image

Maschinendaten menschenverständlich machen - in nur wenigen Stunden

Mit der heutigen Technologie ist es möglich, auf Prozessdaten von Maschinen und Maschinenperipherie zuzugreifen. Doch das reine Aufzeichnen und Abspeichern von Daten alleine reicht nicht aus, um Mehrwerte zu generieren. Um Maschinendaten sinnvoll zu nutzen, müssen diese zunächst so aufbereitet werden, dass jeder nachvollziehen kann, was der jeweilige Datenpunkt in der realen Welt repräsentiert.

Damit Daten verständlich werden, müssen diese mit Kontext - also Informationen, welche die Daten beschreiben - versehen werden. Diesen Prozess bezeichnen wir als Kontextualisierung.

In diesem Artikel geben wir einen Einblick, wie genau diese Werkzeuge funktionieren, warum Digitalisierungsprojekte durch einen solchen Ansatz einfacher werden und schneller durchführbar sind - und wie der Prozess im Detail aussieht.

Effiziente Komplettlösung für Kontextualisierung und Analyse

Wir von ENLYZE haben Werkzeuge entwickelt, die es ermöglichen, innerhalb von wenigen Minuten neue Datenpunkte anzulegen und mit Kontext zu versehen. Es können der ENLYZE-Plattform neue Maschinendatenpunkte hinzugefügt, relevanter Kontext an die Daten angeheftet und die Daten für Analysen sowie in Dashboards verwendet werden.

Besonderes Augenmerk haben wir darauf gelegt, dass unsere Kunden diesen Prozess alleine durchführen können und keine externen oder internen IT-Spezialisten benötigen.

Dieser Ansatz bietet enorme Vorteile: Das System kann kontinuierlich an wechselnde Anforderungen angepasst werden. Weil jeder Mitarbeiter die Änderungen eigenständig durchführen kann, sind Änderungen im Dashboard fast augenblicklich nutzbar. Zudem steigt die Motivation aller, da jeder befähigt ist, selbstständig und ohne externe Abhängigkeiten zu arbeiten. Probleme in der Produktion können so datengetrieben und effizienter gelöst werden.

Warum so wenige Unternehmen digitalisiert sind

Anlagen/Maschinen zu digitalisieren birgt zwei große Herausforderungen:

  1. Auslesen der Daten aus den Anlagen
  2. Aufbereiten der Daten, um diese nutzbar zu machen

Für das Auslesen der Daten ist meist eine Kombination aus Soft- und Hardware notwendig. Die Hardware stellt dabei die physische Verbindung zu Anlage her und die Software fungiert als Übersetzer für das jeweilige Kommunikations-Protokoll der Anlage.

Mehr zum Thema und wie wir das Problem mit unserem Edge-Device SPARK lösen, finden Sie in diesem Artikel.

Sobald die physische Verbindung und das passende Protokoll vorhanden sind, können Daten aus der Maschine ausgelesen werden. Das Problem bezüglich Auslesen der Daten ist somit gelöst.

Schematische Darstellung einer Verbindungsherstellung von Maschine (z.B. einem Extruder) durch verschiedene Konnektoren (Software) und unserem SPARK (Hardware) - von dort aus können die Daten weiterverwendet werden
Schematische Darstellung einer Verbindungsherstellung von Maschine (z.B. einem Extruder) durch verschiedene Konnektoren (Software) und unserem SPARK (Hardware) - von dort aus können die Daten weiterverwendet werden

Daten aufbereiten, um sie für Alle nutzbar zu machen

Die Daten waren ursprünglich nur dazu gedacht, intern von der Maschine selbst verwendet zu werden und weisen daher oft kryptische Bezeichnungen auf. Oftmals besteht die Bezeichnung der Datenpunkte nur aus einigen Buchstaben und numerischen Werten.

Die Datenpunkte können damit nicht ohne weiteres von einem Menschen interpretiert werden. Dafür müssen die Datenpunkte zunächst "übersetzt" werden.

Diese "Übersetzung" nennen wir Kontextualisierung . Dabei wird der Datenpunkt mit einer verständlichen Bezeichnung versehen.

Beispielsweise wird die interne Bezeichnung auf der SPS Temp_regler_01_K1_03 zu Ist Temperatur Heizzone 1 übersetzt. Wie genau man zu dieser Übersetzung kommt wird später im Text geklärt.

