nach oben

Datenbank-Spektrum

Erschienen in:

26.01.2018 | Schwerpunktbeitrag

Konzepte zur Datenverarbeitung in Referenzarchitekturen für Industrie 4.0

Konsequenzen bei der Umsetzung einer IT-Architektur

verfasst von: Christian Weber, Matthias Wieland, Peter Reimann

Erschienen in: Datenbank-Spektrum | Ausgabe 1/2018

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Für produzierende Unternehmen stellt die effiziente Verarbeitung großer Datenmengen eine Herausforderung dar. Die Auswahl der richtigen Architekturkonzepte für IT-Lösungen zur Datenverarbeitung spielt dabei eine wichtige Rolle. Um die IT an den Herausforderungen von Industrie 4.0 auszurichten, stehen Unternehmen verschiedene Referenzarchitekturen internationaler Gremien zur Verfügung. Die Hauptbeiträge dieses Artikels haben das Ziel, (i) einen Überblick über die wichtigsten Referenzarchitekturen für Industrie 4.0 (I4.0) zu geben und (ii) diese unter dem Aspekt der Datenverarbeitung zu untersuchen. Dazu werden die Referenzarchitekturen anhand von Datenverarbeitungsanforderungen für I4.0 betrachtet. Die Untersuchung zeigt, dass die I4.0-Referenzarchitekturen jeweils einen Teilbereich der Anforderungen abdecken und sich die Konzepte gegenseitig ergänzen. (iii) Darauf aufbauend werden aus den Datenverarbeitungsanforderungen technische Konsequenzen abgeleitet und Architekturkonzepte für die Realisierung einer IT-Architektur für die Datenverarbeitung vorgestellt. Dadurch wird es IT-Architekten ermöglicht, einen Vergleich der Referenzarchitekturen hinsichtlich projektbezogener Anforderungen an die Datenverarbeitung vorzunehmen sowie geeignete Architekturentscheidungen zu treffen.

Vorheriger Artikel Semantic Data Management for Experimental Manufacturing Technologies

Nächster Artikel Die Forschungsgruppe Datenbanken und Informationssysteme an der Universität Innsbruck

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Datenbank-Spektrum

Datenbank-Spektrum ist das offizielle Organ der Fachgruppe Datenbanken und Information Retrieval der Gesellschaft für Informatik (GI) e.V. Die Zeitschrift widmet sich den Themen Datenbanken, Datenbankanwendungen und Information Retrieval.

Jetzt informieren

https://github.com/acplt/openaas.

Supervisory Control and Data Acquisition

Speicherprogrammierbare Steuerung

OPC Unified Architecture

Manufacturing Execution System

https://www.eclass.eu/en/standard.html.

http://dmg.org/pmml/v4-3/GeneralStructure.html.

http://dmg.org/pfa/index.html.

http://storm.apache.org.

http://spark.apache.org/streaming/.

http://flink.apache.org.

http://cassandra.apache.org.

http://hbase.apache.org.

http://impala.apache.org.

http://hive.apache.org.

http://www.mongodb.com.

http://www.elastic.co.

http://github.com/nathanmarz/elephantdb/.

Adolphs P et al (2015) Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0). VDI/VDE/ZVEI, Düsseldorf

Adolphs P et al (2016) Struktur der Verwaltungsschale: Fortentwicklung des Referenzmodells für die Industrie 4.0-Komponente. BMWi, Berlin

Anderson N et al (2017) The industrial Internet of things volume T3: analytics framework

Bedenbender H et al (2017) Beziehungen zwischen I4.0-Komponenten – Verbundkomponenten und intelligente Produktion: Fortentwicklung des Referenzmodells für die Industrie 4.0-Komponente SG Modelle und Standards. BMWi, Berlin

Bitkom (2015) Umsetzungsstrategie Industrie 4.0: Ergebnisbericht der Plattform Industrie 4.0

BMWi (2016) Weiterentwicklung des Interaktionsmodells für Industrie 4.0-Komponenten

Chen CP, Zhang CY (2014) Data-intensive applications, challenges, techniques and technologies: a survey on big data. Inf Sci (Ny) 275(Supplement C):314–347CrossRef

Diedrich C, Bieliaiev A, Bock J, Gössling A, Hänisch R, Koziolek H, Kraft A (2016) Grammatik für Industrie 4.0-Komponenten. Conference Proceedings VDE-Kongress 2016 „Internet der Dinge“

Diedrich C et al (2017) Interaktionsmodell für Industrie 4.0 Komponenten. AT Automatisierungstech 65(1):5–18CrossRef

10.

DIN – Deutsches Institut für Normung e V (2016) Referenzarchitekturmodell Industrie 4.0 (RAMI4.0)

11.

DIN Deutsches Institut für Normung e V (2017) RM-SA – Referenzmodell für Industrie 4.0 Servicearchitekturen – Grundkonzepte einer interaktionsbasierten Architektur

12.

