View
2
Download
0
Category
Preview:
Citation preview
Münster | 15. Februar 2016 | Dr. –Ing. Reinhold Achatz
Big Data und Analytik
in einem Industrieunternehmen
2 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Components Technology
Elevator Technology
Industrial Solutions
Materials Services
Steel Europe
Steel Americas
Diversifizierter Industriekonzern Die Nutzung von Synergien zwischen den Business Areas erzeugt Mehrwert
In der Vergangenheit hat sich die Industrie auf Produktivität fokussiert – in der Zukunft wird die Verknüpfung von Wertschöpfungsketten über den Erfolg entscheiden.
3 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Die Digitale Transformation von
ThyssenKrupp
Industrie 4.0
Differenzierung Neben Ingenieurkunst werden digitale Fähigkeiten immer wichtiger
thyssenkrupp hat eine Strategie entwickelt, mit dem Ziel, die Möglichkeiten der digitalen Transformation optimal zu nutzen!
4 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Digitalization
Product Lifecycle Management
Big
dat
a
Digital Factory
Rea
l Tim
e
Security
Customer value Digital Agenda Production control
Sen
sors
M2M
Cross factory exchange
Industrie 4.0 Collaboration
Internet of Things
Productivity A
ctua
tors
Predictive Analytics
Integration
Engineering
Software
Efficiency
Die digital Transformation ist ein interdisziplinäres Thema
Digital Platforms
Business Models
Cloud
IT-Infrastructure
Process Management
5 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Digitale Transformation Drei Elemente entscheiden über den Erfolg der digitalen Transformation in der Industrie
Industrie 4.0 / Industrial Internet of Things
Internet Business
Big data / Predictive Analytics
Niemand benötigt die Digitale Transformation, wenn Sie keinen Mehrwert liefert!
6 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Industrielle Revolutionen bei thyssenkrupp
Dampfmaschine
1. Industrielle Revolution
Rasenmäher Fertigung in der Landwirtschaftsmaschinenfabrik (1930s)
Taylorismus
2. Industrielle Revolution
Dampfhammer „Fritz“ (1861)
Automatisierte Produktionslinie mit drei „MaK“ Industrierobotern (1989)
Automation
3. Industrielle Revolution
Industrie 4.0: INPRO-Projekt Installationsüberwachung (heute)
Vernetzung
Industrie 4.0
7 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Treiber der industriellen Revolutionen Welche weiteren Potentiale können entlang der Wertschöpfungskette identifiziert werden?
Quellen: 1. Pfister, Uni Münster, 2008, 2. H. Ford: Mein Leben und Werk, Leipzig 1923, 3. International Federation of Robotics, History of Industrial Robots, 2012
Chassis Fertigungszeit Ford Model T [min] Vor- und Nach- der Einführung des
Fliessbandes2
Roheisen Produktion in England [t]1
Verkaufte Industrieroboter weltweit p.a.3
? 1780 1870 1961 2012
5,800,000t 100,000t 1 Roboter ca. 160,000 Roboter
7.800
1.800
Durchschnittliche Kosten in Stundenlohnäquivalent
12:30 h
1914
Industrie 4.0 3. Industrielle Revolution 2. Industrielle Revolution 1. Industrielle Revolution
1:33 h
1913
8 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Industrie 4.0 – Ziele von thyssenkrupp
Flexibel und schneller auf Kundenanforderungen zu reagieren Kosten zu senken Qualität zu erhöhen Durchsatz zu steigern Umweltbelastung zu reduzieren
Umfassende Kommunikation und Integration von Prozessen ermöglicht…
9 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Umsetzung bei thyssenkrupp Die Digitale Transformation beginnt mit der Beschreibung der Geschäftsmodelle und der Optimierung der Prozesse
2 Optimierung der Prozesse /
Verbesserung der Prozessbeschreibung
Beschreibung der Geschäftsmodelle /
Prozessdesign 1
3 IT-Transformation
@ BAs @ BAs
10 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Product Lifecycle Management
PLM @ thyssenkrupp
Industrie 4.0 - die drei Kernelemente der Implementierung bei thyssenkrupp Synchronisiert mit und
Betrieb 1
Betrieb 2
Betrieb3
Customer
Externer Designer Marketing
& Sales
Marketing & Sales
Marketing & Sales
Management & Führung
Engineering Produktion
Engineering Produktion
Produktion
Engineering
Lieferanten
Smart Grid
ERP = Enterprise Resource Planning MES = Manufacturing Execution System PLM = Product Lifecycle Management
Prod
uctio
n C
ontr
ol
ERP
MES
Smart Factory
11 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Industrie 4.0 - Implementierung bei thyssenkrupp Beispiele
Virtuelle Inbetriebnahme Mensch-Roboter-Kooperation
Smart Factory - Echtzeitfertigungssteuerung Firmenübergreifende Vernetzung
12 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Internet Business - thyssenkrupp in e-Business Beispiel
In USA handelt thyssenkrupp Materialien seit vielen Jahren online!
