Industrie 4.0

Potenziale erkennen und umsetzen
 
 
Vogel Communications Group GmbH & Co. KG (Verlag)
  • 1. Auflage
  • |
  • erschienen im Juli 2017
  • |
  • 378 Seiten
 
E-Book | PDF mit Wasserzeichen-DRM | Systemvoraussetzungen
978-3-8343-6228-5 (ISBN)
 
Die Digitalisierung verändert die industrielle Fertigung grundlegend! Das Internet of Things, die Machine-to- Machine-Kommunikation und die vernetzte Produktion lassen keinen technologischen Teilbereich oder Branche unberührt. Diese vierte industrielle Revolution birgt vielfältige Chancen - aber auch unzählige Risiken! Mit dem Fachbuch "Industrie 4.0" widmen sich bekannte Experten aus verschieden Industriebereichen der Fragestellung nach den Möglichkeiten der tiefgreifenden, digitalen Veränderung. Das Thema wird dabei umfassend und in allen Facetten beleuchtet und analysiert. Dabei liegt das Hauptaugenmerk der Beiträge nicht nur auf dem möglichen Potenzial, sondern auch auf der konkreten Umsetzung der Industrie 4.0-Anwendungen. Somit wird dem interessierten Leser ein praxisbezogener Leitfaden an die Hand gegeben, mit dessen Hilfe er das Konzept der industriellen Digitalisierung verstehen und umsetzen kann.

Aus dem Inhalt:
Digitale Revolution und digitaler Wandel:
Wie entwickelt sich das industrielle Internet der Dinge?
Welche Implikationen ergeben sich für den Maschinen- und Anlagenbau?

Smart Factories und vernetzte adaptive Produktion:
Interoperabilität und M2M-Standards (SoA, OPC UA und TSN).
Wie lassen sich herstellerunabhängige standardisierte Schnittstellen in der Produktion etablieren?

Smart Products und innovative Produktentwicklung:
Referenzarchitektur (RAMI 4.0). Wie lassen sich smarte Lösungen explorativ und agil entwickeln?

Smart Services und neue Geschäftsmodelle:
Datengetriebene Geschäftsmodelle für Industrie 4.0 und erfolgreiche IoT-Businessmodelle.

Digitale Anwendungen und Datenverarbeitung in der Industrie:
Big Data in der Produktion, Machine Analytics und Industrial Analytics.

Rahmenbedingungen, Rechtsgrundlagen und Systemsicherheit:
Know-How-Schutz, Cyber-Security und Datensicherheit im Rahmen von Industrie 4.0
  • Deutsch
  • Würzburg
  • |
  • Deutschland
  • Für Beruf und Forschung
  • 5,93 MB
978-3-8343-6228-5 (9783834362285)
weitere Ausgaben werden ermittelt
1 - Grußwort, Vorwort des Herausgebers Und Inhaltsverzeichnis [Seite 8]
2 - Digitale Revolutionund digitaler Wandel [Seite 24]
2.1 - I Plattform Industrie 4.0 [Seite 26]
2.1.1 - 1 Digitale Transformation «Made in Germany»:Plattform Industrie 4.0 unterstützt Unternehmenauf dem Weg zur vernetzten Produktion [Seite 27]
2.1.2 - 2 Gemeinsam den Wandel gestalten:Die Produktion von morgen [Seite 28]
2.1.2.1 - 2.1 Auftragsgesteuerte Produktion [Seite 28]
