Logo des Repositoriums

Auflistung nach Schlagwort "Industrial Internet of Things"

1 - 8 von 8
  • Zeitschriftenartikel
    IIoT-basierte Geschäftsmodellinnovation im Industrie-Kontext: Archetypen und praktische Einblicke
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Oberländer, Anna Maria; Übelhör, Jochen; Häckel, Björn
    Im Zeitalter digitaler Technologien beschränkt sich der Wettbewerb zwischen Industrieunternehmen nicht mehr nur auf klassische Produkt- und Serviceinnovationen. Vielmehr gewinnen neue digitale Geschäftsmodelle auf Basis des Industrial Internet-of-Things (IIoT) an Bedeutung, welche die Vernetzung physischer Produkte und die damit einhergehende Gewinnung und Verwertung relevanter Nutzungs- und Umweltdaten ermöglicht. Neue datenbasierte Geschäftsmodelle, wie zum Beispiel Pay-per-Use-Modelle oder Plattformen, entstehen. Da insbesondere im IIoT-Kontext ein umfassendes und praxisrelevantes Verständnis zu den damit einhergehenden Möglichkeiten der Geschäftsmodellentwicklung fehlt, beschäftigt sich dieser Beitrag mit IIoT-basierten Geschäftsmodellinnovationen im Industrie-Kontext. Zunächst werden sechs IIoT-basierte Geschäftsmodell-Archetypen vorgestellt, die im Rahmen des öffentlich geförderten Konsortialforschungsprojekts „Transparenz in Produktionsprozessen“ (TRiP) mit sechs Industrieunternehmen aus verschiedenen Branchen identifiziert und evaluiert wurden. Auf Basis von zehn interdisziplinären Geschäftsmodellworkshops mit den Konsortialunternehmen werden zudem praxisrelevante Erkenntnisse über die Transformation vom Status Quo Geschäftsmodell hin zum IIoT-basierten Geschäftsmodell diskutiert und abgeleitet. Der Beitrag bietet Praktikern einen strukturierten Überblick zu den Möglichkeiten und Auswirkungen IIoT-basierter Geschäftsmodellinnovation sowie Ansatzpunkte für den Wandel hin zu IIoT-basierten Geschäftsmodellen. In the age of digital technologies, competition between industrial companies is no longer limited to classic product and service innovations. Instead, new digital business models based on the Industrial Internet of Things (IIoT), which enables the networking of physical products and the associated acquisition and exploitation of relevant usage and environmental data, are becoming increasingly important. New data-based business models, such as pay-per-use models or platforms, are emerging. Since a comprehensive and practice-oriented understanding of the associated possibilities of business model development is missing, especially in the IIoT context, this article deals with IIoT-based business model innovations in the industrial context. First, six IIoT-based business model archetypes are presented, which were identified and evaluated as part of the publicly funded research project “Transparency in Production Processes” (TRiP) with six industrial companies from different industries. On the basis of ten business model innovation workshops with the partner companies, practice-oriented insights on the transformation from the status quo business model to IIoT-based business models are derived and discussed. The article provides practitioners with a structured overview of the possibilities and effects of IIoT-based business model innovation as well as starting points for the transformation towards IIoT-based business models.
  • Konferenzbeitrag
    Industrial Analytics: Methodiken und Datensysteme für das Industrial Internet (IIoT)
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017), 2017) Mönch, Eddie
    An einem breiten Spektrum von Kundenbeispielen vom Schi sdiesel über Ka eemaschinen bis hin zum Industrieroboter wird aufgezeigt, dass im Bereich Analytics von Industrial Internet of Things (IIoT) Anwendungen der Data Scientist ohne den Domainexperten nicht zu befriedigenden Ergebnissen kommen kann. Die Kundenbeispiele lassen sich im Kern in sechs unterschiedliche Use Cases unterteilen: Root-Cause-Analyse, Fehlerprädiktion, Datenaggregation, Text Mining, visuelle Interaktion und Optimierungsberechnungen über den Gesamtbestand der Maschinen hinweg. Diese werden jeweils anhand von realen Praxisbeispielen aus dem industriellen Umfeld anschaulich demonstriert.
