Industrial DataOps:Erschließung von Daten und Analysen für Industrie 4.0

Was ist die Relevanz und Bedeutung von Industrial DataOps?

Aus Sicht der Fertigung spielen Daten und Vorgänge in Bezug auf Daten eine Rolle bei der Schaffung und Aufrechterhaltung einer wettbewerbsfähigen, innovativen und agilen Einrichtung, ohne hohe Risiken oder andere Belastungen wie übermäßige Lagerbestände zu tragen. Daten allein zu haben reicht nicht aus, um an der Spitze zu bleiben – es kommt darauf an, was Sie damit machen. Als Ansatz für die Datenanalyse geht es bei DataOps darum, die Zeit für hochgenaue Analysen mithilfe von Automatisierung, statistischer Prozesskontrolle und agilen Methoden zu verkürzen, damit Hersteller die gesammelten Daten schneller und mit einem höheren Maß an Vertrauen verwenden können.

Für einen Hersteller können gute DataOps den Unterschied ausmachen zwischen der Beherrschung eines steigenden Marktes und einem überflüssigen Lagerbestand aufgrund eines unwissentlichen Eintritts in den Markt auf der anderen Seite eines Trends. Es kann Herstellern helfen, den Überblick über sich ändernde Anforderungen, Lieferketten- und Logistikinformationen zu behalten, die erhebliche Auswirkungen auf das Geschäft haben könnten, und alles andere, was Daten schnell und mit einem hohen Grad an Präzision verwendet.

Daten selbst sind ein Rohstoff, der mit Rohöl verglichen werden kann. An und für sich hat es in seiner Grundform nicht viel damit zu tun. Aber sowohl Öl als auch Daten bergen Potenzial. So wie wir Öl zu Gas raffinieren und es dann verbrennen, um Supersportwagen und Raketenschiffe anzutreiben, können Daten durch unter Industrial DataOps optimierte Prozesse verfeinert werden, indem Rohdaten in Analysen umgewandelt werden, die dann verwendet werden können, um Geschäftsentscheidungen schnell und mit wissenschaftlicher Präzision zu beschleunigen.

Die Rolle von DataOps in Industrie 4.0 besteht darin, alle Informationen, die von Maschinen wie IIoT-Geräten erstellt und gesammelt werden, zu nehmen und sie effektiv zu verfeinertem, nutzbarem geschäftlichem „Treibstoff“ zu verdichten, um die Entscheidungsfindung voranzutreiben, anstatt in einem sitzen zu bleiben Data Warehouse, ungeprüft.

Was ist Industrial DataOps?

Industrial DataOps ist eine Möglichkeit, den Umgang mit Daten innerhalb eines Unternehmens zu verwalten, wobei der Schwerpunkt auf Geschwindigkeit und Benutzerfreundlichkeit liegt. Dies kann Prozesse, Automatisierungen und Workflows umfassen, da sie sich auf die Verfeinerung von Daten in nutzbare Analysen beziehen. Dies ist besonders wichtig angesichts ständig wachsender Datenströme, die für viele Unternehmen zu unhandlich geworden sind. DataOps bietet eine Möglichkeit, Daten systematisch und effektiv zu verwalten, sodass sie in vollem Umfang und mit einer Geschwindigkeit genutzt werden, die die resultierenden Analysen für das Unternehmen relevant hält.

Die vier Cs der Industrial DataOps-Methodik laut Manufacturing Leadership Council:

1. Verbundene Daten sind der Ort, an dem Silos aufbrechen und Daten sich vermischen. Dies ermöglicht eine tiefere und komplexere Analyse, die andernfalls nicht durchführbar wäre. Verbundene Daten nutzen IIoT, Cloud und Edge-Technologie (die Technologien, die das untermauern, was wir bei MachineMetrics anbieten).
2. Bei kuratierten Daten kommen die Daten in einer Form zusammen, die nutzbar wird. Dateningenieure sammeln im Wesentlichen relevante Datenbits und bereinigen sie für die Analyse, um sicherzustellen, dass die Ergebnisse so genau wie möglich sind. Sie nehmen überwältigende Datenpools und reduzieren sie auf das, was für eine bestimmte Frage oder ein bestimmtes Szenario relevant ist.
3. Kontextualisierte Daten haben zusätzliche Informationsschichten und Fachwissen hinzugefügt, um ihnen einen Kontext zu geben, den die Zahlen allein nicht zeigen. Wenn eine Fertigungslinie direkt nach einem Geräteausfall innerhalb von fünfzehn Minuten dreimal startet und stoppt, besteht eine hohe Wahrscheinlichkeit, dass bei jedem „Start“ tatsächlich die ersetzten Teile auf Funktionalität, Genauigkeit und Ausrichtung getestet wurden. Ein Branchenexperte kann dies erkennen und Kontext bieten, während dies aufgrund der Zahlen leicht falsch interpretiert werden könnte.
4. Cyber-Vertraulichkeit bezieht sich auf die Notwendigkeit, dass die Cybersicherheit parallel zu einer erhöhten Verbindung und Anpassung skaliert werden muss. Kundendaten müssen um jeden Preis geschützt werden, aber dies kann die Angelegenheiten für Sicherheits- und Data-Governance-Experten erschweren.

