TY - CHAP A1 - Brecher, Christian A1 - Brockmann, Matthias A1 - Biernat, Benedikt A1 - Frenkel, Nils A1 - Neus, Stephan ED - Krupp, Ulrich ED - Münstermann, Sebastian T1 - Modellbasierte Datenanalyse als Basis für Zustandsüberwachung in Werkzeugmaschinen T2 - Steel and more : ASK 34 : Aachener Stahlkolloquium : 19. November 2020 : Online-Konferenz : Tagungsband N2 - Moderne Produktions- und Verarbeitungsanlagen in der Stahlherstellung beinhalten eine Vielzahl von Sensoriken und digitalisierten Informationen. Prinzipiell stehen daher bereits während des Betriebes große Datenmengen entlang des gesamten Herstellungsprozess zur Verfügung. Diese Daten werden teilweise direkt für interne Regelungen der Maschinen oder für Qualitätskontrollen genutzt. Ein Großteil dieser Daten bleibt jedoch ungenutzt. Dies hat zwei Hauptgründe: Zum einen müssten sehr große Datenmengen gespeichert werden, zum anderen sind die erzeugten Daten sehr heterogen und ohne Vorverarbeitung und Kenntnis der physikalischen Wirkzusammenhänge von keinem direktem Nutzen. Der Verknüpfung von relevantem Wissen, Modellen und Daten über alle relevanten technischen Domänen hinweg bietet die Möglichkeit den OEE zu optimieren. Ein domänenübergreifender Datenzugriff ermöglicht neue Möglichkeiten für produzierende Unternehmen, insbesondere müssen mit Wissen aufbereitete Daten zusammen mit bedarfsgerecht reduzierten Modellen genutzt werden. Diese modellbasierte Datenanalyse stellt die Grundlage für einen optimalen Nutzen von Daten aus der Produktion dar. KW - Industrie 4.0 KW - Data Analytics KW - Predictive Maintenance Y1 - 2020 SN - 3-96144-092-1 SP - 9 EP - 18 PB - DVS Media GmbH CY - Düsseldorf ER - TY - CHAP A1 - Becker, Marco A1 - Brockmann, Matthias A1 - Niemietz, Philipp A1 - Trauth, Daniel A1 - Bergs, Thomas A1 - Brecher, Christian ED - Trauth, Daniel ED - Bergs, Thomas ED - Prinz, Wolfgang T1 - Das Internet of Production als Fundament der Datenverwertung in der Produktion T2 - Monetarisierung von technischen Daten / Hrsg. Daniel Trauth, Thomas Bergs, Wolfgang Prinz N2 - Das Internet of Things entfaltet erst durch die Überwindung von bestehenden Produkt- und Industriegrenzen sein volles ökonomisches Potenzial. Trotzdem werden Cyberphysische Systeme in der Forschung bisher oftmals isoliert betrachtet. Der Begriff des Internet of Production (IoP) steht für die Vision eines übergreifenden Austauschs von Daten und Informationen zwischen Produktentwicklung, Produktion und Nutzungsphase – über bestehende Organisationsgrenzen hinaus. Die Realisierung des IoP ist mit Herausforderungen im Bereich der datengetriebenen Modellierung sowie der Infrastruktur verbunden. In diesem Buchbeitrag werden die bestehenden Herausforderungen erläutert und Lösungsansätze skizziert. Der Schwerpunkt liegt auf der datengetriebenen Modellierung. Im Speziellen wird die Problematik des Lernens von kausalen Zusammenhängen, die Interpretierbarkeit von Machine-Learning-Modellen sowie die Integration von Domänenwissen in Lernalgorithmen diskutiert. Abschließend werden zwei Anwendungsbeispiele des „Digital Material Shadows“ vorgestellt. Diese veranschaulichen wie mithilfe von Machine Learning Erkenntnisse über den Materialzustand eines Werkstücks gewonnen werden können. Ziel dieser Digital Material Shadows ist es, langfristig Fertigungsprozesse adaptiv an die individuellen Materialeigenschaften des vorliegenden Werkstücks bzw. Rohmaterials anzupassen. KW - Digitalisierung KW - Industrie 4.0 KW - Digitaler Schatten