Verbundprojekt DAMiAS: Datengetriebenes Asset Management in der Automobilindustrie basierend auf semantischer Modellierung

Ausgangspunkt ist hier ein Metamodell der zu erfassenden Daten in Form einer Ontologie, die vor allem den Zusammenhang von Strukturen von Fertigungssystemen, Werkzeugen, Fertigungshilfsmitteln, etc. beschreibt und so beispielsweise das automatisierte Verknüpfen von Datensets einzelner Maschinen mit den Datenmodellen des Gesamtsystems erlaubt. Unter Nutzung von Cloudspeicher-Technologien und Data Analytics erlaubt dies beispielsweise die Erkennung von Prozess- und Verhaltensmustern und die Erstellung von diagnostischen Modellen für eine vorausschauende Wartung (Predictive Maintenance) oder die automatisierte Suche nach den ursprünglichen Fehlern (Root Cause Analysis) bei einem Qualitätsproblem. Aus dem zu erstellenden Metamodell heraus resultiert im Zusammenspiel mit der Aufgabenstellung eines datengetriebenen AM ein emergentes Systemverhalten, das einen integralen Teil der Industrie 4.0-Prinzipien bildet. Use Cases und deren betriebswirtschaftliche Einbettung in das Unternehmen liefern die konkreten Optimierungsziele des datengetriebenen AM. Diese spiegeln sich in sogenannten Key Performance Indicators (KPI) und Key Performance Results (KPR) wieder. Die zu erstellenden Datenanalysen müssen einen klaren Fokus auf diese Schlüsselergebnisse haben.