Unternehmen ertrinken in unbrauchbaren Daten

Wie oben erwähnt, sinken viele Unternehmen unter der Last ihrer Datenspeicher. Ohne eine Möglichkeit, Daten zu kontextualisieren und zu kuratieren, horten viele die Zahlen, an deren Erfassung sie hart gearbeitet haben, ohne eine Methode, um die Überwältigung zu beseitigen und die Informationen tatsächlich für die Entscheidungsfindung zu verwenden. Dies gilt insbesondere für Early Adopters von Industrie 4.0-Geräten, die Plug-and-Play-Ergebnisse nach der Datenerfassung erwarteten. Stattdessen haben Unternehmen festgestellt, dass viele der von ihnen gesammelten Daten nicht die Informationen enthalten, die sie benötigen, um sie zu verstehen, mit anderen Datenströmen zu verbinden oder sie für Analysen zu verwenden – zumindest in ihrer aktuellen Form. Im Wesentlichen haben sie Lager für Rohöl und keine Raffinerien oder Ausrüstungen, die seinen Wert extrahieren können, nicht das reine Benzin, für das sie dachten, dass sie sich anmelden würden. Einige dieser Daten enthalten Kundeninformationen, die das Unternehmen einem Risiko für null Wertschöpfung aussetzen.

Um dies zu überwinden, müssen Unternehmen den Informationsfluss verwalten sowie Daten standardisieren, normalisieren und kontextualisieren. Mit der richtigen Konnektivitäts-, Sicherheits- und Analyseumgebungssoftware können Unternehmen Datenströme in Erkenntnisse umwandeln, anstatt sie zu ertragen.

Der Unterschied zwischen DataOps und DevOps

DevOps ist eine Zusammenführung von Softwareentwicklung und IT-Betrieb. Der Schwerpunkt liegt auf der schnellen Entwicklung von Software in großem Maßstab mit hoher Qualität und Vorhersagbarkeit.

DataOps versucht auch, Qualität und Geschwindigkeit sowie Vorhersagbarkeit und Skalierbarkeit zu verbessern, aber der Schwerpunkt von DataOps liegt eher auf der Datenanalyse als auf der Softwareentwicklung.

Die Vorteile industrieller DataOps

Da der Kern von DataOps ein System zur effektiven Erfassung und Nutzung von Daten ist, ergeben sich unzählige konkrete Vorteile für Hersteller. Hier sind einige der Hauptvorteile für Industrieunternehmen, die ein erfolgreiches Datenoperationsprogramm ermöglichen:

• Zusammenarbeit und Kommunikation werden gefördert, indem Silos aufgebrochen und Grenzen zwischen Abteilungen verwischt werden, sodass alle zusammenarbeiten.
• Schnellere Time-to-Production und erhöhte Flexibilität resultieren aus schnelleren Erkenntnissen und kurzen Testzyklen durch den Einsatz von Automatisierung.
• Qualität und Zuverlässigkeit werden beide durch DataOps gesteigert, da vor, während und nach größeren Änderungen eine ständige Überwachung auf Probleme und Engpässe erfolgt. Es ist eine kontinuierliche Verbesserung, ähnlich wie Lean Manufacturing und Kaizen.
• Self-Service, der den Bedarf an Experten aufgrund einfacherer Entwicklung und Bereitstellung reduziert, ermöglicht Geschäftsanwendern, ihre eigenen Lösungen zu entwickeln und sie schnell in Aktion zu sehen.
• Erhöhung der Sicherheit und Verwaltung des Datenstroms
• Umgang mit Inkonsistenzen und Hinzufügen von Kontext, Standardisierung und Normalisierung zu Daten, um sie nutzbar zu machen

Industrielle DataOps-Anwendungsfälle

DataOps verfügt über eine Vielzahl industrieller Anwendungen, die die sich ständig weiterentwickelnde und komplexe Datenlandschaft von Industrie 4.0 unterstützen. In erster Linie hilft DataOps dabei, die Nutzung von Daten und Analysen im gesamten Unternehmen zu rationalisieren, indem es Transparenz und einfachen Zugriff auf verschiedene Ebenen und Abteilungen eines Unternehmens bietet. Im Folgenden behandeln wir einige der wichtigsten Anwendungsfälle von Industrial DataOps.

Data Warehousing und Datenverwaltung

Data Warehousing und Datenmanagement erhalten mit DataOps eine Überarbeitung und entwickeln sich von einer komplexen Landschaft voller uninterpretierbarer und unorganisierter Datenüberlastung zu einem optimierten Prozess, der sowohl eine schnellere, agilere Entscheidungsfindung im laufenden Betrieb als auch eine Automatisierung ermöglicht, um Köpfe und andere Ressourcen freizusetzen um sich auf die Erledigung anderer Aufgaben zu konzentrieren. MachineMetrics kann riesige Datenmengen von Maschinen in der gesamten Produktion erfassen und diese Daten dann in etwas Brauchbares umwandeln, z. organisierte, standardisierte Informationsformate, die in Echtzeit kombiniert werden können, um die Entscheidungsfindung voranzutreiben, oder über die Cloud für tiefgreifende, aufschlussreiche Analysen abgerufen werden können.

