Industrie 4.0 - Potenziale erkennen und umsetzen

Grußwort, Vorwort des Herausgebers Und Inhaltsverzeichnis

Digitale Revolutionund digitaler Wandel

I Plattform Industrie 4.0

1 Digitale Transformation «Made in Germany»:Plattform Industrie 4.0 unterstützt Unternehmenauf dem Weg zur vernetzten Produktion

2 Gemeinsam den Wandel gestalten:Die Produktion von morgen

2.1 Auftragsgesteuerte Produktion

2.2 Wandlungsfähige Fabrik

2.3 Selbstorganisierende, adaptive Logistik

2.4 Value Based Services

2.5 Transparenz und Wandlungsfähigkeit ausgelieferter Produkte

3 Anwenderunterstützung in der Produktion

3.1 Smarte Produktentwicklung für die smarte Produktion

3.2 Innovative Produktentwicklung

3.3 Kreislaufwirtschaft

4 Handlungsbedarfe und Arbeitsgruppen

5 Mitwirkung und Beteiligungsmöglichkeiten

II Das Ökosystem des IndustrialInternet

III Die digital vernetzte Zukunftdes Maschinen- und Anlagenbaus

1 Technologische Evolution als Voraussetzung für Industrie 4.0

2 Bedürfnisse kleiner und mittelständischerUnternehmen (KMU) im Maschinenbau

Smart Factories /Vernetzte Adaptive Produktion

I Interoperabilität fürIndustrie 4.0 mit OPC Unified Architecture

1 Service-orientierte Architektur OPC UA

2 Welche Daten und Dienste liefert ein Gerät odereine Maschine?

2.1 Transport, Security, Zugriffsrechte

2.2 Modellierung

2.3 Keine Differenzierung mit OPC UA?

2.4 Dienste

2.5 Betriebssystem und Realtime

2.6 Skalierbarkeit

2.7 Adaptierung

3 Praktische Anwendungen von OPC UA

3.1 Anwendung vertikal: Energie-Monitoring und Big Data

3.2 Anwendung horizontal: M2M in der Wasserwirtschaft

3.3 Anwendung vertikal: IoT-Plattform

4 Roadmap und Ausblick auf Weiterentwicklungen

4.1 Trend: Informationsmodelle

4.2 Trend: Service-orientierte Architektur (SoA)

4.3 Trend: OPC UA im Chip

4.4 Trend: OPC UA mit TSN

5 Zusammenfassung

II Deterministische Machine-to-Machine-Kommunikation im Umfeld Industrie 4.0

1 Die Bedeutung einer durchgängigen Industrie-4.0-Architektur

2 Die Big-Bounce-Theorie – Zentralisierung vs.Dezentralisierung von Rechenleistung

3 Interoperabilität – Warum nur genau ein M2M-Kommunikationsstandardso wichtig ist

3.1 Service-orientierte Architektur im Internet der Dinge

3.2 Semantische Servicebeschreibungen und Informationsmodelle

4 Echtzeit – ein häufig missverstandener Begriff

5 Echtzeit-Anwendungen von OPC UA

5.1 Die Publisher/Subscriber-Architektur von OPC UA

5.2 Deterministische Echtzeit durch Time SensitiveNetworking (TSN)

5.3 Werden durch OPC UA TSN herkömmliche Feldbusseüberflüssig?

III Lösungsbausteine fürherstellerunabhängige, standardisierte Schnittstellenin der Produktion

1 Einführung

2 Maschinen- und Anlagenbau: Rückgrat und Herausforderung in Einem

2.1 Ausgangssituation in der Fabrik

2.2 Selbstbeschreibung von Maschinen und Anlagen

2.3 Selbstbeschreibung von Maschinenkomponenten

3 Werkzeuge und Standards

3.1 AutomationML™

3.2 OPC UA

3.3 Industrielle IoT-Adapter

4 Anwendungsfelder für produzierende Unternehmen

4.1 Neue Geschäftsmodelle für Maschinen-/Anlagenbauer und Komponentenlieferanten

4.2 Laufzeitdaten erfassen, speichern und auswerten

4.3 Neue Architekturen produktionsnaher IT-Systeme

5 Modularer Lösungsansatz

5.1 Ausgangspunkt der Arbeiten

5.2 Entwicklungspfad

6 Zusammenfassung und Handlungsbedarf

Smart Products /InnovativeProduktentwicklung

I Referenzarchitektur alsGrundlage für neue Produktezur Cloud-basierten Kommunikation

1 Was zeichnet die Kommunikation bei Industrie 4.0 aus?

2 Warum brauchen wir eine Referenzarchitektur für Industrie 4.0?

3 SOA – die Grundlage der Kommunikation für Industrie 4.0

4 Produktionshierarchie und deren Abbildung auf RAMI 4.0

5 Durchgängiges Engineering über den Produktlebenszyklus

6 RAMI-4.0-Layer-Struktur

7 Die Industrie-4.0-Komponente

8 Struktur der Verwaltungsschale

9 Anwendung von RAMI am Beispiel

10 Das RAMI-4.0-Architekturmodell im internationalen Kontext

II Unterwegs lernen zu laufen: Smarte Produkte und Lösungen explorativ und agil entwickeln