13 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Internet Business „materials4me“ ist ein weitere Vertriebskanal für thyssenkrupp Material Services
Klassische und neue Kunden 24/7/365 können online Materialien einkaufen. Die Lieferung erfolgt über die vorhandene Logistikkette.
United Kingdom
Spanien Schweiz Deutschland (ab 04/2016)
14 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data und Prädiktive Analytik
Heute nutzen wir nur einen Bruchteil der verfügbaren Information!
heute
morgen
Durch die Analyse von strukturierten und unstrukturierten Daten erhält man mehr Information!
Heute analysieren wir die Ereignisse der Vergangenheit, mit Prädiktiver Analytik können wir historische Daten zur Vorhersage zukünftiger Ereignisse nutzen.
thyssenkrupp arbeitet schon an einer Reihe von Beispielen
15 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
ERP = Enterprise Resource Planning MES = Manufacturing Execution System PLM = Product Lifecycle Management
Product Lifecycle Management
PLM @ thyssenkrupp
Betrieb
1
Betrieb 2
Betrieb3
Customer
Externer Designer Marketing
& Sales
Marketing & Sales
Marketing & Sales
Management & Führung
Engineering Produktion
Engineering Produktion
Produktion
Engineering
Lieferanten
Smart Grid
Prod
uctio
n C
ontr
ol
ERP
MES Smart
Factory
Big Data
Smart Services
Analyse/ Simulation/ Prädiktion
Big Data und Prädiktive Analytik – bessere Nutzung heute verfügbarer Information
Die neue Nutzung an sich schon heute verfügbarer Information /Big Data bietet große Chancen!
16 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data and Analytics Typical Workflow
Data Collection Data Processing Analysis & Visualization
Application
IT infrastructure - efficient and secure data handling;
Data structure, data base
„3 V“
* Some data my be incomplete and faulty
Gaining new insights and support decision making
Anomaly Detection
Predictive Analytics
Behavior Analytics
Sentiment Analysis
Self adapting physical / mathematical models,
Machine Learning
17 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Beispiel Material Services
18 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Optimierung des Lagerumschlags
Zentral. Regional. Lokal.
19 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Optimierung der Nutzung der Be- und Entlade- Slots von LKWs
Just-in-time-Lieferungen.
Bestands- und Lagermanagement.
Supply-Chain-Management.
20 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Beispiel Wartung von Aufzügen
Beispiel: Wartung von Aufzügen
21 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data und Prädiktive Analytik thyssenkrupp Elevator und Microsoft kooperieren im Bereich der Datenanalyse
Techniker im Call Center von thyssenkrupp in Seoul, South Korea
Ziel: Steigerung der Effizienz der Instandhaltung und des Services von thyssenkrupp Aufzügen
22 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Microsoft Cloud Services
TCP/IP GSM/POTS
Blue Box
tk E Software
ERP*
Big Data und Prädiktive Analytik Optimierung der Service-Aktivitäten bei thyssenkrupp Elevator
Die Blue Box bietet eine normierte Schnittstelle zur Cloud
* *) ERP: Enterprise Resource Planning
Standardisierte Schnittstelle
23 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data und Prädiktive Analytik Beispiel: Optimierung der Produktion
Ziele: Erhöhen der Verfügbarkeit, verbessern der Performance und der Qualität.
24 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data und Prädiktive Analytik Beispiel: Produktion elektrischer Lenkungen
Partner:
Ziele: Vorhersage von Qualität des Endprodukts aus Fertigungsparametern der Komponenten
25 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data Beispiel: Analyse Sozialer Medien
Themen: o Technologie, o Soziale Wahrnehmung o Emotionen und Meinungen
Partner:
Ziele: Ermitteln der Wahrnehmung von thyssenkrupp und der Geschäftseinheiten in den sozialen Medien
26 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Big Data: Höhere Transparenz im Unternehmen Beispiel: Online-Messung der Ausbringleistung des Walzwerkes
Alle Mitarbeiter des Unternehmens sehen Daten aus der selben Quelle
27 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Optimierter Algorithmus
Prädiktive Analytik im Vergleich zur klassischen Analyse
Diskreter Input Eindeutiger Output
Big Data Wahrscheinlicher Output Standard-
Algorithmus
In der diskreten Welt ergibt sich aus einem definierten Eingangswert ein eindeutiger Ausgangswert, der durch einen schützbaren Algorithmus erzeugt wird.