  • Zeitschriftenartikel
    IoT Best Practices
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Barenkamp, Marco; Schoenke, Jan; Zarvic, Novica; Thomas, Oliver
    Das Internet der Dinge treibt die Digitalisierung in vielen Lebensbereichen und vor allem in der Industrie stark voran. Dabei ergeben sich eine Vielzahl von neuen und verbesserten Anwendungsszenarien und Geschäftsmodellen. Getrieben durch die (theoretisch) unbegrenzten Möglichkeiten der Umsetzung, müssen besonders in der Planung zentrale Sachverhalte vorab evaluiert und bewertet werden, um in Bereichen wie Sicherheit, Betriebsfähigkeit, Skalierung, Wirtschaftlichkeit sowie Geschäftsmodell eine bestmögliche Qualität zu erreichen. Wir geben einen Überblick über die Bedeutung und Zusammenhänge dieser verschiedenen Aspekte und zeigen an einem internationalen IIoT-Projekt konkrete Fallstricke und die getroffenen Gegenmaßnahmen auf. Auf Basis dieser Erkenntnisse geben wir Empfehlungen an Best Practices ab, um neu zu beginnende IoT Projekte zukünftig zielgerichtet planen zu können. The Internet of Things is driving forward digitalization in many areas of life and especially in industry. This results in a large number of new and improved application scenarios and business models. Driven by the (theoretically) unlimited possibilities of implementation, central issues in particular must be evaluated in advance in order to achieve the best possible quality in areas such as security, operability, scaling, cost-effectiveness and business model. We give an overview of the significance and interrelations of these different aspects and point out specific pitfalls and the mitigations taken in an international IoT project in order to recommend best practices to plan new IIoT projects in a more sophisticated way.
  • Zeitschriftenartikel
    IoT Security Best Practices
    (HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 2, 2021) Barenkamp, Marco
    Der Artikel gibt einen Überblick über Best-Practice-Standards zur Authentifizierung von IoT (Internet of Things) Zugängen. Es wird aufgezeigt, dass clientseitige Authentifizierung gegenüber einer herkömmlichen Authentifizierung und Blockchain-basierten Ansätzen das höchste Potential für sichere Prozessautomatisierung bei hoher Interaktionsfrequenz bietet. Ein neuartiges Konzept des clientseitigen automatisierten Zugangsmanagements auf Basis von TLS (transport layer security), welches sich im Agriculture Segment seit über einem Jahr bewährt hat, wird vorgestellt. Gegenüber derzeitig eingesetzten Authentifizierungsverfahren bietet es den Vorteil höherer Sicherheit bei gleichzeitig automatisierter Anmeldung jeglicher Endgeräte auf dem IoT-Server. Aufgrund dieser Potentiale eignet sich der dargestellte Authentifizierungsstandard zukünftig als allgemeines branchenübergreifendes Zugangssystem für IoT-Anwendungen. The article gives an overview of best practice standards for IoT (Internet of things) access authentication. It is shown that client-side authentication offers the highest potential for secure process automation at high interaction frequency compared to default authentication and blockchain-based-approaches. A novel concept of client-side automated access management using the TLS (transport layer security) standard, which has proven in the agriculture segment for over a year, is presented. Compared to established authentication methods, it offers the advantage of higher security with simultaneous automated login of multiple end devices on the IoT server. Due to these potentials, the presented new authentication standard is suitable as a general cross-industry access concept for IoT applications.
  • Textdokument
    Knowledge-driven Architecture Composition
    (INFORMATIK 2017, 2017) Burzlaff, Fabian
    Automating component coupling has been around for various decades. In fact, in the last few years’ interface and component matching progress seems not to be regarded as a hot-topic in research. However, reappearing paradigms such as decentralized and flexible production scenarios are again in need for automated system coupling. This is mainly due to the increasing number of heterogeneous devices. Building upon existing component integration research, this PhD project introduces case-based reasoning techniques for formalizing integration knowledge to overcome standardization requirements. As a consequence, integration knowledge becomes reusable.
  • Konferenzbeitrag
    MINERVA: Secure Collaborative Machine Tool Data Utilization Leveraging Confidentiality-Protecting Technologies
    (Open Identity Summit 2024, 2024) Ludwig, Andy; Heinl, Michael P.; Giehl, Alexander
    The digitization of shop floors opens up opportunities for innovative applications and business models due to the vast amount of generated data. However, a lot of this potential is currently not utilized because companies consider the risk of data sharing as too high compared to the corresponding benefit. Focusing on the machine tool sector, the research project MINERVA addresses these concerns by experimentally repurposing privacy-enhancing technologies as confidentialityprotecting technologies and applying them to the use case of condition monitoring to protect intellectual property and other information deemed critical by machine tool operators. Thereby, MINERVA’s goal is to reduce the risk of data sharing and support the establishment of data-driven business models in the machine tool sector in the long term.