2.1.2.2 - 2.2 Wandlungsfähige Fabrik [Seite 29]
2.1.2.3 - 2.3 Selbstorganisierende, adaptive Logistik [Seite 31]
2.1.2.4 - 2.4 Value Based Services [Seite 33]
2.1.2.5 - 2.5 Transparenz und Wandlungsfähigkeit ausgelieferter Produkte [Seite 35]
2.1.3 - 3 Anwenderunterstützung in der Produktion [Seite 37]
2.1.3.1 - 3.1 Smarte Produktentwicklung für die smarte Produktion [Seite 39]
2.1.3.2 - 3.2 Innovative Produktentwicklung [Seite 40]
2.1.3.3 - 3.3 Kreislaufwirtschaft [Seite 43]
2.1.4 - 4 Handlungsbedarfe und Arbeitsgruppen [Seite 45]
2.1.5 - 5 Mitwirkung und Beteiligungsmöglichkeiten [Seite 48]
2.2 - II Das Ökosystem des IndustrialInternet [Seite 50]
2.3 - III Die digital vernetzte Zukunftdes Maschinen- und Anlagenbaus [Seite 54]
2.3.1 - 1 Technologische Evolution als Voraussetzung für Industrie 4.0 [Seite 55]
2.3.2 - 2 Bedürfnisse kleiner und mittelständischerUnternehmen (KMU) im Maschinenbau [Seite 55]
3 - Smart Factories /Vernetzte Adaptive Produktion [Seite 58]
3.1 - I Interoperabilität fürIndustrie 4.0 mit OPC Unified Architecture [Seite 60]
3.1.1 - 1 Service-orientierte Architektur OPC UA [Seite 61]
3.1.2 - 2 Welche Daten und Dienste liefert ein Gerät odereine Maschine? [Seite 62]
3.1.2.1 - 2.1 Transport, Security, Zugriffsrechte [Seite 63]
3.1.2.2 - 2.2 Modellierung [Seite 63]
3.1.2.3 - 2.3 Keine Differenzierung mit OPC UA? [Seite 63]
3.1.2.4 - 2.4 Dienste [Seite 64]
3.1.2.5 - 2.5 Betriebssystem und Realtime [Seite 64]
3.1.2.6 - 2.6 Skalierbarkeit [Seite 65]
3.1.2.7 - 2.7 Adaptierung [Seite 66]
3.1.3 - 3 Praktische Anwendungen von OPC UA [Seite 66]
3.1.3.1 - 3.1 Anwendung vertikal: Energie-Monitoring und Big Data [Seite 66]
3.1.3.2 - 3.2 Anwendung horizontal: M2M in der Wasserwirtschaft [Seite 67]
3.1.3.3 - 3.3 Anwendung vertikal: IoT-Plattform [Seite 68]
3.1.4 - 4 Roadmap und Ausblick auf Weiterentwicklungen [Seite 69]
3.1.4.1 - 4.1 Trend: Informationsmodelle [Seite 69]
3.1.4.2 - 4.2 Trend: Service-orientierte Architektur (SoA) [Seite 69]
3.1.4.3 - 4.3 Trend: OPC UA im Chip [Seite 70]
3.1.4.4 - 4.4 Trend: OPC UA mit TSN [Seite 70]
3.1.5 - 5 Zusammenfassung [Seite 70]
3.2 - II Deterministische Machine-to-Machine-Kommunikation im Umfeld Industrie 4.0 [Seite 72]
3.2.1 - 1 Die Bedeutung einer durchgängigen Industrie-4.0-Architektur [Seite 72]
3.2.2 - 2 Die Big-Bounce-Theorie - Zentralisierung vs.Dezentralisierung von Rechenleistung [Seite 73]
3.2.3 - 3 Interoperabilität - Warum nur genau ein M2M-Kommunikationsstandardso wichtig ist [Seite 74]
3.2.3.1 - 3.1 Service-orientierte Architektur im Internet der Dinge [Seite 75]
3.2.3.2 - 3.2 Semantische Servicebeschreibungen und Informationsmodelle [Seite 77]
3.2.4 - 4 Echtzeit - ein häufig missverstandener Begriff [Seite 79]
