Der Begriff Big Data ist in aller Munde: Praktisch jedes Unternehmen macht heute “irgendetwas” mit Big Data oder beabsichtigt, dies in naher Zukunft zu tun. Aufgrund der Vielschichtigkeit des Themas und der damit verbundenen Komplexität entstehen dabei in der Regel spezifische Insellösungen, die genau auf die Ziele und den Kontext des jeweiligen Unternehmens bzw. nur einer Abteilung optimiert sind. Weitgehend ungenutzt bleibt hingegen das Potenzial, welches im Austausch und in der Analyse von Daten über Unternehmensgrenzen hinweg schlummert. Im Rahmen des vom BMWI geförderten Forschungsprojekts PRO-OPT verfolgen wir das Ziel, Unternehmen in solch dezentral-kooperativen Strukturen den effektiven Austausch und die intelligente Auswertung von Daten ohne deren vollständige Integration zu ermöglichen. Dieser Vortrag wird eine Einblick in die in PRO-OPT bearbeiteten Problemstellungen geben und Big Data Lösungsansätze und Erfahrungen skizzieren.

1. 1 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Fundedby
Big Data in der Fertigung und das SMART Data Projekt PRO-OPT
IT2Industry, München, 16.11.2016
Dr. Dirk Ortloff

2. 2 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
 Firmenüberblick
 Status von Big Data
 Das SMART DATA Projekt PRO-OPT
 Ergebnisse im Bereich Traceability Drill Down & Root-Cause Analysis
 Zusammenfassung
Agenda
Picture from: https://commons.wikimedia.org/wiki/File:BigData_2267x1146_white.png

3. 3 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Firmenüberblick

4. 4 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Service Offering Portfolio

5. 5 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Produktbereiche

6. 6 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Status von Big Data

7. 7 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Ist Big Data immer noch ein Hype?
Picture from: http://na2.www.gartner.com/imagesrv/newsroom/images/hype-cycle-pr.png;wada20fd4bd7891509

8. 8 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Ist Big Data immer noch ein Hype?
Picture from: http://na1.www.gartner.com/imagesrv/newsroom/images/HC_ET_2014.jpg;wadf79d1c8397a49a2

9. 9 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Ist Big Data immer noch ein Hype?
Picture from: http://na2.www.gartner.com/imagesrv/newsroom/images/emerging-tech-hc.png;wa0131df2b233dcd17

10. 10 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Big Data Status
Big Data
Fast jeder mach irgendetwas mit
Big Data…
Picture from: https://commons.wikimedia.org/wiki/File:Peak_hour_traffic_in_melbourne.jpg

11. 11 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Big Data Status
Aber alles ist eher
Firmenspezifisch und es sind
meist Insellösungen
Picture from: https://commons.wikimedia.org/wiki/File:Palau_archipelago.jpg

12. 12 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Das SMART DATA Projekt PRO-OPT

13. 13 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Das PRO-OPT Projekt
Projektstart 1.1.2015,
3 Jahre Laufzeit
www.pro-opt.org

14. 14 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017

15. 15 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017

16. 16 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
ECU ECU ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECUECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
Gateway

17. 17 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
ECU ECU ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECUECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU ECU
ECU
ECU
ECU
ECU
ECU
ECU
ECU
Gateway

18. 18 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017

19. 19 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Komplexes
Produkt
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Komplexes
Eco-System

20. 20 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Komplexes
Produkt
Komplexes
Eco-System

21. 21 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
• ••

22. 22 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
• ••
•••
•••
•••
•••
•••
•••
Problem

23. 23 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Problem
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
• ••

24. 24 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Problem

25. 25 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
§
§

26. 26 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
§
§

27. 27 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant

28. 28 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Herausforderungen: Zielkonflikt
GarantieforderungGarantieforderungGarantieforderung
Mehr Informationsaustausch in dieser Richtung erhöht evtl. die Rückerstattung
Mehr Informationsaustausch in dieser Richtung verringert evtl. die Rückerstattung
Beide Richtungen offenbaren Intellectual-Property
Widerspruch zu kurzfristigen Zielen aber langfristig im gemeinsamen Interesse
Zusammenarbeit
Steuergeräte-Lieferant Modul-Lieferant OEM-ProduktionTeile-Lieferant

29. 29 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant

30. 30 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant

31. 31 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant

32. 32 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Verteilte Analyse

33. 33 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Datenkatalog

34. 34 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Steuergeräte-Lieferant Modul-Lieferant OEM-Produktion Weiterer LebenszyklusTeile-Lieferant
Datennutzungskontrolle

35. 35 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Die PRO-OPT Plattform – Architektur
Unternehmensübergreifende PRO-OPT Plattform
PRO-OPT Frontend
PRO-OPT API
PRO-OPT Bridge
Unternehmen 1
RDBMS
Cluster
PRO-OPT
Connector
Data
Catalogue
Decision
Event
Data
Quality
Unternehmen n
RDBMS
Cluster
PRO-OPT
Connector
Data
Catalogue
Decision
Event
Data
Quality
Datenfusion
Producer
Kettle
GUI

