 Erik Steckler 00 Inhalt 1. Motivation 2. Einführung in MES 3. AIS-MES als Beispiel 4. Zusammenfassung TU Dresden, 11.06.2010 HS TIS MES
MehrBDI-Agenten für agile zielorientierte Geschäftsprozesse
BDI-Agenten für agile zielorientierte Geschäftsprozesse Birgit Burmeister 3. Expertenforum Agenten in der Automatisierungstechnik Universität Stuttgart, 29./30. September 2008 Birgit Burmeister / GR/EPF
MehrML-Werkzeuge und ihre Anwendung
Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig
MehrSeminarthemen WS 14/15
Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Seminarthemen WS 14/15 Präsentation Alexander Schiller, Lars Lewerenz, Dominik Schön Prof. Dr. Bernd Heinrich Lehrstuhl für Wirtschaftsinformatik
MehrSession 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh. www.its-owl.de
Session 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh www.its-owl.de Agenda Abschlusspräsentation itsowl-tt-savez Einführung Zielsetzung Ergebnisse Resümee und Ausblick
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrOUTSOURCING ADVISOR. Analyse von SW-Anwendungen und IT-Dienstleistungen auf ihre Global Sourcing Eignung. Bewertung von Dienstleistern und Standorten
Outsourcing Advisor Bewerten Sie Ihre Unternehmensanwendungen auf Global Sourcing Eignung, Wirtschaftlichkeit und wählen Sie den idealen Dienstleister aus. OUTSOURCING ADVISOR Der Outsourcing Advisor ist
MehrEntwicklung von Visualisierungskomponenten
Entwicklung von Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener Assistenzfunktionen wie der
MehrAnbindung Borland CaliberRM
Anbindung Borland CaliberRM pure::variants - Das Werkzeug Einstieg intergrierbar in bestehende Softwareentwicklungsprozesse unabhängig von der genutzten Programmiersprache Anwendung automatische Auflösung
Mehrlogi.guard Maintenance meets Automation Offene Condition Monitoring Plattform von logi.cals powered by Messfeld
logi.guard Maintenance meets Automation Offene Condition Monitoring Plattform von logi.cals powered by Messfeld EUR Ing. Dipl.Ing. Wolfgang Schähs Entwickler logi.guard Lib Projekt & Support logi.guard
MehrGeschäftsprozessoptimierung am Beispiel eines Veredelungsprozesses in einem KMU
Geschäftsprozessoptimierung am Beispiel eines Veredelungsprozesses in einem KMU Gemeinschaftsprojekt von TC&T dem RKW Hessen und der Fachhochschule Giessen-Friedberg Vortrag auf dem Symposion des TÜV-Süddeutschland
MehrIndustrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit
Eckard Eberle, CEO Industrial Automation Systems Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit siemens.com/answers Industrie 4.0 Was ist das? Der zeitliche Ablauf der industriellen Revolution
MehrFunktionsentwicklung im Fahrwerk: Umsetzung des Application Life Cycle Managements in der Fahrwerkentwicklung bei Audi Dr. Thomas Reiß 20.05.
Funktionsentwicklung im Fahrwerk: Umsetzung des Application Life Cycle Managements in der Fahrwerkentwicklung bei Audi Dr. Thomas Reiß 20.05.2014 Inhalt Innovationen im Fahrwerk Entwicklungsprozess in
MehrCustomer Relationship Ana lyt ics
Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung
MehrDISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne
MehrInstitut für Computational Engineering ICE. N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t. w w w. n t b.
Institut für Computational Engineering ICE N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t w w w. n t b. c h Rechnen Sie mit uns Foto: ESA Das Institut für Computational Engineering
MehrAnforderungen an die HIS
Anforderungen an die HIS Zusammengefasst aus den auf IBM Software basierenden Identity Management Projekten in NRW Michael Uebel uebel@de.ibm.com Anforderung 1 IBM Software Group / Tivoli Ein Feld zum
Mehrintelligent control of production processes
intelligent control of production processes Konzept zur intelligenten Produktionssteuerung Verwaltung der Ressourcen Material bzw. Energie Equipment Personal Modellierung des Prozesses Physikalische Beziehungen
MehrCopyright 2014 Delta Software Technology GmbH. All Rights reserved.