Dönicke N et al (2017) Security der Verwaltungsschale. BMWi, Berlin

13.

Gartner (2011) Gartner says solving ‘big data’ challenge involves more than just managing volumes of data. https://www.gartner.com/newsroom/id/1731916. Zugegriffen: 23.01.2018

14.

Gölzer P (2017) Big Data in Industrie 4.0 – Eine strukturierte Aufarbeitung von Anforderungen, Anwendungsfällen und deren Umsetzung. PhD thesis, FAU Erlangen-Nürnberg

15.

Heidel R, Hoffmeister M, Hankel M, Döbrich U (2017) Industrie 4.0 Basiswissen RAMI4.0: Referenzarchitekturmodell mit Industrie4.0-Komponente. Beuth Verlag, Berlin

16.

Hoffmeister M (2015) Industrie 4.0: Die Industrie 4.0-Komponente. ZVEI, Frankfurt am Main

17.

Jamshidi M (Hrsg) (2011) System of systems engineering: innovations for the twenty-first century, 1. Aufl. Wiley series in systems engineering and management, Bd. 1. John Wiley & Sons, New York

18.

Joshi R, Didier P, Jimenez J, Carey T (2017) The industrial internet of things volume G5: connectivity framework

19.

Kagermann H, Wahlster W, Helbig J (2013) Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0: Deutschlands Zukunft als Produktionsstandort sichern. Abschlussbericht des Arbeitskreises Industrie 4.0. acatech – Deutsche Akademie der Technikwissenschaften e. V., München

20.

Kellermans D (2017) Data Lake vs. Data Warehouse: Was ist der Unterschied? https://automic.com/de/blog/data-lake-vs-data-warehouse-was-ist-der-unterschied. Zugegriffen: 23.01.2018

21.

Kreps J (2014) Questioning the lambda architecture. https://www.oreilly.com/ideas/questioning-the-lambda-architecture. Zugegriffen: 23.01.2018

22.

Lin SW et al (2015) Industrial internet reference architecture. Industrial Internet Consortium, Needham

23.

Lin SW et al (2017) The industrial internet of things volume G1: reference architecture – V 1.8

24.

OASIS (2006) Reference Model for Service Oriented Architecture 1.0. http://docs.oasisopen.org/soa-rm/v1.0/soa-rm.pdf. Zugegriffen: 23.01.2018

25.

Marz N (2013) Big data: principles and best practices of scalable realtime data systems. O’Reilly Media, Sebastopol

26.

Miloslavskaya N, Tolstoy A (2016) Big data, fast data and data lake concepts. Procedia Comput Sci 88(Supplement C):300–305 (7th Annual International Conference on Biologically Inspired Cognitive Architectures, BICA 2016, held July 16 to July 19, 2016 in New York City, NY, USA)CrossRef

27.

Mishne G, Dalton J, Li Z, Sharma A, Lin J (2013) Fast data in the era of big data: Twitter’s real-time related query suggestion architecture. Proceedings of the 2013 ACM SIGMOD International Conference on Management of Data, ACM, New York. SIGMOD ’13, S 1147–1158

28.

Schrecker S et al (2016) Industrial internet of things volume G4: security framework

29.

Tanner MA, Wong WH (1987) The calculation of posterior distributions by data augmentation. J Am Stat Assoc 82(398):528–540MathSciNetCrossRefMATH

30.

VDI, VDE (2015) Industrie 4.0 – Technical Assets: Grundlegende Begriffe, Konzepte, Lebenszyklen und Verwaltung

31.

Weber C, Königsberger J (2017a) Industrie 4.0: Aktuelle Entwicklungen für Analytics: Teil 1: Analytics und Datenmanagement in Industrie 4.0-Referenzarchitekturen. In: wt-online. Springer, Berlin, Heidelberg, S 113–117

32.

Weber C, Königsberger J (2017b) Industrie 4.0: Aktuelle Entwicklungen für Analytics: Teil 2: Vergleich und Bewertung von Industrie 4.0-Referenzarchitekturen. In: wt-online. Springer, Berlin, Heidelberg, S 405–409

Titel: Konzepte zur Datenverarbeitung in Referenzarchitekturen für Industrie 4.0
Konsequenzen bei der Umsetzung einer IT-Architektur
verfasst von: Christian Weber
Matthias Wieland
Peter Reimann
Publikationsdatum: 26.01.2018
Verlag: Springer Berlin Heidelberg
Erschienen in: Datenbank-Spektrum / Ausgabe 1/2018
Print ISSN: 1618-2162
Elektronische ISSN: 1610-1995
DOI: https://doi.org/10.1007/s13222-018-0275-z

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Datenbank-Spektrum

Weitere Artikel der Ausgabe 1/2018

Semantic Data Management for Experimental Manufacturing Technologies

Building an Industry 4.0 Analytics Platform

Data Processing in Industrie 4.0

News

Editorial

Dissertationen