Produktmanagement im Technologiesektor – Tipps zu den Themen Produktmanagement und Innovation. Von Andreas Rudolph
Viele Unternehmen haben das Potential der Industrie 4.0 verstanden, doch nicht alle implementieren bereits die passenden Szenerien. Nach Meinung der angefügten Studie sind hierfür auch Lücken in der Software für das Verarbeiten kontinuierlicher Datenströme verantwortlich.
Die anliegende Studie „Application of Data Stream Processing Technologies in Industry 4.0 — What is Missing?“ stammt aus der Feder des Hasso Plattner Instituts in Potsdam und befaßt sich mit dem Data Stream Processing, und den entsprechenden Lücken.
Typische Anwendungsszenarien der Industrie 4.0 verknüpfen Sensordaten, mit Objekten, die z.B. in ERP-Systemen verarbeitet werden. Die Studie zeigt in mehreren detaillierten Beispielen, was man sich darunter vorzustellen hat, und welche Vorteile man sich vom solchen Anwendungen erhofft.
Typischerweise sammelt man hierbei (z.B.) laufend Zustandsdaten, die während der Fertigung erzeugt werden. Und man verknüpft diese Daten dann mit dem Stammsatz des Teils, das gefertigt wird. Am Ende will man so Informationen darüber gewinnen, wie z.B. die Fertigung optimiert werden kann.
Die Studie liefert nun Erkenntnisse in den folgenden Bereichen:
Kontinuierliche Datenströme stellen andere Anforderungen an die Verarbeitung. Daher muss man umdenken. Um nur zwei Beispiele zu nennen, stellen Sie sich vor, daß Sie in Ihrer Fertigung regelmäßig Sensordaten erheben, und diese abspeichern.
Daher verwenden Streaminganwendungen normalerweise einen Messagebroker, an den die Daten gesendet werden, und der den Abnehmern die Daten zur Verfügung stellt, sobald sie vorliegen.
Typische Broker sind Apache Kafka, oder Apache Spark Streaming, um nur zwei zu nennen.
Ein solcher Messagebroker nimmt die vielen Sensordaten über einzelne Topics entgegen, und Interessenten subskribieren sich auf diese Topics, um nur die für sie relevanten Daten zu erhalten.
Ein solcher Prozess kann nun eine Datenbereinigungsfunktion für die Sensorwerte A sein, der Daten liest, Fehler erkennt und beseitigt und der die gesäuberten Daten wieder an den Broker sendet. Ein wieder anderer Prozess kann ein Rechenprozess sein, der die gesäuberten Daten liest, und agreggiert, der aber dabei sicherstellt, daß er erst dann anfängt, wenn die Daten für einen Zeitraum komplett sind. Und so weiter.
Die Studie kommt zu dem Ergebnis, daß insbesondere diese Verarbeitung kontinuierlicher Datenströme eine größere Herausforderung für Unternehmen darstellt, und daß dementsprechend viele Chancen hier für Hersteller lauern.
Die Herausforderung liegt einmal daran, daß die entsprechende Software nur sehr wenig standardisiert ist (z.B. gibt es kein genormtes Verfahren zur Bearbeitung solcher Datenströme). Dann ist sie neu, und es liegen noch nicht viele Erfahrungen vor. Und die Art, die Daten zu verarbeiten unterscheidet sich generell von der Verarbeitung von Daten aus Datenbanken, wie wir es bisher gewohnt waren.
Das Original dieses Artikels ist auf →Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.
In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links:
Ich arbeite seit vielen Jahren in der Softwareentwicklung für Unternehmensanwendungen bei der SAP SE. Dieser Blog ist privat, und die Meinungen sind meine eigenen. Sie sind hier richtig, wenn sie sich für Praxiserfahrungen im Produktmanagement für Investitionsgüter interessieren.
High Def WordPress Theme by Graph Paper Press
Subscribe to entries
Subscribe to comments
All content © 2024 by Der Produktmanager
