Industrielle Datenarchitektur: In 10 Schritten zu einer skalierbaren Lösung
Von Torey Penrod-Cambra, Co-Founder & Chief Communications Officer, HighByte
In unserer modernen Industrielandschaft, in der eine typische Anlage mühelos mehr als ein Terabyte an Daten täglich generiert, rückt die Bedeutung einer leistungsstarken industriellen Datenarchitektur zunehmend in den Fokus. Diese Datenflut, kombiniert mit fortschrittlichen Technologien wie Künstlicher Intelligenz (KI) und maschinellem Lernen, sowie ergänzt durch Echtzeit-Dashboards und vorausschauendes Wissen, eröffnet Industrieunternehmen theoretisch die Möglichkeit, ihre Produktivität signifikant zu steigern. In einer idealen Welt würde dies zu einer erheblichen Reduzierung ungeplanter Wartungsarbeiten an Maschinen und Fertigungslinien führen. Die Realität zeigt uns jedoch, dass es noch Herausforderungen zu überwinden gilt, um dieses Potenzial voll auszuschöpfen.
Industriedaten sind Rohdaten und müssen für den jeweiligen Zweck aufbereitet werden, um ihren wahren Wert zu entfalten. Darüber hinaus müssen die Werkzeuge, mit denen die Daten nutzbar gemacht werden, auf Unternehmensebene funktionieren. Für viele Industrieunternehmen ist dies eine gewaltige Aufgabe, die die Koordination von Menschen, Prozessen und Technologien über globale Standorte und Lieferketten hinweg erfordert.
HighByte hilft Ihnen das Problem der industriellen Datenarchitektur und der Kontextualisierung aus technologischer Sicht zu lösen. Aber was ist mit den Menschen und den Prozessen? Um alles zusammenzufassen, hat HighByte kürzlich einen neuen Leitfaden veröffentlicht: „Think Big, Start Small, Scale Fast: The Data Engineering Workbook“. Der Leitfaden enthält 10 Schritte zum Aufbau einer skalierbaren Datenarchitektur, basierend auf den Best Practices, die sie in den letzten Jahren von ihren Kunden gelernt haben.
Inhalt
Denken Sie gross: Stimmen Sie Ihre Ziele mit der Organisation ab.
Um den Erfolg eines Projektes von Beginn an sicherzustellen, ist es entscheidend, dieses eng mit den übergeordneten Unternehmenszielen zu verknüpfen. Es gilt, bereits zu Projektstart die relevanten Stakeholder aus verschiedenen Fachbereichen einzubinden. Eine Verständigung über die Priorisierung des Projekts und ein Konsens über die Projektziele sind dabei unerlässlich. Nur eine vorausschauende, ganzheitliche Planung ermöglicht es, das Projekt später flexibel an veränderte Bedingungen anzupassen und ohne Mehraufwand zu skalieren.
Gehen Sie strategisch vor: Denken Sie über Ihren Architekturansatz nach.
Ein gut durchdachter Architekturansatz ist das Rückgrat einer erfolgreichen, industriellen Datenarchitektur. Er sorgt für Transparenz und Zugänglichkeit Ihrer Daten und stellt sicher, dass alle Mitarbeitenden und Systeme Zugriff auf die benötigten Informationen haben.
Das Fehlen einer Architekturstrategie ist eine der häufigsten Ursachen für das Scheitern von Industrie 4.0-Initiativen. Nehmen Sie sich daher die Zeit, Ihre Architektur zu planen, bevor Sie mit Ihrem Projekt beginnen. Dieser Aufwand wird sich bei der späteren Skalierung auszahlen.
Fangen Sie klein an: Beginnen Sie mit einem Anwendungsfall.
Ein spezifischer Anwendungsfall gibt Ihrem Projekt Richtung und Fokus. Er ermöglicht es Ihnen, den Rahmen des Projekts klar abzustecken, die erforderlichen Daten festzulegen und die Zielgruppe zu definieren.
