Mit IoT Analytics Maschinendaten richtig auswerten

Herausforderung IoT Analytics

von - 22.05.2018
Anfallende Daten pro Tag pro Auto
Quelle: Hitachi Vantara
Daten aus dem Internet der Dinge stellen ganz eigene Anforderungen an Analysesysteme. „Anders als bei BI-Systemen spielen hier Aspekte wie Latenzzeit, Echtzeitfähigkeit, begrenzte Übertragungsbandbreite, Erfassung der Daten von Maschinen im Eigentum Dritter, Datenschutz bei der Erfassung und Übertragung, Aggregation über große Flotten sowie das Device and Fleet Management eine große Rolle“, erläutert Tobias Joppe, Business Solution Manager bei der Innovationsberatung Zühlke Engineering, die unter anderem Lösungen zur intelligenten Gebäudevernetzung sowie zur Fernwartung von Maschinen und Industrieanlagen entwickelt und umsetzt.
Hinzu kommen spezifische Analysemethoden, die eine Vorhersage von Ereignissen ermöglichen (Predictive Analytics), beispielsweise um Maschinen abschalten oder warten zu können, bevor sie ausfallen (Predictive Maintenance). „Herkömmliche BI-Systeme werden typischerweise für die deskriptive Datenanalyse im Business-Kontext eingesetzt, beispielsweise wenn es um die Frage geht: Welcher Maschinentyp wurde von welchen Kundenarten bevorzugt gekauft?“, erklärt Joppe. „Bei IoT-Analyseplattformen geht es zumeist darum, vorausschauende Aussagen zu treffen,
indem man Daten von technischen Geräten und Objekten analysiert.“
Tobias Joppe
Tobias Joppe
Business Solution Manager bei Zühlke Engineering
www.zuehlke.com/de/de
Foto: Zühlke Engineering / Raphael Michalek
„Wir empfehlen zunächst einen leichtgewich­tigen Einstieg mit einer klaren Nutzendefinition.“
Die Nachfrage nach solchen Lösungen soll in den kommenden Jahren deutlich zunehmen. Laut dem Marktforschungsinstitut Markets and Markets wird das weltweite Volumen von rund 7 Milliarden Dollar im Jahr 2017 bis 2022 auf annähernd 28 Milliarden Dollar steigen, was einer durchschnitt­lichen jährlichen Wachstumsrate von 31 Prozent entspricht. Die größte Nachfrage ist demnach aus der Fertigungsindus­trie, der Energiewirtschaft und der Transport- und Logistik-Branche zu erwarten.
Zu ganz ähnlichen Zahlen kommen die Kollegen von Technavio. Sie sagen dem IoT-Analytics-Markt in den nächsten Jahren ein durchschnittliches Wachstum von 33 Prozent vo­raus. Laut Technavio wird der Markt mit einem Anteil von 27 Prozent durch die Fertigungsindustrie dominiert, die größten Wachstumschancen sehen die Analysten im Retail-Bereich. Noch sind diese Umsätze allerdings sehr ungleich verteilt. Laut Persistence Market Research entfallen fasst zwei Drittel der Umsätze auf Nordamerika.
IoT-Analytics-Lösungen sind häufig Teil umfassenderer IoT-Plattformen und -Suiten, die neben der Anbindung und dem Management von Endgeräten sowie der Erfassung, Integration und Visualisierung von Daten erweiterte Analysefunktionen (Advanced Analytics) anbieten. Die Analysten von IDC bezeichnen derartige Lösungen als IoT-Plattformen der dritten Generation.
Schulte von IDC bescheinigt diesen Angeboten die größten Zukunftschancen in einem sich konsolidierenden Markt: „Anbieter, die umfassende und innovative Funktionalitäten gerade im Hinblick auf Analytics ermöglichen, werden sich behaupten können.“

Sechs Schritte zum IoT-Projekt

Je nach Anwendungsfall empfiehlt Microsoft, IoT-Projekte in folgenden sechs Schritten durchzuführen:

Vernetzte Fabrik

1. Definieren Sie Ihre Digitalisierungsziele

2. Experimentieren Sie mit den Datenquellen

3. Schließen Sie Ihr Equipment an, ohne den Betriebsablauf zu unterbrechen

4. Kontextualisieren und visualisieren Sie Ihre Fertigungsleistung

5. Verändern Sie auf Basis der Daten Ihre Betriebsabläufe

6. Ermöglichen Sie neue Anwendungsszenarien und skalieren Sie

Fernüberwachung

1. Identifizieren Sie Ihre Geschäftsziele

2. Profilieren Sie die beteiligten Assets

3. Stellen Sie fest, welche zusätzlichen Komponenten benötigt werden

4. Verstehen Sie Ihre Daten

5. Definieren Sie Geschäftsregeln

6. Operationalisieren Sie und liefern Sie Mehrwert

Prädikative Wartung

1. Identifizieren Sie das gewünschte Ergebnis

2. Inventarisieren Sie Ihre Datenquellen

3. Erfassen und kombinieren Sie Ihre Daten

4. Modellieren, testen und integrieren Sie Ihre Modelle

5. Validieren Sie Ihr Modell in einem realen operativen Umfeld

6. Integrieren Sie das fertige Modell in den Betriebsablauf

Quellen:

https://cloud-platform-assets.azurewebsites.net/connected-factory

https://cloud-platform-assets.azurewebsites.net/remote-monitoring

https://cloud-platform-assets.azurewebsites.net/predictive-maintenance

Verwandte Themen