Smart Companies - Smart Things

Transkript

1 Smart Companies - Smart Things Daniel Liebhart BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN ZÜRICH

2 Agenda 1. Fakten Basis: Die vollständige Vernetzung Voraussagen: Produktivität & Effizienz Kontext: Digital Business Transformation 2. Beispiel Industrielle Produktion 3. Beispiel Logistik 4. Veränderungen der Geschäftsmodelle

3 Fakten, Voraussagen und Kontext

4 Basis: Vollständige Vernetzung Quelle: Die Zukunft der vernetzten Gesellschaft (GDI 2014)

5 Voraussagen: Produktivität & Effizienz Gartner: Smarte Maschinen werden die Betriebskosten von Firmen bis 2018 um 30 Prozent senken Aberdeen Group: 45% Produktivitätssteigerungen durch den Einsatz vernetzter Geräte Gartner: Eines von fünf Fahrzeugen wird bis ins Jahr 2020 vernetzt sein IDC: Der Markt des IoT («a network of networks of uniquely identifiable endpoints (<things>) ) wird jährlich um 18.6% wachsen (19% dieses Jahr) Gartner: Unternehmen werden im Jahr 2020 mit dem Internet of Things (IoT) über 300 Milliarden Euro erwirtschaften

6 Kontext: Digital Business Transformation Quelle: Gartner The 2014 & 2015 CIO Agenda (Taming the digital Dragon / Flipping to Digital Leadership)

7 Beispiel Industrielle Produktion

8 Die Vision Die Idealvorstellung: Der Kunde definiert den Auftrag (das Produkt) und der steuert sich anschliessend selbst von der Bestellung des erforderlichen Rohmaterials über die Reservation der Bearbeitungsmaschinen, Montagekapazitäten, Lagerhallen und erforderlichen Logistikleistung bis hin zur Qualitätskontrolle und Auslieferung. Und das über Firmengrenzen hinweg

9 IoT als Basis der Smart Factory (Industrie 4.0) Definition BITKOM: «Im Mittelpunkt der Smart Factory steht die echtzeitfähige, intelligente, horizontale und vertikale Vernetzung von Menschen, Maschinen, Objekten und IKT-Systemen zum dynamischen Management von komplexen Systemen» Definition Experton: «Smart Factory beschreibt die Konvergenz von Kybernetik und Informatik, die alle Fertigungsbereiche durchdringt und dabei intelligente, sich selbst konfigurierende und steuernde Produkte und Produktionssysteme entstehen lässt» Zentrales Element = Cyber Physical System Definition: Cyber-Physische Systeme sind mit einer eigenen dezentralen Steuerung verehene intelligente Objekte, welche in einem Internet der Dinge miteinander vernetzt sind und sich selbstständig steuern

10 IoT als Basis der Smart Factory Quelle: Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)

11 Drei grundlegende Konzepte Das intelligente Produkt: Das intelligente Produkt kennt seine Auftrags-, Material und Produktionsdaten und beeinflusst damit die Herstellung. Cyber-Physical System: Die kommunizierende Maschine ist eine so genannte CPS- Komponente, die mit dem intelligenten Produkt interagiert CPS sind Werkzeugmaschinen, Fließbänder, Diagnosesysteme, Industrieroboter, Sortierstationen und Montagelinien alle vernetzt! Der Mensch: Der menschliche Bediener wird vom Produkt nur noch darüber informiert, wie die Montage zu erfolgen hat

12 IoT als Basis der Smart Factory

13 Beispiel Logistik

14 IoT als Basis der Logistik morgen Während selbstfahrende Fahrzeuge heute bereits real sind, ist die intelligente Infrastruktur eine Vision, die bis ins Jahr 2025 in Europa umgesetzt werden soll: Vernetzte Sensoren Kameras, Radar Mobile Geräte V2V & V2I Interaktion Verkehrsmanagement Quelle: Accelerate Coorperative Mobility

