Präsentation auf den IBM Developer Days 2014 in Wien zum Thema Industrie 4.0.
Praktische Use-Cases und Integrationsbeispiele zwischen LineMetrics und IBM Technologien.
10. Technologie Mega-Trends
IoT / M2M MQTT, 6LowPAN
Cloud / SaaS IBM Softlayer, IBM BlueMix
Stream Processing IBM WebSphere ESB, Storm
Big Data + Analytics NoSQL, IBM Cognos
Predictive und Trending IBM SPSS
11. Web 2.0
Internet der Menschen: soziale Netze, Collaboration
Industrie 4.0
Internet der Dinge: vernetzte Maschinen, Cyber-physical
Systems
15. Quelle: Umsatzempfehlung, Abschlussbericht Arbeitskreis Industrie 4.0
„...vierten industriellen Revolution, die durch
das Internet der Dinge und Dienste in Gang
gesetzt wurde, also autonome eingebettete
Systeme, die drahtlos untereinander und mit
dem Internet vernetzt sind.“
16. Große Chance für Startups
●
Top Thema bei vielen großen Konzernen
●
Praktische Anwendung für viele Trendthemen
●
Viel Kapital für Innovation
●
Siemens: Industrie 4.0 VC Fond: $100 Mio
●
Cisco: IoT/IoE VC Fond: $150 Mio
IBM: Unterstützung, Mentoring, Ressourcen, Intros
zu VCs im Rahmen vom
„Global Entrepreneurship Program“
18. Beispiel Optimierung
● Anzahl der produzierten Teile messen
● Anzahl und Gesamtdauer von Stillständen messen
● Energieverbrauch der Anlage sehen
● Auslastung der Anlage messen
● Qualitätsschwankungen (Problem) erkennen und beheben
● Bei Stillständen >15 Minuten informiert werden
● Jederzeit auf die Daten zugreifen können
Kunde möchte so einfach wie möglich
21. Beispiel BI / Benchmarking
● Mächtiges Reporting-Tool
● Daten aus unterschiedlichsten Quellen (ERP, Planung, etc)
● Jede Rolle hat Interesse an anderen Daten
● Benchmarking zwischen Standorten / Anlagen
● Interaktives Datermining
● Fokus auf die wichtigsten Kennzahlen
● Intuitive Nutzung und gute Usability (auch Mobile)
Kunde möchte:
23. Beispiel Predictive Maintainance
● In frühem Stadium informiert werden, wenn produzierter Teil
die Qualitätskriterium wahrscheinlich nicht schaffen wird
● Über nahende Stillstände von Maschinen informiert werden,
bevor sie auftreten
● Muster bei regelmässig auftretenden Problemen erkennen
● Korrelationen zwischen einzelnen Sensordaten und
Kennzahlen erkennne
Kunde möchte:
25. SPSS Modeler
● Visuelles Programmieren
analytischer Streams
● Hohes Maß an Interaktivität und
Benutzerfreundlichkeit
● Skalierbarkeit durch Client-/ Server
Architektur
● Nahtlose Zusammenarbeit mit allen
gängigen Datenbanksystemen
● Orientierung am CRISP-DM Modell
für Data Mining