Karlsruhe, 21. Mai 2014 Softwareentwicklung - Modellgetrieben und trotzdem agil Daniela Schilling Delta Software Technology GmbH The Perfect Way to Better Software Modellgetriebene Entwicklung Garant für
MehrTeil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3
xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable
MehrFLEXIBLE SOFTWAREPLATTFORM FÜR ENERGIEMANAGEMENT
FLEXIBLE SOFTWAREPLATTFORM FÜR ENERGIEMANAGEMENT Energiesymposium Energietechnik im Wandel 27. Oktober 2014 Peter Heusinger, Fraunhofer IIS Fraunhofer IIS Einführung Gründe für Energiemanagement Energiebewusst
MehrWorkflow- basiertes Data Mining in der Bioinformatik
05/ 04/ 06 mine- IT: Workflow- basiertes Data Mining in der Bioinformatik Theoretical Bioinformatics Hintergrund Medizinische Bioinformatik: Forschungsbereich an der Schnitt stelle zwischen Molekularbiologie
MehrMODULAR END SEALER SEALING SOLUTIONS. PEEL OFF ENDS. ALLES DENKBARE IST MACHBAR
II RHO SEALING SOLUTIONS. PEEL OFF ENDS. ALLES DENKBARE IST MACHBAR RHO II ÜBERSICHT Der RHO I modular end sealer ermöglicht das gasdichte Fügen siegelfähiger Membranen mit Deckelringen aus Weißblech oder
MehrITIL & IT-Sicherheit. Michael Storz CN8
ITIL & IT-Sicherheit Michael Storz CN8 Inhalt Einleitung ITIL IT-Sicherheit Security-Management mit ITIL Ziele SLA Prozess Zusammenhänge zwischen Security-Management & IT Service Management Einleitung
MehrData Mining als Arbeitsprozess
Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining
MehrLokalisierung. Vom tatsächlichen zum virtuellen Modell. Vom virtuellen zum tatsächlichen Modell
Lokalisierung - FÜHRUNG - Griff in die Kiste - ONLINE-MESSUNG - IDENTIFIKATION Lokalisierung Um die Beladung einer Fertigungslinie kostengünstig zu automatisieren. Visio Nerf bietet Ihnen eine auf einer
MehrInstandhaltung. Jakob Krause, Sebastian Cech. TU Dresden - Fakultät Informatik
Ein Prototyp zur zustandsorientierten Instandhaltung Jakob Krause, Sebastian Cech TU Dresden - Fakultät Informatik Gliederung 1. Motivation 2. Der Prognoseprozess 3. Die Frameworkarchitektur 4. Implementierung
MehrData Mining für die industrielle Praxis
Data Mining für die industrielle Praxis von Ralf Otte, Viktor Otte, Volker Kaiser 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22465 0 Zu Leseprobe schnell und
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrMaking Things Right mit Industry Services
Dirk Hoke, CEO Customer Services Making Things Right mit Industry Services siemens.com/hannovermesse Making Things Right mit Industry Services Services Seite 2 18. Februar 2014 Wachsende Herausforderungen
MehrBILFINGER INDUSTRIAL MAINTENANCE DAS NEUE BILFINGER MAINTENANCE CONCEPT BMC
BILFINGER INDUSTRIAL MAINTENANCE DAS NEUE BILFINGER MAINTENANCE CONCEPT BMC Bilfinger Industrial Maintenance WE MAKE MAINTENANCE WORK Bilfinger ist mit sechs Divisionen im Geschäftsfeld Industrial einer
MehrAnwendung. Zellrechner. Fertigungszelle. mit Zellrechner. Zellrechner. flexible Automatisierung&Projekte
Fertigungszelle mit flexible Automatisierung&Projekte Benefit Mit dem besitzen Sie ein Bindeglied Ihrer Fertigungsanlage zur Leitebene, um die Fertigungsabläufe zu optimieren, eine hohe Verfügbarkeit zu
