Einsatz von CPS und Bedeutung von Big Data in der Produktionspraxis

Transkript

1 Einsatz von CPS und Bedeutung von Big Data in der Produktionspraxis Von der Vision von Industrie 4.0 zur Umsetzung konkreter Projekte am Campus-Cluster Logistik Prof. Dr.-Ing. Volker Stich , Aachen

2 Agenda 1 Das FIR am Campus Cluster Logistik 2 Zukunftsprojekt Industrie CPS und Big Data in der Produktionspraxis 2

3 Das FIR an der RWTH Aachen Kurzfakten Gründung: Rechtsform: Zielsetzung: Leitmotiv: Motto: Leistung: 1953 durch das Land NRW e.v. als An-Institut der RWTH Aachen in der Fakultät für Maschinenbau Brückenschlag zwischen Wissenschaft & Wirtschaft Betriebsorganisation im Unternehmen der Zukunft Forschung nutzen. Mehrwert schaffen. ca. 40 öffentlich geförderte Projekte p.a. ca. 60 Projekte mit Industriekunden p.a. Grundkapital: ambitionierte Mitarbeiter, Nachwuchsführungskräfte Geschäftsführer Direktor Prof. Volker Stich Prof. Günther Schuh Unsere Themen Business-Transformation Dienstleistungsmanagement Informationsmanagement Produktionsmanagement Transformation-Strategy Transformation-Design Leadership Service-Engineering Lean Services Community-Management Competence-Center: Instandhaltung, Service Informationslogistik Informationstechnologiemanagement Competence-Center: Informationstechnologie Supply-Chain-Management Produktionsplanung Produktionsregelung Competence-Center: Logistik 3

4 Die thematischen Stoßrichtungen des FIR sind unter dem Begriff Enterprise Integration zusammengefasst Enterprise Integration 3.0 Entwicklungspfade und Gestaltungsdimensionen Information-, and Communication Technologies Wertschöpfungssystem? Integrative and Integrating Services Cybernetic System Behavior Integrative and Integrating Services : Zunehmende Bedeutung von Dienstleistungen und Diensten für die Integration umfassender Prozesse sowie für die Gestaltung integrativer Systemleistungen, Information, and Communication Technologies : Zunehmende Durchdringung ubiquitärer Technologien und Systeme ermöglichen eine zunehmende Digitalisierung von Geschäftsprozessen, Cybernetic System Behaviour : Zunehmende Veränderung existierender Planungs- und Steuerungsphilosophien hin zu einem kybernetisch geprägten Verständnis von Zusammenhängen auf der Gesamtsystemebene und unter Einbeziehung verteilter und autonomer Mechanismen der Selbstregulation. Industrie 4.0 4

5 Das Cluster Logistik am RWTH Aachen Campus Idee Planung der angegliederten Fabrik Zielsetzung des Campus-Clusters Logistik ist es, komplexe Zusammenhänge in Logistik, Produktion und Dienstleistung erleb- und erforschbar zu machen. Ansiedlung namhafter Partner Hohes Commitment der Partner vor Ort Gemeinsame Demonstrationsumgebungen Außenansicht Innenansicht 5

6 Agenda 1 Das FIR am Campus Cluster Logistik 2 Zukunftsprojekt Industrie CPS und Big Data in der Produktionspraxis 6

7 Zukunftsprojekt Industrie 4.0 Industrie 4.0 ist der derzeit das Thema in produzierenden Unternehmen

8 Industrie 4.0 wird getragen durch Kollaboration Grundlage der 4. industriellen Revolution ist die Verschmeldung von physischer und virtueller Welt IT-Software: Truth IT-Hardware: Speed Cyber PLM-Systems Software- Agenten Speichern in der Cloud 4. Industrielle Revolution High Speed Computing Lokale Speicher ERP-Systems Social Behaviour: Cooperation Kollaborationsproduktivität Physical Systems: Automation Physical Internet der Dinge Business Communities Social Communities Cognitive Systems Software Hardware 8

