Demonstratoren im Industrie 4.0-Kontext/Demonstrators in the context of Industry 4.0

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 114 (2024), Heft 06
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 114 (2024), Heft 06

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2024
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 114 (2024), Heft 06

Demonstratoren im Industrie 4.0-Kontext/Demonstrators in the context of Industry 4.0

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Industrie 4.0 bringt neben vielen Potenzialen auch eine erhebliche Komplexitätssteigerung mit sich. Um dieser effektiv zu begegnen, bieten Demonstratoren einen wertstiftenden Beitrag. Ihr Einsatz ermöglicht eine nutzerzentrierte Systementwicklung mit einhergehender Komplexitätsreduktion durch Modellierung und Simulation. Dieser Beitrag untersucht ihre Potenziale am Beispiel des Projektes „ConSensE“ mit Fokus auf Sensortechnologien und deren Nachrüstung.

Literaturverzeichnis

  1. [1] Böhm, M.; Müller, S.; Krcmar, H. et al.: Digitale Transformation in ausgewählten Ländern im Vergleich. In: Oswald, G.; Krcmar, H. (Hrsg.): Digitale Transformation, S. 73–85. Wiesbaden: Springer Fachmedien Wiesbaden 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  2. [2] Dörr, L.; Fliege, K.; Lehmann, C. et al.: A Taxonomy on Influencing Factors Towards Digital Transformation in SMEs. Journal of Small Business Strategy 33 (2023), Nr. 1 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  3. [3] Ebersbach, M.; Dörr, D. M.; Bauernhansl, T.: Umsetzungsfortschritt digitaler Geschäftsmodelle/Progress in implementing digital business models. wt Werkstattstechnik online 114 (2024), 01–02, S. 28–32 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  4. [4] Oks, S. J.; Jalowski, M.; Zansinger, N. et al.: Die Rolle von Industrie 4.0-Demonstratoren in der digitalen Transformation. Eine Standpunktbestimmung am Portable Industrial Demonstrator for Cyber-Physical Systems (PID4CPS). In: Wilbers, K. (Hrsg.): Lernfabriken an beruflichen Schulen. Gewerblich-technische und kaufmännische Perspektiven, S. 119–157. Berlin: epubli 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  5. [5] Schymanietz, M.; Jonas, J. M.; Möslein, K. M.: Exploring data-driven service innovation—aligning perspectives in research and practice. Journal of Business Economics 92 (2022), Nr. 7, S. 1167–1205 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  6. [6] Statistisches Bundesamt: Kleine und mittlere Unternehmen. Internetadresse: https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/Kleine-Unternehmen-Mittlere-Unternehmen/_ inhalt.html#233754 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  7. [7] Koustas, S. G.; Reichenstein, T.; Oks, S. J. et al.: Demonstrating industrial smart product-service systems: Industry 4.0 maturity through stakeholder-oriented development and testing. Procedia CIRP 120 (2023), S. 1268–1273 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  8. [8] Trabert, T.; Doerr, L.; Lehmann, C.: The struggle of sensor-based digital servitization: analysis and perspectives for organizational digital transformation in SMEs. European Journal of Innovation Management 27 (2023), Nr. 9, S. 52–72 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  9. [9] Wagner, M.; Alaluss, M.; Langheinrich, J. et al.: Prozessüberwachung mittels maschineninhärenter Sensoren/Transparency improvement in hollow embossing rolling of metallic bipolar plates – Process monitoring by using machine-inherent sensors. wt Werkstattstechnik online 114 (2024), 01–02, S. 15–20 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  10. [10] Stergiou, G.; Kavakli, E.; Kotis, K.: Towards a technology acceptance methodology for Industry 4.0. Procedia Computer Science 219 (2023), S. 832–839 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  11. [11] Oks, S. J.; Jalowski, M.; Fritzsche, A. et al.: Cyber-physical modeling and simulation: A reference architecture for designing demonstrators for industrial cyber-physical systems. Procedia CIRP 84 (2019), S. 257–264 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  12. [12] Oks, S. J.: Industrial Cyber-Physical Systems. Advancing