Organisation von Big Data in der Produktion

front_etagis

Organisation von Big Data in der Produktion

In der Produktion entstehen Massen an grundsätzlich erfassbaren Daten rund um den Themenkomplex der Produktionsplanung und -steuerung. Herausforderung dieser „Big Data in der Produktion“ sind inzwischen nicht mehr die Verfügbarkeit oder die Kosten der Hardwaretechnologie zur Massendatenspeicherung, sondern viel mehr die Organisation und Verwaltung der Daten und deren Aufbereitung zu weiter verwertbaren Informationen.
Ein reines Sammeln von Daten in beliebiger Granularität führt in der Praxis häufig dazu, dass zwar Daten erfasst werden, diese Aufgrund fehlender analyseorientierter Strukturierung jedoch nicht weiter bewertet werden und mögliche Lerneffekte in der PPS/APS unterbleiben. Die Annahme, dass höher aufgelöste Daten mit besseren daraus erzielbaren Rückschlüssen korrelieren, ist daher nicht zwangsweise korrekt.

Umsetzung

Innerhalb des Projektes ProSense lag der Fokus auf der Entwicklung einer Datenbanktechnologie und dem Aufbau von Strukturen zur Speicherung historischer Plandaten, um daraus direkt ein generisches Simulationsmodell als zentrale Methode zur Verkürzung der Entscheidungsfindung in der operativen PPS/APS bedienen zu können.
Darüber hinaus wurde die Struktur erweitert, sodass Veränderungen wesentlicher Planungsdaten automatisiert erfasst werden und auf dieser Basis sowohl ereignisorientierte wie auch zeitdiskrete Analysen durchgeführt werden können. Auf dieser Datengrundlage können sich wiederholende Fehler nachgewiesen oder bspw. über Mustererkennungen Alarmfilter aufgebaut werden.
Die Erfassung der Daten erfolgt mit dem innerhalb des Forschungsprojektes entwickelten Data-Collector. Eine Visualisierung zur Analyse ist mit dem Production-Analyzer möglich.

Nutzen

In ProSense wurde eine Datenbank-Struktur und mit dem Data-Collector ein entsprechendes Tool zur Datenakquise entwickelt, sodass der Planungszustand einer Produktion zu diskreten Zeitpunkten wiedergegeben werden kann. Auf dieser Basis sind generische Simulationen möglich, die operative Entscheidungsalternativen aufbereiten und vorbewerten. Ferner können diverse Analysen auf Basis von Datenfakten unterstützt werden, sodass die PPS-/APS-Systematik eines cyber-physischen Produktionssystems untersucht und optimiert werden kann.

Ausblick

Neben dem Einsatz der „ProSense“-Datenbank in realen Umgebungen wurde die Datenbank einschließlich des generischen Simulationsmodells in der Demofabrik Aachen durchgängig implementiert.

Cockpit

Beteiligte

etagis GmbH
WZL RWTH Aachen


Projektbericht

s. Abschnitt 3.3