track & trace im zeitalter der digitalisierungbig data analytics (bekannte hypothesen)...

21
Ericsson Deutschland GmbH Track & Trace im Zeitalter der Digitalisierung Christian Maasem | Dries Guth itelligence Forum | Baden-Baden | 23.05.2019

Upload: others

Post on 20-Aug-2020

5 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Ericsson Deutschland GmbH

Track & Trace im Zeitalter der Digitalisierung

Christian Maasem | Dries Guth

itelligence Forum | Baden-Baden | 23.05.2019

Page 2: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 2

Combining individualized Production with Customers‘ „Immediacy“ Mindsets

Page 3: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 3Center Connected Industry | RWTH Aachen Campus Seite 3

Vision der digital vernetzten Wirtschaft

Quelle: Exzellenzcluster Internet of Production | RWTH Aachen University

Page 4: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 4

Studie zur „Transportlogistik 4.0“

Cybernetics Lab IMA/ZLW & IfU der RWTH Aachen

Unternehmen nutzen nur 37,5 Prozent des

gesamten Digitalisierungspotenzials!

Page 5: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 5

Hermes-Barometer „Supply Chain Management und Logistik 4.0“

In der Supply Chain fehlt es vor allem an Transparenz

Page 6: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 6

Track & Trace Technologien

Studie Fraunhofer IAO

Page 7: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 7

“We may not have known it was called Industry 4.0,

but we've been doing it for years.”

Heinz Jörg Fuhrmann, CEO of Salzgitter

Page 8: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 8

Bin in 20 Minuten bei Dir Zuhause.

Beispiel: Auslieferprozess an den Kunden (Industrie oder Privatperson)

Kein Problem, bin in 15 Minuten da.

Sorry, bin noch im Fitnesscenter,

kannst Du dorthin kommen?

Page 9: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 9

Information is Key!

Page 10: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 10Center Connected Industry | RWTH Aachen Campus Seite 10

Information als Triebfeder der weiteren Entwicklung

Quelle: 1) in Anlehnung an Wannenwetsch 2009 und Ehrmann 1997

Bereitstellen der richtigen Information…

…zur richtigen Zeit…

…am richtigen Ort…

…dem richtigen Empfänger…

…in der richtigen Qualität…

…zu den richtigen Kosten.

Erfassung/

KonnektivitätAnalyse/

Prognose

Speicherung/

Aggregation(Mobile)

Bereitstellung

Daten-

quelle Entscheidung,

Anwendung

Gestaltung

Page 11: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 11Seite 11Center Connected Industry | RWTH Aachen Campus

Die Industrie 4.0-Reifegrade der Informationsnutzung

Sichtbarkeit Transparenz Prognostik Adaptivität

Make the elephant eatable!

Page 12: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme
Page 13: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 13

Relevante Information schaffen

Wettbewerbsvorteile von Beginn an!

Page 14: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 14

Geschwindigkeit und Reaktionsfähigkeit verliert sich in einer Summe an Latenzen

Beispiel eines idealtypischen Anpassungsprozesses1

Daten-

latenz

Analyse-

latenz

Entscheidungs

-latenzUmsetzungs-

latenz

Zeit

Ereignis

Ereignisdaten verfügbar

Analyse abgeschlossen

Maßnahmen

abgeschlossen

Nu

tze

n d

er

An

pa

ss

un

g

Maßnahmen initiert

[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016)

Page 15: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 15

Daten-

latenz

Analyse-

latenz

Entscheidungs

-latenz

Umsetzungs-

latenz

Mit Informationstechnologien lassen sie sich reduzieren

Zeit

Elemente von Industrie 4.02, 4

▪ Big Data Analytics (bekannte Hypothesen)

▪ Künstliche Intelligenz / Maschinelles Lernen

▪ Vernetzte smarte Objekte

▪ Echtzeitfähigkeit

▪ Assistenzsysteme

▪ Automatisierung von Entscheidungen

▪ Vertikale und horizontale Integration

▪ Cyber-physische Systeme

Ereignis

Ereignisdaten verfügbar

Analyse abgeschlossen

Maßnahmen

abgeschlossen

Maßnahmen initiert

Nu

tze

n d

er

An

pa

ss

un

g

[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016)

Page 16: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 16

Den „Need for Speed“ als Wettbewerbsvorteil sehen und nutzen

Zeit

Elemente von Industrie 4.02

Maßnahmen

abgeschlossen

Die Beschleunigung unternehmerischer Entscheidungs- und Anpassungs-

prozesse ist der wesentliche wirtschaftliche Hebel von Industrie 4.0.3

▪ Big Data Analytics (bekannte Hypothesen)

▪ Künstliche Intelligenz / Maschinelles Lernen

▪ Vernetzte smarte Objekte

▪ Echtzeitfähigkeit

▪ Assistenzsysteme

▪ Automatisierung von Entscheidungen

▪ Vertikale und horizontale Integration

▪ Cyber-physische Systeme

Ereignis

Nu

tze

n d

er

An

pa

ss

un

g

[1] zu Muehlen u. Shapiro (2009) [2] Kagermann et al (2013) [3] Schuh (2016b) [4] Bauernhansl et al (2016)

Page 17: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 17

Fertigungsauftrag

„intern“ Werk 2Werk 1

Typischer Use Case in der Industrie

ZuliefererLager Logistik-

dienstleister

Logistik-

dienstleister

Kommt meine Bestellung pünktlich an?

Wann kommt sie an?

Nein, leider nicht.

In 15 min, der Transporter steht im Stau.

Du könntest Deine Fertigungsaufträge

entsprechend umpriorisieren.

Produktionsleiter Werk 1 Inbound Radar

Page 18: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 18

Digital Supply Chain

Neue Wertschöpfung durch vernetzte Logistiknetzwerke

© 2

018 inte

lligence | D

ries G

uth

Smarte Carrier LogistiknetzwerkeSmarte Objekte

IoT Asset Tracking

Track &

TraceCockpit

Echtzeitdaten Verkehr, Umwelt, etc..

Smart CarrierIntelligente Frachtführer

Smart

Vehicles IoT Telemetrie

Smart Factory

Smarte Prozessdatenaus Produktion, Logistik und Vertrieb

Quelle: itelligence | Dries Guth

Page 19: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 19

Future Logistics

Flexible Supply Chain im Netzwerk der Produktions- und Logistikressourcn

Page 20: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 20Seite 20Center Connected Industry | RWTH Aachen Campus

#machen ist wie wollen, nur krasser

Page 21: Track & Trace im Zeitalter der DigitalisierungBig Data Analytics (bekannte Hypothesen) Künstliche Intelligenz / Maschinelles Lernen Vernetzte smarte Objekte Echtzeitfähigkeit Assistenzsysteme

Center Connected Industry | RWTH Aachen Campus Seite 21

Gerne unterstützen wir Sie auf Ihrem Weg zur Logistik 4.0 – Schritt für Schritt.

Christian MaasemManaging Director

[email protected]

connectedindustry.net

Dries GuthPrincipal Innovation Manager

Lead of IoT Innovation Lab

[email protected]

itelligence.de