  • Textdokument
    Towards Collaborative Predictive Maintenance Leveraging Private Cross-Company Data
    (INFORMATIK 2020, 2021) Mohr, Marisa; Becker, Christian; Möller, Ralf; Richter, Matthias
    The accuracy of a predictive maintenance model is largely determined by the available training data. This puts such machine learning systems out of reach for small and medium-sized production engineering companies, as they are often unable to provide training data in sufficient quality and quantity. Building a collaborative model by pooling training data across many companies would solve this issue, but this data cannot simply be consolidated in a central location while at the same time preserving data integrity and security. This paper enables a collaborative model for predictive maintenance on cross-company data without exposing participants' business information by connecting two recent methodologies: blockchain and federated learning.
  • Zeitschriftenartikel
    Verwendung binärer Datenwerte für eine KI-gestützte Instandhaltung 4.0
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Wanner, Jonas; Herm, Lukas-Valentin; Hartel, Dennis; Janiesch, Christian
    Die vierte industrielle Revolution forciert den digitalen Wandel von Fertigungsanlagen und schafft neue Optimierungspotenziale. Ein Kernbereich, der von einer Nutzenmachung digitaler Informationen entscheidend profitieren kann, ist die Instandhaltung von Maschinen. Sie dient der Gewährleistung eines reibungslosen Fertigungsablaufs. Aktuell führen dabei noch immer unerwartete Probleme zu hohen Opportunitätskosten. Eine effektive Adressierung ist durch mangelnde Information über den Maschinenzustand gehemmt, sodass Servicemitarbeitern sowohl eine Fehlererkennung, -lokalisierung, als auch -identifizierung schwerfallen. Abhilfe versprechen innovative Verfahren der Datenanalyse, welche Maschinenzustandsdaten intelligent auswerten und nutzbar machen. Diese sollen zukünftig bei Instandhaltungsfragen unterstützen und den Gesamtprozess optimieren. Fraglich erscheint in diesem Zusammenhang jedoch die Beschaffenheit aktueller Fertigungsanlagen im deutschen, produzierenden Mittelstand. Wie eine von uns durchgeführte Befragung zeigt, stammen Zustandsdaten noch überwiegend aus Lichtschranken, Motorspannungen und Positionierungstastern. Derartige, binäre Datenwerte erschweren die maschinelle Datenanalyse über moderne Auswertungsverfahren. Der Beitrag nimmt sich der Problemstellung unter Verzicht von Erweiterungen an der Fertigungsanlage selbst an. Gemeinsam mit Partnern aus der Industrie wurde ein schrittweiser Entwicklungsansatz erarbeitet, wie trotz einer Restriktion auf binäre Datenwerte eine umfassende Instandhaltungsunterstützung möglich ist. Die Umsetzung basiert auf Techniken aus den Bereichen des Process Mining und des maschinellen Lernens. Ein Demonstrator evaluiert die Praxistauglichkeit. The fourth industrial revolution is quickening the digital transformation of shop floors, enabling immense potential for optimization. Maintenance is an important area that can profit decisively from making digital information serviceable. It serves to guarantee a smooth production process. Currently, unexpected problems still lead to high opportunity costs. Effectively addressing them is hampered by a lack of transparency, which makes it difficult for service staff to detect, localize, and identify faults. Innovative data analysis methods, which allow to intelligently evaluate and use machine condition data, promise a remedy. In the future, these will support maintenance issues and optimize the overall process. However, the condition of current shop floors in German medium-sized manufacturing companies appears inadequate. As a survey conducted by us revealed, machinery data still comes mainly from light sensors, motor voltages, and positioning scanners. Such binary data values complicate data analysis of modern evaluation methods. The paper at hand addresses this problem without a need for shop floor extensions. Together with partners from industry, a step-by-step development approach was developed to show how comprehensive maintenance support is possible despite restrictions on binary data values. The implementation is based on techniques from the areas of process mining and machine learning. A demonstrator evaluates the practical suitability.