카이 핵바스 Kai Hackbarth는 Bosch.IO의 산업 IoT 비즈니스 소유자입니다. 그는 다양한 IoT 도메인에서 IoT 미들웨어 및 장치 관리에 중점을 둔 전도사 및 제품 관리자로서 20년 이상의 경험을 가지고 있습니다. Kai는 Onalytica에서 최근에 발표한 보고서에 따르면 상위 100명의 IIoT 영향 요인 중 하나입니다. LinkedIn에서 그를 찾아보세요 소프트웨어 업데이트는 연결된 일상 생활의 핵심 구성 요소가 되었습니다. 일반적으로 스마트폰의 앱이나 컴퓨터의 소프트웨어를 최신 상태로 유지하려면 버튼

보쉬는 2020년 중반부터 GENIVI/W3C 공동 차량 인터페이스 이니셔티브(CVII)의 일환으로 차량 신호 사양(VSS)에 소프트웨어를 적극적으로 기여해 왔습니다. VSS는 차량 신호를 설명하는 일반적인 어휘로, 표준 데이터 포인트의 이름과 의미가 소프트웨어 스택에서 동일하도록 합니다. 우리는 차량 데이터 및 기능에 대한 업계 전반의 공통 인터페이스를 구축하려는 CVII의 목표를 지원하기 위해 합류했습니다. 미래 세대의 차량에서 자동차 산업의 변화와 소프트웨어의 핵심 역할은 자동차 개발 관습에 대한 학파의 패러다임 전환을 촉발

디지털 트윈이라는 단어를 들으면 많은 사람들이 이를 자산 또는 기계의 시뮬레이션과 연관시킬 것입니다. 그러나 이것은 하나의 접근 방식일 뿐입니다. Bosch는 디지털 트윈에 대한 전체적인 관점을 공유합니다. 즉, 디지털 트윈은 자산이 전체 수명 주기에 걸쳐 생성하는 모든 데이터를 축적합니다. 제조 영역의 이기종 데이터를 함께 가져와 이 데이터를 일반적으로 이해할 수 있는 정보로 처리하는 것이 중요합니다. 이를 위해 컨텍스트와 연결되고 의미 모델이 제공됩니다. 이것이 바로 Semantic Data Structuring Working

Eclipse Hono는 다수의 이기종 장치를 (클라우드) 백엔드에 연결하기 위한 오픈 소스 프로젝트입니다. Hono는 비즈니스 애플리케이션뿐만 아니라 광범위하게 다른 프로토콜을 사용할 수 있는 장치 간의 균일한 통신을 가능하게 하는 서비스 인터페이스를 정의합니다. 이 프로젝트는 얼마 동안 진행되었으며 몇 년 동안 Bosch IoT Device Management에서 성공적으로 사용되었습니다. 새로운 점은 이제 메시징을 위해 Apache Kafka를 지원한다는 것입니다. 이 기사에서 Hono 사용의 이점과 변경 사항을 소개합니다.

차량 소프트웨어의 복잡성은 지속적으로 증가하고 있습니다. 2010년에는 10,000라인의 코드로 소형차를 개발하기에 충분했지만 오늘날 이 숫자는 1억에 달합니다. 또한, 차량이 고립된 하드웨어 섬에서 생태계의 능동적인 소프트웨어 기반 플레이어로의 현재 패러다임 전환으로 인해 개발 및 유지 관리 프로세스를 재고해야 합니다. 간단히 말해서 자동차와 IT 산업이 문을 열고 협력해야 할 때입니다. 우리는 어디로 향하고 있습니까? 소프트웨어 정의 차량은 최신 E/E 아키텍처와 클라우드 기반 서비스를 갖추고 있어 데이터의 발신자이자 수신자가

인더스트리 4.0은 제조업에 대한 전면적인 변화를 가져오고 있습니다. 미래의 공장은 자율적으로 운영됩니다. 사람의 개입 없이 자체적으로 자체 및 프로세스를 구성하고 오작동이나 문제를 해결할 수 있습니다. 스마트 팩토리의 기반은 관련된 모든 주체(기계, 제품 등)의 지능에 있으며, 이 기반은 소프트웨어를 통해 구현됩니다. 기계의 상황, 즉 기계의 동작에 영향을 미칠 수 있는 모든 정보를 지속적으로 평가함으로써 소프트웨어는 각각의 특정 상황에서 기계가 취하거나 시작해야 하는 조치를 결정할 수 있습니다. 이 상황별 평가는 오늘날의 제조

우리는 수년 동안 Bosch 공장의 생산 프로세스를 개선하기 위해 분석을 사용해 왔습니다. 그렇다면 제조 분석의 새로운 기능은 무엇이며 다음 단계는 무엇입니까? 요구사항 분석을 위한 우리의 방법론이 모든 것을 변화시킵니다 데이터 분석 프로젝트를 시작하고 실행하는 방법에는 여러 가지가 있습니다. 출발점은 일반적으로 고객의 생산 시설에서 시작되는 워크샵으로, 여기서 고객 팀과 만나 제품 및 생산 프로세스의 시각적 인상을 기반으로 프로젝트 목표와 근본적인 문제를 논의하고 이해합니다. 생산 엔지니어는 문제를 일으키는 것으로 보이는 특

