In Schubladen denken

Sidap-Datenmodell strukturiert Diagnosedaten für die automatisierte Datenanalyse

Pharma
Food
Kosmetik
Chemie
Planer
Betreiber
Einkäufer
Manager

11.06.2019 Schubladendenken ist zwar nicht immer positiv besetzt, manchmal ist die Methode jedoch außerordentlich praktisch, etwa um Ordnung in die vielfältigen Informationen rund um die Diagnose von Regelarmaturen zu bringen. Nur wenn die Daten in die richtige Schublade eines Datenmodells gelegt werden, ist später ein Austausch und eine sinnvolle Weiterverarbeitung dieser Informationen möglich.

Anzeige

Entscheider-Facts

  • Big Data Analyse hat ihre Tücken: Meist sind es zu viele Datensätze und diese sind unstrukturiert.
  • Im Sidap-Forschungsprojekt wird untersucht, wie die Datenanalyse in der Prozessindustrie automatisiert werden kann.
  • Zunächst bezieht sich die Vorgehensweise auf Industriearmaturen und Stellantriebe, aber auch Pumpenanwendungen sind künftig denkbar.
Apothekerschrank

Das Datenmodell des Sidap-Projektes gleicht einem Container mit verschiedenen Schubladen: Jede Schublade enthält andere Informationen, beispielsweise zur Anlagenstruktur, verfahrenstechnische Informationen, Werkstoffspezifikationen oder Informationen zu Reparaturen und Wartung. (Bild: Spectral-Design – AdobeStock)

Es ist so eine Sache mit der Aufbereitung von Daten im Sinne einer Big-Data-Analyse. Meist sind es zu viele Datensätze und Informationen, diese sind unstrukturiert und lassen sich daher nicht standortübergreifend nutzen, geschweige denn weiter verarbeiten. Und eine Datenpflege per Hand ist wirtschaftlich nicht darstellbar. Doch wie lässt sich die Analyse von Daten automati-sieren? Damit hat sich das Sidap-Forschungsprojekt in den vergangenen drei Jahren ausführlich beschäftigt. Sidap steht für Skalierbares Integrationskonzept zur Datenaggregation, -analyse, -aufbereitung von großen Datenmengen in der Prozessindustrie. Um in großen Datenmengen bisher unbekannte Zusammenhänge aufzuspüren, wurde eine datengetriebene sowie serviceorientierte Integrationsarchitektur entwickelt. An dem Projekt waren neben dem Lehrstuhl für Automa-tisierung und Informationssysteme an der TU München, auch Betreiber (Bayer, Covestro, Evonik), Armaturen-hersteller (Samson) und Feldgerätehersteller (Krohne, Sick) sowie IT-Unternehmen (Gefasoft, IBM) beteiligt. Langfristiges Ziel ist es, auf Basis dieses Modells Geräte- und Anlagenausfälle zu reduzieren, um die Verfügbarkeit von Anlagen zu erhöhen.

Größte Herausforderung bei der Entwicklung eines solchen Datenmodells war es, das Modell so zu gestalten, dass man einen Zugang zu den gesammelten Daten erhält, um sie später zu verarbeiten. Es ging also nicht nur darum, alle verfügbaren Informationen irgendwo abzulegen, sondern diese später gezielt abrufen zu können. (1/4)

Seite:
Anzeige
Emanuel Trunzer, TU München

Über den Autor

Emanuel Trunzer, TU München
Loader-Icon