36. 36 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Ergebnisse im Bereich Traceability Drill Down & Root-Cause
Analysis

37. 37 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Traceability: Einordnung in die Unternehmensprozesse
37
SCM
Supply Chain
Management
ERP
Enterprise Resource
Planing
PLM
Product Lifecycle
Management
SCADA
Supervisory Control
And Data Acquisition
MES
• Produktionsfolge
• Produktionsauftrag
• Masterdaten
• Etc …
• Produktionsausbeute
• Qualitätsdaten
• WIP Status
• Etc …
• Kontrollparameter
• High-level Geschäftslogik
• Arbeitsanweisungen
• Etc …
• Prozess / Testergebnisse
• Maschinenstatus
• Materialverbrauch
• Etc ...
Prozess Sicht

38. 38 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Wie Traceability funktioniert …
38
Work in
Progress (WIP)
10 20 30
Material Nachverfolgung & Überwachung
Chargen- und Seriennummern-Verfolgung
Monitoring des Durchsatzes, der Ausbeute und der Fehlerklassifikation
Validierung benutzter Materialien
Datenaustausch mit dem externen ERP System

39. 39 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Der Blick in die andere Richtung
Werk 2
Werk 1

40. 40 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Herausforderung
 Datenmengen wachsen enorm an
 Tabellen sind klassisch modelliert  viele Joins nötig
 Performanz mit wachsender Datenmenge extrem abnehmend
 Viele selektierte Datasets zu groß für Export & Analyse
Ziel: Schnelle Antworten aus Terabytes von Daten
Ansatz:
 Use Cases identifizieren (Potential Analysis)
 Query Based Modeling für Traceability mit
Cassandra NoSQL-DB
 Root-Cause Analyse & Visualisierung
Vorteil
 Durch Wide-Tables keine Joins mehr nötig
 Abfrage um Größenordnungen schneller
 Möglichkeit für neue Reports, neues Drill-Down
 Einfache Integration der Analyse
Traceability: Terabytes von Informationen und Daten

41. 41 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Traceability Drill-Down & Root-Cause Analysis mit camLine Tools
Clusterr
Cassandra DB
Cornerstone
MLlib
„Machine
Learning library“
SparkR
DirekterZugrifffürkleinereDatenmengen
Cassandra DB
1
1
2
2
3
4
0
MS Excel
0

42. 42 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Fazit:
 Query Based Modeling für Traceability -> Enormer Performance-Gewinn (Faktor 100+)
 Schnellere Erzeugung von Reports, schnellerer Drill-Down
 Ganz neue Reports möglich
Aber:
 Es bestehen auch (noch) diverse Einschränkungen der derzeitigen Technologien, ähnlich SQL in
den 90igern
 Enorme Datenreplikation
 Nur Queries auf „vorbereiteten“ Daten sind schnell (Ad hoc), andere Abfragen müssen erst durch
Batch Processing aufbereitet werden
  Es ist enorm wichtig, die möglichen Anfragen „Vorherzusehen“, um die Daten von Beginn an
richtig vorzuhalten
Lessons-Learned: Traceability – Drill-Down mit camLine Tools

43. 43 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
• Erzeugung von Wide-tables mit >1000
Spalten wird unterstützt
• Erste grafische Übersicht über einen
großen Datensatz mit Standardanalysen
der Statistik
• Binning & Interaktives Brushing der
interessanten Regionen (Cluster,
Ausreißer)
• Vorhersage potentieller
Root-Cause Variablen
 Logistische Regression
 Bayesian Klassifikation
 Random Forest
Ergebnise Root-Cause Analysis & Visualisierung
Große
Regressionskoe
ffizienten
identifizieren
Slot1 als
möglichen
Root-cause
Confusion
Matrix zur
Prüfung der
Modellqualität
„brushed“
Heatmap Bins

44. 44 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Zusammenfassung

45. 45 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
• Big Data wird bleiben – nach Gartner ist Big Data im Markt angekommen
• Relationaler Modellierungsansatz funktioniert bei NoSQL Datenbanken nicht
 Performance kann dann viel schlechter sein
 Gewisse Operation wie Joins gibt es nicht oder sind extrem teuer
• Query based Modelling kann enorme Zeitgewinne bringen
(Faktor >100), auf Kosten des Speicherplatzes
• Man muss einige gewohnte Aspekte loslassen
ACID vs. CAP Theorem z.B. Eventual Consistency
• Entwicklung ist am Anfang eines ähnlichen Weges
wie im relationalen Modell
Neue Denkansätze

46. 46 Big Data in der Fertigung und das SMART Data Projekt PRO-OPT 17.11.2017
Thank you
camLine GmbH
Dr. Dirk Ortloff
Industriering 4a · 85238 Petershausen
T: +49 8137935-193
F: +49 8137935-235
dirk.ortloff@camline.com
www.camline.com