9 Agenda 1 Das FIR am Campus Cluster Logistik 2 Zukunftsprojekt Industrie CPS und Big Data in der Produktionspraxis 9

10 Im Forschungsprojekt ProSense werden Ansätze von CPS entwickelt und umgesetzt Übergeordnetes Gesamtziel Entwicklung einer hochauflösenden, adaptiven Produktionssteuerung auf Basis kybernetischer Unterstützungssysteme und intelligenter Sensorik zur Steigerung der Produktionseffizienz Detaillierte Projektziele Projektpartner Intelligente Sensorik zur Generierung und Verarbeitung von hochauflösenden Daten Echtzeit-Massendatenverarbeitung mittels schneller und innovativer Datenbanktechnologien Mustererkennung und Gestaltung von Entscheidungsvorlagen des Feinsteuerungssystems mittels Simulation zur optimalen Unterstützung des Mitarbeiters Neuartige Visualisierungstechniken für hochauflösende Daten zur Unterstützung der Steuerungsentscheidungen GEFÖRDERT VOM BETREUT VOM 10

11 Im Forschungsprojekt BigPro sollen Big Data-Technologien für ein effizienteres Störungsmanagement eingesetzt werden Produktions-, Umgebungsund Mitarbeiterdaten Datenbereitstellung/ -erhebung Datenanalyse - Monitoring Mustererkennung/ Prognose Maßnahmen -bewertung/ Reaktion Störungsmanagement durch echtzeitfähige Big Data-Plattform Übergeordnetes Gesamtziel Verknüpfung von Big Data-Technologien und CEP-Mustererkennung um ein proaktives Störungsmanagement in industriellem Produktionsumfeld zu etablieren Projektpartner Datenentstehung Datenaggregation Informationsfluss Bedarfsgerechte Visualisierung Detaillierte Projektziele Mächtige Big Data-Plattform: Entwicklung einer Big Data-Plattform zur Verarbeitung heterogener Datenmengen in Echtzeit Produktionsfaktor Mensch: Berücksichtigung von Mitarbeiterdaten (Stimmung, Stresslevel, Müdigkeit, Motivationslevel) zur Identifikation von Störungspotenzialen Datenmustererkennung: Analyse der Datenkonstellation von eingetretenen Störungen Bedarfsgerechte Visualisierung: Visualisierung der Störungen zur Unterstützung der Entscheidungsebenen bei Entscheidungsfindung 11

12 In der Demonstationsfabrik können Versuche unter realen Produktionsbedingungen durchgeführt werden Unterstützung und proaktive Ausgestaltung des Störungsmanagements von Produktionsunternehmen Ausgangssituation Produktionsdaten werden nicht in vollem Umfang für ein effektives Störungsmanagement genutzt, so dass auf Störungen meist nur reagiert werden kann Der Störfaktor Mensch wird durch fehlende Datenerfassung nicht berücksichtigt Versuchsaufbau Die DFA wird mit Dashboards und mobilen Endgeräten zur Erfassung von Mitarbeiterdaten (Stimmungslevel, Stresslevel, ) ausgestattet Die erfassten Prozess-, Maschinen-, Umgebungs- und Mitarbeiterdaten werden auf der BigPro-Plattform konsolidiert und auf Störungsmuster untersucht Der Prozess und sich anbahnende Störungen werden anwenderorientiert visuell aufbereitet BigPro setzt BigData-Technologien ein um das Störungsmanagement von Produktionsunternehmen zu automatisieren und Produktionsprozesse resilienter zu gestalten. Besonderer Schwerpunkt liegt auf der Berücksichtigung des Mitarbeiters als Störungserkenner. Datenentstehung Datenaggregation 12

13 Vielen Dank für Ihre Aufmerksamkeit Kontakt: Prof. Dr.-Ing. Volker Stich Geschäftsführer Telefon: +49 (0) Fax: +49 (0)