INDUSTRIAL ANALYTICS UND BIG DATA IN INDUSTRIE...

© Fraunhofer-Allianz Big Data 1

Dr. Daniel Jeffrey Koch

Fraunhofer IAIS und Fraunhofer-Allianz Big Data

INDUSTRIAL ANALYTICS UND BIG DATA IN INDUSTRIE 4.0


Dr. Dirk Hecker

FRAUNHOFER-INSTITUT FÜR INTELLIGENTE ANALYSE UND INFORMATIONSSYSTEME

FRAUNHOFER-ALLIANZ BIG DATA


Germany‘s Research Landscape


Fraunhofer-Gesellschaft

Research for Practice

Application-oriented research for the direct benefit of industry

and society since 1949

66 institutes facilities

More than 24 000 staff

Research volume: 2 Mrd Euro, including 1,7 Mrd Euro of

contractual research

More than 70 percent of contractual research comes fromindustrial and publically funded projects

The rest is institutional funding from the federal governmentand the states


Fraunhofer-Institutszentrum Schloss Birlinghoven

Internationales Forschungszentrum auf historischem Gelände

600 Wissenschaftlerinnen und Wissenschaftler

Eines der größten Forschungszentren für

angewandte Informatik und Mathematik

Enge Kooperationen mit regionalen Hochschulen

Kernkompetenz Künstliche Intelligenz


Fraunhofer-Institut für Intelligente Analyse-und Informationssysteme

Fraunhofer IAIS - Wir machen mehr aus Daten!

240 Mitarbeiter – Wissenschaftler verschiedener Disziplinen, Projektingenieure, technisches Personal und Verwaltung

Anwendungslösungen aus den Bereichen Machine Learning, Visual Analytics, Business Intelligence, Multimedia Pattern Recognition

Industrial Analytics

Forschung

Consulting & Projekte

Schulungsprogramm

Hochschulkooperationen


Fraunhofer-Allianz Big Data

28 Institute bündeln ihre Kompetenzen in einer „Big Data Factory“ für Deutschland

Die Fraunhofer-Allianz Big Data

begleitet Unternehmen bei der Umsetzung von Big-Data-Strategien

entwickelt Software und datenschutzgerechte Systeme für Big Data

bildet Fach- und Führungskräfte zu Data Scientists aus

industrieorientierte Geschäftsfelder

www.bigdata.fraunhofer.de

Strategien, Lösungen und Training für »data-driven Enterprises«

http://www.bigdata.fraunhofer.de


Fraunhofer-Allianz Big Data

Produktion & Industrie 4.0

Logistik & Mobilität

Life Sciences & Health Care

Energie & Umwelt

Sicherheit

Business & Finance

Geschäftsfelder der Allianz


Dr. Dirk Hecker

INDUSTRIAL ANALYTICS UND BIG DATA @ FRAUNHOFER


Gartner Hype Cyle 2015 – Big Data kein Hype mehr?

Quelle: Gartner 2015


Industrial Analytics and Analytics in einem industriellenUmfeld / Industrie 4.0-Kontext

Quelle: BITKOM 2015


Industrial Analytics für Produkte und Prozesses

Aufgabenfelder der Forschung und Entwicklung

Technologien der digitalen Transformation

Daten

Innovationen (exogen)

Produkt-, Service oder Geschäftsmodell-

InnovationenProzess-Innovationen

Inkrementell, radikal, disruptiv Produktivität

Wachstum und ErfolgQuelle: DIW 2006


Die vier Stufen der industriellen Revolution

Quelle: Forschungsunion 2013


Industrial Analytics in Industrie 4.0

Quelle: BITKOM/VDMA/ZVEI 2015


Dr. Dirk Hecker

USE CASES UND PROJEKTBEISPIELE


Industrial Analytics in Industrie 4.0 – DigitaleDurchgängigkeit über die Wertschöpfungskette



Datenanalyse bei einem BremsbelagherstellerWissenstransfer und Hilfe beim Aufbau einer eigenenAnalyseabteilung

Ein weltweit agierende Bremsbelaghersteller plant hauseigen Datenanalysen durchzuführen

Die Bremsblöcke müssen extreme Anforderungen erfüllen, wobei die Zusammenhänge zwischen Materialmix und dessen Eigenschaften hoch komplex sind

Analysewerkzeuge sollen die „Compounder“ bei der Kreation der Rezepturen unterstützen

Fraunhofer bietet hier ein Mentoring für ein Analyse Pilot-Projekt an, welches zusammen mit Mitarbeitern im Unternehmen umgesetzt wird


Trendbeobachtung für die Marktforschung

Social-Media-Monitoring im Living Lab

Bsp.: MOTOR‐TALK.de ist die größte Online-Community zum Thema Automotive in Deutschland

Aufgabenstellung

35 Millionen Blogpostings durchsuchen, um emotionale Einstellungen im Spektrum von Ärger bis hin zu Freude automatisiert zu extrahieren

Living Lab – Realzeit-Anwendung

Neue einkommende Einträge werden in Echtzeit klassifiziert, so dass das Dashboard jederzeit aktuell ist. Ergänzend werden laufend weitere Webseiten abgesucht, um neue Trends zu erkennen.


