Umfrage unter Namur-Mitgliedern

Big Data-Analysen scheitern an unstrukturierten Daten

27.02.2018 Daten als Schlüssel zu neuen Geschäftsmodellen? Der Theorie zur Industrie 4.0 steht momentan noch die betriebliche Wirklichkeit im Weg, so eine Umfrage der Technischen Universität München unter Namur-Mitgliedern.

Anzeige
Welche Probleme sehen Sie bei der Analyse von Daten

Antworten auf die Frage: Welche Probleme sehen Sie bei der Analyse von Daten? Bild: TUM

Im Mai 2017 wurden die stimmberechtigten Mitglieder sowie Kontaktpersonen und AK-Leiter der Namur zum Thema „Big Data-Analyse“ befragt. 42 Personen haben geantwortet. Rund zwei Drittel der Befragten sind davon überzeugt, dass die Datenanalyse prinzipiell zur Optimierung von Anlagen geeignet ist. An erster Stelle wurde dabei die Unterstützung von Operatoren im laufenden Betrieb genannt, gefolgt von der Diagnose von Prozessen und Komponenten sowie einem verbesserten Verständnis für Zusammenhänge. Die Umsetzung verläuft jedoch in den Betrieben eher schleppend.

Big Data Analyse Umfrage TUM

Prof. Dr.-Ing. Birgit Vogel-Heuser, TUM: „Unstrukturierte Daten sind das größte Hindernis beim Einsatz von Big Data-Analysen in der Prozessindustrie“ Bild: TUM

„Unstrukturierte Daten sind das größte Hindernis beim Einsatz von Big Data-Analysen in der Prozessindustrie“, erklärt Prof. Dr.-Ing. Birgit Vogel-Heuser, Leiterin des Lehrstuhls Automatisierung und Informationssysteme an der Technischen Universität München. „Dies bestätigen auch die Ergebnisse unserer Umfrage.“ Messgeräte in chemischen Anlagen produzieren eine Vielzahl an Nutzungs-, Wartungs- und Qualitätsdaten. Diese werden aber meist in verschiedenen Datenbanken gesammelt und selten mit einer synchronen Zeitstempelung versehen. Zusammenhänge sind im Nachhinein schwer auszumachen, bzw. sie müssen für eine Analyse meist händisch zusammengefügt werden. Dies sind aber nicht die einzigen Herausforderungen. „Weiter wurden in der Umfrage die fehlende Definition eines allgemeinen Datenmodells, die Unterschiedlichkeit der Schnittstellen und der hohe Implementierungsaufwand bemängelt“, so Prof. Vogel-Heuser.

sidap Ansätze zur vollständigen Integration - Bild TU München

Ansätze zur vollständigen Integration – Bild TU München

Um die Herausforderung der unstrukturierten Daten besser zu meistern, entsteht derzeit mit SIDAP ein Skalierbares Integrationskonzept zur Datenaggregation, -analyse, -aufbereitung von großen Datenmengen in der Prozessindustrie. Daran arbeiten Betreiber (Bayer, Covestro, Evonik), Armaturenhersteller (Samson), Feldgerätehersteller (Krohne, Sick), IT-Unternehmen (Gefasoft, IBM) und die Technische Universität München zusammen. Hierbei sollen aus großen Datenmengen, die u.a. von vorhandenen Messgeräten stammen, neue Zusammenhänge ermittelt werden. Gleichzeitig wird eine datengetriebene sowie serviceorientierte Integrationsarchitektur entwickelt. „Damit werden Messdaten, Informationen aus der Instandhaltung sowie Daten aus dem Engineering und den Prozessleitsystemen unter Berücksichtigung ihrer unterschiedlichen Semantik in abstrahierter, integrierter und zugriffsgeschützter Form für interaktive Analysen zugänglich“, so Prof. Vogel-Heuser. Erklärtes Ziel ist es, mit aufbereiteten Daten aus heterogenen Quellen die Anlagenverfügbarkeit zu erhöhen, indem Ausfälle vermieden und die Wartung angepasst wird.

(as)

 

 

 

 

 

Heftausgabe: April/2018
Loader-Icon