1 Industrie 4.0: Revolution und Evolution zugleich

1.1 Das Neue im Alten erkennen

1.2 In die Zukunft vortasten

2 Schnell Erfahrungen sammeln

2.1 Anwender: Kleine Veränderungen können große Effekte erzielen

2.2 Regelkreis zwischen Entwicklern und Anwendern

2.3 Sieben Merkmale für Industrie-4.0-Lösungen

2.4 Prozessmodell zur Umsetzung von Industrie 4.0

3 Entwicklung von smarten Produkten

3.1 Smarte Produkte: Herstellerübergreifende Definitionenals Basis

3.2 RAMI 4.0 – Der Modellaufbau

3.3 Produktkriterien für Industrie-4.0-Produkte als Mindesteigenschaften

3.4 Auswirkungen auf die Produktentwicklung

4 Neue Prozesse für smarte Produkte –Agile Entwicklungsmethoden

4.1 Auf variable Ziele hin entwickeln

5 Beispiele für Industrie-4.0-fähige Produkteund Lösungen

5.1 IoT Gateway

5.2 Kommunikationsplattform Beispiel ActiveCockpit

5.3 Vom Condition Monitoring zur prädiktiven Wartung

Smart Services / Neue Geschäftsmodelle

I Neue Ufer für traditionelles Geschäft: Geschäftsmodell-Architekturen für Industrie 4.0

