gehört zu: Internet der Dienste

Als Manufacturing-as-a-Service (MaaS) bezeichnet man die gemeinsame Nutzung vernetzter Produktionsanlagen.
MaaS benötigt Echtzeit-Zugriffe um den Status der Maschinen abzufragen, deshalb müssen diese mit einem performanten und stabilen Internet verbunden sein.
Eine Vision von MaaS ist zum Beispiel, dass sich viele Zerspanungsdienstleister in Deutschland bzw. Europa zu einem riesigen Maschinenpark zusammenschalten. Gefertigt wird nach Bedarf nur das, was gerade benötigt wird. Diese Art der Fertigung wird auch als Manufacturing on Demand (MoD) beziehungsweise als On-Demand-Fertigung bezeichnet.
Der Kunde lädt hierzu seine CAD-Daten auf eine Manufacturing-Plattform und bekommt ein Ranking aller geeigneter Hersteller tagesaktuell berechnet.
Nach Platzierung der Bestellung ermöglicht IoT dem Kunden den Status seines Auftrages in Echtzeit zu verfolgen.
Durch MaaS wird die Welt zu einem Dorf, d.h. auch entlegenste Fertigungsstandorte partizipieren vom Weltmarkt.

Bildquelle: © ipopba - Adobe Stock
Die steigenden Möglichkeiten der Additiven Fertigung (3D-Druck) sind der Rückenwind für das MaaS Konzept.

Durch das Erkennen von Mustern (=Data-Mining) in vorhandenen Datenbeständen (=Big Data) wird neuer Erkenntnisgewinn (=Smart Data) ermöglicht, der mit herkömmlichen Methoden nicht möglich wäre. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden.
Damit die Software eigenständig lernen und Lösungen finden kann, müssen die Systeme zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgt werden. Des Weiteren sind Regeln für die Analyse des Datenbestands und die Mustererkennung aufzustellen. 
Für das maschinelle Lernen werden verteilte Rechnerstrukturen und insbesondere künstliche neuronale Netze, die nach dem Vorbild des menschlichen Gehirns funktionieren, eingesetzt.

• Supervised Learning, z.Dt.: überwachtes Lernen: (vorhandenes Expertenwissen wird benutzt, um das System anzulernen)
• Aktives Lernen: (ermöglicht der Maschine für bestimmte Eingangsdaten die gewünschten Ergebnisse zu erfragen)
• Batch Lernen: (geschieht im Offline Modus, d.h. während des Batch-Lernens wir der Data-Lake nicht mehr verändert)
• Sequenzielles Lernen: (hier werden die Datensätze aus dem Data-Lake aufeinanderfolgend verarbeitet)
•   

Ein Anwendungsbeispiel für das Machine Learning sind Aktienmarkt-Analysen, die mitunter interessante Anlagenstrategien berechnen.
Diese automatisierten Aktienmarkt-Analysen werden mittlerweile von einem sogenannten Robo-Advisor durchgeführt, und die Ergebnisse werden immer professioneller.  Die Bezeichnung Robo-Advisor setzt sich aus den englischen Wörtern Robot (Roboter) und Advisor (Berater) zusammen und steht für die automatisierte Form der Geldanlage.

Hinweise:

• Die Steigerung von Machine Learning ist Deep Learning.
• Der Lexikon Eintrag zu Smart Data greift das Thema "Machine Learning" aus einer anderen Richtung auf.

gehört zu: Internet der Dinge

Machine-to-Machine (M2M) steht für den automatisierten Informationsaustausch zwischen Endgeräten.
Zur M2M-Kommunikation kommen verschiedene Technologien zum Einsatz wie z.B. Mobilfunk, WLAN, Bluetooth oder NFC.
Die klassische M2M-Kommunikation ist eine Punkt-zu-Punkt-Anwendung ohne Internet.
Im Sinne von INDUSTRIE 4.0 und vor allem im Sinne von Internet der Dinge (IoT) sind mit Endgeräten alle Dinge gemeint die mit dem Internet vernetzt werden können. Deshalb wird M2M und IoT oft in einem Atemzug genannt. Gemeinsam verfolgen sie das Ziel des automatisierten Datenaustausches zwischen Endgeräten. Während IoT jedoch eine Vernetzung über das Internet und eine IP-Adresse benötigt, funktioniert das klassische M2M auch ohne Internet.