Der Anwendungsfall kann sich entweder auf Ihre Anlagen, Ihre Prozesse oder Ihre Produkte beziehen. Unabhängig vom Schwerpunkt ist es wichtig, dass die Beteiligten in Ihrem Unternehmen den Rahmen des Projektes abstecken, die benötigten Daten festlegen und die Zielgruppe definieren, die diese Informationen nutzen und darauf basierend handeln soll.
Die Einsatzmöglichkeiten sind dabei sehr vielfältig. Sie reichen von der vorbeugenden Instandhaltung von Anlagen über die Produktqualität bis hin zur Gesamtanlageneffektivität (OEE) und darüber hinaus.
Der Erfolg dieser ersten Anwendung wird zeigen, welchen Wert das Projekt hat und wie hoch der Return on Investment (ROI) für Sie sein wird.
Identifizieren Sie die Zielsysteme.
Dieser Ansatz unterscheidet sich von herkömmlichen Methoden der Datenerhebung, die in der Regel mit den Quellsystemen beginnen. Mit der Fokussierung auf die Zielsysteme und -empfänger können Sie genau bestimmen, wer welche Daten in welcher Form und in welcher Häufigkeit benötigt und somit die besten Quellen und Strukturen für die Datenbereitstellung identifizieren. Auch die Ermittlung des Kontext, den die Daten möglicherweise benötigen, sowie die Häufigkeit der Datenaktualisierungen lassen sich auf diese Weise einfacher bestimmen.
Identifizieren Sie die Datenquellen.
Die Identifizierung Ihrer Datenquellen hilft Ihnen, die spezifischen Herausforderungen Ihres Projekts zu verstehen und zu lösen.Die Erfassung, Kontextualisierung und Standardisierung dieser Daten kann jedoch eine Herausforderung darstellen. Die Identifizierung Ihrer Datenquellen wird Ihnen helfen, die spezifischen Herausforderungen Ihres Projekts zu verstehen. Dokumentieren Sie, welche Daten verfügbar sind, wo sie sich befinden und ob die Daten derzeit in einem geeigneten Format vorliegen oder vor der Erfassung bearbeitet werden müssen.
Wählen Sie eine Integrationsarchitektur.
In dieser Phase sollte eine industrielle DataOps-Lösung evaluiert werden. Eine DataOps-Lösung (z.B. HighByte Intelligence Hub) fungiert als Abstraktionsschicht, die APIs für die Verbindung mit anderen Anwendungen nutzt. Gleichzeitig stellt sie ein Verwaltungs-, Dokumentations- und Governance-Tool bereit, welches die Datenquellen mit allen erforderlichen Applikationen verbindet. Sie muss dabei in der Lage sein, grosse Datenmengen mit hoher Geschwindigkeit zu bewegen und Transformationen in Echtzeit durchzuführen, während sich die Daten in Bewegung befinden.
Achten Sie darauf, dass Ihre DataOps-Lösung problemlos mit Ihrem Anwendungsfall skalieren kann.
Stellen Sie sichere Verbindungen her.
Sobald der Projektplan steht, kann mit der Systemintegration begonnen werden, indem Sie sichere Verbindungen zu den Quell- und Zielsystemen herstellen. Es ist wichtig, dass Sie sich über die Protokolle, mit denen Sie arbeiten, sowie über die damit verbundenen Sicherheitsrisiken und -vorteile im Klaren sind. Sicherheit hat nicht nur mit Benutzernamen, Passwörtern, Verschlüsselung und Authentifizierung zu tun, sondern auch mit der Wahl des Protokolls und der Integrationsarchitektur.
Obwohl Sicherheitsfragen in der Vergangenheit manchmal zu Spannungen zwischen IT- und OT-Teams geführt haben, ist die Gewährleistung eines sicheren Netzwerks eine grossartige Gelegenheit für diese beiden Funktionen, zusammenzuarbeiten und einen Mehrwert für das Projekt zu schaffen, wenn sie sich auf gemeinsame Ziele einigen können.
Modellieren Sie die Daten.
Der erste Schritt besteht in der Definition eines Standarddatensatzes. Dabei werden Echtzeitdaten von Maschinen und Steuerungstechniken berücksichtigt und durch zusätzliche Attribute ergänzt, die normalerweise nicht gespeichert werden, aber für Vergleiche und Analysen in den Zielsystemen wichtig sind. Das Modell kann auch Daten aus verschiedenen Quellen wie Transaktionssystemen und Zeitreihendatenbanken integrieren. Sobald die Standardmodelle erstellt sind, sollten sie für jede Anlage, jeden Prozess und/oder jedes Produkt angepasst werden. Dieser Anpassungsprozess kann durch den Einsatz einer DataOps-Lösung wie dem HighByte Intelligence Hub beschleunigt werden.
Lassen Sie Ihre Daten fliessen.
Wenn die Instanzen abgeschlossen sind, steuern die Datenflüsse den Zeitpunkt, an dem die Werte für eine Instanz erfasst, normalisiert, kontextualisiert, berechnet und an das Zielsystem gesendet werden. Datenpakete können zyklisch, ereignisorientiert oder nur bei Änderungen veröffentlicht werden. Ein gut strukturierter Datenfluss bewahrt die Semantik eines Modells und passt die Darstellung und Übertragung an die spezifischen Bedürfnisse der Systeme an, die ihn nutzen.
Zeichnen Sie Ihren Fortschritt auf und erweitern Sie ihn auf neue Bereiche.
Jetzt, da Ihr Anwendungsfall offiziell gestartet wurde, ist es wichtig, dass Sie Ihre Ergebnisse genau überwachen und Ihren Fortschritt dokumentieren. In neuen Industrie 4.0-Anwendungsfällen werden oft völlig neue Funktionen erforscht, so dass es in Ihrem Unternehmen derzeit noch keine Prozesse gibt, um Ihre Fortschritte zu verfolgen. Möglicherweise müssen Sie Pionierarbeit leisten! Glücklicherweise können Produktanbieter wie HighByte und Partner, wie die Novotek Ihnen dabei helfen.
Torey Penrod-Cambra
Co-Founder & Chief Communications Officer
Der Text in diesem Artikel wurde aus dem HighByte-Blog übersetzt: From kickoff to scale: 10 steps to an enterprise data architecture
Nutzen Sie den Wert Ihrer industriellen Daten mit einer skalierbaren Datenarchitektur
Die Datenarchitektur spielt eine entscheidende Rolle in der modernen Industrielandschaft. Sie ist der Schlüssel zur effizienten Nutzung von Daten und zur Unterstützung von Geschäftsentscheidungen.
Mit Data Engineering können Sie Ihre Daten standardisieren, normalisieren, transformieren, filtern und synchronisieren. Um zu erfahren, wie Sie bewährte Data-Engineering-Prozesse und -Technologien auf Ihre eigene Arbeit anwenden können, und um die oben genannten 10 Schritte zu vertiefen, empfehlen wir Ihnen, das vollständige Workbook herunterzuladen. Darin finden Sie:
- Detaillierte, 10-Punkte-Anleitung für Ihr nächstes Projekt
- Kurze Fragebögen zu jedem Schritt
- Best Practices für sichere Verbindungen, Datenmodellierung und Datenbereitstellung in Zielsystemen
- Entscheidungsbaum, der Sie bei der Auswahl der richtigen Integrationsarchitektur für Ihr Unternehmen unterstützt
Think Big, Start Small, Scale Fast: The Data Engineering Workbook
10 steps to designing an industrial data architecture for scale
Holen Sie das Workbook direkt bei HighByte und erhalten Sie noch detailliertere Einblicke in das Thema.
Machen Sie den ersten Schritt!
Vereinbaren Sie einen Termin mit Remo Ingold,
um Ihren Anwendungsfall zu besprechen und eine auf
Ihre Bedürfnisse zugeschnittene Demoversion zu erhalten.
