Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Mit Industrie 4.0 soll die Vision einer vernetzten Produktion vorangetrieben werden. Insbesondere das Zusammenspiel von Soft- und Hardware in Cyberphysischen Systemen bietet ein enormes Potenzial für intelligente Services in der Produktion, etwa zur vorausschauenden Wartung von Maschinen (engl. Predictive Maintenance). Produzierende Unternehmen erhoffen sich u.a. durch präzise Vorhersagen eines Maschinenausfalls verbesserte Möglichkeiten zur Produktionssteuerung und -planung, verbunden mit einer kosteneffektiven und kontextbezogenen Wartung. Der Weg von der heute inflexiblen Wartung hin zu Predictive Maintenance Anwendungen erfordert allerdings einen komplexen Prozess, dessen Implementierung produzierende Unternehmen vor große Herausforderungen stellt. Aufgrund der technischen Fortschritte der letzten Jahre, insbesondere Sensorik und Industrial Internet of Things, wird die digitale Erzeugung, Verarbeitung und Speicherung von Maschinendaten stark erleichtert. Durch diese Entwicklung entstehen große Datenmengen in der Produktion, so dass das Verständnis dieser Daten für die Realisierung intelligenter Predictive Maintenance Anwendungen einen entscheidenden Faktor darstellt. Die Untersuchung der Daten auf Trends, Zusammenhänge und ungewöhnliches Verhalten liefert wichtige Erkenntnisse für die Entwicklung einer Predictive Maintenance Anwendung. In Industrie 4.0 Szenarien wird das Datenverständnis aufgrund hochdimensionaler und großer Datensätze allerdings erschwert. Benutzer benötigen hier passende Methoden und Werkzeuge zum Umgang mit diesen komplexen Daten. Optimalerweise können diese Methoden die spezifischen Anforderungen und Eigenschaften der Produktion berücksichtigen, etwa durch Berücksichtigung von örtlich zusammenhängenden Sensormessungen.