Rosenberger, Julia
[Author]
;
Schramm, Dieter
[Contributor]
Datenflussoptimierung mit dynamischer Allokation von Ressourcen in der Industrie ; Data stream optimization with dynamic allocation of resources in the industry
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Book;
Electronic Thesis;
Doctoral Thesis;
Text
Title:
Datenflussoptimierung mit dynamischer Allokation von Ressourcen in der Industrie ; Data stream optimization with dynamic allocation of resources in the industry
Contributor:
Rosenberger, Julia
[Author]
Published:
University of Duisburg-Essen: DuEPublico2 (Duisburg Essen Publications online), 2023-12-15
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Daten sind die Basis für neue Geschäftsmodelle und Technologien wie beispielsweise der vorausschauenden Instandhaltung von industriellen Anlagen. Die Erfassung und Verarbeitung von Daten, insbesondere von Datenflüssen in einem Netzwerk, hat deshalb entscheidenden Einfluss auf den Erfolg der Industrie 4.0. Zur Verringerung von Latenzen sowie Kosten und aus Aspekten der Datensicherheit wird die Verlagerung der Datenanalyse an den Ort der Datenerfassung untersucht. Daraus ergeben sich besondere Herausforderungen hinsichtlich limitierter Rechen- und Kommunikationsressourcen, der dezentralen Struktur mit einer Vielzahl heterogener Teilnehmer sowie der Anforderung an hohe Verarbeitungsgeschwindigkeiten. Es ist sicherzustellen, dass relevante Informationen zeitnah verfügbar sind und der Verlust dieser vermieden wird. Zur Lösung der genannten Optimierungsbedarfe werden in der vorliegenden Arbeit drei Ansätze identifiziert und jeweils die Potentiale neuer Technologien untersucht. Der erste Ansatz umfasst die frühzeitige Extraktion relevanter Informationen und Reduktion der Datenmenge unter Einsatz von Anomalieerkennung und Datenkompression. Der zweite Ansatz zielt auf die Schaffung einer Vertrauensbasis zur Absicherung von Daten mittels Distributed Ledger Technologie. Das dritte Potential wird in dem optimierten Nutzen der vorhandenen limitierten Ressourcen gesehen. Aufgrund der dezentralen Struktur des industriellen Internet der Dinge basiert der Lösungsansatz auf intelligenten Multi-Agenten-Systemen. Die Evaluation der einzelnen Bestandteile sowie deren Zusammenspiel in einem Gesamtsystem bestätigt, dass alle ausgearbeiteten Methoden aufgrund ihrer hohen Effizienz nahe der Datenerfassung ausführbar sind, Informationen frühzeitig bereitgestellt werden und Datenverlusten aufgrund von Ressourcenengpässen entgegengewirkt wird. Die Datenflussoptimierungen legen die Grundlage für zukünftige Systeme zur verteilten Verarbeitung von Datenflüssen am Netzwerkrand und sind ein relevanter Treiber für die Industrie 4.0, da sie ...