3.2.5 - 5 Echtzeit-Anwendungen von OPC UA [Seite 81]
3.2.5.1 - 5.1 Die Publisher/Subscriber-Architektur von OPC UA [Seite 83]
3.2.5.2 - 5.2 Deterministische Echtzeit durch Time SensitiveNetworking (TSN) [Seite 84]
3.2.5.3 - 5.3 Werden durch OPC UA TSN herkömmliche Feldbusseüberflüssig? [Seite 88]
3.3 - III Lösungsbausteine fürherstellerunabhängige, standardisierte Schnittstellenin der Produktion [Seite 90]
3.3.1 - 1 Einführung [Seite 90]
3.3.2 - 2 Maschinen- und Anlagenbau: Rückgrat und Herausforderung in Einem [Seite 91]
3.3.2.1 - 2.1 Ausgangssituation in der Fabrik [Seite 92]
3.3.2.2 - 2.2 Selbstbeschreibung von Maschinen und Anlagen [Seite 93]
3.3.2.3 - 2.3 Selbstbeschreibung von Maschinenkomponenten [Seite 95]
3.3.3 - 3 Werkzeuge und Standards [Seite 97]
3.3.3.1 - 3.1 AutomationMLT [Seite 98]
3.3.3.2 - 3.2 OPC UA [Seite 98]
3.3.3.3 - 3.3 Industrielle IoT-Adapter [Seite 98]
3.3.4 - 4 Anwendungsfelder für produzierende Unternehmen [Seite 100]
3.3.4.1 - 4.1 Neue Geschäftsmodelle für Maschinen-/Anlagenbauer und Komponentenlieferanten [Seite 100]
3.3.4.2 - 4.2 Laufzeitdaten erfassen, speichern und auswerten [Seite 100]
3.3.4.3 - 4.3 Neue Architekturen produktionsnaher IT-Systeme [Seite 102]
3.3.5 - 5 Modularer Lösungsansatz [Seite 104]
3.3.5.1 - 5.1 Ausgangspunkt der Arbeiten [Seite 104]
3.3.5.2 - 5.2 Entwicklungspfad [Seite 106]
3.3.6 - 6 Zusammenfassung und Handlungsbedarf [Seite 108]
4 - Smart Products /InnovativeProduktentwicklung [Seite 110]
4.1 - I Referenzarchitektur alsGrundlage für neue Produktezur Cloud-basierten Kommunikation [Seite 112]
4.1.1 - 1 Was zeichnet die Kommunikation bei Industrie 4.0 aus? [Seite 113]
4.1.2 - 2 Warum brauchen wir eine Referenzarchitektur für Industrie 4.0? [Seite 114]
4.1.3 - 3 SOA - die Grundlage der Kommunikation für Industrie 4.0 [Seite 116]
4.1.4 - 4 Produktionshierarchie und deren Abbildung auf RAMI 4.0 [Seite 117]
4.1.5 - 5 Durchgängiges Engineering über den Produktlebenszyklus [Seite 118]
4.1.6 - 6 RAMI-4.0-Layer-Struktur [Seite 119]
4.1.7 - 7 Die Industrie-4.0-Komponente [Seite 120]
4.1.8 - 8 Struktur der Verwaltungsschale [Seite 123]
4.1.9 - 9 Anwendung von RAMI am Beispiel [Seite 123]
4.1.10 - 10 Das RAMI-4.0-Architekturmodell im internationalen Kontext [Seite 127]
4.2 - II Unterwegs lernen zu laufen: Smarte Produkte und Lösungen explorativ und agil entwickeln [Seite 130]
4.2.1 - 1 Industrie 4.0: Revolution und Evolution zugleich [Seite 130]
4.2.1.1 - 1.1 Das Neue im Alten erkennen [Seite 131]
4.2.1.2 - 1.2 In die Zukunft vortasten [Seite 131]
4.2.2 - 2 Schnell Erfahrungen sammeln [Seite 132]
4.2.2.1 - 2.1 Anwender: Kleine Veränderungen können große Effekte erzielen [Seite 132]
4.2.2.2 - 2.2 Regelkreis zwischen Entwicklern und Anwendern [Seite 133]
