Big Data Analytics für Industriesysteme, Teil 1

Big Data Analytics ist Basistechnologie für Industrie 4.0

| Autor / Redakteur: Oliver Schonschek / Nico Litzel

Big Data Analytics ist zu einer zentralen Komponente der modernen, intelligenten Security geworden.
Big Data Analytics ist zu einer zentralen Komponente der modernen, intelligenten Security geworden. (Bild: © Mimi Potter – Fotolia.com)

Die Analyse von Big Data ermöglicht nicht nur Security Intelligence, sondern auch Industrial Intelligence und macht dadurch Industrie 4.0 erst möglich.

90 Prozent der Industrieunternehmen im DACH-Raum nutzen weniger als die Hälfte ihrer Daten, so die Studie „Wettbewerbsfaktor Analytics 2015“. 34 Prozent der befragten Unternehmen nutzen analytische Systeme in der Produktion, 40 Prozent in der Logistik, im Qualitätsmanagement (QM) sind es 20 Prozent. Es besteht somit einiges an Nachholbedarf.

Wie die Marktforscher von IDC in der Studie „Industrie 4.0 in Deutschland 2015“ [PDF] betonen, sind IT-Lösungen und Cloud Computing als Enabler von Industrie 4.0 zu sehen. Genannt werden insbesondere Security Software, Big-Data-Analytics-Lösungen, zentrale CPS-Plattformen (Cyber Physical System) und Digital Factory Solutions.

Bedenkt man, dass Big Data Analytics zu einer zentralen Komponente der modernen, intelligenten Security geworden ist und damit gleich zweifach zu den Enablern von Industrie 4.0 zählt, wird der hohe Stellenwert der Analyse von Big Data für die Industrie und für die Entwicklung hin zu Industrie 4.0 mehr als deutlich. In einer Artikelserie soll deshalb Big Data Analytics für industrielle Systeme genauer betrachtet werden.

Big Data Analytics: Breites Anwendungsfeld in der Industrie

Die folgenden Beispielanwendungen von Big Data Analytics in der Industrie zeigen, was bereits heute genutzt wird. Die Beispiele belegen, dass Industrieunternehmen nicht zögern sollten, die Möglichkeiten von Big Data für sich zu nutzen.

Im Verbund der SmartFactoryKL geht es um die Themen Datenintegration, Datenanalyse und Vermeidung von Ausfallzeiten mit dem Ziel von „Zero Downtime“. Im Mittelpunkt stehen die Vernetzung heterogener Systeme verschiedener Hersteller durch gemeinsame Standards – sowohl auf mechanischer, elektrischer als auch informationstechnischer Ebene – sowie der Einsatz von Analyse-Software. Die Idee ist es, Produktions- und Qualitätsprobleme rechtzeitig zu erkennen und beheben zu können, um Produktionsausfälle zu vermeiden.

Die Plattform Apama Streaming Analytics bietet eine Unterstützung für zahlreiche Anwendungen, darunter vorausschauende Instandhaltung, Logistik sowie andere Anwendungsfälle zum Internet of Things (IoT, Internet der Dinge). Predictive Analytics ermöglicht es dabei, für bestimmte Ereignisse bereits im Vorfeld entsprechende Maßnahmen zu ergreifen. Kann ein Unternehmen besser absehen, wann eine Wartung erfolgen sollte, können hochwertige Maschinen und Geräte instandgehalten werden, bevor es zu Ausfällen kommt.

Mit der Predix-Cloud bietet GE einen Cloud-Service speziell für industrielle Datenanalysen. Die Plattform erfasst und analysiert Industrie-Daten in einer Cloud-Umgebung. Der Platform-as-a-Service-Dienst ist speziell darauf ausgelegt, Maschinendaten aus der Industrie zu sammeln und auszuwerten.

ThyssenKrupp hat zusammen mit Microsoft und dem IT-Dienstleister CGI ein spezielles Monitoring-System entwickelt. Über die Cloud vernetzt das Unternehmen seine Aufzüge und überwacht Funktionen und Parameter wie die Kabinengeschwindigkeit, die Zuladung und die Türmechanismen. Basis für das präventive Wartungssystem ist Microsoft Azure Machine Learning. Anstatt auf eine Störung zu reagieren, greifen Servicetechniker auf Echtzeitdaten zurück und können vor dem Ausfall eines Aufzugs Maßnahmen ergreifen.

Cupenya bietet Cupenya Insights über IBM Bluemix an. Mit der Lösung lassen sich Geschäftsprozesse aus verschiedenen Systemen in Echtzeit analysieren und Vorhersagen treffen, um die Entscheidungsfindung zu unterstützen, zum Beispiel die Priorisierung von Workflows bei Helpdesk-Tickets, Schadensmanagement oder Lieferaufträgen.

Im Projekt „InnoServPro“ werden Komponenten entwickelt, die den Zustand eines Investitionsgutes überwachen und dessen Betriebsdaten über eine Cloud-basierte Kommunikationsplattform an einen Serviceanbieter übermitteln. Mithilfe von Analytics-Methoden werden servicerelevante Informationen ausgewertet und basierend auf den Ergebnissen entschieden, wann zum Beispiel die Wartung und Instandhaltung stattfindet.

Big Data Analytics hat große Zukunft in der Industrie

Die Beispiele vermitteln einen Eindruck des Potenzials, das Big Data Analytics in der Industrie hat, und machen deutlich, dass Industrie 4.0 im Sinne einer intelligenten Produktion, Fertigung, Instandhaltung und Wartung nicht nur von Big-Data-Analysen profitiert, sondern ohne diese „Industrial Intelligence“ gar nicht auskommen kann.

Demnächst im zweiten Teil: Auch bei industriellen Anwendungen müssen die Daten und Resultate von Big-Data-Analysen vor Missbrauch und Manipulation geschützt werden. Nicht nur die Privatsphäre der Nutzer ist in Gefahr.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 43863864 / Recht & Sicherheit)