1 Treiber neuer Geschäftsmodelle – Warum es unabwendbar ist

2 Neue Geschäftsmodelle – datengetrieben, in Echtzeit, plattformbasiert

2.1 Datengetriebene Geschäftsmodelle

2.2 Echtzeitbasierte Geschäftsmodelle

2.3 Plattformbasierte Ökosystem-Geschäftsmodelle –«Vier gewinnt»

2.4 Der Mensch, die Technologie, das Recht

3 Enabler neuer Geschäftsmodelle – Digitale Business Transformation erforderlich

II Erfolgreiche IoT-Geschäftsmodelleinder Industrie

1 Geschäftsmodelldefinition

2 Auswirkungen des IoT auf Geschäftsmodelle

2.1 Angebots- und Marktpositionierung: Bislang vor allem bestehende Kundengruppen im Fokus

2.2 Wertschöpfungskette: Vom Produkt zum Service

2.3 Erlösmodell: Vom einmaligen zum nutzungs und zeitabhängigen Erlös

3 Beispiele für erfolgreiche IoT-Geschäftsmodelle

3.1 IoT im Maschinen- und Anlagenbau

3.2 IoT in der Energiebranche

3.3 Weitere IoT-Geschäftsmodelle anderer Anbieter

4 Fazit und Ausblick

DigitaleAnwendungen /Datenverarbeitung in der Industrie

I Big Data – Vom Hype zum realen Nutzen in der industriellen Anwendung

1 Megatrend Big Data

1.1 Ab wann reden wir von Big Data?

1.2 Wie wird Big Data heute eingesetzt?

1.3 Kosten / Nutzen und Smart Data

1.4 Erfolgreiche Killerapplikationen

1.5 Wer hat’s erfunden?

1.6 Big Data und Cloud-Computing

1.7 Big Data ist Teamsport

2 Big Data in der industriellen Anwendung

2.1 Identifikation der wesentlichen Einflussfaktoren hilft Prozesse zu optimieren

2.2 Aufzeichnung des Nutzungsverhaltens verbessert Produkte

2.3 Datensammeln macht viele servicebasierteGeschäftsmodelle erst möglich und erfolgreich

2.4 Lieferketten werden optimiert und stabilisiert

2.5 Smarte Apps ersetzen den Experten vor Ort

2.6 Vorausschauende Wartung durch Predictive Analytics

2.7 Assistenzsysteme erleichtern Produktion und Wartung

2.8 Big Data erkennt Security-Risiken

3 Die Technologie-Basis von Big Data

3.1 Einteilung in Technologiekategorien

3.2 Cluster-Computing auf Commodity-Hardware macht Big Data erschwinglich

3.3 Das MapReduce-Verfahren – einfach, aber wirkungsvoll

3.4 Die Apache-Hadoop-Architektur

3.5 NoSQL-Datenbanken als Alternative zu RDBMS

3.6 In-Memory-Datenbanken

3.7 Streaming und Complex-Event-Processing analysieren Datenströme in Echtzeit

3.8 Machine Learning erlaubt Zukunftsprognosen

3.9 Programmiersprachen für Data Scientists

3.10 Interaktive Werkzeuge für Data Scientistsund Power-User

3.11 Data Lakes machen das klassische Data WarehouseBig-Data-fähig

4 Big Data und das Internet der Dinge

4.1 Das Internet der Dinge und Industrial-Internet-Systeme

4.2 IoT-Referenzarchitekturen

4.3 Fog Computing bringt die Intelligenz vor Ort

4.4 Die SPS als IoT-Controller

4.5 IoT-Plattformen als Cloud-basierte Lösungsbaukästen

5 Zusammenfassung und Ausblick

II Machine Analytics – Wie aus Daten Werte für Industrie 4.0 entstehen

1 Die Bedeutung von Big Data Analytics fürIndustrie 4.0

2 Die Verarbeitungskette der Datenanalyse

2.1 Datenerfassung

2.2 Datenvorverarbeitung

2.3 Datenanalyse

2.4 Ergebnisdarstellung und -bewertung

3 Herangehensweise und Personen für erfolgreiche Datenanalysen

3.1 Der USU-Smart-Data-Prozess

3.2 Die Rolle des Menschen in der Datenanalyse

4 Beispielhafte Umsetzung

4.1 Architekturbeispiel für skalierbare Datenanalyse

4.2 Anwendungsbeispiele

5 Ausblick und Zusammenfassung

5.1 Deep Learning: Überholen uns die Maschinen?

5.2 Zusammenfassung

III Industrial Analytics – Dateneinfach und verständlich vermitteln und Perspektiven ableiten

1 Maschinelles Lernen in der virtuellen SmartFactory

1.1 Was ist maschinelles Lernen?

1.2 Die virtuelle Smart Factory

1.3 Klassifikation – Effizienzsteigerung in der Qualitätssicherung

1.4 Ergebnisse richtig evaluieren und interpretieren

1.5 Regression – Optimale Produktionsplanung und -steuerung

1.6 Clustering – Ähnlichkeiten in Produktionsdaten aufdecken

2 Anwendungsgebiete für Industrial Analytics

2.1 Predictive Quality

2.2 Predictive Maintenance

2.3 Energy Analytics

3 Zusammenfassung

Rahmenbedingungen, Rechtsgrundlagen und Systemsicherheit

I Know-how-Schutz im Umfeld von Industrie 4.0

1 Einführung

2 Rechtliche Rahmenbedingungen

2.1 Welches Know-how ist geschützt?

2.2 Geheimnisschutz oder Registrierung gewerblicherSchutzrechte?

2.3 Änderungen aufgrund der Richtlinie zum Schutz von Geschäftsgeheimnissen

3 Maßnahmen zum Schutz von geheimem Know-how im Rahmen digitaler Fertigungsprozesse

3.1 Risikoanalyse

3.2 Vertragliche Regelungen

3.3 Maßnahmen auf dem Gebiet der IT-Sicherheit

3.4 Organisatorische Maßnahmen

4 Zusammenfassung

II Datensicherheit bei Smart Services und Cloud-Sicherheit und Datenschutz im Cloud-Computing

1 Einleitung

2 Architektur

2.1 Cloud-Service-Modelle

2.2 Cloud-Deployment-Modell

2.3 Smart-Service-Architekturen

2.4 Service-orientierte Architekturen

3 Rechtlicher Rahmen

3.1 Allgemeines

3.2 Datenschutz

3.3 Informationssicherheit

4 Datensicherheit

4.1 Allgemeines

4.2 Normen, Standards, Frameworks

4.3 Gefährdungsszenarien

5 Best Practice

5.1 Datensicherheitsteam

5.2 Sicherheit durch Harmonisierung

5.3 Sicherheit durch Klarheit

5.4 Resilienz by Design

5.5 Domänenwissen

6 Zertifizierung

7 Auswahl und Kontrolle der Dienstleister

8 Zusammenfassung

III Informationssicherheit in Industriesteueranlagen

1 Aktuelle Herausforderungen und Bedrohungen

1.1 Das Vorgehen der Angreifer

1.2 Typen von Angreifern und Angriffen

1.3 Verwundbare Stellen

2 Maßnahmen zur Erhöhung derInformationssicherheit

2.1 Risikobewertung

2.2 Schutzbedarfsfeststellung

2.3 Bedrohungsanalyse

2.4 Schwachstellenanalyse

2.5 Kommunikationssicherheit

2.6 Systemhärtung

2.7 Organisatorische Sicherheitsmaßnahmen

2.8 Kontinuierliches Managementder Informationssicherheit

3 Ansätze zur Weiterentwicklung der Informationssicherheit in Industrie 4.0

3.1 Neue Herausforderungen an die Informationssicherheitdurch Industrie 4.0

3.2 Architekturansatz

3.3 Sichere Identitäten

3.4 Sichere unternehmensübergreifende Kommunikationfür Industrie 4.0

4 Zusammenfassung

Resümee

Entwicklung und Ausblick von Industrie 4.0

Schlusswort des Herausgebers

Sponsored Content

Abkürzungen und Stichwortverzeichnis