4.2.2.3 - 2.3 Sieben Merkmale für Industrie-4.0-Lösungen [Seite 134]
4.2.2.4 - 2.4 Prozessmodell zur Umsetzung von Industrie 4.0 [Seite 136]
4.2.3 - 3 Entwicklung von smarten Produkten [Seite 138]
4.2.3.1 - 3.1 Smarte Produkte: Herstellerübergreifende Definitionenals Basis [Seite 138]
4.2.3.2 - 3.2 RAMI 4.0 - Der Modellaufbau [Seite 139]
4.2.3.3 - 3.3 Produktkriterien für Industrie-4.0-Produkte als Mindesteigenschaften [Seite 140]
4.2.3.4 - 3.4 Auswirkungen auf die Produktentwicklung [Seite 141]
4.2.4 - 4 Neue Prozesse für smarte Produkte -Agile Entwicklungsmethoden [Seite 146]
4.2.4.1 - 4.1 Auf variable Ziele hin entwickeln [Seite 146]
4.2.5 - 5 Beispiele für Industrie-4.0-fähige Produkteund Lösungen [Seite 147]
4.2.5.1 - 5.1 IoT Gateway [Seite 147]
4.2.5.2 - 5.2 Kommunikationsplattform Beispiel ActiveCockpit [Seite 147]
4.2.5.3 - 5.3 Vom Condition Monitoring zur prädiktiven Wartung [Seite 149]
5 - Smart Services / Neue Geschäftsmodelle [Seite 152]
5.1 - I Neue Ufer für traditionelles Geschäft: Geschäftsmodell-Architekturen für Industrie 4.0 [Seite 154]
5.1.1 - 1 Treiber neuer Geschäftsmodelle - Warum es unabwendbar ist [Seite 154]
5.1.2 - 2 Neue Geschäftsmodelle - datengetrieben, in Echtzeit, plattformbasiert [Seite 155]
5.1.2.1 - 2.1 Datengetriebene Geschäftsmodelle [Seite 157]
5.1.2.2 - 2.2 Echtzeitbasierte Geschäftsmodelle [Seite 162]
5.1.2.3 - 2.3 Plattformbasierte Ökosystem-Geschäftsmodelle -«Vier gewinnt» [Seite 164]
5.1.2.4 - 2.4 Der Mensch, die Technologie, das Recht [Seite 169]
5.1.3 - 3 Enabler neuer Geschäftsmodelle - Digitale Business Transformation erforderlich [Seite 170]
5.2 - II Erfolgreiche IoT-Geschäftsmodelleinder Industrie [Seite 174]
5.2.1 - 1 Geschäftsmodelldefinition [Seite 174]
5.2.2 - 2 Auswirkungen des IoT auf Geschäftsmodelle [Seite 175]
5.2.2.1 - 2.1 Angebots- und Marktpositionierung: Bislang vor allem bestehende Kundengruppen im Fokus [Seite 175]
5.2.2.2 - 2.2 Wertschöpfungskette: Vom Produkt zum Service [Seite 177]
5.2.2.3 - 2.3 Erlösmodell: Vom einmaligen zum nutzungs und zeitabhängigen Erlös [Seite 181]
5.2.2.4 - 3 Beispiele für erfolgreiche IoT-Geschäftsmodelle [Seite 185]
5.2.2.4.1 - 3.1 IoT im Maschinen- und Anlagenbau [Seite 185]
5.2.2.4.2 - 3.2 IoT in der Energiebranche [Seite 187]
5.2.2.4.3 - 3.3 Weitere IoT-Geschäftsmodelle anderer Anbieter [Seite 188]
5.2.2.5 - 4 Fazit und Ausblick [Seite 188]
6 - DigitaleAnwendungen /Datenverarbeitung in der Industrie [Seite 190]
6.1 - I Big Data - Vom Hype zum realen Nutzen in der industriellen Anwendung [Seite 192]
6.1.1 - 1 Megatrend Big Data [Seite 192]
6.1.1.1 - 1.1 Ab wann reden wir von Big Data? [Seite 192]
6.1.1.2 - 1.2 Wie wird Big Data heute eingesetzt? [Seite 193]
6.1.1.3 - 1.3 Kosten / Nutzen und Smart Data [Seite 193]
