Industrielle Datenanalyse: Entwicklung einer Datenanalyse-Plattform für die wertschaffende, kompetenzorientierte Kollaboration in dynamischen Wertschöpfungsnetzwerken (German Edition)

Dieses Open Buch schlägt eine Brücke zwischen Theorie und Praxis für das produzierende Gewerbe im Zeitalter der Digitalisierung, der Industrie 4.0 und der Künstlichen Intelligenz. Es ist das Resultat eines vierjährigen Forschungsprojekts, das unter der Leitung des Instituts für Produktionssysteme der Technischen Universität Dortmund und der RapidMiner GmbH in Zusammenarbeit mit zwölf weiteren Partnern durchgeführt wurde. Das Hauptziel des Projekts war die Entwicklung einer Datenanalyse-Plattform zur Förderung einer effektiven und kompetenzorientierten Zusammenarbeit in dynamischen Wertschöpfungsnetzwerken. Die zwanzig Beiträge in diesem Sammelband liefern umfassende Einblicke in die Forschungsergebnisse und schildern die gemeinsamen Erfahrungen der Partner aus produzierenden Unternehmen, Software- und Hardware-Anbietern sowie Forschungseinrichtungen. Im Fokus steht die Entwicklung von Lösungen, die in einem modularen Referenzbaukasten zusammengefasst sind. Dieser Baukasten unterstützt industrielle Datenanalysen und deren Integration in betriebliche Abläufe. Er fördert darüber hinaus eine kompetenzorientierte Zusammenarbeit und ermöglicht somit die Initiierung neuer Geschäftsmodelle und Kollaborationen. Das Buch richtet sich an Praktiker:innen aus der Industrie ebenso wie an Wissenschaftler:innen. Es liefert Impulse und bietet Hilfestellungen, um den Herausforderungen der digitalen Transformation zu begegnen und die Zukunft der industriellen Datenanalyse erfolgreich zu gestalten. Vorwort der Herausgeber Inhaltsverzeichnis Abbildungsverzeichnis Teil I Einleitung 1 Einleitung 1.1 Ausgangssituation 1.2 Verbundprojektziel 1.3 Forschungspartner 1.4 Vorgehensweise Literatur 2 Industrielle Datenanalysen im Mittelstand 2.1 Rahmen der Forschungsförderung 2.2 Ausgangssituation und Status Quo im Mittelstand 2.3 Nutzenpotenziale für Kleine und Mittlere Unternehmen 2.4 Ausblick Literatur 3 Ausgangssituation und technische Grundlagen 3.1 Einleitung 3.2 Technische Grundlagen 3.2.1 Referenzmodelle und -architekturen 3.2.2 Plattformkonzepte und Kollaborationsplattformen 3.3 Status Quo der vier Leistungsbereiche 3.3.1 Integrierte Datenvernetzung 3.3.2 Industrielle Datenanalyse 3.3.3 Kompetenzaufbau und -sicherung 3.3.4 Kollaborationsmöglichkeiten und Geschäftsmodelle 3.4 Ausblick Literatur 4 Prozesskette der industriellen Datenanalyse 4.1 Motivation und Hintergrund 4.2 Prozesskette der industriellen Datenanalyse im Referenzbaukasten 4.3 Bausteine im Referenzbaukasten 4.4 Ausblick Literatur Teil II Leistungsbereiche im Referenzbaukasten 5 Konzeption und Entwicklung eines integrierten Datenbackends für die industrielle Datenanalyse 5.1 Anforderungen an das Datenbackend 5.2 Allgemeines Vorgehen zum Aufbau des Datenbackends 5.3 Lösungsbausteine 5.3.1 Dezentrale Datenvernetzung mit SP2IDER 5.3.2 Aufbau eines zentralen Datenmodells mit der Contact Elements-Plattform 5.3.3 Data Warehouse-Ansatz mit Power-BI 5.4 Diskussion und Entscheidungshilfe zur Auswahl der entwickelten Lösungsbausteine 5.5 Zusammenfassung Literatur 6 Abstraktion und Übertragbarkeit von Datenanalysen im industriellen Kontext 6.1 Einleitung 6.2 Anforderungen an die Generalisierung von Datenanalysen 6.3 Modularisierung industrieller Datenanalysen 6.3.1 Methodische Idee der Datenanalysemodule 6.3.2 Technischer Hintergrund der modularisierten Datenanalysen 6.4 AI-Toolbox als Enabler für das Nutzen und Teilen der Module 6.5 Zusammenfassung Literatur 7 Kompetenzentwicklung und -sicherung in der industriellen Datenanalyse von Wertschöpfungsnetzwerken 7.1 Einleitung und Motivation 7.2 Analyse und Anforderungsdefinition zum Themenfeld „Kompetenzaufbau und -sicherung in Wertschöpfungsnetzwerken“ 7.3 Konzeptuelle Entwicklung des Leistungsbereichs „Kompetenzen und Handlungsempfehlungen“ 7.4 Entwicklung und Implementierung im Bereich „Kompetenzen und Handlungsempfehlungen“ 7.5 Validierung und Optimierung 7.6 Zusammenfassung Literatur 8 Entwicklung neuer Kollaborationsmöglichkeiten und Geschäftsmodelle 8.1 Motivation 8.2 Kollaboration für Data-Science-Projekte 8.2.1 Nutzungskonzept 8.2.2 Kollaborations-Werkzeuge 8.3 Datengetriebene Geschäftsmodellverbesserung 8.3.1 Nutzungskonzept 8.3.2 