인더스트리 4.0 및 IoT 분석가인 Arnold Vogt는 킬러 앱에서 표준화된 IoT 솔루션, IoT 에코시스템의 역할에 이르기까지 8가지 트렌드 주제에 대해 설명합니다. 앞으로 몇 년 동안 가장 인기 있는 주제는 무엇입니까? 이것은 컨설턴트와 분석가에게 자주 제기되는 질문입니다. 그들은 일반적으로 어떤 새로운 기술이 예상되고 어떤 역할을 할 것인지 구체적으로 언급하면서 고도로 기술 중심적인 관점에서 응답합니다. 그러나 이러한 새로운 기술에 의해 시작되는 시장의 변화 역학은 그다지 흥미롭지 않습니다. 시장에 자리잡은 각각의 새

Industry 4.0 솔루션은 제조의 예방 유지보수 개념에 대한 최적의 지원을 제공할 수 있습니다. 유지보수 전문가는 새로운 기술의 혜택을 받습니다. 작업 일정이 목표에 맞춰지고 더 효과적이며, 기계 가동 중지 시간과 수리 시간이 줄어들고, 생산 흐름이 지속적으로 개선될 수 있습니다. 전통적인 예방 유지보수 예방적 유지보수는 특정 손상 관련 기계 상태 또는 통제할 수 없는 기계 오류가 발생하기 전에 유지보수 조치를 계획하고 실행하는 것으로 구성됩니다. 예기치 않은 기계 고장을 수정하는 데 필요한 수정 유지 보수는 시간을 엄수

전 세계적으로 모든 식품의 3분의 1이 소비자에게 도달하기도 전에 상합니다. 유엔식량농업기구(FAO)에 따르면 이는 13억 톤에 달합니다. 이것의 상당 부분은 운송 중 상품의 품질 손실로 인한 것입니다. 개발 도상국에서는 식품의 40%가 운송되는 동안 사라집니다. 다양한 수확 조건, 수확에서 냉각까지의 시간 또는 냉장 컨테이너 또는 차량의 국부적 온도 편차와 같은 몇 가지 이유가 있습니다. 이것들은 모두 신선한 식품의 품질을 손상시킬 수 있습니다. 좋은 소식은 상품 품질에 대한 추가 모니터링을 통해 이러한 문제를 해결할 수 있을

외국으로 휴가를 갈 때, 나는 종종 현지 언어의 몇 마디를 배웁니다. 시간이 없거나 완전히 유창할 필요가 없습니다. 그러나 몇 가지 간단한 구문을 아는 것이 유용합니다. 기본 사항(안녕하세요, 배고프다 등)이 담긴 미니 숙어집이 있습니다. 그리고 시간이 지나면서 많은 도움이 되는 컬렉션을 모았습니다. 인더스트리 4.0에서도 비슷한 상황에 직면해 있습니다. 다양한 언어와 억양을 사용하는 다양한 기계가 있습니다. 이것을 트윗 특히 구형 머신은 새로운 프로토콜(예:OPC-UA)을 사용하지 않습니다. 그러나 우리는 그들의 상태를 모니터링

이전 게시물에서 생산 전문가가 초기 토론에서 일반적으로 제기하는 초기 질문을 다룬 후, 이번에는 제조 환경에서 데이터 분석의 기술적인 측면에 대해 더 깊이 파고들고자 합니다.

새로운 벤더 벤치마크의 연구 단계는 항상 흥미로운 시간입니다. 특히 인더스트리 4.0 및 IoT와 같이 비교적 젊고 매우 역동적인 시장을 다룰 때 그렇습니다. 이 경우 놀라움은 예외가 아니라 규칙입니다! 최근에 완료된 새로운 I4.0/IoT 공급업체 벤치마크의 연구 단계에서 기대에 반하는 두 가지 놀라운 결과가 나타났습니다. 1. IoT 플랫폼 공급업체의 수는 예상대로 폭발적이지 않고 오히려 폭발했습니다. 이전 I4.0 / IoT 공급업체 벤치마크의 연구 단계는 12개월 미만 전에 수행되었으므로 극적인 변화가 있을 것이라고 거