MehrVerbinden von Workflows und fachlichen Prozessmodellen im Rahmen eines SharePoint Prozessportals Semtation GmbH (Henrik Strauß)
Verbinden von Workflows und fachlichen Prozessmodellen im Rahmen eines SharePoint Prozessportals Semtation GmbH (Henrik Strauß) Agenda 1. Hintergrund und Zielstellung 2. Prozessportal (SemTalk Services)
MehrDeutsches Forschungsnetz
Deutsches Forschungsnetz Vorstellung NeMo: Erkennung und Bearbeitung von DDoS-Angriffen im X-WiN 62. DFN-Betriebstagung 3. März 2015, Berlin Gisela Maiß, DFN-Verein Jochen Schönfelder, DFN-CERT NeMo Netzwerk
MehrBessere Daten durch Stammdatenmanagement
make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere
MehrGeFüGe Instrument I07 Mitarbeiterbefragung Arbeitsfähigkeit Stand: 31.07.2006
GeFüGe Instrument I07 Stand: 31.07.2006 Inhaltsverzeichnis STICHWORT:... 3 KURZBESCHREIBUNG:... 3 EINSATZBEREICH:... 3 AUFWAND:... 3 HINWEISE ZUR EINFÜHRUNG:... 3 INTEGRATION GESUNDHEITSFÖRDERLICHKEIT:...
MehrHinweis: Die Umfrage wurde von 120 Unternehmen in Deutschland beantwortet.
Kundenumfrage 2015 Hinweis: Die Umfrage wurde von 120 Unternehmen in Deutschland beantwortet. Bridge imp GmbH & Co. KG, Bavariafilmplatz 8, 82031 Grünwald bei München, fon +49 89 32 49 22-0, fax +49 89
MehrMaster Data Management
Master Data Management Warum Stammdatenmanagement Komplexität reduzieren Stammdatenmanagement bringt Ordnung in ihre Stammdaten. Doubletten werden erkannt und gesperrt. Stammdaten verschiedener Quellsysteme
Mehrtoolwear Die Verbindung aller Systemwelten
toolwear Die Verbindung aller Systemwelten toolwear schlägt als erstes Programm seiner Art die Brücke zwischen den unterschiedlichsten Rechnersystemen. toolwear ist ein branchenneutrales Produkt. Systemarchitekturen
MehrWege zur industriellen Datenanalyse
Wege zur industriellen Michael Hoffmann Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU 1. Sächsischer Tag der Automation 05. November 2015, 8:30 Uhr, Technologie- und Gründerzentrum Bautzen
MehrModellgestütztes Consulting für die Windenergie Ein neuer Ansatz für die Entwicklung
für die Windenergie Ein neuer Ansatz für die Entwicklung 1 Umgang mit Informationen Bewältigung von Problemstellungen mit Informationskompetenz Erkennung eines Informationsbedarfes Lokalisierung von Informationen
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrVDMA 66412-10. Manufacturing Execution Systems Daten für Fertigungskennzahlen. Manufacturing Execution Systems Data for Production Indicators
VDMA-Einheitsblatt April 2015 VDMA 66412-10 ICS 03.100.50; 35.240.50 Manufacturing Execution Systems Daten für Fertigungskennzahlen Manufacturing Execution Systems Data for Production Indicators Verband
MehrMehrwert durch 3D-Druck generieren
Mehrwert durch 3D-Druck generieren Zwei fundamentale Unterschiede von 3D-Druck zu traditionellen Produktionsverfahren No economies of scale Complexity for free Stückkosten Stückkosten Stückzahl Stückzahl
MehrFRAUNHOFER-INSTITUT FÜR
FRAUNHOFER-INSTITUT FÜR Materialfluss und Logistik IML LEAN Warehousing Lean warehousing Lagerprozesse effizient gestalten Die Intralogistik ist ein zentraler Bestandteil der Distributionskette: Nur mit
MehrVEDA Managed Services VEDA-SOFTWARE
