ProDok 4.0 – Intelligente Technische Dokumentation für Industrie 4.0

Jürgen Bock (), Daniel Braun (), Jens Hülsmann (), Bernhard Humm (), Ute Brigitta Schmidt () and Fabienne Schumann ()
Additional contact information
Jürgen Bock: KUKA Deutschland GmbH
Daniel Braun: KUKA Deutschland GmbH
Jens Hülsmann: ISRA SURFACE VISION GmbH
Bernhard Humm: Hochschule Darmstadt – University of Applied Sciences
Ute Brigitta Schmidt: dictaJet Ingenieurgesellschaft mbH
Fabienne Schumann: dictaJet Ingenieurgesellschaft mbH

Chapter Kapitel 10 in Dienstleistungsinnovationen durch Digitalisierung, 2021, pp 389-437 from Springer

Abstract: Zusammenfassung Das ProDok-4.0-System ist eine digitale Lösung zur Bereitstellung Technischer Dokumentation für Maschinen in komplexen Industrieprozessen im Umfeld von Industrie 4.0. Maschinen sind miteinander vernetzt und kommunizieren nahtlos über Datenverbindungen miteinander. Die generierten Prozessdaten werden analysiert, um den Zustand des Prozesses und der Maschinen im gesamten Lebenszyklus zu überwachen. Diese datengetriebene Überwachung der Maschinen wird eingesetzt, um einerseits eine vorausschauende Wartung der Maschinen zu ermöglichen, andererseits, um Fehlerfälle zu analysieren und zu verstehen oder Anomalien zu erkennen. Zu den erkannten Zuständen soll vorhandene Technische Dokumentation in Zukunft automatisch und situationsbezogen zur Verfügung gestellt werden. In ProDok 4.0 wurde der Schwerpunkt in der Forschungs- und Entwicklungsarbeit auf die Erkennung und Modellierung von Systemzuständen gelegt. Methoden des maschinellen Lernens wurden zur Analyse der Maschinendaten eingesetzt, um sie soweit wie möglich mit „Bedeutung“ (d. h. Kontextinformationen) anzureichern. Die daraus gewonnenen semantischen (Maschinen-)Ereignisse können mit der relevanten und passgenauen Technischen Dokumentation verknüpft werden, um eine Behebung des Fehlers zu erreichen. Damit diese Verknüpfung möglich ist, muss die Technische Dokumentation strukturiert und in passender Form zur Verfügung gestellt werden.

Date: 2021
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-63099-0_10

Ordering information: This item can be ordered from
http://www.springer.com/9783662630990

DOI: 10.1007/978-3-662-63099-0_10

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().