최근 Capgemini 연구에 따르면 유럽의 빅 데이터 이니셔티브 중 15%가 실패하는 것으로 나타났습니다. 귀하의 프로젝트가 성공적인 85%에 속하도록 하기 위해 주의해야 할 4가지 주요 함정을 요약했습니다. (이 블로그 게시물에는 처음 두 가지 함정이 포함되어 있으며 나머지 두 가지는 다른 블로그 게시물에 게시됩니다. ) 이를 인지하고 고려하면 데이터 분석 프로젝트가 성공할 가능성이 크게 높아집니다. 걱정하지 마십시오. 이러한 도전과 함정에 직면한 사람은 결코 당신뿐이 아닙니다. 초기 데이터 분석 워크샵에서 프로젝트가 끝날

지난 블로그 게시물에서 데이터 분석 프로젝트의 성공적인 결과를 보장하기 위한 초기 중요 단계에 대해 설명했습니다. 첫째, 정의된 프로젝트 목표를 달성하기 위해서는 아이디어 제공자(부서)와 데이터 과학자 간의 긴밀한 협력이 절대적으로 필요합니다. 둘째, 데이터 과학자들이 시작하기 전에 데이터의 질과 양을 검증하는 것이 필요합니다. 이 게시물에서 몇 가지 권장 사항을 알려 드리고자 합니다. 데이터 분석 프로젝트는 실제로 어떻게 작동합니까? Bosch 예측 모델을 사용 사례에 어떻게 적용할 수 있습니까? 1. 데이터 분석 프로젝트

올해 가장 흥미로운 프로젝트 중 하나는 제조 회사(독일, 오스트리아, 스위스)의 생산 관리자를 대상으로 한 설문 조사였습니다. 여러 면에서 흥미로웠지만 무엇보다도 고객, 사용자, 그리고 그들이 인더스트리 4.0 및 소프트웨어 솔루션에 대해 논의할 때 필요한 지식과 얼마나 가까운지 보았기 때문입니다. 우리 모두가 많이 들어본 이야기지만 이제 Bosch.IO는 전문가들에게 배우고 이야기에 적절한 구조를 제공하기를 원했습니다. 이를 위해 우리는 지난 몇 개월 동안 시장 조사 기관과 협력하여 제조 회사의 사용자 190명을 대상으로 설문

시장 조사 결과에 대해 논의하는 동안 제조 전문가와 함께 아주 좋은 질문을 받았습니다. “조직적인 측면에서 프로세스를 재설계하는 것에 대한 연구가 있습니까? 대부분의 조직은 수직적으로 구조화되어 있지만 인더스트리 4.0 프로세스는 수평적 구조와 프로세스 지향적인 조직이 필요합니다. 기업이 이를 알고 있습니까?” 로컬 최적화는 이미 유익한 것으로 입증되었습니다. 인더스트리 4.0 솔루션을 구현하기 위해 고객과 협력하기 시작할 때 우리는 주로 포인트 정보라고 하는 것을 고려합니다. 우리의 목표는 먼저 전체 프로세스에 대한 개요

인더스트리 4.0, 산업용 인터넷, 사물 인터넷 및 빅 데이터는 기계 공학 분야의 모든 박람회에서 두드러지게 나타나는 유행어입니다. Bosch.IO는 조치에 대한 구체적인 권장 사항을 제공합니다. 많은 기업들이 산업 인터넷으로도 알려진 인더스트리 4.0을 실행하는 것을 여전히 주저하고 있으며 결정적인 핵심 기술이 도착하기를 기다리는 것 같습니다. Bosch.IO는 Industry 4.0:비전을 실행에 옮기기라는 제목의 백서에서 이미 가능한 것이 무엇인지 보여줍니다. 옵션은 물리적 개체를 가상 세계와 연결하는 첫 번째 단계부터 기

인더스트리 4.0(I4.0) / IoT 시장은 놀라운 속도로 계속 발전하고 있습니다. 새로운 제품이 버섯처럼 생겨나고 종종 공통 목표를 추구합니다. 인더스트리 4.0/IoT 솔루션의 높은 기술적 복잡성을 더욱 줄이는 것입니다. 이 게시물에서는 현재 개발 상황에 대한 간략한 개요를 제공하고자 합니다. 이러한 결과는 2015년 하반기의 포괄적인 연구 단계를 기반으로 하며, 이 작업은 독일 시장을 위한 최초의 Industry 4.0/IoT 공급업체 벤치마크의 출판으로 절정에 달했습니다. 인더스트리 4.0, IoT 및 디지털화:합의 추구

Bosch ConnectedWorld 2016은 커넥티드 제조에 대한 뜨거운 주제와 트렌드를 감지할 수 있는 좋은 자리였습니다. 업계 이해 관계자들이 모여 시장이 어디로 가고 있는지 논의했습니다. 인더스트리 4.0 애플리케이션 스토어를 향하여 보쉬는 최근 IoT 클라우드를 출시했으며, 이를 통해 새로운 인더스트리 4.0 마이크로 서비스를 많은 새로운 물류 및 제조 SaaS(Software as a Service) 제품의 기반으로 제공할 수 있습니다. 새로운 서비스를 동적으로 배포하는 메커니즘은 IoT PaaS(Platform a