© Fraunhofer IAIS

Echtzeiterkennung von Trends – Vom Befragen zum Beobachten

Algorithmische und visuelle Datenexploration nach unterschiedlichen Herstellern, Fahrzeugtypen, Raum und Zeit.


Industrial Analytics in Industrie 4.0 – Mensch als Dirigent in der Wertschöpfung



Data needs a Leader – Chief Data Officer (CDO)

Der CDO ist verantwortlich für die übergreifende Inwertsetzung der Daten im Unternehmen

Erkennung und Wahrnehmung neuer Chancen, Visionär

Zuständig für das Datenwachstum

Schaffung einer Unternehmensdatenkultur

Datenmanagement, Datenqualität und Datengovernance

Organisationsstrukturen für Big Data schaffen


Big Data Business Club

Das erste deutsche Netzwerk für CDO´s

Zentrale Anlaufstelle und exklusive Vernetzungsplattform zum Thema Big Data für Unternehmen auf Führungsebene

Förderung des branchenübergreifenden Technologie- und Wissenstransfers im Bereich digitale Transformation

Strategische Vernetzung der zentralen Persönlichkeiten im Big-Data-Umfeld –Wissenstransfer zwischen Wirtschaft und Wissenschaft

zentraler Kontaktknotenpunkt für Entscheider im Kontext von Big Data

Schirmherr: Prof. Dr. Reimund Neugebauer, Präsident der Fraunhofer-Gesellschaft


Fraunhofer-Schulungsprogramm Big Data

Zertifizierte Weiterbildung für Data Scientists

Executive-Seminare

umfassender Überblick zum Thema Big Data, anwendungsorientiert, Schaffung eines gemeinsamen Vokabulars, Möglichkeiten und Grenzen des Trends

Methodenspezifische Seminare

rund um Big Data Architectures, Big Data Analytics, Visual Analytics, Security and Privacy for Big Data

Branchenspezifische Seminare

Smart Buildings and Infrastructures, Smart Energy Systems

Zertifizierte Weiterbildung zum Data Scientist

Aufbau von individuellen Data Science Curricula in Unternehmen


Industrial Analytics in Industrie 4.0 – Vertikale Integration und vernetzte Produktionssysteme



Industrie 4.0

Monitoring komplexer technischer Prozesse

Modellierung des Verhaltens technischer Anlagen durch Nutzung historischer Prozessaufzeichnungen

Datengetriebene Modellierung komplexer Zusammenhänge durch Methoden des maschinellen Lernens

Auswirkung von Fehlern entlang von Produktionsketten oder Geschäftsprozessen

Automatische „Semantifizierung“ massenhafter, textueller Sensordaten: aus unstrukturiert wird strukturiert

Überwachung von Produktionsanlagen in der Prozessindustrie


iPRODICT

Semi-automatisierte Anpassung und Verbesserung der Produktion aus Prozessdaten

Auswertung von Kontextinformationenaus Sensornetzwerken und Anpassung von Analyseverfahren in Echtzeit

Anwendungsszenarios: Stahlherstellung beim Anwendungspartner Saarstahl AG

Technologische Ansätze

Neuronale Verfahren und Deep Learning zur unüberwachten Erkennung von Fehlerzuständen aus hochdimensionalen numerischen Sensordaten

Big Data Analytics und prädiktive Analyse

Projektpartner:

Intelligente Prozessprognose basierend auf Big-Data-Analytics-Verfahren


27

Online analysis of mobile phone fraud in telecommunication networks

Real-time health monitoring in clouds and large data centers

Flexible Event Processing for Big Data Architectures, FP7 Grant 619461, 2014 –2017, http://www.ferari-project.eu

Communication efficient integration of sensors in the architecture

Flexible and scalable Complex Event Processing

In-stream processing and machine learning

Real-World use cases:

EU Project on Big Data Streams

(coordinator)

http://www.ferari-project.eu


Data Stream

Data Stream

Data Stream

Massive Data Streams Create Bottlenecks

Bottlenecks for industrial massive data streams !


