Diese Fallstudie analysiert die "RotorWind GmbH", ein Unternehmen, das sich auf die Herstellung von Rotorblättern für Windkraftanlagen spezialisiert hat. Angesichts der wirtschaftlichen Herausforderungen im Bereich erneuerbarer Energien muss das Unternehmen seine Produktionskosten senken, um wettbewerbsfähige Preise zu bieten. Ein entscheidender Faktor sind die hohen Kosten für Fertigungsmaschinen, insbesondere bei unzureichender Auslastung oder unerwarteten Stillständen aufgrund von Defekten oder Wartungsarbeiten.
Diese Fallstudie schlägt eine Big-Data-Lösung vor, um den ersten Schritt in Richtung Smart Factory und Industrie 4.0 zu gehen. Bestehende Sensoren sollen eingesetzt werden, um die Betriebstemperatur der Maschinen in kurzen Zeitabständen zu messen und die Daten auf einem Echtzeit-Dashboard zu visualisieren. Langfristige Datenspeicherung ermöglicht die Analyse historischer Temperaturverläufe zur Vermeidung von Maschinenausfällen. Die neue Lösung soll die bestehende IT-Infrastruktur der RotorWind GmbH erweitern und eine effizientere Produktionsplanung durch Echtzeitüberwachung und schnelle Reaktionsmöglichkeiten bei kritischen Temperaturwerten ermöglichen. Die Projektinitiierung umfasst die Skizzierung einer Systemarchitektur zur Temperaturdatenanalyse, die Auswahl geeigneter Big-Data-Werkzeuge, die Konzeption eines Verarbeitungsbeispiels und die Erstellung eines Prototyps.
Inhaltsverzeichnis
1. Einleitung
1.1 Projektumfeld
1.2 Projektauftrag
1.3 Aufbau der Arbeit
2. Lösungsansätze
2.1 Aufbau einer Systemarchitektur
2.2 Entwurf einer Systemarchitektur für die RotorWind GmbH
2.3 Alternative Softwarekomponenten
2.4 Erstellung eines Prototypen - Dashboard
3. Handlungsempfehlung
4. Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, für die RotorWind GmbH eine skalierbare Systemarchitektur zu konzipieren, die sowohl Echtzeit-Sensordaten als auch historische Daten effizient verarbeitet, um ungeplante Maschinenstillstände zu vermeiden und die Produktion zu optimieren.
- Analyse moderner Big-Data-Architekturen (Lambda- und Kappa-Ansatz)
- Entwurf einer maßgeschneiderten IT-Architektur unter Nutzung von Open-Source-Komponenten
- Implementierung eines Echtzeit-Dashboards zur proaktiven Zustandsüberwachung
- Wirtschaftliche Anbindung bestehender Data-Warehouse-Systeme
Auszug aus dem Buch
2.1 Aufbau einer Systemarchitektur
Die Systemarchitektur sollte nach den Wünschen der RotorWind GmbH gewählt werden. Anforderungen an die Architektur sind also, dass historische wie auch Echtzeitdaten langfristig vorgehalten, aufbereitet und analysiert werden können. Im Folgenden werden die Kappa-Architektur sowie die Lambda-Architektur beschrieben, wobei mit letzterer begonnen wird.
Lambda ist eine Architektur zu Verarbeitung großer Datenmengen bestehend aus drei Schichten, dem Batch, Speed und Serving Layer (Dorschel, J., 2015, S. 301ff.). In dieser Architektur wird angenommen, dass permanent neue Daten in das System einfließen die auf unterschiedliche Weise verarbeitet werden müssen.
Der Batch Layer empfängt zeitgleich mit dem Speed Layer die eingehenden Daten und wird für komplexe Datenverarbeitungsschritte eingesetzt, die nach einem Zeitplan ausgeführt werden. Historische Daten können jederzeit abgerufen werden (Dorschel, J., 2015, S. 301ff.).