KW - Geschäftsmodelle Y1 - 2021 U6 - http://dx.doi.org/10.1007/978-3-662-62915-4_15 SP - 275 EP - 295 PB - Springer Vieweg CY - Berlin, Heidelberg ER - TY - JOUR A1 - Pennekamp, Jan A1 - Buchholz, Erik A1 - Dahlmanns, Markus A1 - Kunze, Ike A1 - Braun, Stefan A1 - Wagner, Eric A1 - Brockmann, Matthias A1 - Wehrle, Klaus A1 - Henze, Martin T1 - Collaboration is not Evil: A Systematic Look at Security Research for Industrial Use JF - Learning from Authoritative Security Experiment Results (LASER) 2020 N2 - Following the recent Internet of Things-induced trends on digitization in general, industrial applications will further evolve as well. With a focus on the domains of manufacturing and production, the Internet of Production pursues the vision of a digitized, globally interconnected, yet secure environment by establishing a distributed knowledge base. Background. As part of our collaborative research of advancing the scope of industrial applications through cybersecurity and privacy, we identified a set of common challenges and pitfalls that surface in such applied interdisciplinary collaborations. Aim. Our goal with this paper is to support researchers in the emerging field of cybersecurity in industrial settings by formalizing our experiences as reference for other research efforts, in industry and academia alike. Method. Based on our experience, we derived a process cycle of performing such interdisciplinary research, from the initial idea to the eventual dissemination and paper writing. This presented methodology strives to successfully bootstrap further research and to encourage further work in this emerging area. Results. Apart from our newly proposed process cycle, we report on our experiences and conduct a case study applying this methodology, raising awareness for challenges in cybersecurity research for industrial applications. We further detail the interplay between our process cycle and the data lifecycle in applied research data management. Finally, we augment our discussion with an industrial as well as an academic view on this research area and highlight that both areas still have to overcome significant challenges to sustainably and securely advance industrial applications. Conclusions. With our proposed process cycle for interdisciplinary research in the intersection of cybersecurity and industrial application, we provide a foundation for further research. We look forward to promising research initiatives, projects, and directions that emerge based on our methodological work. KW - Data security KW - Industrie 4.0 KW - Internet of Things Y1 - 2021 UR - https://www.comsys.rwth-aachen.de/fileadmin/papers/2021/2021-pennekamp-laser-collaboration.pdf U6 - http://dx.doi.org/10.14722/laser-acsac.2020.23088 ER - TY - CHAP A1 - Brecher, Christian A1 - Brockmann, Matthias T1 - Vernetzte Produktion durch Digitale Schatten – Werkzeugmaschine 4.0 T2 - Handbuch Industrie 4.0: Recht, Technik, Gesellschaft / Hrsg. Walter Frenz N2 - Der Begriff Internet of Things hat sich weltweit als Bezeichnung für die horizontale internetbasierte Vernetzung von Cyber-Physical Systems durchgesetzt. Das IoT ermöglicht dabei die Nutzung von Felddaten (z. B. Kundenverhalten) zur Realisierung von neuartigen digitalen Geschäftsmodellen. In den meisten Anwendungsfällen sind dabei große Mengen an Felddaten vorhanden, welche durch eine relativ kleine Anzahl von Parametern beschrieben werden. Die Übertragung des IoT-Ansatzes auf die Produktion wird – insbesondere in Deutschland – mit dem Begriff Industrie 4.0 bezeichnet. Das volle Potenzial dieses Ansatzes kann derzeit jedoch nicht vollständig genutzt werden, da der Zugang zu Daten aus der Produktion aus verschiedenen Gründen nicht möglich ist und die Daten aufgrund der komplexen physikalischen Wirkzusammenhänge sehr heterogen sind. Dies führt insbesondere in der Datenanalyse zu gänzlich neuen Herausforderungen. KW - Werkzeugmaschine KW - Industrie 4.0 KW - Digitaler Schatten Y1 - 2020 U6 - http://dx.doi.org/10.1007/978-3-662-58474-3 SP - 543 EP - 552 PB - Springer-Verlag GmbH Deutschland CY - Berlin, Heidelberg ER - TY - JOUR A1 - Jarke, Matthias A1 - Schuh, Günther A1 - Brecher, Christian A1 - Brockmann, Matthias A1 - Prote, Jan-Phillip T1 - Digital Shadows in the Internet of Production JF - ERCIM News 115 Special Theme: Digital Twins N2 - Due to highly sophisticated, specialised models and data in production, digital twins, as defined as full digital representations, are neither computationally feasible nor useful. The complementary concept of digital shadows will provide cross-domain data access in real time by combining reduced engineering models and production data analytics. KW - Digital Twin KW - Industrie 4.0 KW - Production Y1 - 2018 UR - https://ercim-news.ercim.eu/en115/special/2104-digital-shadows-in-the-internet-of-production ER - TY - JOUR A1 - Schuh, Günther A1 - Häfner, Constantin A1 - Hopmann, Christian A1 - Rumpe, Bernhard A1 - Brockmann, Matthias A1 - Wortmann, Andreas A1 - Maibaum, Judith A1 - Dalibor, Manuela A1 - Bibow, Pascal A1 - Sapel, Patrick A1 - Kröger, Moritz T1 - Effizientere Produktion mit Digitalen Schatten JF - Effizientere Produktion mit Digitalen Schatten N2 - Die Digitalisierung verspricht Unternehmen, die Wandlungsfähigkeit und Produktivität bestehender Fertigungssysteme zu fördern. Durch die Komplexität cyber-physischer Produktionssysteme liegen Produktionsdaten jedoch heterogen, unstrukturiert und isoliert vor. Die für eine konkrete Aufgabe oder Fragestellung benötigten Daten werden durch Digitale Schatten zielgerichtet verknüpft, abstrahiert und aggregiert, sodass eine wissensbasierte und echtzeitfähige Entscheidungsfindung in der Produktion möglich wird. KW - Industrie 4.0 KW - Digitaler Schatten KW - Ontologie Y1 - 2020 U6 - http://dx.doi.org/10.3139/104.112339 VL - 115 IS - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb SP - 105 EP - 107 ER - TY - JOUR A1 - Brockmann, Matthias T1 - Warum digitale Transformation und Nachhaltigkeit sich gegenseitig bedingen JF - VDMA Magazin "Digitale Transformation" N2 - Nachhaltig, menschzentriert und resilient – so beschreibt die Europäische Kommission in einem ihrer Dossiers die nächste industrielle Revolution unter dem Stichwort Industrie 5.0. Vor zehn Jahren wurde auf der Hannover Messe 2011 die Vision Industrie 4.0 präsentiert. Kernelemente von Industrie 4.0 sind eine Referenzarchitektur (RAMI 4.0) zur Vernetzung zunehmend autonomer IoT-Geräte sowie Cyber-Physical Production Systems (CPPS), bei denen hochaufgelöste Simulationen („Digital Twins“) dabei helfen, physische Produktionssysteme zu überwachen, deren Verhalten vorherzusagen und zu regeln. Darüber hinaus sollen personalisierte und kontextspezifische „intelligente Agenten“ und dazugehörige Organisationsformen neue Formen der Arbeit schaffen. KW - Digitalisierung KW - Industrie 4.0 KW - Nachhaltigkeit Y1 - 2022 UR - https://www.vdma.org/viewer/-/v2article/render/45651880 SP - 18 EP - 24 ER -