Big Data Visualisierungen für die langfristige Analyse

PRESSEBILD-LA-ipad-09-2015

Big Data Visualisierungen für die langfristige Analyse

Verlässliche Planung ermöglicht termintreue Fertigung – für erfolgreiche Unternehmen daher ein wichtiges Ziel. Zur Erforschung der Ursachen schlechter Planungsgüte wurde die Langfristige Analyse der iPad App entwickelt. Durch einen Abgleich zwischen Planung und Realität werden wiederkehrende Abweichungen identifizierbar. Ausgehend von besonders einflussreichen Maschinen, die starke Abweichungen zeigen, klickt sich der User häufig genutzte Prozesswege nach vorn, um den Ursprung der Verwirbelungen zu finden. Sind die Ursachen identifiziert, können Lösungsstrategien entwickelt werden, die Planungszuverlässigkeit langfristig zu optimieren.

Umsetzung

Sehr große Datenmengen werden in tabellarischen Textwüsten schnell unübersichtlich. Visualisierungen können Big-Data anschaulicher erschließen: Jede Information wird in ein grafisches Element, eine visuelle Variable, übersetzt. So werden Abweichungen anschaulich und Problembereiche lokalisiert.
wf

Nutzen

Es entsteht eine vielschichtig lesbare Visualisierung, die Maschinen mit schlechter Planungsgüte durchleuchtet und im codierten Bild zeigt:
– ob die Maschine regelmäßig große Kapazitäten produziert
– welche Abweichungen besonders häufig auftreten
– ob die Maschine oft weit vorn in der Prozesskette liegt
– wieviele Nachfolgemaschinen und wieviele Vorgänger sie im Schnitt hat
– wie hoch die Liegezeit im Betrachtungszeitraum durchschnittlich war und
– ob mehrere problematische Maschinen über große Auftragsflüsse miteinander verbunden sind.

Ausblick

Der Prototyp der Langfristigen Analyse ermöglicht die Erforschung großer Datensätze und kann zum Verständnis kybernetischer Systemzusammenhänge beitragen. Intelligent verknüpft bieten interaktive Visualisierungen, die Daten passgenau in infografische Sichten übersetzen, innovative Möglichkeiten zur intuitiven Exploration: Sie erlauben, die Daten der Produktion unter verschiedenen Gesichtspunkten zu betrachten sowie Zusammenhänge im kybernetischen System zu identifizieren.

Beteiligte

FH Aachen


Projektbericht