VEDA Managed Services VEDA-SOFTWARE VEDA Managed Services Aktualität und individualität Wir verbinden die Vorteile von Best Practices mit Flexibilität Sie erhalten eine IT-Lösung, die Ihre Ziele und Ansprüche
MehrMicrosoft Office Visio 2007 Infotag SemTalk Thema: Prozessmodellierung
Microsoft Office Visio 2007 Infotag SemTalk Thema: Prozessmodellierung Dr.-Ing. Frauke Weichhardt, Semtation GmbH Christian Fillies, Semtation GmbH Claus Quast, Microsoft Deutschland GmbH Prozessmodellierung
MehrSERVICE SUCHE ZUR UNTERSTÜTZUNG
SERVICE SUCHE ZUR UNTERSTÜTZUNG VON ANFORDERUNGSERMITTLUNG IM ERP BEREICH MARKUS NÖBAUER NORBERT SEYFF ERP SYSTEME Begriffsbestimmung: Enterprise Resource Planning / Business Management Solution Integrierte
MehrSITA Applikations-Service Leistungsprogramm
Nutzen Sie die umfangreichen Erfahrungen der SITA Messtechnik GmbH im Bereich der Oberflächenspannungsmessung von Flüssigkeiten, der Analyse des Schäumverhaltens und der Optimierung der Prozessführung
MehrI N F O R M A T I O N V I R T U A L I S I E R U N G. Wir schützen Ihre Unternehmenswerte
I N F O R M A T I O N V I R T U A L I S I E R U N G Wir schützen Ihre Unternehmenswerte Wir schützen Ihre Unternehmenswerte Ausfallsicherheit durch Virtualisierung Die heutigen Anforderungen an IT-Infrastrukturen
MehrPresseinformation. Ihre Maschine spricht! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich.
Presseinformation Mai 2015 GLAESS Software & Ihre Maschine spricht! Wäre es nicht hilfreich, wenn Maschinen zu uns sprechen könnten? Natürlich nicht immer aber immer dann, wenn etwas Entscheidendes passiert.
MehrInfrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit
make connections share ideas be inspired Infrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit Artur Eigenseher, SAS Deutschland Herausforderungen SAS Umgebungen sind in
MehrInformationssicherheit als Outsourcing Kandidat
Informationssicherheit als Outsourcing Kandidat aus Kundenprojekten Frankfurt 16.06.2015 Thomas Freund Senior Security Consultant / ISO 27001 Lead Auditor Agenda Informationssicherheit Outsourcing Kandidat
MehrNeue Funktionen in Innovator 11 R5
Neue Funktionen in Innovator 11 R5 Innovator for Enterprise Architects, Java Harvester und Prüfassistent 12.11.2013 Agenda 1 2 3 Einführung Was ist neu in Innovator 11 R5? Szenario Enterprise Architektur
MehrQualitätsberichte im MS Word-Format
Qualitätsberichte im MS Word-Format StatSoft GmbH und STATISTICA 9.1 auf dem Forum der Control 2010 www.statsoft.de StatSoft (Europe) GmbH 2010 Michael Busch Inhalt StatSoft STATISTICA Anwendungen in der
MehrMO 27. Aug. 2007, 17:00 UHR JAVA FRAMEWORKS TIPPS VON PROFI-GÄRTNERN GEGEN WILDWUCHS
072 MO 27. Aug. 2007, 17:00 UHR JAVA FRAMEWORKS TIPPS VON PROFI-GÄRTNERN GEGEN WILDWUCHS Die Flut von Open Source Frameworks ist vergleichbar mit dem Markt von kommerziellen Produkten Es gibt eine Vielzahl
MehrDEFIS Design und flexible Integration von Sensoren aus Nanodispersionen zur Strukturüberwachung
Mikro-Nano-Integration als Schlüsseltechnologie für die nächste Generation von Sensoren und Aktoren (MNI-mst) DEFIS Design und flexible Integration von Sensoren aus Nanodispersionen zur Strukturüberwachung
