In Zusammenarbeit mit dem Unternehmen BHS Corrugated Maschinen- und Anlagenbau GmbH wurde das Ziel formuliert, eine digitale Infrastruktur für die Analyse von Maschinendaten großer Produktionsanlagen zu entwickeln. Im Unterschied zur Analyse von Daten einzelner Maschinen oder kleinerer Gruppen von Maschinen zum Beispiel in Produktionszellen fallen hier eine große Menge heterogener Daten unterschiedlicher Maschinen an, die besondere Anforderungen an die digitale Infrastruktur zur ihrer Auswertung und Analyse stellen.
Die anfallenden Daten sind zum einen Prozessdaten (Aufträge, Stückzahlen, etc.) und zum anderen die Sensordaten der Anlagen (Temperaturen, Geschwindigkeiten, etc.). Die Nutzung der Daten geschieht beispielsweise im Bereich der „Predictive Maintenance“, also der vorausschauenden Wartung von Maschinen. Ziel dabei ist es, mögliche Fehlerzustände aus Anomalien in den Daten vorauszusehen und damit eine Möglichkeit zu schaffen, schon vor ihrem Auftreten korrigierend eingreifen zu können.
Um den Betreibern der Anlagen einen definierten Einblick in eingesetzte Maschinen zu geben, ihnen aber ebenfalls die Freiheit bieten zu können, sich eigene Analysen bzw. Auswertungen in einem gewissen Rahmen selbst zusammenzustellen, war ein performanter Zugriff auf die Daten essentiell. Hier wurde angeknüpft, um eine Architektur aufzubauen, mit der dieser Zugriff bewerkstelligt werden konnten. Dies wurde mit der Methode des Online Analytical Processing (OLAP) umgesetzt. Dazu wurde ein OLAP-System konzipiert und umgesetzt, mit dem die unterschiedlichen Fragestellungen hinsichtlich der Produktionsanlagen effizient bearbeitet werden konnten. Aufbauend auf diesem Grundgerüst wurde eine Benutzeroberfläche entwickelt, mit der die Anwender interaktiv Auswertungen entwickeln bzw. zusammenstellen können.
Im Rahmen dieses Themenbereichs wurde sich dabei mit dem aktuellen Stand der Technik auf dem Gebiet des OLAP auseinandergesetzt. Hierzu wurden verschiedene OLAP-Frameworks hinsichtlich ihrer Eignung für das vorliegende Einsatzszenario getestet und evaluiert. Dabei zeigte sich, dass sich das noch recht junge „Apache Kylin“ sehr gut hierfür eignet und damit relativ schnell und einfach ein OLAP-System umgesetzt werden kann. Nach dieser Umsetzung wurden die anfallenden Daten bei BHS Corrugated aufbereitet, um diese in das System zu übertragen zu können. Darauf aufbauend wurden die OLAP-Cubes konzipiert und implementiert. Abschließend wurde, die bereits erwähnte, interaktive Benutzeroberfläche, samt einigen Basis-Anfragen, für die Auswertung der Daten umgesetzt.