Beispiel zu M2M klassisch ohne Internet:
Der intelligente Autoschlüssel mit Näherungssensor und RFID-Transponder entriegelt das Auto schlüssellos.

Beispiel zu M2M mit IoT:
Die iWatch bezahlt an der Supermarktkasse bargeldlos mit Apple Pay.

Bildquelle: © Kaspars Grinvalds - Adobe Stock

M2M Lösungen werden zunehmend folgende Enabler von INDUSTRIE 4.0 integrieren:

• Internet der Dinge (IoT)
• Cloud
• Künstliche Intelligenz (KI)
• Cyber-Physical Systems (CPS)

Made in China 2025 ist die chinesische Antwort auf den deutschen Begriff „Industrie 4.0“ 
und ist als ein Teil der chinesischen Staatsstrategie anzusehen, die gesamte Industrie zu restrukturieren.

 Bildquelle: © boscorelli - Adobe Stock

Bei der Namenssuche für Ihre Strategie wurden die Chinesen vermutlich inspiriert von
dem deutschen Gütesiegel: „Made in Germany“.
Laut einer internationalen Studie aus dem Jahre 2017 genießt "Made in Germany" ein hohes internationales Ansehen
und liegt auf Platz 1 von 52 Ländern des Made-in-Country-Index.

Bildquelle: © Jürgen Fälchle - Adobe Stock

Weitere Informationen zu "Made in China 2025" finden Sie hier

Übrigens:
Die taiwanesische Antwort auf den deutschen Begriff „Industrie 4.0“ heißt Productivity 4.0

gehört zu: Smart Data und KI

• das Sammeln, Bewerten und bei Bedarf gegensteuern (=Condition Monitoring) und
• das Analysieren und Interpretieren (=Predictive Maintenance)

von digitalen Produktionsdaten.

Manufacturing Analytics ist damit quasi der Überbegriff für Condition Monitoring incl. Predictive Maintenance.
Weitere Informationen finden Sie dort.

gehört zu: Assistenzsysteme

Bildquelle: ©Osuch/MR

Der VDI-Fachausschuss MES hat in der Richtlinie VDI 5600 die Kernaufgaben eines MES definiert.

 gehört zu: Assistenzsysteme
 
 META steht für das Einnehmen einer Vogelperspektive
 

Bildquelle: © Joachim Neumann  - Adobe Stock

 Beispiele:
 
 1. Die META-Ebene wird von einem Schlichter eingenommen um die unterschiedlichen Sichten von zerstrittenen Parteien zu verstehen.
 
 2. META-Daten sind übergeordnete und strukturierte Informationen zu Rohdaten.
 
 3. META-Systeme im Sinne von Industrie 4.0 sind übergeordnete kognitive Assistenzsysteme, die in der Lage sind mit unterschiedlichen digitalen Ökosystemen zu kommunizieren.  Siehe z.B.: ValueFacturing

gehört zu: Virtualisierung

Der Mixed Reality (MR) Nutzer sieht eine Mischung aus realen und virtuellen Bilder, die einen räumlichen Bezug zueinander haben.
In der Mixed Reality Umgebung verhält sich ein digitales Element natürlich. Platziert man beispielsweise auf einem realen Tisch eine virtuelle Tasse und verschiebt den Tisch dann folgt die Tasse der Tischbewegung.