15 IoT als Basis der Logistik heute Das Fahrzeug als mobiler Rechner Bsp Mercedes Future Truck 2025 (an der IAA Anfangs Juli vorgestellt) Kombination von Assistenzsystemen (Abstandstempomat, Stabilitätsregelung, Spurhalteassistent, vorausschauender Tempomat) zum Highway Pilot Fährt bis 85 km/h selbstständig auf der Autobahn Andere Beispiele: Renault Connect, Walmart WAVE, Cat MineStar

16 Ziele der Logistik: Kosten senken durch Vernetzung Für den Disponenten: Zeitnahe Planung von Routen Schnelle Änderung von Routen und Beladungen Zahl der Leerfahrten optimieren Stillstandzeiten minimieren Für den Fahrer: Automatische Anpassung der Routen aufgrund der Verkehrslage Reduktion der Wartezeiten des Personals an der Rampe durch genaues Ankunftszeitmanagement Erhöhung der Fahrsicherheit durch Wetter- und andere Umgebungsinformationen Quelle: Institut für Transportlogistik der TU Dortmund

17 Anwendungsbeispiel 1: TomTom WebFleet Flottenmanagement in Echtzeit: Ca Fahrzeuge senden Statusinformationen, Positionsangaben, Tacho, Verbrauchswerte Ca. 1.5 Mrd Meldungen pro Monat in Echtzeit von Fahrzeugen Ca. 1 Mrd Anfragen pro Monat in Echtzeit von Disponenten Big Data Komponente: Schnelle Annahme und Aufbereitung der Fahrzeugmeldungen, Errechnung von Fahrzeiten, Ankunftsinformationen, Statistiken für Produktivität, Kostenkontrolle, Servicequalität, Einhaltung von Bestimmungen und Vorgaben,

18 Anwendungsbeispiel 2: US Xpress Einsatz einer IoT / Big Data Plattform, mit dem Ziel, sämtliche Fahrzeuge in Bewegung zu halten und Wartungszeiten zu minimieren. Ca. 900 Parameter werden aus ca, Zugfahrzeugen und Anhängern in Echtzeit verwertet und mit Fahrerfeedback aus Sozialen Netzen kombiniert und laufend analysiert. Ergebnisse: 10 Mio Dollar Einsparung durch die Vorgabe, an Kreuzungen in den USA immer rechts abzubiegen (Vermeidung von Unfällen und Standzeiten) 20 Mio Dollar Einsparung von Treibstoff durch Analyse und Korrektur der Leerzeiten

19 Anwendungsbeispiel 3: DHL Resilience 360 DHL bietet mit Resilience 360 ein Produkt an, welches Lieferketten schützen soll. Dies erfolgt durch eine Kombination einer Vielzahl von Daten (Verkehr, Wetter, Umwelt, Soziopolitik, Soziale Netze, Nachrichten etc..) in Echtzeit. Die Idee stammt aus dem Jahr 2004 heute ist die Umsetzung durch eine Big Data Infrastruktur möglich. Risiken einer Lieferkette werden aufgezeigt Mittels Alternativszenarien aufgrund einer Risikoanalyse sollen belastbare Lieferketten entstehen Ziel ist es, eine hybride Lieferkette, die sich aufgrund der laufenden Identifizierung von Risiken und der entsprechenden Steuerung weiterentwickelt (über die Ziele von JiT oder lean hinaus)

20 Veränderungen der Geschäftsmodelle

21 Wertschöpfungsstufen des IoT Quelle: Bosch IoT& Service Lab / HSG

22 Konsequenzen des Einsatzes von IoT Eine Untersuchung der HSG & Bosch zeigt tiefgreifende Veränderung der Geschäftsmodelle durch IoT auf. Beispiele: Der direkte Einbezug der Kunden in die Produktgestaltung wird durch IoT möglich Geschäftsmodelle entwickeln sich weg vom Produkt in Richtung Dienstleitung mit eventuell eingebautem Produkt IoT erleichtert das Sammeln und Auswerten von Daten rund um Produkte und Dienstleistungen Kurz: IoT bietet sehr viele Möglichkeiten, Bestehendes zu Optimieren und Neues zu Kreieren!

23 Daniel Liebhart