Intelligente Auswertung von Störzeiten mit Business Intelligence.
Was ist mit Business Intelligence (BI) gemeint?
BI bezeichnet Verfahren und Prozesse zur systematischen Analyse von Daten. Ziel ist die Gewinnung von Erkenntnissen, um fundierte Entscheidungen zu fällen.
Vom Sensor ins Business Intelligence
Erfassung der Daten
Die Produktionsanlagen, wie z.B. eine Verpackungsanlage, kann heute mit intelligenten Überwachungssensoren ausgerüstet werden. Diese Sensoren geben ein Signal ab, sobald während einer gewissen Zeit kein Produkt über das Förderband fliesst. Der zuständige Mitarbeitende der Anlage kann anschliessend die Selektion der Störung im Manufacturing Execution System kurz MES vornehmen. Die gewonnen Daten (was für eine Störung, wie lange die Störung gedauert hat) werden anschliessend auf einer Datenbank gespeichert.
Quellsysteme
Quellsysteme sind jegliche Systeme oder Dateien, in denen relevante Daten, wie zum Beispiel Störungsdaten, erfasst oder gespeichert werden. Das Quellsystem bildet den Ursprung der Daten. Sie werden in der Regel in einer Datenbank gespeichert, aus denen sie bei Bedarf wieder abgerufen werden können. Die Datenabfrage erfolgt über eine Maske, welche die gesuchten Daten in einer bestimmten Form darstellt.
ETL- Prozess
Der ETL– Prozess (Extraktion, Transformation, Laden) umfasst alle Schritte, die erforderlich sind, um Daten aus den verschieden Quellsystemen in ein integriertes Data Warehouse zu übertragen.
Beim ersten Schritt, der Extraktion, werden die Daten aus dem Quellsystemen abgerufen. Zweitens werden die Daten transformiert und für das Laden in das Data Warehouse vorbereitet. Zur Transformation gehören verschiedene Schritte: Beispielsweise werden Datentypen und Spaltennamen konvertiert, ungültige Daten entfernt, Rechtschreibfehler korrigiert und unvollständige Daten vervollständigt. Im dritten und letzten Schritt werden die Daten in das Warehouse geladen.
Durch den ETL Prozess werden die Daten ins Warehouse kopiert. Es ist nicht bloss eine Verlinkung auf die Quelldaten. Durch diesen Kopiervorgang hinken die Daten im Warehouse in der Aktualität immer den Daten im Quellsystem hinterher.
Near Real Time Data Warehouse
Alternativ zur ETL-Versorgung können die Daten auch in nahezu Echtzeit (Near Real Time) in ein separates Data Warehouse repliziert werden. Hier gewinnt man zwar Zeit, verzichtet aber fast gänzlich auf die Transformation der Daten. Die Daten werden ohne Optimierung für die Abfrage kopiert.
Data Warehouse
Data Warehouses (DWH) stützen sich meist auf eine relationale Datenbank. Mit SQL (Structured Query Language) können Daten aus dem Warehouse abgefragt und im Berichtsformat extrahiert werden. Die im Data Warehouse gespeicherten Daten stammen aus den Quellsystemen.
Data Warehouse sind für die analytische Verarbeitung konzipiert und optimiert. Zur analytischen Verarbeitung gehört die Manipulation der Daten im Warehouse. Ziel ist beispielsweise die Berechnung Anteil der Störzeiten im Verhältnis zur Betriebszeit der Produktionsmaschine.
Beim Data Warehouse handelt es sich um eine grosse Datenbank, in der die Daten in Tabellen gespeichert sind. Eine solche Datenbank enthält eine Vielzahl an Tabellen, so dass zahlreiche unterschiedliche Informationen erfasst und verwaltet werden können.
Das Enterprise Warehouse (EWH) im speziellen bezeichnet eine umfassende Datenbank, in der relevante Informationen eines Unternehmens in einer einheitlichen Form und Konzernweit gleichlautende Dimensionen vorliegen.
Übertrag in die Business Intelligence Anwendung
Nachdem ein Data Warehouse mit allen erfolgsentscheidenden Daten eingerichtet ist, stellt sich die Frage, wie diese Daten korrekt und in möglichst kurzer Zeit aus der Datenbank abgerufen werden können.
Metadaten enthalten Informationen, die die Übertragung von Daten zwischen dem Data Warehouse und der Business Intelligence Anwendung ermöglichen. Metadaten geben Auskunft über Objektdefinitionen sowie Informationen zum Data Warehouse und seiner Struktur. Business Intelligence Anwendungen verwenden Metadaten, um Benutzeranforderung in SQL- Abfragen zu übersetzen und um die SQL- Abfragen in der Business Intelligence Objekte, wie zum Beispiel Berichte oder Diagramme, zurückzuübersetzen.
Ersichtliche Diagramme
Mit den übersichtlichen Diagrammen, die nun klar aufzeigen, welche Störung zu welchem Zeitpunkt in welcher Dauer aufgetreten ist, kann nun angesetzt werden. Das heisst, jetzt kann die Technik mit gezieltem Einsatz Verbesserungen an der Produktionsanlage anbringen und so die Produktivität der Anlage erhöhen.
