• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Friedrich-Alexander-Universität Lehrstuhl für Digital Industrial Service Systems WiSo
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Fachbereich Wirtschafts- und Sozialwissenschaften
Suche öffnen
    • FB WIWI
    • WIN
    1. Friedrich-Alexander-Universität
    2. Fachbereich Wirtschafts- und Sozialwissenschaften
    Friedrich-Alexander-Universität Lehrstuhl für Digital Industrial Service Systems WiSo
    Menu Menu schließen
    • Home
    • Lehre
    • Forschung
    • Praxis
    • Team
    • Kontakt und Anfahrt
    • Stellenangebote
    1. Startseite
    2. Forschung
    3. Decision Support
    4. Automatisiertes Content-Providing durch Smarte Steuersysteme

    Automatisiertes Content-Providing durch Smarte Steuersysteme

    Bereichsnavigation: Forschung
    • Service Systems
    • Decision Support
      • Automatisiertes Content-Providing durch Smarte Steuersysteme
    • Information Management
    • Business Process Management
    • Internationales Forschnungsnetzwerk für E-Government zwischen Deutschland und Brasilien
    • German-Brazilian Workshop on Management and Engineering of IT-Supported Business Networks, Administration Networks and Social Networks
    • Flexible Informationssystem-Architekturen für hybride Wertschöpfungsnetzwerke
    • Automatisiertes Content-Providing durch Smarte Steuersysteme
    • Föderales Informationsmanagement
    • Weitere Forschung (Lehrstuhl für Digital Industrial Service Systems)

    Automatisiertes Content-Providing durch Smarte Steuersysteme

    Automatisiertes Content-Providing durch Smarte Steuersysteme

    (Drittmittelfinanzierte Gruppenförderung – Teilprojekt)

    Titel des Gesamtprojektes: FuE-Programm „Informations- und Kommunikationstechnik“
    Projektleitung: Martin Matzner
    Projektbeteiligte: Martin Matzner, Tobias Pauli, Emanuel Marx
    Projektstart: 1. Januar 2018
    Projektende: 31. Dezember 2019
    Akronym: AutoCoP
    Mittelgeber: andere Förderorganisation, Bayerische Staatsministerien

    Abstract:

    Ein reißender Strom an Zustandsdaten ist das Nebenprodukt moderner Industrieanlagen in der Digitalen Fabrik. Dieser Datenstrom ist Antrieb für digitale industrielle Dienstleistungssysteme, die auf der zeitnahen Datenauswertung fußen. So haben Forscher und Entwickler in Betrieben und an Universitäten zahlreiche Methoden und Techniken für die vorausschauende Wartung von Anlagen entwickelt. Für den klassischen industriellen Aufgabenbereich der Technischen Dokumentation, welche durch die Komplexität moderner Industrieanlagen zunehmend herausgefordert und teilweise auch überfordert wird, wurden die Innovationspotentiale der Digitalisierung bislang nicht strukturiert erschlossen. AutoCoP basiert auf der überzeugung, dass die Dateninfrastruktur der Digitalen Fabrik und intelligente Algorithmen die Anlagendokumentation (teil-) automatisiert strukturieren und dynamisch weiterschreiben können. AutoCoP erkennt durch die Auswertung von Sensordaten anomales Verhalten und Fehlerfälle von Industrieanlagen und führt diese Beobachtungen mit Kontextinformationen sowie Expertenwissen erfahrener Redakteure zusammen. So entstehen klare Handlungsanweisungen für komplexe Fehlerfälle, die an der Maschine bereitgestellt werden und Diagnosen sowie Korrekturen durch Anwender mit unterschiedlicher Erfahrung und Qualifikation ermöglichen.

    Externe Partner:

    • APE Engineering GmbH
    • Simon Möhringer Anlagenbau GmbH
    • Julius-Maximilians-Universität Würzburg

    Publikationen:

    • Marx E., Pauli T., Fielt E., Matzner M.:
      From Services to Smart Services: Can Service Engineering Methods get Smarter as well?
      International Conference on Wirtschaftsinformatik (WI) (Potsdam, 9. März 2020 - 11. März 2020)
      In: Proceedings of the 15th International Conference on Wirtschaftsinformatik (WI) 2020
      DOI: 10.30844/wi_2020_j9-marx
      URL: https://library.gito.de/2021/07/wi2020-zentrale-tracks-76/
      BibTeX: Download
    • Janiesch C., Matzner M.:
      BAMN: a modeling method for business activity monitoring systems
      In: Journal of Decision Systems 28 (2019), S. 185-223
      ISSN: 1246-0125
      DOI: 10.1080/12460125.2019.1631682
      BibTeX: Download
    Friedrich-Alexander-Universität Erlangen-Nürnberg
    Lehrstuhl für Digital Industrial Service Systems

    Fürther Str. 248
    90429 Nürnberg
    • Anmelden
    • Impressum
    • Datenschutz
    • Barrierefreiheit
    • Facebook
    • Twitter
    • Instagram
    Nach oben