Zusammenfassung
Viele Aspekte von Industrie 4.0 werden erst durch das Internet der Dinge ermöglicht. Daten über Produktionsleistung und -qualität, Betriebszustand etc. können in Echtzeit überwacht, aber auch in die Planung und Steuerung der Produktion einbezogen werden. Die Szenarien zur Nutzung dieser Daten unterscheiden sich in ihrem Integrationsgrad. Jedenfalls sind Big Data Technologien notwendig, um den vollen Nutzen aus den Daten zu gewinnen. Ein solcher Nutzen besteht in der Kopplung der Datenanalyseergebnisse aus dem Internet der Dinge, speziell real-time Analytics, mit den Geschäftsprozessen.
This is a preview of subscription content, log in via an institution to check access.
Similar content being viewed by others
Literatur
Hubschmid M. Manufaktur-Betriebe: Eine große Liebe zum Produkt. Handelsblatt, 4 März 2012. http://www.handelsblatt.com/unternehmen/mittelstand/manufaktur-betriebe-eine-grosse-liebe-zum-produkt/6344478.html. Zugegriffen am 05.12.2013
Janiesch C, Matzner M, Müller O (2012) Beyond process monitoring: a proof-of-concept of event-driven business activity management. Bus Process Manag J 18(4):625–643
Kagermann H, Wahlster W, Helbig J (Hrsg) (2013) Deutschlands Zukunft als Produktionsstandort sichern – Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0, Abschlussbericht des Arbeitskreises Industrie 4.0, acatech
Lange J, Iwanitz F, Burke T (2010) OPC – Von Data Access bis Unified Architecture. VDE Verlag GmbH, Berlin
Mattern F, Floerkemeier C (2010) From the internet of computers to the internet of things. In: Sachs K, Petrov I, Guerrero P (Hrsg) From active data management to event-based systems and more. Springer, Berlin/Heidelberg, S 242–259
Metz D, Karadgi S, Müller U, Grauer M (2012) Self-learning monitoring and control of manufacturing processes based on rule induction and event processing. In: 4th international conference on information, process, and knowledge management (eKNOW 2012), S 88–92. Valencia, Spanien
Pettey C, van der Meulen R (2012a) Gartner says intelligent business operations is the next step for BPM progams. http://www.gartner.com/newsroom/id/1943514. Zugegriffen am 06.01.2016
Pettey C, van der Meulen R (2012b) Gartner highlights six core principles to tap the power of social media. http://www.gartner.com/it/page.jsp?id=2138415. Zugegriffen am 06.01.2016
Spath D (Hrsg) (2013) Fraunhofer – Institut für Arbeitswirtschaft und Organisation IAO. „Studie Produktionsarbeit der Zukunft – Industrie 4.0“. ISBN 978-3-8396-0570-7
Wahlster W (Hrsg) (2013) SemProM – foundations of semantic product memories for the internet of things. Springer, Berlin/Heidelberg
Workflow Management Coalition (WfMC) (2008) Business process analytics format draft version 2.0. http://www.wfmc.org/index.php/standards/bpaf. Zugegriffen am 15.12.2013
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this entry
Cite this entry
Schöning, H., Dorchain, M. (2015). Big Smart Data – Intelligent Operations, Analysis und Process Alignment. In: Vogel-Heuser, B., Bauernhansl, T., ten Hompel, M. (eds) Handbuch Industrie 4.0. Springer NachschlageWissen(). Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-45537-1_70-1
Download citation
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-1
Received:
Accepted:
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Online ISBN: 978-3-662-45537-1
eBook Packages: Springer Referenz Technik und Informatik
Publish with us
Chapter history
-
Latest
Big Smart Data – Intelligent Operations, Analysis und Process Alignment- Published:
- 14 April 2020
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-2
-
Original
Big Smart Data – Intelligent Operations, Analysis und Process Alignment- Published:
- 02 January 2016
DOI: https://doi.org/10.1007/978-3-662-45537-1_70-1