Abgrenzung und weitere Informationen finden Sie beim Begriff: Augmented Reality

Mobile Computing, zu Deutsch mobile Rechnerarbeit, ist genauso wie das neue Internetprotokoll IPv6 eine der Voraussetzungen für Industrie 4.0. Es umfasst die Computerarbeit von Menschen an einem transportablen Gerät und beinhaltet mobile Kommunikation, sowie Hardware und Software. Verwendbare Mobile Computer können unter anderem Laptops, Tablet-PCs, Smartphones, oder Datenbrillen sein. Der orts- und zeitunabhängige Zugriff auf betriebliche Daten und Anwendungen, der möglichst einfach und intuitiv erfolgen sollte, ist zum Standard für alle Unternehmen geworden. Eingeschränkt wird diese Entwicklung noch von den vergleichsweise niedrigen Übertragungsraten von mobilem Internet, gängigen Sicherheitsstandards, oder dem Energieverbrauch der Geräte, der mit ihrer Akkulaufzeit einher geht.

MOM ist die Abkürzung für Manufacturing Operations Management und ist die Erweiterung eines MES in Richtung IoT.

Dabei geht es auch darum von “Execution” (= Ausführung und Steuerung) zu "Produktionsoptimierung durch Regelung" zu kommen.
MOM legt u.a. den Schwerpunkt auf die Digitalisierung von Prozessen und Informationen, um dadurch die Effizienz und die Transparenz zu steigern.

Der Autor des Lexikons arbeitet im MES/MOM Arbeitskreis des ZVEI mit. 
2017 wurde dazu diese Umsetzungsempfehlung veröffentlicht.
2021 wird auf der Hannovermesse die nächste Umsetzungsempfehlung mit dem Titel: "Verwaltungsschalen und Teilmodelle für I4.0-MOM" veröffentlicht.
Einen Überblick dazu gibt dieser Vortrag des Autors.  

Folgende Basics müssen erfüllt werden damit MOM diese Grenzen aufbrechen kann:

Alle Hersteller von vernetzungsfähigen Produkten (Assets) einigen sich auf:

• eine einheitliche Sprache wie z.B. OPC UA. Unter dieser Prämisse entstehen zeitnah einheitliche OPC UA Parametersätze, die die jeweiligen fachspezifischen Rahmenbedingungen abdecken.

• die Notwendigkeit einer standardisierten Verwaltungsschale pro Asset und liefern diese mit aus.

gehört zu: Data Governance

MQTT steht für Message Queuing Telemetry Transport

MQTT wird meistens in den Bereichen "Maschine zu Maschine" und "Internet der Dinge" eingesetzt.
MQTT wird gelegentlich auch als der „kleine Bruder" von OPC UA bezeichnet, denn MQTT wurde ursprünglich für Sensoren mit geringer Rechenleistung entwickelt.
OPC UA und MQTT kann man allerdings nicht direkt vergleichen, denn sie lösen unterschiedliche Aufgaben.
Der klassische Anwendungsfall für MQTT sind kleine Sensoren die nur wenige und meist fest definierte Daten liefern, dafür mit Echtzeit-Anspruch.
OPC UA hingegen wird eingesetzt, wenn viele und umfangreiche Daten und frei gestaltbare Datenräume vorkommen.
Im Vergleich zu OPC UA hat MQTT kein Security-Defizit, denn es erlaubt die eindeutige Identifikation der Teilnehmer und verschlüsselt die übertragenen Daten.

Bildquelle: © Style-o-Mat - Adobe Stock & JH

MTConnect ist ein offener Standard für die Fabrik Kommunikation und kann als einfache Alternative zu OPC UA gesehen werden.
MTConnect wird von amerikanischen Firmen gepusht und u.a. durch das MTConnect Institut vorangebracht.

MTConnect standardisiert Gerätedaten. Das Protokoll arbeitet ausschließlich unidirektional (Read Only) und ist auf eine einfache Integration ausgelegt.
Das bedeutet ein MES bzw. MOM-System kann mit MTConnect nur Daten einer Maschine lesen, die Maschine aber nicht mit Daten versorgen und somit auch nicht steuern. Damit ist MTConnect für Industrie 4.0 untauglich. Auch fehlen bei MTConnect die immer wichtiger werdenden Sicherheitsmechanismen zur Absicherung  und Verschlüsselung des Datenflusses. Es gibt allerdings bereits Brücken bzw. Gateways um MTConnect zu OPC UA zu transformieren.

Bildquelle: ©MTconnect