Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Industrial Data Space: Referenzarchitektur für Data Supply Chains

1.150 visualizaciones

Publicado el

Dieser Vortrag stellt den Industrial Data Space als Referenz-Architektur für Data Supply Chains vor. Data Supply Chains sind vernetzte, unternehmensübergreifende Datenflüsse. Data Supply Chains sind Voraussetzung um hybride Leistungsangebote (Smart Services) einerseits und digitalisierte Leistungserstellung (Industrie 4.0) andererseits zu verbinden. Durch die effektive und effiziente Bewirtschaftung von Data Supply Chains erhöhen Unternehmen ihre Wettbewerbsfähigkeit. Der Industrial Data Space liefert hierzu die Blaupause, als Referenzarchitektur für die Datenökonomie.

Publicado en: Empresariales
  • Inicia sesión para ver los comentarios

Industrial Data Space: Referenzarchitektur für Data Supply Chains

  1. 1. © Fraunhofer, TU Dortmund ·· Seite 1 Univ.-Prof. Dr.-Ing. habil. Boris Otto · Waldkirch · 20. Januar 2016 INDUSTRIAL DATA SPACE: REFERENZ- ARCHITEKTUR FÜR DATA SUPPLY CHAINS
  2. 2. © Fraunhofer, TU Dortmund ·· Seite 2 INHALTSÜBERSICHT  Digitale Wirtschaft und Data Supply Chains  Industrial Data Space als Referenzarchitektur  Erfolgskritische Handlungsfelder
  3. 3. © Fraunhofer, TU Dortmund ·· Seite 3 Digitale Geschäftsmodelle in der Landwirtschaft basieren auf Datenaustausch im »Ecosystem« »Precision Farming« Wertschöpfung im »Ecosystem« Bildquellen: wiwo, traction-magazin.de. Quelle: Beecham Research Ltd. (2014). »Digital Farming Ecosystem« Maschinen- hersteller Saatgut- anbieter Landwirte Großhandel Anbieter von Technologie Software- Anbieter
  4. 4. © Fraunhofer, TU Dortmund ·· Seite 4 Digitale Leistungsangebote folgen gemeinsamen Architekturprinzipien  Dienste sind entkoppelt von physischen Plattformen/Produkten  Die Architekturebenen sind entkoppelt  Produkte werden Plattformen und umgekehrt  Um Plattformen bilden sich »Ecosysteme«  Innovation erfolgt kooperativ »Smart Service Welt« Architekturprinzipien SMART PRODUCTS SMART SPACES SMART DATA SMART SERVICES Quelle: Working Group Smart Service Welt (2015).
  5. 5. © Fraunhofer, TU Dortmund ·· Seite 5 Quelle: VILOMA Projekt. Legende: LDL - Logistikdienstleister. Die Komplexität moderner Logistikketten stellt wachsende Anforderungen an Transparenz Produktionsplanung Bedarfs- und Kapazitäts- Management Lagermanagement und Reichweitensteuerung Transportsteuerung und Transportverfolgung OEMLieferant LDL MontageMontage LDL LDL Risiko- und Störungsmanagement anwenderorientierttransparent intuitiv verständlich zukunftsbezogen echtzeitnah
  6. 6. © Fraunhofer, TU Dortmund ·· Seite 6 MENSCHEN planen, steuern, vernetzen… Bildquellen: Fraunhofer IML, Jettainer, Daimler. Daher basiert die Logistikkette der Zukunft auf vernetzten Daten BEHÄLTER sagen, was zu entnehmen ist. CONTAINER organisieren ihre Ladung – viele Container das logistische Netz. LKW fahren Güter u. Waren autonom. FAHRZEUGE und STAPLER organisieren sich im Schwarm. REGALE lösen selbst Nachbestellungen aus. VERNETZTE DATEN