Zusätzlich wird der Datenpunkt mit einer Einheit versehe. Im vorliegendem Beispiel handelt es sich um eine Temperatur, daher wird °C gewählt. Falls notwendig, kann der Wert auch skaliert werden. Auch hierzu gibt es später noch eine ausführliche Erklärung. Nachdem diese Informationen dem Datenpunkt hinzugefügt wurden, ist dieser kontextualisiert.

Erst durch das Hinzufügen des Kontexts wird der Datenpunkt und was dieser repräsentiert von jedem verstanden. Dadurch werden die Daten für alle Nutzer einfach zugänglich und jeder von der Produktion bis zum Controlling kann den Datenpunkt für Analysen oder in Dashboards verwenden.

Die kontextualisierten Daten können nun für die Verbesserung von Prozessen und Controlling genutzt werden
Die kontextualisierten Daten können nun für die Verbesserung von Prozessen und Controlling genutzt werden

Herkömmlicher Ansatz anderer Anbieter

Bisher war Kontextualisierung kosten- und zeitaufwendig. Grund hierfür: Das Know-How aus zwei unterschiedlichen Bereichen wird benötigt. Einerseits ist Fachwissen über die Anlage und den Prozess, andererseits das IT-Wissen notwendig, um sich mit dem System zu verbinden, den Kontext an die Datenpunkte anzuheften und die Datenpunkte dauerhaft abzuspeichern.

Heute wird die Aufgabe üblicherweise von Ingenieurbüros oder Automatisierungstechnikern übernommen. In der Regel dauert die Umsetzung von externen Dienstleistern 5-10 Arbeitstage und kostet dementsprechend viel.

Beim diesem herkömmlichen Ansatz gibt es allerdings große Reibungsverluste zwischen den beteiligten Prozessingenieuren und der IT.

Die Prozessingenieure müssen der IT mitteilen, welche Datenpunkte benötigt werden. Nachdem die IT alle vermeintlichen Datenpunkte gefunden hat, werden diese gemeinsam mit dem Prozessingenieur validiert. Nach erfolgreicher Prüfung werden die Datenpunkte dann mithilfe der IT dauerhaft in einem System abgespeichert.

Für den gesamten Prozess von der Auswahl, über das Validieren, bis hin zum dauerhaften Abspeichern werden also mindestens zwei Abteilungen (bzw. externe Partner) benötigt und es entstehen Kosten und Aufwand für Absprachen und Projektmanagement.

💡

Bei dem herkömmlichen Ansatz werden externe Dienstleister mit entsprechendem Fachwissen benötigt, um Anpassungen durchzuführen. Anpassungen im Nachhinein vorzunehmen ist zeit- und kostenaufwändig.

Der ENLYZE-Ansatz

Die von ENLYZE angebotene Komplettlösung für die Kontextualisierung beruht auf Automatisierung manueller Aufgaben und dem Befähigen der Prozessingenieure, den Prozess auch ohne IT-Fachkräfte durchzuführen.

Hierfür wird zunächst gemeinsam mit der IT unser Edge-Device SPARK in das Unternehmensnetzwerk integriert und mit der Anlage verbunden. Ab diesem Zeitpunkt können Daten aus der Anlage ausgelesen werden. Weitere Informationen zum SPARK und dessen Funktionsweise finden Sie hier.

Alle weiteren Schritte, für die vollständige Digitalisierung Ihrer Anlagen, können nun ortsunabhängig in der ENLYZE App und ohne Unterstützung der IT durchgeführt werden.

Kontextualisierung in der ENLYZE App

Nachdem die Verbindung mit der Anlage erfolgreich hergestellt wurde, können mit der ENLYZE App alle relevanten Datenpunkte identifiziert, kontextualisiert und dauerhaft aufgezeichnet werden. So kann im Anschluss jeder sinnvoll mit den Daten arbeiten und versteht was sich hinter dem jeweiligen Datenpunkt verbirgt.

Der Prozess ist in 3 Schritte unterteilt:

  1. Übersicht über alle Datenpunkte erhalten
  2. Datenpunkte explorieren
  3. Datenpunkte kontextualisieren

1. Übersicht über alle Datenpunkte

In der ENLYZE App werden automatisiert alle Datenpunkte der jeweiligen Datenquellen (SPS, Sensor, etc.) aufgelistet. Zudem werden alle relevanten Informationen, welche die Datenquelle noch für den jeweiligen Datenpunkt zur Verfügung stellt, mit dargestellt (wie z.B. dem Kommentar des SPS-Programmierers).

