Industrielle Datenanalyse

Vorwort der Herausgeber.- Kurzbeschreibung des Vorhabens.- Fokus Kapitel zum KMU-Nutzen ("Was bringt uns das Projekt?").- Entwicklung der Ausgangssituation und Problemstellung im Projektverlauf.- Referenzbaukasten und Bausteine im Forschungsprojekt AKKORD.- LB-1: Kollaborationsmöglichkeiten und Geschäftsmodelle.- LB-2: Kompetenzentwicklung und -sicherung.- LB-3: Analysemodulen für vernetzte und integrierte Daten.- LB-4: Datenerfassung, -integration und -vernetzung.- UC-1: Übergreifendes, prädiktives Industrial Engineering.- UC-2: Datengetriebenes, vernetztes Qualitätsmanagement.- UC-3: Integrierte Datenanalyse zur Kollaboration in der Auftragsplanung UC-4: Potentialanalyse industrielle Datenanalyse in der Produktion.- UC-5: Gerichtete und KMU-gereichte Kompetenzentwicklung.- UC-6: Datenakquisition über I4.0-Technologien.- UC-7: Geschäftsmodellentwicklung.- UC-8: Einführungs- und Roll-Out-Strategien für die industrielle Datenanalyse.- Demonstrator-Beitrag 1.- Demonstrator-Beitrag 2.- Würdigung der Projektergebnisse und Ausblick auf Anschlusstätigkeiten.

Univ.-Prof. Dr.-Ing. Jochen Deuse ist Leiter des Instituts für Produktionssysteme der Technischen Universität Dortmund und hält seit 2005 die Professur für Arbeits- und Produktionssysteme (APS). Seit 2019 leitet er außerdem das Centre for Advanced Manufacturing an der University of Technology Sydney in Australien. Ralf Klinkenberg ist Gründer und Forschungsleiter von RapidMiner, einer Software-Plattform für Data Science, Maschinelles Lernen und Predictive Analytics mit über 1 Mio. registrierten Anwendern weltweit. Er verfügt über 30 Jahre Erfahrung im Bereich Künstliche Intelligenz, Maschinelles Lernen und industrieller Datenanalyse-Anwendungen. Im Projekt AKKORD, das er als Konsortialführer leitete, entwickelte RapidMiner eine KI-Toolbox, die Anwender ohne KI-Expertise befähigt, KI und ML zu nutzen. Nikolai West ist wissenschaftlicher Mitarbeiter des Instituts für Produktionssysteme der Technischen Universität Dortmund und promoviert zum Themenfeld der unüberwachten Anomalieerkennung im Qualitätsmanagement. Im Forschungsprojekt AKKORD hat er die operative Projektleitung übernommen und eine zentrale Rolle bei der Umsetzung der industriellen Datenanalyse ausgefüllt.

Vorwort der Herausgeber.- Kurzbeschreibung des Vorhabens.- Fokus Kapitel zum KMU-Nutzen ("Was bringt uns das Projekt?").- Entwicklung der Ausgangssituation und Problemstellung im Projektverlauf.- Referenzbaukasten und Bausteine im Forschungsprojekt AKKORD.- LB-1: Kollaborationsmöglichkeiten und Geschäftsmodelle.- LB-2: Kompetenzentwicklung und -sicherung.- LB-3: Analysemodulen für vernetzte und integrierte Daten.- LB-4: Datenerfassung, -integration und -vernetzung.- UC-1: Übergreifendes, prädiktives Industrial Engineering.- UC-2: Datengetriebenes, vernetztes Qualitätsmanagement.- UC-3: Integrierte Datenanalyse zur Kollaboration in der Auftragsplanung UC-4: Potentialanalyse industrielle Datenanalyse in der Produktion.- UC-5: Gerichtete und KMU-gereichte Kompetenzentwicklung.- UC-6: Datenakquisition über I4.0-Technologien.- UC-7: Geschäftsmodellentwicklung.- UC-8: Einführungs- und Roll-Out-Strategien für die industrielle Datenanalyse.- Demonstrator-Beitrag 1.- Demonstrator-Beitrag 2.- Würdigung der Projektergebnisse und Ausblick auf Anschlusstätigkeiten.