6.1.1.4 - 1.4 Erfolgreiche Killerapplikationen [Seite 194]
6.1.1.5 - 1.5 Wer hat's erfunden? [Seite 195]
6.1.1.6 - 1.6 Big Data und Cloud-Computing [Seite 195]
6.1.1.7 - 1.7 Big Data ist Teamsport [Seite 196]
6.1.2 - 2 Big Data in der industriellen Anwendung [Seite 196]
6.1.2.1 - 2.1 Identifikation der wesentlichen Einflussfaktoren hilft Prozesse zu optimieren [Seite 196]
6.1.2.2 - 2.2 Aufzeichnung des Nutzungsverhaltens verbessert Produkte [Seite 197]
6.1.2.3 - 2.3 Datensammeln macht viele servicebasierteGeschäftsmodelle erst möglich und erfolgreich [Seite 197]
6.1.2.4 - 2.4 Lieferketten werden optimiert und stabilisiert [Seite 198]
6.1.2.5 - 2.5 Smarte Apps ersetzen den Experten vor Ort [Seite 198]
6.1.2.6 - 2.6 Vorausschauende Wartung durch Predictive Analytics [Seite 199]
6.1.2.7 - 2.7 Assistenzsysteme erleichtern Produktion und Wartung [Seite 199]
6.1.2.8 - 2.8 Big Data erkennt Security-Risiken [Seite 199]
6.1.3 - 3 Die Technologie-Basis von Big Data [Seite 200]
6.1.3.1 - 3.1 Einteilung in Technologiekategorien [Seite 200]
6.1.3.2 - 3.2 Cluster-Computing auf Commodity-Hardware macht Big Data erschwinglich [Seite 201]
6.1.3.3 - 3.3 Das MapReduce-Verfahren - einfach, aber wirkungsvoll [Seite 201]
6.1.3.4 - 3.4 Die Apache-Hadoop-Architektur [Seite 202]
6.1.3.5 - 3.5 NoSQL-Datenbanken als Alternative zu RDBMS [Seite 206]
6.1.3.6 - 3.6 In-Memory-Datenbanken [Seite 207]
6.1.3.7 - 3.7 Streaming und Complex-Event-Processing analysieren Datenströme in Echtzeit [Seite 207]
6.1.3.8 - 3.8 Machine Learning erlaubt Zukunftsprognosen [Seite 207]
6.1.3.9 - 3.9 Programmiersprachen für Data Scientists [Seite 208]
6.1.3.10 - 3.10 Interaktive Werkzeuge für Data Scientistsund Power-User [Seite 209]
6.1.3.11 - 3.11 Data Lakes machen das klassische Data WarehouseBig-Data-fähig [Seite 209]
6.1.4 - 4 Big Data und das Internet der Dinge [Seite 210]
6.1.4.1 - 4.1 Das Internet der Dinge und Industrial-Internet-Systeme [Seite 210]
6.1.4.2 - 4.2 IoT-Referenzarchitekturen [Seite 211]
6.1.4.3 - 4.3 Fog Computing bringt die Intelligenz vor Ort [Seite 212]
6.1.4.4 - 4.4 Die SPS als IoT-Controller [Seite 213]
6.1.4.5 - 4.5 IoT-Plattformen als Cloud-basierte Lösungsbaukästen [Seite 213]
6.1.5 - 5 Zusammenfassung und Ausblick [Seite 215]
6.2 - II Machine Analytics - Wie aus Daten Werte für Industrie 4.0 entstehen [Seite 218]
6.2.1 - 1 Die Bedeutung von Big Data Analytics fürIndustrie 4.0 [Seite 218]
6.2.2 - 2 Die Verarbeitungskette der Datenanalyse [Seite 220]
6.2.2.1 - 2.1 Datenerfassung [Seite 220]
6.2.2.2 - 2.2 Datenvorverarbeitung [Seite 221]
6.2.2.3 - 2.3 Datenanalyse [Seite 223]
6.2.2.4 - 2.4 Ergebnisdarstellung und -bewertung [Seite 227]
6.2.3 - 3 Herangehensweise und Personen für erfolgreiche Datenanalysen [Seite 228]