Im Speed Layer werden große Datenströme in Echtzeit verarbeitet und bereitgestellt. Die Daten werden im Gegensatz zum Batch Layer nur temporär gespeichert und dienen der Früherkennung von Problemen (Dorschel, J., 2015, S. 301ff.).
Ausgaben vom Batch und Speed Layer werden im Serving Layer konsolidiert. Er ermöglicht die Speicherung und Aufbereitung der verarbeiteten Ergebnisse und ermöglicht Zugriff auf vorgelagerte Berechnungs- und Verarbeitungsprozesse (Dorschel, J., 2015, S. 301ff.).
Zusammenfassung der Kapitel
1. Einleitung: Beschreibt das wachsende Datenaufkommen im Unternehmenskontext und definiert die Fallstudie an der RotorWind GmbH zur Optimierung der Produktionsüberwachung.
2. Lösungsansätze: Vergleicht verschiedene Architektur-Frameworks (Lambda vs. Kappa) und leitet den Entwurf einer für die RotorWind GmbH optimierten IT-Infrastruktur ab.
3. Handlungsempfehlung: Führt die Ergebnisse der Analyse zusammen und zeigt auf, wie die RotorWind GmbH durch die vorgeschlagene Architektur eine Smart Factory werden kann.
4. Ausblick: Behandelt die zunehmende Bedeutung von Künstlicher Intelligenz und dem Internet of Things für die zukünftige Wettbewerbsfähigkeit in datengetriebenen Branchen.
Schlüsselwörter
Big Data, Data Analytics, Lambda-Architektur, Apache Hadoop, Echtzeit-Analyse, Smart Factory, Sensorik, Systemarchitektur, Dashboard, Open-Source, Datenverarbeitung, Produktionsplanung, Industrie 4.0, Maschinenausfall, IT-Infrastruktur
Häufig gestellte Fragen
Worum geht es in dieser Fallstudie grundsätzlich?
Die Arbeit befasst sich mit der Optimierung von Produktionsabläufen bei der RotorWind GmbH durch den Einsatz von Big-Data-Technologien zur Vermeidung von Maschinenstillständen.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der Datenintegration, der Architektur von IT-Systemen für große Datenmengen und der visuellen Aufbereitung dieser Daten für die Produktionssteuerung.
Was ist die Forschungsfrage beziehungsweise das Ziel?
Ziel ist der Entwurf einer Systemarchitektur, die Echtzeit-Sensordaten und historische Daten kombiniert, um Ausfallzeiten der Maschinen zu minimieren und Kosteneffizienz zu steigern.
Welche wissenschaftliche Methode wird verwendet?
Es wurde eine literaturbasierte Analyse durchgeführt, wobei Fachbücher und wissenschaftliche Quellen genutzt wurden, um geeignete Systemarchitekturen zu bewerten.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert die technische Umsetzung mittels Lambda-Architektur, den Vergleich verschiedener Software-Stacks und die prototypische Erstellung eines Überwachungs-Dashboards.
Welche Schlagworte charakterisieren die Arbeit?
Zu den prägenden Begriffen zählen Data Analytics, Big Data, industrielle Automatisierung, Apache Hadoop-Ökosystem und Prozessoptimierung.
Warum wird für die RotorWind GmbH keine reine Kappa-Architektur empfohlen?
Da die RotorWind GmbH zwingend auch auf historische Daten angewiesen ist, bietet die Lambda-Architektur einen besseren Mehrwert durch die Kombination von Batch- und Speed-Processing.
Welche Rolle spielt das Dashboard im Gesamtsystem?
Es dient der transparenten Visualisierung von Maschinenzuständen, um Betriebspersonal bei kritischen Grenzwerten sofort zu warnen und somit proaktive Eingriffe zu ermöglichen.
- Arbeit zitieren
- Anonym (Autor:in), 2023, Effizientere Produktionsplanung durch Big Data. Eine Fallstudie zur "RotorWind GmbH" und der Implementierung von Temperaturüberwachung in Windkraftanlagen, München, GRIN Verlag, https://www.grin.com/document/1478668
