Das Dokument behandelt das Konzept der Industrie 4.0, das die vierte industrielle Revolution beschreibt und sich durch die Integration von Big Data, IoT und smarten Fabriken auszeichnet. Es wird erläutert, warum Unternehmen Industrie 4.0 benötigen, um individualisierte Produkte, höhere Transparenz und neue Geschäftsmodelle zu erreichen. Zudem werden Beispiele aus der Praxis gegeben, die zeigen, wie Unternehmen durch Datenanalyse und Prozessoptimierung ihre Effizienz steigern können.

1. Auf dem Weg zu Industrie 4.0

2. Iodata GmbH
Steinhäuserstr. 20
76135 Karlsruhe
www.iodata.de
2
Wilkommen
Giuseppe.Caruso@iodata.de , Iodata GmbH

3. 3
Agenda
Was ist Industrie 4.0?
Warum brauche ich Industrie 4.0?
Sind wir schon bereit dafür?
Wie kommen wir dahin?
Kundenbeispiel: Industrie 3.2
Kundenbeispiel: Industrie 4.0
Die Kooperationspartner

4. Was ist Industrie 4.0?
4
„Industrie 4.0“ steht für die „vierte Industrielle Revolution“. „Industrie 1.0“ meint die im 18. Jahrhundert beginnende Ära
der Mechanik, „Industrie 2.0“ bezieht sich auf die Ära der Elektrik und „Industrie 3.0“ steht nach dieser Logik für die
zunehmende Automatisierung der Industrie durch den Einsatz von Rechner.
1. Industrielle Revolution/
Mechanik/ Die Dampfmaschine
2.Industrielle Revolution/ Elektrik/
Fließband in der Automobilindustrie
3.Industrielle Revolution/ IT/ CNC,
Drucker, Roboter, Vernetzung,
Internet
Industrie 3.2: Web 2.0 / Mobile,
Social Media, Business Intelligence,
Lean Management
4.Industrielle Revolution:Big Data,
Predictive Maintenance, IOT, Smart
Factory

5. Warum wir Industrie 4.0 brauchen!
5
individuelle Produkte und Dienstleistungen für Ihre Kunden
dynamisch anpassbare Produktionsprozesse
Höhere Transparenz aller Prozesse
Zugriff in Echtzeit auf Arbeits- und
Produktionsabläufe
neue Geschäftsmodelle und Nischen wie On-
Demand-Produktion ermöglichen
schneller, zielorientierter und granularer die gesetzten
Betriebs Ergebnisse erreichen
Prozesse werden digitalisiert, erfasst, analysiert und
umgesetzt

6. Sind wir schon bereit für Industrie 4.0?
6
Industrie 4.0
Business Intelligence
Produktionsdaten: MDE, BDE
Auf welcher Stufe
stehen Sie?

7. Wie kommen wir zu Industrie 4.0?
7
Machen Sie Ihre
Hausaufgaben und
bereiten Sie Ihr
Unternehmen auf
Industrie 4.0 vor

8. Wie kommen wir zu Industrie 4.0?
8
Industrie 3.2!
Von der Daten und Prozessoptimierung
zum konsolidierten Ad Hoc Blick über
das ganze Unternehmen

9. Applikation Up Cycling your Data
9

10. 10
Use Case Steigerung der Energieeffizienz in der Produktion von Folien
• Folienhersteller stellt weltweit hochwertige Polymer- oder Hartfolien her
– Neben pharmazeutischen Blisterverpackungen werden z.B. Druckfolien,
Dekorationsfolien und Plastik-Kreditkarten hergestellt.
• Primäres Ziel Folienhersteller
– Energieeffizienz Kalandermaschinen
• Vermutung
– Varianz in gefahrenen Maschinenprotokollen legt verschiedene
Effizienzbereiche der Fertigung offen
• Daten
– 3 Monate Sensorwerte einer Kalandermaschine
– Schicht und Fertigungsdaten
• Ziel SDSC
– Potentialanalyse zur Projektierung flächendeckender Überwachung

11. Beispiel: Fertigung Material1 und Material2
• Energieeffizienz nicht direkt erfasst (nur über Zustands- und Prozessgrößen)
• Zeitreihen nicht pro Material, sondern kontinuierlich erfasst
• Messungen enthalten Wartungen, Rüstung, Reinigung
Material 1 Material 2

12. Schritt 1: Fusion der Datenbasis
Fertigungs-
objekte
Schicht-
zeiten
Schicht-
mengen
Maschinen-
daten
Validierung
Ziel: Abbildung von Merkmalen aus
Sensordaten auf relevante
Geschäftsobjekte

13. Herausforderung bei Vorbereitung Daten:
Segmentierung + Data Cleaning
DatenwährendSchichtenDatenwährendFOBJs
Alignmentungenauigkeit in ERP bzgl. Realität

14. Pattern Matching:
Untersuchung verschiedene Anschaltverhalten

15. Szenario 3: Steigerung der Materialausnutzung in der Lederverarbeitung
• Luxussofa GmbH und co KG ist „die Design-Marke für
Luxussofas Made in Germany“
– Manufaktur unter Einsatz modernster Technik in Nagold
• Ziel Luxussofa
– Reduktion des Verschnitts
• Vermutung
– Schnittoptimierung arbeitet unter bestimmten Rahmen-bedinungen
nicht optimal
• Daten
– 6 Monate Bewertungsprotokolle Leder und Zuschnittprotokolle
• Ziel SDSC
– Vorhersage von Verschnitt auf Basis aufgezeichneter Parameter

16. Smart Data Innovation Lab
(SDIL)
Verschnitt nach Ranking und Nesting
Vorbewertung der Leder
Variierende Leder Individuelle Kundenaufträge
Batching zu Produktionen
Schnittoptimierung (Nesting)
Auswahl von Ledern für Produktion
Ergibt Verschnitt
Fragestellung: Welche Parameter haben Einfluss auf Verschnitt trotz Optimierung?

17. Beispiel 2: Nutzung Betriebsdatenerfassung
• Ziel Luxus Sofa Hersteller
– Exploration der Möglichkeiten, bessere Werkzeuge
• Vermutung
– Daten enthalten weitere Zusammenhänge die
momentan nicht genutzt werden
• Daten
– 20 Monate Betriebsdaten aus Polsterei
• Ziel SDSC
– Explorative Analyse

18. Die Kooperation
18
Schlanke Durchlaufprozesse
Smarte Visualisierung
aller Daten
Technologietransfer
Industrie 4.0 /IOT-Projekte

19. Iodata GmbH
Steinhäuserstr. 20
76135 Karlsruhe
www.iodata.de
19
Fragen?
Giuseppe.Caruso@iodata.de , Iodata GmbH