6.2.3.1 - 3.1 Der USU-Smart-Data-Prozess [Seite 228]
6.2.3.2 - 3.2 Die Rolle des Menschen in der Datenanalyse [Seite 230]
6.2.4 - 4 Beispielhafte Umsetzung [Seite 233]
6.2.4.1 - 4.1 Architekturbeispiel für skalierbare Datenanalyse [Seite 233]
6.2.4.2 - 4.2 Anwendungsbeispiele [Seite 235]
6.2.5 - 5 Ausblick und Zusammenfassung [Seite 239]
6.2.6 - 5.1 Deep Learning: Überholen uns die Maschinen? [Seite 239]
6.2.7 - 5.2 Zusammenfassung [Seite 240]
6.3 - III Industrial Analytics - Dateneinfach und verständlich vermitteln und Perspektiven ableiten [Seite 242]
6.3.1 - 1 Maschinelles Lernen in der virtuellen SmartFactory [Seite 244]
6.3.1.1 - 1.1 Was ist maschinelles Lernen? [Seite 244]
6.3.1.2 - 1.2 Die virtuelle Smart Factory [Seite 244]
6.3.1.3 - 1.3 Klassifikation - Effizienzsteigerung in der Qualitätssicherung [Seite 246]
6.3.1.4 - 1.4 Ergebnisse richtig evaluieren und interpretieren [Seite 249]
6.3.1.5 - 1.5 Regression - Optimale Produktionsplanung und -steuerung [Seite 252]
6.3.1.6 - 1.6 Clustering - Ähnlichkeiten in Produktionsdaten aufdecken [Seite 256]
6.3.2 - 2 Anwendungsgebiete für Industrial Analytics [Seite 257]
6.3.2.1 - 2.1 Predictive Quality [Seite 257]
6.3.2.2 - 2.2 Predictive Maintenance [Seite 258]
6.3.2.3 - 2.3 Energy Analytics [Seite 259]
6.3.3 - 3 Zusammenfassung [Seite 260]
7 - Rahmenbedingungen, Rechtsgrundlagen und Systemsicherheit [Seite 262]
7.1 - I Know-how-Schutz im Umfeld von Industrie 4.0 [Seite 264]
7.1.1 - 1 Einführung [Seite 264]
7.1.2 - 2 Rechtliche Rahmenbedingungen [Seite 265]
7.1.2.1 - 2.1 Welches Know-how ist geschützt? [Seite 265]
7.1.2.2 - 2.2 Geheimnisschutz oder Registrierung gewerblicherSchutzrechte? [Seite 265]
7.1.2.3 - 2.3 Änderungen aufgrund der Richtlinie zum Schutz von Geschäftsgeheimnissen [Seite 266]
7.1.3 - 3 Maßnahmen zum Schutz von geheimem Know-how im Rahmen digitaler Fertigungsprozesse [Seite 270]
7.1.3.1 - 3.1 Risikoanalyse [Seite 270]
7.1.3.2 - 3.2 Vertragliche Regelungen [Seite 271]
7.1.3.3 - 3.3 Maßnahmen auf dem Gebiet der IT-Sicherheit [Seite 276]
7.1.3.4 - 3.4 Organisatorische Maßnahmen [Seite 280]
7.1.4 - 4 Zusammenfassung [Seite 283]
7.2 - II Datensicherheit bei Smart Services und Cloud-Sicherheit und Datenschutz im Cloud-Computing [Seite 284]
7.2.1 - 1 Einleitung [Seite 284]
7.2.2 - 2 Architektur [Seite 285]
7.2.2.1 - 2.1 Cloud-Service-Modelle [Seite 285]
7.2.2.2 - 2.2 Cloud-Deployment-Modell [Seite 286]
7.2.2.3 - 2.3 Smart-Service-Architekturen [Seite 286]
7.2.2.4 - 2.4 Service-orientierte Architekturen [Seite 287]
7.2.3 - 3 Rechtlicher Rahmen [Seite 288]
7.2.3.1 - 3.1 Allgemeines [Seite 288]
7.2.3.2 - 3.2 Datenschutz [Seite 289]
7.2.3.3 - 3.3 Informationssicherheit [Seite 290]
7.2.4 - 4 Datensicherheit [Seite 292]