  7. 7. © Fraunhofer, TU Dortmund ·· Seite 7 Modernes Datenmanagement plant, steuert und überwacht die Data Supply Chain der digitalen Welt Data Supply Chain Öffentliche Daten Daten aus der Wertschöpfungskette Kommerzielle Dienste Industrielle Dienste Individualisierung Ende-zu-Ende- Prozess »Ecosystem« Ubiquität Modernes Daten- management Vernetzung Mensch-Maschine- Kooperation Autonomisierung Internet der Dinge Kunde Produktions- netzwerk Logistik- netzwerk Digitalisiertes Leistungsangebot Daten- scharnier Digitalisierte Leistungserstellung Güterfluss.Legende:
  8. 8. © Fraunhofer, TU Dortmund ·· Seite 8 INHALTSÜBERSICHT  Digitale Wirtschaft und Data Supply Chains  Industrial Data Space als Referenzarchitektur  Erfolgskritische Handlungsfelder
  9. 9. © Fraunhofer, TU Dortmund ·· Seite 9 Der Industrial Data Space ermöglicht ein »Network of Trusted Data« Souveränität über Daten und DiensteVertrauensschutz zertifizierte Teilnehmer Dezentralität Föderale Architektur Offenheit Neutral und anwendergetrieben Governance Gemeinschaftliche Spielregeln Skalierung Netzwerkeffekte Netzwerk Plattformen und Dienste Sicherheit Datenaustausch
  10. 10. © Fraunhofer, TU Dortmund ·· Seite 10 Industrial Data Space Upload / Download / Search Internet AppsVocabulary Industrial Data Space Broker Clearing RegistryIndex Industrial Data Space App Store Internal IDS Connector Company A Internal IDS Connector Company B External IDS Connector External IDS Connector Upload Third Party Cloud Provider Download Upload / Download © Fraunhofer Komponenten pilotieren den Industrial Data Space
  11. 11. © Fraunhofer, TU Dortmund ·· Seite 11 Eine »Business Map« stellt die fachlichen Funktionen anwendungs- und technologieneutral dar Industrial Data Space App Store Basic Data Services Provisioning Data Service Management and Use Vocabulary Management Software Curation Data Provenance Reporting Data Transformation Data Curation Data Anonymization Data Service Publication Data Service Search Data Service Request Data Service Subscription Vocabulary Creation Collaborative Vocabulary Maintenance Vocabulary/Schema Matching Knowledge Database Management Software Quality and Security Testing Industrial Data Space Broker Data Source Management Data Source Search Data Exchange Agreement Data Exchange Monitoring Data Source Publication Data Source Maintenance Version Controlling Key Word Search Taxonomy Search Multi-criteria Search »One Click« Agreement Data Source Subscription Transaction Accounting Data Exchange Clearing Data Usage Reporting Industrial Data Space Connector Data Exchange Execution Data Preprocessing Software Injection Remote Software Execution Data Request from Certified Endpoint Usage Information Maintenance (Expiration etc.) Data Mapping (from Source to Target Schema) Secure Data Transmission between Trusted Endpoints Preprocessing Software Deployment and Execution at Trusted Endpoint Data Compliance Monitoring (Usage Restrictions etc.) Remote Attestation Endpoint Authentication
  12. 12. © Fraunhofer, TU Dortmund ·· Seite 12 Schlüsselmerkmale charakterisieren den Industrial Data Space  Sichere »Data Supply Chain«  Flexible Nutzungsszenarien der Softwarekomponenten  Unternehmens-IT-Umgebung  Cloud  Hardware Device (z. B. Werkzeugmaschine, Flurförderzeug etc.)  »Light-weight Semantics«  Einfache Kombination verschiedener Datengüter  Domänenspezifische Governance-Modelle und Konzepte zur Datenbewertung  Konfigurierbares Referenzarchitekturmodell  Standardisierte Kollaborationsprozesse für Daten  Offener, partizipativer Entwicklungsprozess