Die gelisteten Datenpunkte können nun durchsucht und basierend auf Eigenschaften wie Datentyp, Datenbaustein, etc. gefiltert werden. So können schnellstmöglich die relevanten Datenpunkte gefunden werden.

Mehrwert für Unternehmen: Alle Datenpunkte werden übersichtlich aufgelistet. Die Such- und Filterfunktionen helfen, schnell die relevanten Datenpunkte zu identifizieren - ein besonders hilfreiches Feature, da die Menge der Datenpunkte schnell in die Tausende geht.

Benutzeroberfläche für das Suchen und Filtern der Datenpunkte. Alle zur Verfügung stehenden Datenpunkte werden in der Tabelle gelistet.
Benutzeroberfläche für das Suchen und Filtern der Datenpunkte. Alle zur Verfügung stehenden Datenpunkte werden in der Tabelle gelistet.

2. Datenpunkte Explorieren

Direkt aus der Datenquelle exportierte Datenpunkte sind oftmals kryptisch bezeichnet. Deswegen ist es schwierig, auf Anhieb alle Datenpunkte zu finden bzw. die richtigen Datenpunkte zu identifizieren.

Die Meta-Informationen eines Datenpunkts einer SPS des Typs S7-300 sehen beispielsweise so aus:


Datenbaustein:
DB117:2506.0

Kommentar:
Struct SP1 von Panel (Sollwert1)

(Interner) Datenpunkt Name:
Temp_regler_01_K1_03

Dabei sind die vorliegenden Meta-Informationen des Datenpunkts die einzigen Informationen, welche die S7-300 initial zur Verfügung stellt.

Aufgrund dieser Informationen lässt sich kein Datenpunkt eindeutig identifizieren.

Allerdings lässt sich folgende Vermutung aufstellen: Es handelt sich um eine Temperatur, eventuell die der Heizzone 1.

Um diese Vermutung zu überprüfen kann unser Explorations-Feature genutzt werden.

Der Datenpunkt kann mit einem Klick exploriert - kontinuierlich aufgezeichnet und visualisiert - werden: Zusätzlich zu den vorhandene Meta-Informationen des Datenpunkts kann dann der zeitliche Verlauf des Datenpunkts genutzt werden, um diesen eindeutig zu identifizieren.

Darstellung eines explorierten Datenpunkts mit dem zeitlichen Verlauf und allen Meta-Informationen, welche von der SPS zur Verfügung gestellt werden.
Darstellung eines explorierten Datenpunkts mit dem zeitlichen Verlauf und allen Meta-Informationen, welche von der SPS zur Verfügung gestellt werden.

Während ein Datenpunkt mit der ENLYZE App exploriert wird, werden idealerweise 2-3 Fotos von der HMI und den darauf angezeigten Werte der Prozessparameter gemacht. Diese Bilder (Prozessparameter-Werte von der HMI) können dann mit dem Verlauf der explorierten Werten aus der ENLYZE App, über einen Vergleich der Zeitstempel, abgeglichen werden. Dieses Vorgehen ermöglicht eine eindeutige Zuordnung aller Datenpunkte.

Falls sich bei dem Abgleich herausstellt, dass es sich bei dem explorierten Prozessparameter um einen Datenpunkt handelt, welcher nicht aufgezeichnet werden soll, dann kann dieser einfach verworfen werden und wird nicht weiter aufgezeichnet.

Mehrwert für Unternehmen: Durch das Explorations-Feature erhalten Sie nicht nur alle Meta-Informationen des Datenpunkts von der SPS, sondern können die Datenpunkte auch bequem über den zeitlichen Verlauf beobachten. In Kombination mit Fotos der HMI kann so schnell eine eindeutige Zuordnung erfolgen.

3. Datenpunkte Kontextualisieren

Während des Kontextualisierungsprozesses wird ein Klarname, Skalierungsfaktor und eine Einheit festgelegt.

Festlegen eines Klarnamens:

Nach einer eindeutigen Zuordnung eines Datenpunkts, kann der Datenpunkt mit einem menschenverständlichen Klarnamen versehen werden.