Industry 4.0 from Vision to Application. Wiesbaden: Springer Gabler 2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  13. [13] Zeigler, B. P.; Sarjoughian, H. S.: Guide to Modeling and Simulation of Systems of Systems. London, Heidelberg, New York, Dordrecht: Springer 2013 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  14. [14] Sokolowski, J. A.; Banks, C. M. (Hrsg.): Modeling and Simulation Fundamentals. Theoretical Underpinnings and Practical Domains. Hoboken, United States: Wiley 2009 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  15. [15] Schenk, M.; Straßburger, S.; Kißner, H.: Combining Virtual Reality and Assembly Simulation for Production Planning and Worker Qualification. In: Zäh, M.; Reinhart, G. (Hrsg.): 1st International Conference on Changeable, Agile, Reconfigurable and Virtual Production (CARV 2005). 1st International Conference on Changeable, Agile, Reconfigurable and Virtual Production (CARV 2005), München, 22.-23.-09.2005, S. 411–414. München: Utz 2005 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  16. [16] Moultrie, J.: Understanding And Classifying The Role Of Design Demonstrators In Scientific Exploration. Technovation 43–44 (2015), S. 1–16 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  17. [17] Fox, N. J.: Boundary Objects, Social Meanings and the Success of New Technologies. Sociology 45 (2011), Nr. 1, S. 70–85 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  18. [18] Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO: Mobiles Plug-In Labor für das Advanced Systems Engineering – Fraunhofer IAO. Internetadresse: https://www.iao.fraunhofer.de/de/forschung/forschungsbereiche/cognitive-engineering-and-production/mobiles-plug-in-labor-fuer-das-advanced-systems-engineering.html. Zugriff am 13.03.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  19. [19] coaching4future: DISCOVER INDUSTRY – COACHING4FUTURE. Internetadresse: https://www.coaching4future.de/angebote/discover-industry. Zugriff am 13.03.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  20. [20] Technische Universität Chemnitz: Experimentier- und Digitalfabrik (EDF). Internetadresse: https://www.tu-chemnitz.de/mb/FabrPlan/edf.php Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  21. [21] Choaib, M.; Garouani, M.; Bouneffa, M. et al.: Automated Decision Support Framework for IoT: Towards a Cyber Physical Recommendation System. In: Proceedings of the 25th International Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  22. [22] Reichenstein, T.; Koustas, S. G.; Roßner, A. et al.: Toward a structured concept for purpose-driven modeling of a digital shadow in manufacturing. Procedia CIRP 119 (2023), S. 816–821 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  23. [23] Schuh, G.; Anderl, R.; Dumitrescu, R. et al.: Industrie 4.0 Maturity Index. Managing the Digital Transformation of Companies – UPDATE 2020 – (acatech STUDY). Munich 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  24. [24] Lee, Y. O.; Jo, J.; Hwang, J.: Application of deep neural network and generative adversarial network to industrial maintenance: A case study of induction motor fault detection. In: 2017 IEEE International Conference on Big Data (Big Data). 2017 IEEE International Conference on Big Data (Big Data), Boston, MA, 11.12.2017 – 14.12.2017, S. 3248–3253. IEEE 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  25. [25] Fernandez-Carames, T. M.; Fraga-Lamas, P.: A Review on Human-Centered IoT-Connected Smart Labels for the Industry 4.0. IEEE Access 6 (2018), S. 25939–25957 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  26. [26] Koustas, S. G.; Jalowski, M.; Reichenstein, T. et al.: A blockchain-based IIoT traceability system: ERC-721 tokens for Industry 4.0. Procedia CIRP 120 (2023), S. 1280–1285 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125
  27. [27] Steffen, M.; Frye, S.; Deuse, J.: Vielfalt Lernfabrik *. Morphologie zu Betreibern, Ziel-gruppen und Ausstattungen von Lernfabriken im Industrial Engineering. wt Werkstattstechnik online 103 (2013) 3, S. 233–239 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-125

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien