SlideShare ist ein Scribd-Unternehmen logo
1 von 15
Downloaden Sie, um offline zu lesen
Das SIDAP Cloud-Konzept für Smart Data
Anwendungen in der Prozessindustrie
©AIS
Einordnung in den SIDAP-Gesamtkontext
2
2014-02-11
0xA5D42
23,01256 01010
Systemarchitekt
Daten-
analyst
Prozess-
experte
1 1 12 3
2.34
bar
?
a b
a1 a2 a3 b1 b2
OEE
Nutzer
3
Ausgangssituation
Ziele
• Effizienzsteigerung
• Neue Geschäftsmodelle auf Basis von Smart
Data
• Erkenntnisse aus Verknüpfung von
Datenquellen von Betreibern, Herstellern
• Nutzen bei Vor-Ort-Entscheidungen
Herausforderungen
• Unterschiedliche Abtastraten,
Datenformate (SCADA, Batch,
Sensoren, Bild, Video...), Anlagentypen,
Semantiken
• Unternehmensübergreifende
Zusammenarbeit nur begrenzt möglich
• Datensicherheit
4
4
Betreiber
Dienstleister
Empfehlungen
Hersteller
Designhinweise
Wartungs- /
Prozessdaten
AssetZustand
Anlage
Engineering
Anlage
Smart Data Anwendungen
• Predictive Maintenance
• Leckage-Erkennung
• Remote Monitoring
SIDAP Cloud
VentilPumpe
Betreiber
ON-PREMISE
IT-UMGEBUNG
GERÄT
Datenanalyst
SMART DATA-
ANWENDUNG
OFF-PREMISE
IT-UMGEBUNG
Hersteller
Cloud-Dienst
Anbieter
End-Anwender
Voraus
schauende
Wartung
ANWENDER
Kamera
Leckage
Erkennung
SIDAP-Cloud
Exploration Produktion
5
Edge
Plant
Enterprise
Cross-Enterprise,
Partner
SIDAP Forschungs-Cloud
6
Produktionssystem
Daten-
quellen
Auswahl Vorverar
beitung
Anonymi
sierung
Analyse
Daten-
integration
Daten-
speicher
Modell-
integration
Model-
speicher
Produktionssteuerung
Online-Prozessinformation
Betreiber
Exploration (Private Cloud)
Daten-
integration
Daten-
speicher
Modell-
integration
Model-
speicher
Modellent-
wicklung und
Benchmark-
Analyse
Geteilte
Modellent-
wicklung und
Benchmark-
Analyse
• Data Scientist Workbench/Datenbank: IBM Db2
• Analytics: IBM SPSS Modeler, R, MATLAB
Bilder, Videos
strukturierte
Daten
Wartungs
App
Batchdaten
einmalig
verschlüsselt
Daten-
analyst
alle haben
gleiche Rechte
Interner
Daten-
analyst
SIDAP-Demonstrator
(geteilt)
Apps
Geplante produktive SIDAP Cloud
7
Produktionssystem
SIDAP-Cloud
(geteilt)
Daten-
quellen
Auswahl Vorverar
beitung
Anonymi
sierung
Analyse
Daten-
integration
Daten-
speicher
Modell-
integration
Model-
speicher
Marktplatz
Produktionssteuerung
Online-Prozessinformation
Betreiber
Exploration (Private Cloud)
Daten-
integration
Daten-
speicher
Modell-
integration
Model-
speicher
Modellent-
wicklung und
Benchmark-
Analyse
Geteilte
Modellent-
wicklung und
Benchmark-
Analyse
• Leistungsfähigere Analytics (Hadoop, Spark)
• Dashboard (Cognos)
• Collaboration (Watson Studio/Jupyter)
Apps
Cloud Service Provider
Authentifizie-
rung, Fire-
walls, Zoning,
feingliedri-
gere Berechti-
gungenSecurity
Bilder, Videos
strukturierte
Daten
Batchdaten
automatisiert
VPN
Collabo-
ration Daten-
analyst
Interner
Daten-
analyst
Beispiel Produkt-Sicht für die SIDAP-Cloud
8
Transfer zum Produktiven Einsatz
9
• Einheitliches Datenmodell, Semantik, Interoperability
• Integration, Datenübertragung
• Sicherheit
• Nichtfunktionale Anforderungen für laufenden Betrieb (z.B.
Servicelevel) & Weiterentwicklung, z.B. Skalierbarkeit
(ausreichend Kapazität), ggf. Architekturänderungen, Open
Source/Standard-Werkzeuge
• Betrieb, Rollen Verantwortlichkeiten
Semantik
10
Process Data
Set
Measured
Failure and
Maintenance
History
Equipment
Components
Specification/
Sizing
Plant Structure
PCE/PLT
Equipment Wartungsdaten
V-361
Defekt:
Wartung:
Analyse
?
Prozessdaten
FIRC
001
TIR
002
TIR
003
Anlagenstruktur +
Auslegungsdaten
Equipmenthistorie
V-001
V-002
V-003
V-004
Wartungsdaten
V-361
Defekt:
Wartung:
Analyse
?
Prozessdaten
FIRC
001
TIR
002
TIR
003
Anlagenstruktur +
Auslegungsdaten
Equipmenthistorie
V-001
V-002
V-003
V-004
Wartungsdaten
V-361
Defekt:
Wartung:
Prozessdaten
FIRC
001
TIR
002
TIR
003
Anlagenstruktur +
Auslegungsdaten
Equipmenthistorie
V-001
V-002
V-003
V-004
DIN EN 60534-7 (Valves)
DEXPI, PlantXML,
ISO 15926
PandIX, IEC 62424
DIN EN ISO 14224
(Petrochemical sector)
VDI 5600 (MES)
DIN EN 62541 (OPC UA)
EN 61970-407 (CIM)
E. Trunzer
Semantik
• Es gibt genug „Semantiken“
• Alle Quellsysteme haben eine
Deshalb
• Standards nutzen
• Standards kombinieren
• Übersetzungen ermöglichen
NEU (SIDAP)
Sicherheit:
Vermeidung
ungewollter
Ereignisse
11
Unbefugte sehen geheime Informationen
- Informationen beschränken
• Entfernen, Pseudonymisierung,
Anonymisierung
- Wer ist befugt
• Zugriffsrechte und Verträge
- Daten schützen
• Verschlüsselung etc.
Ein feingliedriger Zugriff auf die Daten ist notwendig
12
pseudonymisiert
anonymisiert
kein Zugriff
Name* Site Plant Manuf. KV DN PN Material
LEVK9-V008MS10Y02 LEV K9 SAMSON 1,2 40 10 1.4571
LEVK9-V008MS10Y03 LEV K9 SAMSON 0,4 25 15 PTFE
LEVK9-V008MS10Y07 LEV K9 SAMSON 2,0 35 16 PFA-L
LEVK9-V008MS10Y09 LEV K9 SAMSON 5,0 50 20 GGG-40.3
Name Site Plant Manuf. KV DN PN Material
1 SAMSON 1,2 40 10 STEEL
2 SAMSON 0,4 25 15 PF
3 SAMSON 2,0 35 16 PF
4 SAMSON 5,0 50 20 IRON
* Demodaten, zur Veranschaulichung.
Achtung:
Anonymisierung verschlechtert Datenqualität!
Daten
• Unnötige Details
entfernen
• Identität
pseudonymisieren
• Clustern (anonymisieren)
Ein feingliedriger Zugriff auf die Daten ist notwendig
13
Zugriffsrechte
Bekannte Konzepte umsetzten
• Gruppen basiert
- Benutzer - Gruppen
- Objekt - Gruppen
• Attribute Based
- Benutzer - Attribute
- Objekt - Attribute
- Regeln
A
B
Daten:
Group 1
Daten:
Group 2
1
2
Regeln
Group1:
A: lesen
B: lesen
Group 2:
A: lesen
…
Zugriff:
Ja, Nein
Datenbank-Sicherheit
14
Vincent C. Hu, David Ferraiolo, Rick Kuhn, Adam Schnitzer, Kenneth Sandlin, Robert Miller, Karen
Scarfone: Guide to Attribute Based Access Control (ABAC) Definition and Considerations
COLUMN SITE RETURN
CASE WHEN
VERIFY_ROLE_FOR_USER(SESSION_USER,‘BAYER') = 1 OR
VERIFY_ROLE_FOR_USER(SESSION_USER,‘TUM') = 1
THEN SITE
ELSE CHAR('XXX-XX-' || SUBSTR(SITE,8,4))
END ENABLE;
IBM Db2
• Schema Privileges
• Row and Column Access
Control (RCAC)
Attribute-Based Access Control (ABAC)
Technischer
Schutz auf
Basis von
Standards
15
Verschlüsselung
• VPN, HTTPS, SSH, IPSec
• AES 256
Public Key Infrastruktur / Zertifikate
• x.509
https://commons.wikimedia.org/wiki/File:Orange_blue_public_key_infrastructure_3_de.text.svg
https://cms-staticcdn.tweaknews.eu/r0/rev/sHpHtxXFxiyULSG9e9aL5R/default/img/vpn-illustration.png

Weitere ähnliche Inhalte

Ähnlich wie Das SIDAP Cloud-Konzept für Smart Data Anwendungen in der Prozessindustrie

Wlan ausleuchtung v2 automatisch gespeichert
Wlan ausleuchtung v2 automatisch gespeichertWlan ausleuchtung v2 automatisch gespeichert
Wlan ausleuchtung v2 automatisch gespeichertJennifer Knaus
 
Data Virtualization - Supernova
Data Virtualization - SupernovaData Virtualization - Supernova
Data Virtualization - SupernovaTorsten Glunde
 
Kritische app performance erfolgreich optimieren mit Bison
Kritische app performance erfolgreich optimieren mit BisonKritische app performance erfolgreich optimieren mit Bison
Kritische app performance erfolgreich optimieren mit BisonDynatrace
 
Zurück in die Zukunft - DNUG 2014 - Track 5.2
Zurück in die Zukunft - DNUG 2014 - Track 5.2Zurück in die Zukunft - DNUG 2014 - Track 5.2
Zurück in die Zukunft - DNUG 2014 - Track 5.2panagenda
 
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...RGillessen
 
Nsw outsourcing outtasking
Nsw outsourcing outtaskingNsw outsourcing outtasking
Nsw outsourcing outtaskingBTC AG
 
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"Eileen Erdmann
 
Bestmögliche Absicherung für Ihre Remote-Mitarbeiter
Bestmögliche Absicherung für Ihre Remote-MitarbeiterBestmögliche Absicherung für Ihre Remote-Mitarbeiter
Bestmögliche Absicherung für Ihre Remote-MitarbeiterPrecisely
 
stackconf 2020 | SecDevOps in der Cloud by Florian Wiethoff
stackconf 2020 | SecDevOps in der Cloud by Florian Wiethoffstackconf 2020 | SecDevOps in der Cloud by Florian Wiethoff
stackconf 2020 | SecDevOps in der Cloud by Florian WiethoffNETWAYS
 
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbas
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbasDOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbas
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbasCarsten Muetzlitz
 
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysieren
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysierenDBSAT – Die Oracle DATENBANK bzgl. PII Daten analysieren
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysierenGunther Pippèrr
 
DE-16S. GBN Systems - Performing Mechatronics - Made in Bavaria
DE-16S. GBN Systems - Performing Mechatronics - Made in BavariaDE-16S. GBN Systems - Performing Mechatronics - Made in Bavaria
DE-16S. GBN Systems - Performing Mechatronics - Made in BavariaHarry Flint
 
20181120_DOAG_OracleNoSQLDB_KPatenge
20181120_DOAG_OracleNoSQLDB_KPatenge20181120_DOAG_OracleNoSQLDB_KPatenge
20181120_DOAG_OracleNoSQLDB_KPatengeKarin Patenge
 
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)NETWAYS
 
ORACLE Lizenzierung - Die größten Fallen in der Praxis
ORACLE Lizenzierung - Die größten Fallen in der PraxisORACLE Lizenzierung - Die größten Fallen in der Praxis
ORACLE Lizenzierung - Die größten Fallen in der PraxisOPITZ CONSULTING Deutschland
 

Ähnlich wie Das SIDAP Cloud-Konzept für Smart Data Anwendungen in der Prozessindustrie (20)

Wlan ausleuchtung v2 automatisch gespeichert
Wlan ausleuchtung v2 automatisch gespeichertWlan ausleuchtung v2 automatisch gespeichert
Wlan ausleuchtung v2 automatisch gespeichert
 
Data Virtualization - Supernova
Data Virtualization - SupernovaData Virtualization - Supernova
Data Virtualization - Supernova
 
Kritische app performance erfolgreich optimieren mit Bison
Kritische app performance erfolgreich optimieren mit BisonKritische app performance erfolgreich optimieren mit Bison
Kritische app performance erfolgreich optimieren mit Bison
 
Zurück in die Zukunft - DNUG 2014 - Track 5.2
Zurück in die Zukunft - DNUG 2014 - Track 5.2Zurück in die Zukunft - DNUG 2014 - Track 5.2
Zurück in die Zukunft - DNUG 2014 - Track 5.2
 
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...
DER CONFIGURATIONMANAGEMENT PROZESS als Voraussetzung für aktuelle Daten in d...
 
Nsw outsourcing outtasking
Nsw outsourcing outtaskingNsw outsourcing outtasking
Nsw outsourcing outtasking
 
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"
How-to Webinarserie Live-Webinar "Office 365 sicher verwalten"
 
Bestmögliche Absicherung für Ihre Remote-Mitarbeiter
Bestmögliche Absicherung für Ihre Remote-MitarbeiterBestmögliche Absicherung für Ihre Remote-Mitarbeiter
Bestmögliche Absicherung für Ihre Remote-Mitarbeiter
 
stackconf 2020 | SecDevOps in der Cloud by Florian Wiethoff
stackconf 2020 | SecDevOps in der Cloud by Florian Wiethoffstackconf 2020 | SecDevOps in der Cloud by Florian Wiethoff
stackconf 2020 | SecDevOps in der Cloud by Florian Wiethoff
 
Mobilfunkanbindungen
MobilfunkanbindungenMobilfunkanbindungen
Mobilfunkanbindungen
 
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbas
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbasDOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbas
DOAG SIG Security 2014 in Hamburg: Enterprise User Security for DBAs #eus4dbas
 
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysieren
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysierenDBSAT – Die Oracle DATENBANK bzgl. PII Daten analysieren
DBSAT – Die Oracle DATENBANK bzgl. PII Daten analysieren
 
W-LAN @ RFID-Start 2009
W-LAN @ RFID-Start 2009 W-LAN @ RFID-Start 2009
W-LAN @ RFID-Start 2009
 
DE-16S. GBN Systems - Performing Mechatronics - Made in Bavaria
DE-16S. GBN Systems - Performing Mechatronics - Made in BavariaDE-16S. GBN Systems - Performing Mechatronics - Made in Bavaria
DE-16S. GBN Systems - Performing Mechatronics - Made in Bavaria
 
Speichernetzwerke
SpeichernetzwerkeSpeichernetzwerke
Speichernetzwerke
 
CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANACWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
 
20181120_DOAG_OracleNoSQLDB_KPatenge
20181120_DOAG_OracleNoSQLDB_KPatenge20181120_DOAG_OracleNoSQLDB_KPatenge
20181120_DOAG_OracleNoSQLDB_KPatenge
 
Infrastructure Solution Day | Core
Infrastructure Solution Day | CoreInfrastructure Solution Day | Core
Infrastructure Solution Day | Core
 
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)
Server Überwachung mit Icinga 2 (Webinar vom 15. Februar 2017)
 
ORACLE Lizenzierung - Die größten Fallen in der Praxis
ORACLE Lizenzierung - Die größten Fallen in der PraxisORACLE Lizenzierung - Die größten Fallen in der Praxis
ORACLE Lizenzierung - Die größten Fallen in der Praxis
 

Mehr von Peter Schleinitz

Industrie 4.0 Reference Architecture and Plant Service Bus
Industrie 4.0 Reference Architecture and Plant Service Bus Industrie 4.0 Reference Architecture and Plant Service Bus
Industrie 4.0 Reference Architecture and Plant Service Bus Peter Schleinitz
 
Von der Zustandsüberwachung zur vorausschauenden Wartung
Von der Zustandsüberwachung zur vorausschauenden WartungVon der Zustandsüberwachung zur vorausschauenden Wartung
Von der Zustandsüberwachung zur vorausschauenden WartungPeter Schleinitz
 
Machine Learning and Industrie 4.0
Machine Learning and Industrie 4.0Machine Learning and Industrie 4.0
Machine Learning and Industrie 4.0Peter Schleinitz
 
Cognitive IoT Platform as Enabler of the Smart Factory
Cognitive IoT Platform as Enabler of the Smart FactoryCognitive IoT Platform as Enabler of the Smart Factory
Cognitive IoT Platform as Enabler of the Smart FactoryPeter Schleinitz
 
IBM Academic Initiative - Bluemix Overview
IBM Academic Initiative -  Bluemix OverviewIBM Academic Initiative -  Bluemix Overview
IBM Academic Initiative - Bluemix OverviewPeter Schleinitz
 

Mehr von Peter Schleinitz (6)

AI in production
AI in productionAI in production
AI in production
 
Industrie 4.0 Reference Architecture and Plant Service Bus
Industrie 4.0 Reference Architecture and Plant Service Bus Industrie 4.0 Reference Architecture and Plant Service Bus
Industrie 4.0 Reference Architecture and Plant Service Bus
 
Von der Zustandsüberwachung zur vorausschauenden Wartung
Von der Zustandsüberwachung zur vorausschauenden WartungVon der Zustandsüberwachung zur vorausschauenden Wartung
Von der Zustandsüberwachung zur vorausschauenden Wartung
 
Machine Learning and Industrie 4.0
Machine Learning and Industrie 4.0Machine Learning and Industrie 4.0
Machine Learning and Industrie 4.0
 
Cognitive IoT Platform as Enabler of the Smart Factory
Cognitive IoT Platform as Enabler of the Smart FactoryCognitive IoT Platform as Enabler of the Smart Factory
Cognitive IoT Platform as Enabler of the Smart Factory
 
IBM Academic Initiative - Bluemix Overview
IBM Academic Initiative -  Bluemix OverviewIBM Academic Initiative -  Bluemix Overview
IBM Academic Initiative - Bluemix Overview
 

Das SIDAP Cloud-Konzept für Smart Data Anwendungen in der Prozessindustrie

  • 1. Das SIDAP Cloud-Konzept für Smart Data Anwendungen in der Prozessindustrie
  • 2. ©AIS Einordnung in den SIDAP-Gesamtkontext 2 2014-02-11 0xA5D42 23,01256 01010 Systemarchitekt Daten- analyst Prozess- experte 1 1 12 3 2.34 bar ? a b a1 a2 a3 b1 b2 OEE Nutzer
  • 3. 3 Ausgangssituation Ziele • Effizienzsteigerung • Neue Geschäftsmodelle auf Basis von Smart Data • Erkenntnisse aus Verknüpfung von Datenquellen von Betreibern, Herstellern • Nutzen bei Vor-Ort-Entscheidungen Herausforderungen • Unterschiedliche Abtastraten, Datenformate (SCADA, Batch, Sensoren, Bild, Video...), Anlagentypen, Semantiken • Unternehmensübergreifende Zusammenarbeit nur begrenzt möglich • Datensicherheit
  • 4. 4 4 Betreiber Dienstleister Empfehlungen Hersteller Designhinweise Wartungs- / Prozessdaten AssetZustand Anlage Engineering Anlage Smart Data Anwendungen • Predictive Maintenance • Leckage-Erkennung • Remote Monitoring SIDAP Cloud
  • 6. SIDAP Forschungs-Cloud 6 Produktionssystem Daten- quellen Auswahl Vorverar beitung Anonymi sierung Analyse Daten- integration Daten- speicher Modell- integration Model- speicher Produktionssteuerung Online-Prozessinformation Betreiber Exploration (Private Cloud) Daten- integration Daten- speicher Modell- integration Model- speicher Modellent- wicklung und Benchmark- Analyse Geteilte Modellent- wicklung und Benchmark- Analyse • Data Scientist Workbench/Datenbank: IBM Db2 • Analytics: IBM SPSS Modeler, R, MATLAB Bilder, Videos strukturierte Daten Wartungs App Batchdaten einmalig verschlüsselt Daten- analyst alle haben gleiche Rechte Interner Daten- analyst SIDAP-Demonstrator (geteilt)
  • 7. Apps Geplante produktive SIDAP Cloud 7 Produktionssystem SIDAP-Cloud (geteilt) Daten- quellen Auswahl Vorverar beitung Anonymi sierung Analyse Daten- integration Daten- speicher Modell- integration Model- speicher Marktplatz Produktionssteuerung Online-Prozessinformation Betreiber Exploration (Private Cloud) Daten- integration Daten- speicher Modell- integration Model- speicher Modellent- wicklung und Benchmark- Analyse Geteilte Modellent- wicklung und Benchmark- Analyse • Leistungsfähigere Analytics (Hadoop, Spark) • Dashboard (Cognos) • Collaboration (Watson Studio/Jupyter) Apps Cloud Service Provider Authentifizie- rung, Fire- walls, Zoning, feingliedri- gere Berechti- gungenSecurity Bilder, Videos strukturierte Daten Batchdaten automatisiert VPN Collabo- ration Daten- analyst Interner Daten- analyst
  • 8. Beispiel Produkt-Sicht für die SIDAP-Cloud 8
  • 9. Transfer zum Produktiven Einsatz 9 • Einheitliches Datenmodell, Semantik, Interoperability • Integration, Datenübertragung • Sicherheit • Nichtfunktionale Anforderungen für laufenden Betrieb (z.B. Servicelevel) & Weiterentwicklung, z.B. Skalierbarkeit (ausreichend Kapazität), ggf. Architekturänderungen, Open Source/Standard-Werkzeuge • Betrieb, Rollen Verantwortlichkeiten
  • 10. Semantik 10 Process Data Set Measured Failure and Maintenance History Equipment Components Specification/ Sizing Plant Structure PCE/PLT Equipment Wartungsdaten V-361 Defekt: Wartung: Analyse ? Prozessdaten FIRC 001 TIR 002 TIR 003 Anlagenstruktur + Auslegungsdaten Equipmenthistorie V-001 V-002 V-003 V-004 Wartungsdaten V-361 Defekt: Wartung: Analyse ? Prozessdaten FIRC 001 TIR 002 TIR 003 Anlagenstruktur + Auslegungsdaten Equipmenthistorie V-001 V-002 V-003 V-004 Wartungsdaten V-361 Defekt: Wartung: Prozessdaten FIRC 001 TIR 002 TIR 003 Anlagenstruktur + Auslegungsdaten Equipmenthistorie V-001 V-002 V-003 V-004 DIN EN 60534-7 (Valves) DEXPI, PlantXML, ISO 15926 PandIX, IEC 62424 DIN EN ISO 14224 (Petrochemical sector) VDI 5600 (MES) DIN EN 62541 (OPC UA) EN 61970-407 (CIM) E. Trunzer Semantik • Es gibt genug „Semantiken“ • Alle Quellsysteme haben eine Deshalb • Standards nutzen • Standards kombinieren • Übersetzungen ermöglichen NEU (SIDAP)
  • 11. Sicherheit: Vermeidung ungewollter Ereignisse 11 Unbefugte sehen geheime Informationen - Informationen beschränken • Entfernen, Pseudonymisierung, Anonymisierung - Wer ist befugt • Zugriffsrechte und Verträge - Daten schützen • Verschlüsselung etc.
  • 12. Ein feingliedriger Zugriff auf die Daten ist notwendig 12 pseudonymisiert anonymisiert kein Zugriff Name* Site Plant Manuf. KV DN PN Material LEVK9-V008MS10Y02 LEV K9 SAMSON 1,2 40 10 1.4571 LEVK9-V008MS10Y03 LEV K9 SAMSON 0,4 25 15 PTFE LEVK9-V008MS10Y07 LEV K9 SAMSON 2,0 35 16 PFA-L LEVK9-V008MS10Y09 LEV K9 SAMSON 5,0 50 20 GGG-40.3 Name Site Plant Manuf. KV DN PN Material 1 SAMSON 1,2 40 10 STEEL 2 SAMSON 0,4 25 15 PF 3 SAMSON 2,0 35 16 PF 4 SAMSON 5,0 50 20 IRON * Demodaten, zur Veranschaulichung. Achtung: Anonymisierung verschlechtert Datenqualität! Daten • Unnötige Details entfernen • Identität pseudonymisieren • Clustern (anonymisieren)
  • 13. Ein feingliedriger Zugriff auf die Daten ist notwendig 13 Zugriffsrechte Bekannte Konzepte umsetzten • Gruppen basiert - Benutzer - Gruppen - Objekt - Gruppen • Attribute Based - Benutzer - Attribute - Objekt - Attribute - Regeln A B Daten: Group 1 Daten: Group 2 1 2 Regeln Group1: A: lesen B: lesen Group 2: A: lesen … Zugriff: Ja, Nein
  • 14. Datenbank-Sicherheit 14 Vincent C. Hu, David Ferraiolo, Rick Kuhn, Adam Schnitzer, Kenneth Sandlin, Robert Miller, Karen Scarfone: Guide to Attribute Based Access Control (ABAC) Definition and Considerations COLUMN SITE RETURN CASE WHEN VERIFY_ROLE_FOR_USER(SESSION_USER,‘BAYER') = 1 OR VERIFY_ROLE_FOR_USER(SESSION_USER,‘TUM') = 1 THEN SITE ELSE CHAR('XXX-XX-' || SUBSTR(SITE,8,4)) END ENABLE; IBM Db2 • Schema Privileges • Row and Column Access Control (RCAC) Attribute-Based Access Control (ABAC)
  • 15. Technischer Schutz auf Basis von Standards 15 Verschlüsselung • VPN, HTTPS, SSH, IPSec • AES 256 Public Key Infrastruktur / Zertifikate • x.509 https://commons.wikimedia.org/wiki/File:Orange_blue_public_key_infrastructure_3_de.text.svg https://cms-staticcdn.tweaknews.eu/r0/rev/sHpHtxXFxiyULSG9e9aL5R/default/img/vpn-illustration.png