MehrExecutive summary Maschinendatenerfassung
Holtz Elektro- Haustechnik GmbH, Copyright 2015-2015 1 Allgemein... 3 1.1 Project Manager... 5 1.1.1 Meldungen... 5 1.1.2 Maschinen... 6 1.1.2.1 Maschine... 7 1.1.2.1.1 Daten... 7 1.1.2.1.2 Status... 7
MehrIT-Controlling in der Sparkasse Hildesheim
1 IT-Controlling in der der Steuerungsregelkreislauf für IT-Entwicklung und -Betrieb Auf Basis der IT-Strategie mit den dort definierten Zielen wurde das IT-Controlling eingeführt und ist verbindliche
MehrTime-to-Market in Echtzeit
Time-to-Market in Echtzeit Mit OnlineKATactive können Sie Ihren blätterbaren Katalog schnell und einfach selbst erstellen. Effizientes One-to-One-Marketing ist jetzt Realität. Artikel können schnell und
MehrTransfer von Prozessen des Software-Produktlinien Engineering in die Elektrik/Elektronik- Architekturentwicklung von Fahrzeugen
Transfer von Prozessen des Software-Produktlinien Engineering in die Elektrik/Elektronik- entwicklung von Fahrzeugen Martin Jaensch, Dr. Bernd Hedenetz, Markus Conrath Daimler AG Prof. Dr. Klaus D. Müller-Glaser
MehrVom Konzept direkt ins Cockpit: Optimierte HMI-Entwicklung mittels automatischer Codegenerierung
: Optimierte HMI-Entwicklung mittels automatischer Codegenerierung Christian Semmler MT323 Human Factors Engineering Seite 1 Gliederung HMI-Entwicklungsprozess Werkzeuge Einsatz an einem Beispielprojekt
MehrPassgenau schulen Bedarfsanalyse
Passgenau schulen Bedarfsanalyse Mit unserer Online-Bedarfsanalyse bringen Sie Ihre Schulungen auf den Punkt. Sie sparen Zeit und Geld effizient und passgenau. de Office-Training.de ist eine Marke der
MehrMHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement!
MHP Inventory Management Ihre Lösung für ein optimiertes und effizientes Bestandsmanagement! Business Solutions 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda
MehrIBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung
IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung Evaluieren & Erkennen, Weiterentwickeln & Reporten Datenerhebung, Datenanalyse und Data Mining
MehrPR SAM. Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies
Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Intelligentes Instandhaltungsmanagement (4.0) Kein ungeplanter Stillstand durch rechtzeitige Wartung bei Nennbetrieb Intelligente,
MehrTraceability Terminal. TraceCube
Traceability Terminal TraceCube Steigende Anforderungen in der Elektronik- Industrie bedingen eine Rückverfolgbarkeit Steigende Anforderungen Notwendigkeit der Rückverfolgbarkeit aufgrund gesetzlicher
MehrSie haben keine Lust mehr auf teure und komplexe Projekte?
Sie haben keine Lust mehr auf teure und komplexe Projekte? On-/Offline-Betrieb Anwenderfreundliche Oberflächen Stabil auch bei Funkschatten Schnell auch bei schwacher Verbindung Mit unserer SAP-zertifizierten
MehrNeue 3D Machine Vision Software im Metro-Stil von Windows 8 lässt in die Zukunft blicken
Konzentration auf das Wesentliche: Innovative Benutzeroberfläche und Touchscreen für intuitive Bedienung Neue 3D Machine Vision Software im Metro-Stil von Windows 8 lässt in die Zukunft blicken Mit der
MehrPPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.
PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt
MehrKEY-ACCOUNT-MANAGEMENT
KEY-ACCOUNT-MANAGEMENT Inhaltsverzeichnis Einleitung Begriffsdefinition Grundlagen - (KAM) Das Profil des Key-Account-Managers KAM mehr als nur verkaufen - Aufgaben des Key-Account-Managers Zentrale Erfolgsfaktoren
MehrBusiness-Rule-Management als Instrument des Software-Reengineering
Business-Rule-Management als Instrument des Software-Reengineering Olaf Resch Olaf Resch am 4. Mai 2005 in Bad Honnef 1 Agenda Software und Wissen. Verschmelzung als Evolutionshindernis. Business-Rule-Technologie.
MehrGEPRÜFTE / -R INDUSTRIEMEISTER / -IN METALL / NEU
SITUATIONSAUFGABE 35 Bei der Durrchführung einer FMEA wird in der Stufe zwei nach der Bedeutung der potentiellen Folgen eines Fehlers gefragt und schließlich die Frage nach der Wahrscheinlichkeit der Entdeckung
MehrPresseinformation. Wir bewegen Ihre Produktion! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich.
Presseinformation Mai 2015 GLAESS Software & Wir bewegen Ihre Produktion! Anlagenprogrammierung, Leitsystem, BDE und SCADA sind wichtige Bausteine in der industriellen Automatisierung. Je größer und mächtiger
MehrDas Konzept für eine automatisierte und effizientere Kommissionierung umzusetzen
Materialflussoptimierung und Integration von Förderstrecke und Lagerverwaltung in das ERP System, als Wettbewerbsvorteil für den Milchhof Brixen (Brimi) Arbeiten, wo andere Urlaub machen! Der Milchhof
MehrInformationen zur Wahl der Studienrichtung: Fakultät 09. Prof. Dr. Anzinger
Informationen zur Wahl der Studienrichtung: Industrielle Technik Fakultät 09 Wirtschaftsingenieurwesen i i Prof. Dr. Anzinger Ausbildungsziel Ziel dieser Ausbildungsrichtung ist, mit dem Wissen der klassischen
MehrProjektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten
Projektarbeit/SHK-Tätigkeit: Entwicklung graphischer Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener
MehrIndustrie 4.0 in Deutschland
Foto: Kzenon /Fotolia.com Industrie 4.0 in Deutschland Dr. Tim Jeske innteract-conference Chemnitz, 07.05.2015 Entwicklung der Produktion Komplexität Quelle: Siemens in Anlehnung an DFKI 2011 07.05.2015
MehrCRM 2.0-Barometer: Kundenmanagement- Lösungen sollen optimale Vernetzung bieten
CRM 2.0-Barometer: Kundenmanagement- Lösungen sollen optimale Vernetzung bieten Sabine Kirchem ec4u expert consulting ag CRM 2.0-Barometer Immer mehr Unternehmen erwarten stärkere Integration in alle digitalen
MehrPrototypenentwicklung zur Identifikation gleichartiger Nachrichtenticker am Beispiel des Gashandels
Prototypenentwicklung zur Identifikation gleichartiger Nachrichtenticker am Beispiel des Gashandels TDWI Konferenz München, 24.06.2014 M.Sc.Susann Dreikorn Institut für Wirtschaftsinformatik, 2014 Agenda
MehrFlüssigkeitsmanagement Maßgeschneiderte, sichere Lösungen für Ihr Labor
Flüssigkeitsmanagement Maßgeschneiderte, sichere Lösungen für Ihr Labor Sensors & Systems Worldwide: www.fafnir.de Alles unter Kontrolle Sie suchen einen zuverlässigen Weg, Ihre Laboranlagen sicher und
MehrGrundlagen zur Erstellung und dem Relaunch einer Homepage. Julius Hoyer Osnabrück - 11. März 2015
