Doctoral Thesis DIS-2015-01

BibliographyGröger, Christoph: Advanced Manufacturing Analytics - Datengetriebene Optimierung von Fertigungsprozessen.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Doctoral Thesis (2015).
312 pages, german.
CR-SchemaH.2.7 (Database Administration)
H.2.8 (Database Applications)
J.1 (Administration Data Processing)
Abstract

Industrieunternehmen befinden sich heutzutage in einem globalen Wettbewerb, in dem kontinuierlich optimierte Fertigungsprozesse einen zentralen Erfolgsfaktor darstellen. Traditionelle Ansätze zur Optimierung von Fertigungsprozessen, wie z.B. Lean Production, sind managementgetrieben und erfahrungsbasiert. Die Digitalisierung des Fertigungsmanagements sowie der zunehmende Einsatz cyber-physischer Systeme im Rahmen der Industrie 4.0 führen zu enormen Datenmengen (Big Data), die das Potential für neuartige datengetriebene Optimierungsansätze bieten. Das Ziel besteht darin, durch eine systematische Analyse der Daten neues Wissen zur Prozessoptimierung zu gewinnen.

Vor diesem Hintergrund befasst sich diese Arbeit mit der Entwicklung einer Big-Data- bzw. Business-Intelligence-Plattform, der sogenannten Advanced-Manufacturing-Analytics-Plattform (AdMA-Plattform), zur datengetriebenen Optimierung von Fertigungsprozessen. Den Ausgangspunkt stellt eine umfassende konzeptionelle Betrachtung von Prozessen und IT-Systemen in der Fertigung dar. Davon ausgehend, wird die AdMA-Plattform entwickelt. Diese umfasst eine ganzheitliche Datenhaltung, das Wissensrepository für die Fertigung, das strukturierte und unstrukturierte Daten über den gesamten Fertigungsprozess integriert. Auf dieser Basis werden Data-Mining-basierte Analysedienste für die prädiktive und präskriptive Fertigungsprozess-Analyse umgesetzt, wobei der Benutzerzugriff mit einem mobilen Prozess-Dashboard für Werker und Fertigungsleiter erfolgt. Darüber hinaus wird ein Praxisbeispiel aus der Automobilindustrie dargestellt, bei dem es um die datengetriebene Optimierung eines konkreten Fertigungsprozesses mit der AdMA-Plattform geht.

Diese interdisziplinäre Arbeit richtet sich sowohl an Wissenschaftler als auch an Praktiker mit einem Interesse an Business Intelligence, Data Warehousing und Data Mining für die Fertigung.

Full text and
other links
PDF (250309 Bytes)
CopyrightJosef Eul Verlag
Department(s)University of Stuttgart, Institute of Parallel and Distributed Systems, Applications of Parallel and Distributed Systems
Superviser(s)Mitschang, Bernhard
Entry dateSeptember 24, 2015
   Publ. Department   Publ. Institute   Publ. Computer Science