Dashboards und Berichte

Dashboards und Berichte sind ein Grundpfeiler der Fertigung. Vom einst bescheidenen Whiteboard bis hin zu den intuitiven, digitalen Displays von heute hat das Messen und Verfolgen von Ergebnissen die nächsten Schritte für Hersteller lange geleitet. Mit MachineMetrics-Dashboards müssen Sie sich keine Gedanken über Ungenauigkeiten oder unleserliche Handschrift auf einem Whiteboard machen (oder vergessen, die Informationen zu protokollieren, bevor sie gelöscht werden). Stattdessen haben Sie Zugriff auf alle Produktionsdaten, unabhängig davon, ob es sich um Teilezählung handelt die aktuelle Schicht- oder Maschinenauslastung von vor einem Jahr. Sie können Ihre Anzeige sogar an Ihr Publikum anpassen, sodass Mitarbeiter sehen können, wie viele Teile produziert werden müssen und ob sie auf dem richtigen Weg sind, während Führungskräfte und Direktoren das Gesamtbild sehen können – alles mit ein paar einfachen Klicks.

Das MachineMetrics Current Shift Dashboard sammelt und zeigt Echtzeitdaten zu Fertigungsmaschinen an, um Bedienern und Managern Transparenz zu geben in Produktion.

Datenwissenschaft

Data Science und DataOps gehen Hand in Hand. In dieser Vereinigung bewegt sich die Datenwissenschaft aus dem experimentellen Bereich in den alltäglichen Gebrauch und liefert einen ROI, den die Interessengruppen leicht erkennen können. Bei MachineMetrics erstellen unsere Tools effektive Pipelines, die Datenwissenschaftlern dabei helfen, Probleme auf bisher unerreichte Weise schneller zu lösen, zumal sie dank unserer Datentransformations-Engine weniger Zeit mit der Datenbereinigung verbringen. Hersteller können beispielsweise ihre internen Teams nutzen oder mit dem Data-Science-Team von MachineMetrics zusammenarbeiten, um Werkzeugausfälle vorherzusagen und zu verhindern.

Anwendungsentwicklung

Auch die Anwendungsentwicklung erhält durch DataOps einen Schub, wobei Rationalisierungs-, Anpassungs- und Kommunikationsfunktionen im Vordergrund dieser Vorteile stehen. Mit MachineMetrics erhalten Sie sofort einsatzbereite Apps, mit denen Ihr Unternehmen in kürzester Zeit einen ROI erzielt. Außerdem können Sie Ihre eigenen benutzerdefinierten Anwendungen erstellen, damit Ihre Daten genau so für Sie funktionieren, wie Sie es möchten. Ganz zu schweigen von der Fähigkeit zur einfachen Integration mit anderen Systemen (ERP, MES, CMMS), um automatisierte Workflows aufzubauen. Der Himmel ist die Grenze.

Was ist eine industrielle DataOps-Plattform?

Eine industrielle DataOps-Plattform verwaltet DataOps auf allen Ebenen des Datenlebenszyklus, von der Datenquelle bis zum Datenverbrauch. Dies ist ein rationalisierter Ansatz zur Verwaltung von Daten, der im Vergleich zu unterschiedlichen DataOps-Funktionen zu einer hohen Standardisierung und Genauigkeit sowie ultraschnellen Bearbeitungszeiten führt. Mit einer Industrial DataOps-Plattform fließen Daten nahtlos durch den Prozess der Bereinigung und Verfeinerung und in Visualisierungen und Berichte, die für Geschäftsentscheidungen verwendet werden können.

Eine industrielle DataOps-Lösung würde im Allgemeinen die Fähigkeit zur lokalen Edge-Verarbeitung sowie Cloud-Verarbeitung, Sicherheitsfunktionen in einem für eine industrielle Umgebung angemessenen Maßstab zum Schutz von Daten, Verbindungen mit anderen industriellen IT-Systemen, Bereinigung und Kontextualisierung von Daten und Verwaltung des Datenflusses umfassen Informationen.

DataOps-Plattformen haben das Ziel, Hersteller dabei zu unterstützen, ihre Daten so schnell und effektiv wie möglich zu nutzen, um den Wert zu steigern. Nach dieser Logik sind Daten einfach ein Mittel zum Zweck, wobei das Endziel die Entscheidungsfindung ist, die die Produktionseffizienz verbessert. Dies ist jedoch nur möglich, wenn es ein Programm gibt, mit dem Daten gesammelt, transformiert und zugänglich gemacht werden können, um diese Entscheidungsfindung voranzutreiben. Hier gedeihen industrielle DataOps-Plattformen.