  13. 13. © Fraunhofer, TU Dortmund ·· Seite 13 Bildquellen: Johns Hopkins University, Umweltbundesamt, Smellgard, Schneider & Farkas, ITS International. Der Industrial Data Space ist für viele verschiedene Anwendungsfelder geeignet Material Sciences Energiewirtschaft Life Sciences High Performance Supply Chains Traffic Management Austausch von Werkstoff und Material- eigenschaften über den gesamten Lebenszyklus von Produktentstehung bis zur Verschrottung Gemeinschaftliche Nutzung von Zustandsdaten zur prädiktiven Instandhaltung von Windkraftanlagen Entwurf einer gemeinschaftlich genutzten Daten- Plattform für die Entwicklung medizinischer und pharmazeutischer Produkte Austausch von Zustands- und Qualitätsdaten zu Transportgütern entlang der gesamten Supply Chain Nutzung von Verkehrs- managementdaten für innovative digitale Dienste im Fahrzeug und zur Steuerung des Verkehrsflusses
  14. 14. © Fraunhofer, TU Dortmund ·· Seite 14 INHALTSÜBERSICHT  Digitale Wirtschaft und Data Supply Chains  Industrial Data Space als Referenzarchitektur  Erfolgskritische Handlungsfelder
  15. 15. © Fraunhofer, TU Dortmund ·· Seite 15 Die anstehenden Arbeiten adressieren eine Reihe erfolgskritischer Handlungsfelder  Datenökonomie  Wie wird der Wert der Daten bestimmt?  Eigentumsrechte an Daten  Wem gehören die Daten und wie lassen sich Eigentumsrechte schützen?  Data Governance und Datenqualität  Wer bestimmt über Sichtbarkeit von Datenquellen, über Datennutzung?  Wer verantwortet Datenqualität?  Security Policy Enforcement  Wie kann Datenschutz beim Datennutzer gewährleistet werden?  Semantische Integration  Wie können wir schnell Vokabulare für diverse Domänen erstellen?
  16. 16. © Fraunhofer, TU Dortmund ·· Seite 16 Der Industrial Data Space e.V. bündelt die Interessen der Anwender und wird am 26.1.2016 gegründet  Organisation der Aktivitäten  Bündelung der Anwenderinteressen  Einrichtung von Fachausschüssen u. ä. für die Standardisierung und Zertifizierung  Kommunikation und Öffentlichkeitsarbeit  Zusammenarbeit und Austausch mit verwandten Initiativen  Zusammenarbeit mit dem Förderprojekt 1) Stand 13.1.2016. Vereinszweck  Allianz SE  Atos IT Solutions and Services GmbH  BASF SE  Bayer HealthCare AG  Boehringer Ingelheim Pharma GmbH & Co.KG  Bundesverband der Deutschen Industrie e.V.  Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.  KOMSA Kommunikation Sachsen AG  LANCOM Systems GmbH  PricewaterhouseCoopers AG  REWE Systems GmbH  Robert Bosch GmbH  Salzgitter AG  Schaeffler AG  SICK AG  ThyssenKrupp AG  TÜV Nord AG  Volkswagen AG  ZVEI - Zentralverband Elektrotechnik- und Elektronikindustrie e.V. Gründungsmitglieder1
  17. 17. © Fraunhofer, TU Dortmund ·· Seite 17 Der Industrial Data Space schafft eine Grundlage, um das Internet der Dinge und smarte Services zu verbinden
  18. 18. © Fraunhofer, TU Dortmund ·· Seite 18 Prof. Dr. Boris Otto https://de.linkedin.com/pub/boris-otto/1/1b5/570 https://twitter.com/drborisotto https://www.xing.com/profile/Boris_Otto http://www.researchgate.net/profile/Boris_Otto Ihr Ansprechpartner für weitere Informationen
  19. 19. © Fraunhofer, TU Dortmund ·· Seite 19 Univ.-Prof. Dr.-Ing. habil. Boris Otto · Waldkirch · 20. Januar 2016 INDUSTRIAL DATA SPACE: REFERENZ- ARCHITEKTUR FÜR DATA SUPPLY CHAINS

×