White box / Kausalität:
Black box / Korrelation:
Aus Big Data lässt sich über Standard-Algorithmen ein statistisch wahrscheinlicher Ausgangswert ermitteln, wobei hier keine spezifischen Kenntnisse des Prozesses erforderlich sind, um Ausnahmen zu erkennen.
Durch die Analyse von großen Datenmengen („Big data“) lassen sich Erkenntnisse ohne detaillierte Kenntnis des eigentlichen Prozesses gewinnen.
28 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Durch die digitale Transformation werden neue Geschäftsmodelle möglich
Derzeitiges Geschäftsmodell Zukünftiges Geschäftsmodell
Verkauf von Pkw an Endkunden. Verkauf der geeigneten Mobilitätslösung um von A nach B zukommen.
Quellen: http://www.pkw.de/ratgeber/auto-verkaufen/auto-verkaufen-tipps/main.jpg (links), deinewege.info (rechts)
Es entsteht ein Wettbewerb um direkten Kundenzugang mit neuen Geschäftsmodellen
29 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Industrial Data Space Sicherer Datenaustausch zwischen Unternehmen
30 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Der Industrial Data Space bietet ein »Network of Trusted Data«
über Daten und Dienste Vertrauensschutz Zertifizierte Teilnehmer
Dezentralität Föderale Architektur
Offenheit Neutral und
anwendergetrieben
Governance Gemeinsame Spielregeln
Skalierbarkeit Ecosystem Plattform und Dienste
Sicherer Datenaustausch
Souveränität
31 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Industrial Data Space Architekturprinzip
Upload / Download / Search
Apps Vocabulary
Industrial Data Space Broker
Clearing
Registry Index
Industrial Data Space App Store
Internal IDS Connector
Company A Internal IDS Connector
Company B
External IDS Connector
External IDS Connector
Upload
Third Party Cloud Provider
Download
Upload / Download
Internet
Quelle:
32 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Vertrauen und Sicherheit (Cyber Security) sind Voraussetzung
Mit Industrie 4.0 sind alle Daten einer Firma digital verfügbar. Daher ist Sicherheit (cyber security) eine unverzichtbare Voraussetzung. Der erweiterte Austausch von Daten und Informationen zwischen Fabriken, sogar über Firmengrenzen hinweg, erfordern ein hohes Mass an Vertrauen (trust).
010110101111010101010101001110010101011010101010101010111001101101000011101010101101010101010101010101010011011100110010101110001101010101010101110011101101011010111101010101011010101010111001101101000011101010101101010101010101010101010011011100110010101110001101010011100101010110101010101010101110011011010000111010101011010101010101010101010100110111001100101011100011010101010101011100111011100101001011101001001110101010010001111100101010100101010101010101001101110011001010111000110101001110010101011010101010101010111001101101000011101010101101010101010101010101010011011100110010101110001101010101010101110011101110010100101110100100111010101001000111110010101010 0101010101010101001101110011001010111000110101001110010101011010101010101010111001101101000011101010101101010101010101010101010011011100110010101110001101010101010101110011101110010100101110100100111010101001000111110010101010
33 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
selbstorganisierend
vernetzt
dynamisch
Work-Life-Balance
Kollege Roboter Gen Y
Volatilität
Unsicherheit
Komplexität
Ambiguität
Herausforderungen und Chancen der Arbeit von morgen
Ergonomie
Digitalisierung/Industrie 4.0 stellt Unternehmen und Mitarbeiter vor große Herausforderungen
Empowering and Exciting People at thyssenkrupp
Industrie 4.0@HR
Qualifizierung der Belegschaft Moderne Führungs- und Unternehmenskultur
Recruiting der „richtigen“ Mitarbeiter und „Fähigkeiten“
Neue Flexibilität von Unternehmen und Mitarbeitern
Sicherheit
Qualität
Effizienz
kundenorientiert
ressourcenschonend
34 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Digitalisierung: Auswirkungen auf Arbeitsmärkte und Tätigkeitsprofile
Quelle: BCG analysis „Man and machine in Industry 4.0“
Job-Familien (Auswahl) der produzierenden Industrie: … 18 Bergbau 17 Metalle … 13 Zement und Glas … 8 Maschinenbau … 3 Automotive … 1 Luftfahrt- und Verteidigungsindustrie
35 | 15.02.2016 | Digitale Transformation | Reinhold Achatz
Zusammenfassung
Die digitale Transformation ist eine Reise, die noch Jahre dauern wird.
Wir haben schon begonnen!
Die digitale Transformation wird alle Geschäftsarten und alle Unternehmen
betreffen!
Nicht alle Schritte sind heute schon definiert. Die Unternehmensteile brauchen zentrale Unterstützung bei der Umsetzung!
36 | 15.02.2016 | Digitale Transformation | Reinhold Achatz 36
Vielen Dank für die Aufmerksamkeit!
Recommended