Logo des Repositoriums

Auflistung nach Schlagwort "Industrial IoT"

1 - 5 von 5
  • Zeitschriftenartikel
    Anforderungen für Zeitreihendatenbanken in der industriellen Edge
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Petrik, Dimitri; Mormul, Mathias; Reimann, Peter
    Das industrielle Internet der Dinge (iIoT) integriert Informations- und Kommunikationstechnologien in die industriellen Prozesse und erweitert sie durch Echtzeit-Datenanalyse. Eine bedeutende Menge an Daten, die in der industriellen Fertigung generiert werden, sind sensorbasierte Zeitreihendaten, die in regelmäßigen Abständen generiert werden und zusätzlich zum Sensorwert einen Zeitstempel enthalten. Spezielle Zeitreihen-Datenbanken (TSDB) sind dafür ausgelegt, die Zeitreihendaten effizienter zu speichern. Wenn TSDBs in der Nähe der Maschine (in der industriellen Edge) eingesetzt werden, sind Maschinendaten zur Überwachung zeitkritischer Prozesse aufgrund der niedrigen Latenz schnell verfügbar, was die erforderliche Zeit für die Datenverarbeitung reduziert. Bisherige Untersuchungen zu TSDBs sind bei der Auswahl für den Einsatz in der industriellen Edge nur begrenzt hilfreich. Die meisten verfügbaren Benchmarks von TSDBs sind performanceorientiert und berücksichtigen nicht die Einschränkungen der industriellen Edge. Wir adressieren diese Lücke und identifizieren die funktionalen Kriterien für den Einsatz von TSDBs im maschinennahen Umfeld und bilden somit einen qualitativen Anforderungskatalog. Des Weiteren zeigen wir am Beispiel von InfluxDB, wie dieser Katalog verwendet werden kann, mit dem Ziel die Auswahl einer geeigneten TSDB für Sensordaten in der Edge zu unterstützen. The industrial Internet of Things (iIoT) integrates information and communication technologies in the industrial processes, and extends them through real-time data analytics. A significant amount of data generated in industrial manufacturing is sensor-based time series data, which is generated at regular intervals, and includes a time stamp in addition to the sensor value. Special time series databases (TSDB) are designed to store the time series data more efficiently. If TSDBs are used close to the machine (in the industrial edge), machine data is quickly available for monitoring time-critical processes due to low latency. This helps to reduce the time required for data processing. Previous research on TSDBs is of limited help during the selection of TSDBs for industrial edge. Most available benchmarks of TSDBs are performance-oriented, and do not consider the restrictions of the industrial edge. We address this gap by identifying the functional criteria for the use of TSDBs in the industrial edge, and by building a qualitative requirements catalogue. Furthermore, we exemplarily show how to use this catalogue by applying it to the TSDB to support the selection of a suitable TSDB for recording sensor data in the edge.
  • Textdokument
    Edge Computing Standardisation and Initiatives
    (INFORMATIK 2020, 2021) Rennoch, Axel; Willner, Alexander
    Since Edge Computing (EC) became more important in industry and research several standardisation groups and initiatives are considering related technologies in their strategies and future roadmaps. The work includes the definition of reference architecture models, access interfaces but also addresses edge node autonomy and security aspects. This contribution introduces some basic concepts and common understanding of EC within selected standardisation groups and industrial initiatives. Additionally, technical viewpoints and topics are discussed that are relevant for various communities.
