Mobile Analyse von Maschinendaten

Flexibilität in der Fertigung ist heute oberstes Gebot: Ob die Vorhersage von Kundennachfragen, Planung der optimalen Maschinenauslastung, Qualitätsüberwachung oder prädiktive Wartung – für all dies ist die Analyse großer Volumen polystrukturierter Daten erforderlich.

Diese kann heutzutage mithilfe von mobilen Endgeräten wie Smartphone, Tablet oder Ruggedized Devices, also besonders kompakten und robusten Geräten, erfolgen. Im Zusammenhang mit Big Data Analytics gilt es, den Nutzern alle wichtigen Informationen zu jeder Zeit und an jedem Ort – und am besten für das mobile Gerät optimiert – zur Verfügung zu stellen. Dafür ist eine Datenvisualisierungslösung erforderlich, wie sie beispielsweise SAS mit Visual Analytics bietet. Diese sollte Datenexploration und ein geräteunabhängiges Design von Reports ermöglichen. Zudem sollte das universelle Datenformat es erlauben, die Analyseanwendung am Windows-PC sowie auf unterschiedlichen mobilen Endgeräten zu nutzen beziehungsweise interaktive Reports für mobile Nutzer zu erstellen.

Datennutzung für Ingenieure

Machine-to-Machine-Daten (M2M), die in Gebäuden, Anlagen oder innerhalb der Prozesse anfallen, dienen der Erfassung von Zuständen und Einflüssen. Um Daten von Tausenden Maschinen auszuwerten, benötigt man darüber hinaus leistungsfähige IT-Systeme – und vor allem effiziente Analysemethoden. Genutzt werden können Maschinendaten u. a. für die prädiktive Wartung: Mit Big Data Analytics lassen sich die Daten ergebnisoffen auf Abweichungen und Auffälligkeiten hin analysieren, die auf bis dato unbekannte Fehler und Korrelationen hinweisen. Sobald die Software ungewöhnliche Datenmuster erkennt, kann sie eine Warnung an den verantwortlichen Ingenieur absetzen, der dadurch genügend Spielraum besitzt, um Gegenmaßnahmen zu treffen. Analytische Software ermöglicht es auch, die Prozesslogistik einzelner Fertigungsbereiche sowie des gesamten Unternehmens zu optimieren und laufend zu überwachen.

Das sollte eine Datenvisualisierung bieten:

• Mobilität: Die wichtigsten Daten sollten zusammen mit den Reports gespeichert werden können, wobei der Zugriff auf diese Daten rund um die Uhr und an jedem Ort auf der Welt möglich sein sollte.
• Reporting-Funktionen: Die Lösung sollte es Anwendern ermöglichen, Filter- oder Drilldown-Funktionen hinzuzufügen, um beispielsweise bei Unregelmäßigkeiten einen noch detaillierteren Grad an Informationen zu den möglichen Ursachen zu erhalten.
• Leistungsfähige Analyse: Die Lösung sollte Ausreißer in Daten und Ergebnissen identifizieren und unerwartete Korrelationen erlauben.

Bildquelle: Thinkstock/ iStock