Lösungsarchitektur 8.3.3 Geschäftsmodellanalyse-Bausteine 8.4 Zusammenfassung Literatur Teil III Erfolgsgeschichten aus der Anwendung 9 Datengetriebene Arbeitsplangestaltung in der Automobilfertigung 9.1 Motivation 9.2 Datenbasierte Optimierung und Gestaltung von Montagelinien 9.3 Umsetzung der datenbasierten Entscheidungsunterstützung 9.4 Fazit Literatur 10 Kollaborative, modulare Datenanalyse als Werkzeug im Qualitätsmanagement 10.1 Motivation 10.2 Datenwissenschaft und Feldbeobachtung im Qualitätsmanagement 10.2.1 Datenwissenschaft im Qualitätsmanagement 10.2.2 Feldbeobachtung 10.3 Zielsetzung im Forschungsvorhaben 10.3.1 Befähigung und gezielte Qualifikation von Mitarbeitern 10.3.2 Niederschwelliger Einstieg in Datenanalysen für konkrete Anwendungsfälle 10.4 Einsatz Industrieller Datenanalysen in der Feldbeobachtung 10.4.1 Inhaltliche und Methodische Umsetzung 10.4.2 Technische und strategische Einbindung 10.5 Fazit Literatur 11 Integrierte Datenanalyse zur Kollaboration in der Auftragsplanung 11.1 Motivation 11.2 Absatzprognose in der Auftragsplanung 11.2.1 Zielsetzung und Vorgehensweise 11.2.2 Modellbildung und Validierung der Absatzprognose 11.2.3 Einführung der Prognose in die betrieblichen Entscheidungsprozesse 11.3 Ergebnisse Validierung des Geschäftsmodells 11.4 Data Science Reifegrad und Mittelstand 11.5 Fazit Literatur 12 Potenzialanalyse industrieller Datenanalysen in der Produktion am Beispiel des Kunststoffschweißens 12.1 Motivation 12.2 Ablauf des Kunststoffschweißens 12.2.1 Prozessparameter und Datenquellen beim Schweißen 12.3 Nachrüstung zur Datenerfassung mittels ARENDAR 12.3.1 Datenakquisition 12.3.2 Webapplikation 12.4 Datenauswertung 12.5 Diskussion und Interpretation der Ergebnisse 12.6 Fazit Literatur 13 Kompetenzentwicklung und -sicherung mit einem digitalen Wissensdienst 13.1 Motivation 13.2 Umsetzung des Anwendungsfalls mit den entwickelten Ergebnissen 13.2.1 Definition und Ermittlung datenwissenschaftlicher Kompetenzen 13.2.2 Entwicklung eines digitalen Wissensdienstes 13.2.3 Generierung technologiebasierter Lernmodule 13.2.4 Integration von Kollaborationsmöglichkeiten 13.2.5 Erprobung in der praktischen Anwendung 13.3 Transfermaßnahmen und Umsetzung im Referenzbaukasten 13.4 Fazit Literatur 14 Retrofitting und Datenakquisition mittels Industrie 4.0-Technologien 14.1 Motivation 14.1.1 Herausforderungen nachträglicher Datenakquisition 14.1.2 Gateways und Retrofitting im produzierenden Gewerbe 14.2 Datenerfassung in AKKORD 14.2.1 Die Testanlage von PolyMerge 14.2.2 Der AKKORD-Autorenn-Demonstrator 14.2.3 Die AKKORD Lernstation 14.3 Fazit Literatur 15 Integration der Kundenmeinung ins Geschäftsmodell 15.1 Motivation 15.2 Kundensicht im Geschäftsmodell 15.3 Bewertung des Geschäftsmodells anhand von Kundenbewertungen 15.3.1 Auswahl von Kundenportalen als Datenquellen 15.3.2 Sentiment-Analyse und Abbildung auf den Business Model Canvas 15.3.3 Visualisierung der Analyse 15.4 Fazit Literatur 16 Vorgehensweisen für menschzentrierte Datenanalyseprojekte 16.1 Motivation 16.2 Interviewstudie zum Erfolgsfaktor Mensch und abgeleitetes Reifengradmodell 16.3 Mittelstandsstudie zu Hemmnissen bei der Einführung von Data Science und Künstlicher Intelligenz 16.4 Vorgehensweisen in Data-Science-Projekten 16.4.1 Die Dimension menschzentriertes Design im Vorgehensmodell 16.4.2 Die Dimension Change-Management im Vorgehensmodell 16.5 Fazit Literatur Teil IV Verwendung der AKKORD-Plattform 17 Umsetzung des Backend im Autorenn-Demonstrator 17.1 Konzept des Demonstrators 17.2 Auslesen und Übertragen der Daten 17.3 Verwaltung der Daten im Backend 17.4 Weitergabe an die Analysemodule 17.5 Fazit Literatur 18 Umsetzung der Analysebausteine im Autorenn-Demonstrator 18.1 Konzeptionelle und technische Umsetzung des Demonstrators 18.2 Zugriffsmodule des Demonstrators 18.3 Analysemodule des Demonstrators 18.4 Nutzungsmodule des Demonstrators 18.5 Fazit Literatur 19 Realisierung eines I4.0-Lerndemonstrators im Rahmen des AKKORD-Projekts 19.1 Motivation 19.2 Hardware-technischer Aufbau und Funktion der Elemente der AKKORD-Lernstation 19.3 Entwicklung des hybriden Lernkonzeptes 19.4 Validierung und Optimierung 19.5 Fazit Literatur 20 Industrielle Datenanalyse im Einklang mit Mensch, Technik und Organisation 20.1 Ausgangssituation 20.2 Schlussfolgerungen 20.2.1 Herausforderungen 20.2.2 Potenziale 20.3 Fazit Literatur