  • Zeitschriftenartikel
    Herausforderungen in der Gestaltung der interorganisationalen Zusammenarbeit in IIoT-Ökosystemen – Eine Fallstudie im Maschinen- und Anlagenbau
    (HMD Praxis der Wirtschaftsinformatik: Vol. 59, No. 5, 2022) Walleser, Nico; Schmiedle, Laura; Petrik, Dimitri; Rost, Martin
    IIoT-Ökosysteme ermöglichen unter anderem Unternehmen aus der produzierenden Industrie ihren Kunden ein Wertangebot zu schaffen, das ohne die Zusammenarbeit mit Partnern und Wettbewerbern nicht realisierbar wäre. Besonders im Business-to-Business (B2B) Markt ist die Zusammenarbeit im Rahmen von IIoT-Ökosystemen bislang noch unzureichend erforscht. Wir untersuchen deshalb in einer empirischen Einzelfallstudie die Zusammenarbeit in einem IIoT-Ökosystem im B2B-Kontext. Im Fokus steht dabei ein europäisches Maschinenbauunternehmen, welches in der Rolle des Orchestrators im Ökosystem agiert. Die Ergebnisse der Interviewstudie zeigen, dass besonders die Herausforderungen fehlendes Vertrauen, Ausbalancieren von Interessen, Informationsflüsse, unklare Zuständigkeiten, Integration von externen Partnern und das Geschäftsmodell die Zusammenarbeit in Ökosystemen erschweren. Mit Hilfe eines Expertenworkshops konnten Gestaltungsempfehlungen zur Adressierung dieser Herausforderungen erarbeitet werden. Der Beitrag legt dar, welche Herausforderungen in der Zusammenarbeit innerhalb von IIoT-Ökosystemen auftreten und wie diese durch geeignete Gestaltungsempfehlungen bewältigt werden können IIoT ecosystems enable companies from the manufacturing industry, among others, to provide their customers with a value proposition that would not be possible without collaboration with partners and competitors. Especially in the business-to-business (B2B) market, collaboration in the context of IIoT ecosystems has been insufficiently researched so far. We therefore investigate collaboration in an IIoT ecosystem in a B2B context using an empirical case study (documents, interviews, expert workshop). The study focuses on a European mechanical engineering company that acts in the role of an orchestrator in the ecosystem. The results of the interview study show that the challenges of lack of trust, balancing of interests, information flows, unclear responsibilities, integration of external partners and the business model in particular make cooperation within ecosystems difficult. With the help of an expert workshop design recommendations for addressing these challenges could be developed. The paper outlines the challenges that arise in collaboration within IIoT ecosystems and how these can be overcome through appropriate design recommendations
  • Konferenzbeitrag
    Stakeholderanalyse in plattformbasierten Ökosystemen für industrielle IoT-Plattformen
    (Software Engineering and Software Management 2019, 2019) Petrik, Dimitri; Herzwurm, Georg
    Um die aktuellen Herausforderungen des globalen Wettbewerbs zu adressieren, gewinnen Plattformansätze im Maschinenbau zunehmend an Bedeutung und gelten als eine Lösung zur Erbringung wertschöpfender digitaler Services. Dabei finden offene Softwareplattformen zunehmend Verbreitung, die auch als industrielle Internet of Things (iIoT)- Plattformen bekannt sind. Offene iIoT-Plattformen bilden die Grundlage für flexible Wertschöpfungsnetzwerke und stellen die technologische Basis plattformbasierter Ökosysteme dar. Zur Etablierung der iIoT-Ökosystem und Generierung von Netzwerkeffekten, müssen Plattformanbieter die komplementären Drittanbieter und ihre Eigenschaften kennen. Der Artikel analysiert auf Basis qualitativer Experteninterviews in der Maschinenbaubranche unterschiedliche Typen komplementärer Stakeholder, ihre Eigenschaften und Kooperationsstrukturen in iIoT- Ökosystemen für den Anwendungsfall datengetriebener Instandhaltung.
  • Konferenzbeitrag
    Tweeting in IIoT Ecosystems – Empirical Insights from Social Media Analytics about IIoT Platforms   
    (Software Management 2021, 2021) Petrik, Dimitri; Pantow, Katharina; Zschech, Patrick; Herzwurm, Georg
    This paper has been accepted and published as a Full Research Paper at the Wirtschaftsinformatik 2021 Conference in March 2021. The market for the Industrial Internet of Things (IIoT) platforms remains highly dynamic and is rapidly evolving regarding the growth of the platform-based ecosystems. However, digital platforms, used in the industrial business-to-business setting, differ significantly from the established platforms in the business-to-consumer domains and remain little researched. In this study, we apply a data-driven approach and conduct bottom-up and top-down content analysis, exploring social media data on the current state of IIoT platforms. For a top-down analysis, we draw on the theoretical concept of platform boundary resources. Specifically, we apply descriptive analytics and topic modeling on the Twitter data regarding the market-ready IIoT platforms Adamos, Cumulocity, Watson IoT, MindSphere, Leonardo, and ThingWorx, thus conducting an exploratory multiple case study. Our findings generate descriptive insights on the currently discussed topics in the area of IIoT platforms, contributing to the knowledge of the current state of digital platforms used in IIoT, highlighting the different focuses in ecosystem communication.