Data Stream

Data Stream

Data Stream

In-Situ and In-Stream Processing, Foc computing Edge Computing

In-Stream Processing

In-Situ Processing

Complex Event Processing

Use Cases:

Fraud Mining

Health-Monitoring

“global condition”

but monitor by local conditions

Express a


Industrial Analytics in Industrie 4.0 – Horizontale Integration über Wertschöpfungsnetzwerke



Horizontale Wertschöpfungsnetzwerke

Quelle: Forschungsunion 2013


Big-Data-Toolbox für die Industrie 4.0

Die Anlagenlandschaft in IT und Maschinenbau wird immer komplexer

Ein Fehler in einer Anlage kann ein ganzes System ins Stocken bringen, Produktionsketten und Geschäftsprozesse unterbrechen

Die Lösung: »Predictive Maintenance«

Automatische semantische Aufbereitung massenhafter, heterogener Sensordaten aus industriellen Prozessen

Erkennung und datengetriebene Vorhersage von Betriebsfehlern

Erprobung mit Realdaten und Anwendungsfällen aus IT-Anlagen

Semantische Analyse komplexer Ereignisse


Sake - Semantische Analyse komplexer Ereignisse

Anwendungsfall Anlagenbau

Standardisierung der im Maschinenbau immer komplexeren Anlagenlandschaft: Automatische „Semantifizierung“ massenhafter, textueller Sensordaten: aus unstrukturiert wird strukturiert

Predictive Maintenance und präskriptive Analyse

Root-Cause-Analysis und Entdeckung von Fehlersequenzen entlang von Maschinen-Logdaten

Unüberwachte Erkennung von Fehlerzuständen

Diagnostik von Bedienfehlern und suboptimalem Anlageneinsatz; automatisches Aufzeigen von Optimierungpotential

Projektpartner:


Dr. Dirk Hecker

INDUSTRIAL DATA SPACE FÜR EINE DATENGETRIEBENE WERTSCHÖPFUNG


Datengetriebene Wertschöpfung

Internetbasierte Dienste und Wertschöpfung nehmen eine immer größere Rolle ein

Verknüpfung von Daten erforderlich -

vertikale Integration und vernetzteProduktionssysteme

horizontale Integration überWertschöpfungsnetzwerke

Unternehmen und Gesellschaft fordern Daten-souveränität und Sicherheit nach eigenen Spielregeln

Marktbeherrschende Plattformmodelle berücksichtigen dies nicht und beginnen in andere Bereiche zu expandieren

Risiko des Verlustes von Souveränität und Wertschöpfung

… braucht Souveränität und Sicherheit – Industrial Data Space

Grafiken: Acatech, Forschungsunion


Der effiziente Austausch von Daten entlang der eigenen Wertschöpfungskette wird besonders wichtig

Quelle: Strategy& 2014


Der Industrial Data Space ermöglicht ein »Network of Trusted Data«

Souveränitätüber Daten und Dienste

Vertrauensschutzzertifizierte Teilnehmer

DezentralitätFöderale Architektur

OffenheitNeutral und

anwendergetrieben

GovernanceGemeinschaftliche

Spielregeln

SicherheitDatenaustausch


Industrial Data Space: „On Demand Interlinking“

Service A

Service C

Service E

Service B

Service D

Service G

Service F

Enterprise 4

Enterprise 1

Enterprise 6

Enterprise 2Enterprise 3

Enterprise 5

All Data stays with its Ownern and are controlled and secured. Only on request for a service data will be shared. No central platform.


Industrial Data Space verzahnt mit Industrie 4.0

Retail 4.0 Banking 4.0Insurance 4.0

…Industrie 4.0Fokus auf die

produzierende Industrie Smart Services

Übertragung,Netzwerke

Echtzeitsysteme

Industrial Data SpaceFokus auf Daten

Daten

…


Prof. Dr. Stefan Wrobel | Dr. Dirk Hecker

ANSATZPUNKTE FÜR INDUSTRIAL ANALYTICS UND BIG DATA


Ansatzpunkte für Industrial Analytics und Big Data

Accelerate

Evaluate

Run

Excite

Starter ToolkitStarter Toolkit

Data Asset Scan

Data Asset Scan

Legal Big Data

Legal Big Data RoadmapRoadmap

Big Data Architectureand Analytics

Big Data Architectureand Analytics

Training andQualificationTraining andQualification

Excite Seminar

Proof ofConceptProof ofConcept

SustainabilitySustainability

Innovation Workshop


CRISP - Cross-Industry Standard Process for Data Mining


CRISP – Model Development


Prof. Dr. Stefan Wrobel | Dr. Dirk Hecker

VIELEN DANK!


Dr. Dirk Hecker

Fraunhofer IAIS

Schloss Birlinghoven

53757 Sankt Augustin

www.iais.fraunhofer.de

„DO MORE WITH DATA!“

© vege | Fotolia

Dr. Daniel Jeffrey Koch

Industrial Analytics

Fraunhofer IAIS

Telefon +49 2241 14-2668

E-Mail [email protected]

http://www.iais.fraunhofer.de

mailto:[email protected]

Date post:	20-Apr-2018
Category:	Documents
Upload:	dinhtuong
View:	214 times
Download:	1 times

INDUSTRIAL ANALYTICS UND BIG DATA IN INDUSTRIE...

Documents