7.2.4.1 - 4.1 Allgemeines [Seite 292]
7.2.4.2 - 4.2 Normen, Standards, Frameworks [Seite 293]
7.2.4.3 - 4.3 Gefährdungsszenarien [Seite 297]
7.2.5 - 5 Best Practice [Seite 298]
7.2.5.1 - 5.1 Datensicherheitsteam [Seite 298]
7.2.5.2 - 5.2 Sicherheit durch Harmonisierung [Seite 299]
7.2.5.3 - 5.3 Sicherheit durch Klarheit [Seite 299]
7.2.5.4 - 5.4 Resilienz by Design [Seite 299]
7.2.5.5 - 5.5 Domänenwissen [Seite 300]
7.2.6 - 6 Zertifizierung [Seite 301]
7.2.7 - 7 Auswahl und Kontrolle der Dienstleister [Seite 302]
7.2.8 - 8 Zusammenfassung [Seite 305]
7.3 - III Informationssicherheit in Industriesteueranlagen [Seite 306]
7.3.1 - 1 Aktuelle Herausforderungen und Bedrohungen [Seite 306]
7.3.1.1 - 1.1 Das Vorgehen der Angreifer [Seite 307]
7.3.1.2 - 1.2 Typen von Angreifern und Angriffen [Seite 311]
7.3.1.3 - 1.3 Verwundbare Stellen [Seite 313]
7.3.2 - 2 Maßnahmen zur Erhöhung derInformationssicherheit [Seite 314]
7.3.2.1 - 2.1 Risikobewertung [Seite 315]
7.3.2.2 - 2.2 Schutzbedarfsfeststellung [Seite 316]
7.3.2.3 - 2.3 Bedrohungsanalyse [Seite 317]
7.3.2.4 - 2.4 Schwachstellenanalyse [Seite 318]
7.3.2.5 - 2.5 Kommunikationssicherheit [Seite 320]
7.3.2.6 - 2.6 Systemhärtung [Seite 329]
7.3.2.7 - 2.7 Organisatorische Sicherheitsmaßnahmen [Seite 330]
7.3.2.8 - 2.8 Kontinuierliches Managementder Informationssicherheit [Seite 331]
7.3.3 - 3 Ansätze zur Weiterentwicklung der Informationssicherheit in Industrie 4.0 [Seite 332]
7.3.3.1 - 3.1 Neue Herausforderungen an die Informationssicherheitdurch Industrie 4.0 [Seite 332]
7.3.3.2 - 3.2 Architekturansatz [Seite 333]
7.3.3.3 - 3.3 Sichere Identitäten [Seite 334]
7.3.3.4 - 3.4 Sichere unternehmensübergreifende Kommunikationfür Industrie 4.0 [Seite 335]
7.3.4 - 4 Zusammenfassung [Seite 335]
8 - Resümee [Seite 338]
8.1 - Entwicklung und Ausblick von Industrie 4.0 [Seite 340]
8.2 - Schlusswort des Herausgebers [Seite 342]
9 - Sponsored Content [Seite 344]
10 - Abkürzungen und Stichwortverzeichnis [Seite 352]
Dewey Decimal Classfication (DDC)

Dateiformat: PDF
Kopierschutz: Wasserzeichen-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Verwenden Sie zum Lesen die kostenlose Software Adobe Reader, Adobe Digital Editions oder einen anderen PDF-Viewer Ihrer Wahl (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie die kostenlose App Adobe Digital Editions oder eine andere Lese-App für E-Books (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nur bedingt: Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein "weicher" Kopierschutz verwendet. Daher ist technisch zwar alles möglich - sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

47,99 €
inkl. 7% MwSt.
Download / Einzel-Lizenz
PDF mit Wasserzeichen-DRM
siehe Systemvoraussetzungen
E-Book bestellen