Grundlagen zur Erstellung und dem Relaunch einer Homepage Julius Hoyer Osnabrück - 11. März 2015 Fakultät Wirtschafts- und Sozialwissenschaften 11. März 2015 ebusiness-lotse Osnabrück 2 Das Team an der
MehrWeniger Risiko, höhere Qualität, mehr Effizienz Der Einsatz von SASUnit in der Datenintegration bei der Fraport AG
Weniger Risiko, höhere Qualität, mehr Effizienz Der Einsatz von SASUnit in der Datenintegration bei der Fraport AG Heidelberg, 25. September 2014 Manuel Hegemann, Fraport AG 2 Agenda 1 2 3 Die Fraport
MehrGrundlagen für den erfolgreichen Einstieg in das Business Process Management SHD Professional Service
Grundlagen für den erfolgreichen Einstieg in das Business Process Management SHD Professional Service Der BPM-Regelkreis Im Mittelpunkt dieser Übersicht steht die konkrete Vorgehensweise bei der Einführung
MehrProzessoptimierung. und. Prozessmanagement
Prozessoptimierung und Prozessmanagement Prozessmanagement & Prozessoptimierung Die Prozesslandschaft eines Unternehmens orientiert sich genau wie die Aufbauorganisation an den vorhandenen Aufgaben. Mit
MehrKonsolidierung und Neuimplementierung von VIT. Aufgabenbeschreibung für das Software Engineering Praktikum an der TU Darmstadt
Konsolidierung und Neuimplementierung von VIT Aufgabenbeschreibung für das Software Engineering Praktikum an der TU Darmstadt Inhaltsverzeichnis 1 Was ist der Kontext?... 1 2 VIT: Ein sehr erfolgreiches
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrONET: FT-NIR-Netzwerke mit zentraler Administration & Datenspeicherung. ONET Server
: FT-NIR-Netzwerke mit zentraler Administration & Datenspeicherung Motivation für die Vernetzung von Spektrometern Weiterhin wachsender Bedarf für schnelle Analysenmethoden wie NIR Mehr Kalibrationen werden
MehrEchtzeitanomalieerkennung für Internetdienste (Abschlussvortrag)
Lehrstuhl für Netzarchitekturen und Netzdienste Institut für Informatik Technische Universität München Echtzeitanomalieerkennung für Internetdienste (Abschlussvortrag) Markus Sieber Betreuer: Ali Fessi,
MehrMulti-Agent Systems. Agentensysteme. Industry 4.0 Machine Learning. Energy and Smart Grids
Multi-Agent Systems VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA) Fachausschuss 5.15 Agentensysteme Industry 4.0 Machine Learning Material Handling Energy Management Production Control Operations
MehrMobile Endgeräte in der Produktion. Inhalt. eine Fallstudie aus dem Maschinenbau. Abstract
Mobile Endgeräte in der Produktion eine Fallstudie aus dem Maschinenbau Abstract Aktuellen Studien der Fraunhofer Gruppe zufolge wird ein wesentlicher Aspekt des aktuellen und zukünftigen Arbeitsumfeldes
MehrAnwendungsbeispiel Industrie 4.0
Zweck dieses Dokuments: Interne Sammlung von Anwendungsbeispielen von, die nach einer Entscheidung durch den Lenkungskreis für die öffentliche Darstellung weiter ausgearbeitet werden sollen. Gesucht werden
MehrCAIRO if knowledge matters
CAIRO if knowledge matters Monitoring mit Microsoft Operations Manager 2007 Ein Überblick Johann Marin, Inhalt if knowledge matters Warum Monitoring? Was soll überwacht werden? SCOM Key Features Das SCOM
Mehr