The data lifecycle from capture to insight
Savings potential in automated production technology
German version below.
by Christian Brecher, Philipp Blanke, Melanie Buchsbaum, Yannick Dassen, Christian Fimmers, Aleksandra Müller, Oliver Petrovic, Simon Pieske, Simon Roggendorf, Katrin Schilling and Stephan Wein
Summary
The harnessing of data represents a key value driver in automation technology for production plants. Future production processes are monitored end-to-end, the resulting data is enriched with meta-information and models, and optimization is made possible across the entire value chain. Artificial intelligence approaches and the provision of high-quality data allow far-reaching interpretation and the derivation of decision support. Ensuring a high quality of information is essential for forward-looking data processing. This is made possible by unique identification, defined labeling and the provision of precise metadata. Corresponding procedures also allow a suitable abstraction of system-specific data and their mapping to generally applicable models. The combination of centralized and decentralized data processing as well as the targeted feedback of data and resulting models enable far-reaching value creation potentials and the resilience of agile production.
This is a preview of the Springer book “Monetization of Technical Data — Innovations from Industry and Research” by senseering, WZL of RWTH Aachen University and Fraunhofer FIT, which will be published by SpringerVieweg from the end of 2021.
Zusammenfassung
Die Nutzbarmachung von Daten stellt einen wesentlichen Wertschöpfungstreiber in der Automatisierungstechnik für Produktionsanlagen dar. Zukünftige Produktionsprozesse werden durchgängig überwacht, die entstehenden Daten mit Metainformationen und Modellen angereichert und Optimierungen über die gesamte Wertschöpfungskette hinaus ermöglicht. Ansätze der künstlichen Intelligenz und die Bereitstellung hochwertiger Daten erlauben dabei eine weitreichende Interpretation und die Ableitung von Entscheidungsunterstützungen. Wesentlich für eine zukunftsweisende Datenverarbeitung ist die Sicherstellung einer hohen Informationsgüte. Diese wird durch eine eindeutige Identifikation, ein definiertes Labeling sowie eine Bereitstellung exakter Metadaten ermöglicht. Entsprechende Verfahren erlauben zudem eine geeignete Abstraktion von systemspezifischen Daten und deren Abbildung auf allgemein anwendbare Modelle. Die Kombination aus zentraler und dezentraler Datenverarbeitung sowie die gezielte Rückführung von Daten und resultierenden Modellen ermöglichen weitreichende Wertschöpfungspotentiale und die Resilienz einer agilen Produktion.
Dies ist eine Vorschau auf das Springer-Buch “Monetarisierung von technischen Daten — Innovationen aus Industrie und Forschung” von senseering, WZL der RWTH Aachen University und Fraunhofer FIT, das ab Ende 2021 bei SpringerVieweg erscheint.
About senseering
The senseering GmbH is a company founded in September 2018 that was awarded the RWTH Aachen University Spin-Off-Award. The core competence of senseering GmbH is the development and implementation of systems for the digitalization and networking of industrial and production facilities. Likewise, senseering GmbH advises on strategic corporate issues, in particular digital transformation, distributed-leger technologies, edge vs. cloud computing architectures for AI-based real-time control of industrial processes, digital business model innovation and the introduction of digital business processes such as home office, Azure or Microsoft365. Senseering is one of the winners of the first and largest AI innovation competition of the BMWi with the project www.spaicer.de.
Daniel Trauth (CEO) | www.senseering.de | E-Mail: mail@senseering.de
