Data Analytics Zeitreihendaten analysieren für das IIoT
Anbieter zum Thema
In der Industrie 4.0 fallen Zeitreihendaten kontinuierlich und in großer Menge an. Die Analyse dieser Daten ist für Unternehmen sowohl Chance als auch Herausforderung.

Egal ob bei industriellen Maschinen und Anlagen, einzelnen IoT-Sensoren, Steuer- oder Kontrollgeräten: in der vernetzten Industrie fallen Unmengen an Daten an. Oft handelt es sich dabei um Zeitreihendaten, also Messdaten, die in definierten regelmäßigen Intervallen erhoben werden. Diese Daten erlauben es Unternehmen, den Zustand, beispielsweise einer Maschine, zu einem bestimmten Zeitpunkt festzuhalten und die Veränderung der Werte zu überwachen. Damit wird Condition Monitoring erst ermöglicht.
Richtig eingesetzt, hilft die Auswertung von Zeitreihendaten somit bei der Überwachung von Maschinen und Anlagen sowie bei der Erstellung von Predictive-Maintenance-Modellen. Diese wiederum sind aufgrund ihres Einsparpotenzials und der Möglichkeit, Ausfallzeiten drastisch zu reduzieren, bei Herstellern aus dem Maschinen- und Anlagenbau sehr gefragt. Auch After-Sales-Services, sprich die Bereitstellung von Ersatzteilen, Inspektionen oder Wartungsverträge, sind für Hersteller lukrativ, vorausgesetzt die Leistungserbringung erfolgt bedarfsgerecht und zum richtigen Zeitpunkt. Es spricht somit einiges dafür, sich mit der Erhebung und Analyse von Zeitreihendaten zu beschäftigen. Die Charakteristika von Zeitreihendaten bringen jedoch einige Herausforderungen mit sich.
Charakteristika von Zeitreihendaten
Zeitreihendaten sind eine Menge von Werten, die – wie der Name schon sagt – zeitlich organisiert sind. Meist handelt es sich dabei um unstrukturierte JSON-Dokumente, die aus einer Vielzahl von Quellen stammen können, zum Beispiel von Sensoren. Im Zusammenhang mit der Industrie 4.0 und immer stärker vernetzten Maschinen und Anlagen spielen sogenannte SCADA-Daten (Supervisory Control and Data Acquisition) eine wichtige Rolle. Hierbei handelt es sich um sensorisch erfasste Zustandsdaten, die im Zuge der Steuerung und Überwachung einer Maschine entstehen und sich daher für die Analyse anbieten. Ebenfalls vorteilhaft für diese ist die Tatsache, dass es sich bei Zeitreihendaten im industriellen Kontext in der Regel um stationäre Zeitreihendaten handelt. Das bedeutet, die Werte schwanken im Rahmen eines konstanten Niveaus (zum Beispiel die Schwingungen einer Maschine). Ausreißer und ungewöhnlich große Amplituden lassen sich somit besser erkennen.
IIoT-Datenanalyse für den Mittelstand
Das Problem ist jedoch oft die schiere Masse. Schon mit ein paar Maschinen erhalten Hersteller intensive Datenströme, die nicht nur Datenbanken bei der Erfassung vor Herausforderungen stellen, sondern auch die Visualisierung und Analyse beeinträchtigen. Erschwerend kommt hinzu, dass gerade mittelständische Unternehmen oft wenig Erfahrung mit der Datenanalyse haben und in der Regel keine dedizierten Ressourcen in Form von Datenanalysten in der Firma zur Verfügung stehen. Es gilt also, eine Lösung zu finden, die solche Analysen unter Berücksichtigung beschränkter Mittel durchführen kann. Hier empfiehlt sich eine Iot-Plattform, die auf intuitive Data Apps setzt und Analysen sowie die dazugehörige Visualisierung per Drag-and-Drop erlaubt.
Neben den Herausforderungen der Analyse selbst, ist auch das Vorhalten von Zeitreihendaten für den Mittelstand eine nicht zu unterschätzende Aufgabe. Dabei gilt es, zunächst einmal einen Blick auf den Kostenfaktor zu werfen.
Datenbanken der großen Hypervisoren locken mittlerweile mit „As-a-Service”-Modellen, doch die variable Preisgestaltung macht diese mit Blick auf Zeitreihendaten oft schwer kalkulierbar und im schlimmsten Fall führt das zu einem hohen Kostenrisiko. Dateigrößen, Anzahl der Nachrichten und Anfragen, Speicherung und Aufbewahrungszeit sind nur einige der Variablen, die hier den Preis bestimmen. Hier gilt es genau zu prüfen, wie stark der Service in Anspruch genommen wird. Schließlich sollte man bedenken, dass in der Fertigung gut und gerne mehrere tausend Datenabfragen pro Sekunde ausgeführt werden.
Viele mittelständische Unternehmen arbeiten daran, ihre Maschinen zu vernetzen und aus den Daten Erkenntnisse zu ziehen. Damit jedoch Predictive Maintenance und tiefgreifende Datenanalyse im Zuge der Arbeit mit Digital Twins betrieben werden kann, benötigt man Zeitreihen-Daten. Aufgrund der Beschaffenheit und der Art der Erhebung solcher Daten, hilft ein Partner, der diese effizient und hochverfügbar speichern kann und Mitarbeitern Tools an die Hand gibt, die eine unkomplizierte Auswertung ermöglicht.
Dieser Artikel stammt von unserem Partnerportal Industry of Things. Verantwortlicher Redakteur: Sebastian Human
(ID:46750129)