Zusammenfassung
Viele Aspekte von Industrie 4.0 werden erst durch das Internet der Dinge ermöglicht. Daten über Produktionsleistung und -qualität, Betriebszustand etc. können in Echtzeit überwacht, aber auch in die Planung und Steuerung der Produktion einbezogen werden. Die Szenarien zur Nutzung dieser Daten unterscheiden sich in ihrem Integrationsgrad. Jedenfalls sind Big-Data-Technologien notwendig, um den vollen Nutzen aus den Daten zu gewinnen. Ein solcher Nutzen besteht in der Kopplung der Datenanalyseergebnisse aus dem Internet der Dinge, speziell real-time Analytics, mit den Geschäftsprozessen.
This is a preview of subscription content, log in via an institution to check access.
Literatur
Acatech (Hrsg) (2019) Akzeptanz von Industrie 4.0. https://www.acatech.de/Publikation/akzeptanz-und-attraktivitaet-in-der-industriearbeit-4-0/. Zugegriffen am 21.05.2019
Anderl R, Haag S, Schützer K et al (2018) Digital twin technology – An approach for Industrie 4.0 vertical and horizontal lifecycle integration. it – inf Technol 60(3):125–132
Burke T (Hrsg) (2018) OPC UA: Interoperability for Industrie 4.0 and the Internet of Things, Edition v8. https://opcfoundation.org/resources/brochures/. Zugegriffen am 21.05.2019
Chan J, Hayes C (2010) Decomposing discussion forums using roles. WebSci’10: In: Proceedings of the international web science conference. Raleigh, North Carolina, USA, S 1–8
Costello K, Omale G (2019) Gartner survey reveals digital twins are entering mainstream use. https://www.gartner.com/en/newsroom/press-releases/2019-02-20-gartner-survey-reveals-digital-twins-are-entering-mai. Zugegriffen am 21.05.2019
Dunie R et al (2019) Magic quadrant for intelligent business process management suites. https://www.gartner.com/en/documents/3858663. Zugegriffen am 21.05.2019
Hubschmid M (2012) „Manufaktur-Betriebe: Eine große Liebe zum Produkt“. Handelsblatt, 4. März 2012. http://www.handelsblatt.com/unternehmen/mittelstand/manufaktur-betriebe-eine-grosse-liebe-zum-produkt/6344478.html. Zugegriffen am 21.05.2019
Janiesch C, Matzner M, Müller O (2012) Beyond process monitoring: a proof-of-concept of event-driven business activity management. Bus Process Manag J 18(4):625–643
Kagermann H, Wahlster W, Helbig J (Hrsg) (2013) Deutschlands Zukunft als Produktionsstandort sichern – Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0, Abschlussbericht des Arbeitskreises Industrie 4.0, München. https://www.bmbf.de/files/Umsetzungsempfehlungen_Industrie4_0.pdf. zugegriffen am 30.03.2020
Metz D, Karadgi S, Müller U, Grauer M (2012) Self-learning monitoring and control of manufacturing processes based on rule induction and event processing. In: 4th international conference on information, process, and knowledge management (eKNOW 2012). Valencia, Spanien, S 88–92
Pettey C, van der Meulen R (2012a) Gartner says intelligent business operations is the next step for BPM programs. http://www.gartner.com/newsroom/id/1943514. Zugegriffen am 15.12.2013 und magic quadrant for intelligent business process management suites. https://www.gartner.com/en/documents/3899484. Zugegriffen am 21.05.2019
Schott P et al (2018) Flexible IT platform for synchronizing energy demands with volatile markets, it-Information Technology, De Gruyter Oldenbourg, Berlin 60.3, S 155–164
Spath D (Hrsg), Fraunhofer – Institut für Arbeitswirtschaft und Organisation IAO (2013) „Studie Produktionsarbeit der Zukunft – Industrie 4.0“. ISBN: 978-3-8396-0570-7
Wahlster W (Hrsg) (2013) SemProM – foundations of semantic product memories for the Internet of things. Springer, Berlin/Heidelberg
WfMC – WorkflowManagement Coalition (2008). Business process analytics format draft version 2.0. http://www.wfmc.org/index.php/standards/bpaf. Zugegriffen am 21.05.2019
Zehl (Hrsg) (2018) IoT-Plattformen – aktuelle Trends und Herausforderungen. Handlungsempfehlungen auf Basis der Bitkom Umfrage 2018
Weiterführende Literatur
https://gi.de/informatiklexikon/digitaler-zwilling. Zugegriffen am 21.05.2019
https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-mobilitaet-itesa.html. Zugegriffen am 21.05.2019
https://www.gartner.com/en/newsroom/press-releases/2017-10-04-gartner-identifies-the-top-10-strategic-technology-trends-for-2018. Zugegriffen am 21.05.2019
https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_data_full_report.ashx. Zugegriffen am 30.03.2020
Mattern F, Floerkemeier C (2010) From the Internet of computers to the Internet of things. In: Sachs K, Petrov I, Guerrero P (Hrsg) From active data management to event-based systems and more. Springer, Berlin/Heidelberg, S 242–259
Author information
Authors and Affiliations
Corresponding authors
Editor information
Editors and Affiliations
Section Editor information
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this entry
Cite this entry
Schöning, H., Dorchain, M. (2020). Big Smart Data – Intelligent Operations, Analysis und Process Alignment. In: ten Hompel, M., Vogel-Heuser, B., Bauernhansl, T. (eds) Handbuch Industrie 4.0. Springer Reference Technik (). Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-45537-1_70-2
Download citation
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-2
Received:
Accepted:
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-45537-1
Online ISBN: 978-3-662-45537-1
eBook Packages: Springer Referenz Technik und Informatik
Publish with us
Chapter history
-
Latest
Big Smart Data – Intelligent Operations, Analysis und Process Alignment- Published:
- 14 April 2020
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-2
-
Original
Big Smart Data – Intelligent Operations, Analysis und Process Alignment- Published:
- 02 January 2016
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-1