In unserem Beispiel: Temp_regler_01_K1_03Ist Temperatur Heizzone 1

So wird aus dem kryptischen Name der SPS ein menschenverständlicher Klarname. Basierend auf dem Klarnamen versteht jeder, was der Datenpunkt repräsentiert.

Skalierung von Datenpunkten:

Aufgrund der Art und Weise wie SPSen programmiert werden, müssen Werte jedoch oft skaliert werden. In unserem Beispiel wird der Wert 2200 durch die SPS zur Verfügung gestellt (siehe Bild unten). Unsere Erfahrung sagt uns jedoch, dass Temperaturen von über 250°C in der Heizzone 1 nicht auftreten können.

Ein Vergleich mit den HMI-Bildern gibt Aufschluss. Die vorliegende Temperatur war zu gegebenem Zeitpunkt bei 220,00°C. Es muss folglich ein Skalierung mit dem Faktor 0,1 durchgeführt werden. Eine Skalierung kann über den Skalierungsfaktor in der ENLYZE-App ohne Probleme durchgeführt werden.

Hinzufügen einer Einheit:

Für jeden Datenpunkt muss eine Einheit definiert werden. Erst hierdurch wird der Wert eines Datenpunkts eindeutig definiert.

In unserem Fall handelt es sich um eine Temperatur: Deswegen wählen wir die Einheit °C.

Im folgenden die Kontextualisierung des Datenpunkts in der ENLYZE APP:

Bezeichnung, Faktor und Einheit eines Wertes lassen sich innerhalb der ENLYZE-App kinderleicht anpassen.
Bezeichnung, Faktor und Einheit eines Wertes lassen sich innerhalb der ENLYZE-App kinderleicht anpassen.

Alle notwendigen Informationen wurden dem Datenpunkt nun hinzugefügt. Aus einem zunächst nicht eindeutig identifizierbarem Datenpunkt wurde der Datenpunkt mit dem Klarnamen Ist Temperatur Heizzone welcher in °C Werte angibt. Mit diesen Informationen versteht nun jeder im Unternehmen, was dieser Datenpunkt repräsentiert und wie mit dem Datenpunkt gearbeitet werden kann.

Durch einen Klick auf den Button Kontextualisieren werden diese Informationen an den Datenpunkt angeheftet. Ab jetzt wird der Datenpunkt dauerhaft in die ENLYZE-Platform gestreamt und kann von Ihnen und Ihren Kollegen zur Analyse und zum Bauen von Dashboards verwendet werden.

Durch den Prozess der Kontextualisierung werden also einem Datenpunkt Informationen zugeordnet, die ihn eindeutig identifizieren, dauerhaft konserviert und allen Kollegen zugänglich gemacht.

Der Vorteil liegt auf der Hand. Der Datenpunkt und dessen Repräsentation wird nun von jedem verstanden. Erst hierdurch können im Anschluss sinnvolle und schnelle Analysen von allen Mitarbeitern durchgeführt werden.

Mehrwert für Unternehmen: Nach der Kontextualisierung können alle ohne Probleme mit den Datenpunkten arbeiten. Dies ermöglicht einen schnellen Umgang mit den Daten in Analysen und Dashboards.

Anpassen und Aufsetzen des Systems ohne IT-Kapazitäten

Nachdem unser System einmal mithilfe Ihrer IT integriert wurde, sind Anpassungen ganz einfach durch die Nutzer selbst umzusetzen. Anpassungen des Systems, wie beispielsweise das Hinzufügen oder Entfernen eines Datenpunkts, können auch ohne Fachwissen erfolgen. Die zuvor notwendigen Schritte der IT wurden in unserem System automatisiert.

Durch dieses Vorgehen profitieren unsere Kunden gleich mehrfach:

  • IT-Ressourcen werden gespart: Die IT wird nur für die initiale Integration benötigt
  • Mitarbeiter können das System selbst an ihre Bedürfnisse anpassen
  • Unnötige Abstimmungsaufgaben zwischen IT und Domänen-Experten für die Datenauswahl werden vermieden

Mehrwert für Unternehmen: Mitarbeiter werden befähigt, das System selbst anzupassen. Dies erhöht die Motivation, reduziert gebundene IT-Kapazität und spart Zeit und Kosten für Projektmanagement.

→ Zu allen Blog-Einträgen

ALLE DATEN IHRER FERTIGUNG AN EINEM ORT

© 2021 ENLYZE GmbH