Montageroboter mit Licht-Sensor

Bamberger Prototyp zieht in die Welt

Industrie 4.0 ist ein Schlagwort der Stunde. Als das Bamberger Werk eines Technik-Konzerns eine neue Fertigungsstraße aufbaut, ist von Anfang an klar: Die Daten, die hier generiert werden, sind ein Schatz. Nur: Wie hebt man ihn?

1. Die Ausgangslage

Unser Kunde baut unter Berücksichtigung einer Industrie 4.0-Strategie in seinem Bamberger Werk, das neben Zündkerzen vor allem Komponenten für Diesel- und Benzintechnik herstellt, eine Montagestraße für Hochdruckeinspritzventile auf. Die Stationen auf dieser Straße generieren nicht nur zahlreiche Messwerte, sondern auch Fotos. Denn aus Sicherheitsgründen wird jedes einzelne Ventil fotografiert – für den Fall, das dem Kunden, die Qualität der Produkte nachgewiesen werden muss.

Es ist klar, dass die Gesamtheit der Daten über die Fotos hinaus noch erheblich mehr Nutzen birgt – für die Qualitätssicherung und für viele andere Zwecke. Eine intelligente Analyse könnte beispielsweise auch Erkenntnisse bieten, um die Produktion effizienter zu gestalten. Der Haken an der Sache: Man hat zwar erste Ideen für potenzielle Analysemöglichkeiten, einen klaren Plan zu Schnittstellen, Datenmengen, fachlichen und Integrationsanforderungen gibt es jedoch noch nicht. Bis ITGAIN ins Spiel kommt.

2. Die Umsetzung

Von Anfang an war klar, dass ein flexibles Data Warehouse geschaffen werden musste, in dem sich Daten aller relevanten Quellen zusammenführen und analysieren lassen. Ein hoher Automatisierungsgrad war dabei von zentraler Bedeutung. Auch deswegen entschied sich das Projektteam – neben der Kombination innovativer Technologien – für Data Vault als Modellierungstechnik des Warehouses. Damit war eine hohe Flexibilität bei der Weiterentwicklung und Erweiterung gewährleistet.

Unser Vorschlag war, das Projekt mit der agilen Methode Scrum anzugehen. Mit dieser Vorgehensweise konnten wir dem Kunden maximale Transparenz und einen methodischen Dialog anbieten. Das war eine wichtige Voraussetzung, um das Projekt effizient und schnell durchführen zu können. So haben wir für die Entwicklung nur knapp vier Monate gebraucht.“

Tobias Dittrich, Scrum-Master und Leiter des Teams Business Consulting

3. Das Ergebnis

Dank des erfolgreichen Projekts lassen sich nun generierte Maschinendaten zur Qualitätsprüfung auswerten und einen fortlaufenden Qualitätsbeweis auch für ihre Kunden führen, und dies mit deutlich weniger Ressourcen- und Zeitaufwand als vorher. Der eigentliche Benefit liegt in der Zukunft: Das Data Warehouse kann dank Data Vault einfach erweitert werden – um neue Dateninhalte und -formate für neue Analyseaufgaben zu erfassen. Der Kunde und ITGAIN erstellten gemeinsam die Voraussetzungen, Analytics zu betreiben und die Produktion fit für die Industrie 4.0 zu machen.

Das Bamberger Werk und ITGAIN haben gemeinsam einen digitalen Weg eingeschlagen: Im Folgeprojekt wird der Bamberger Prototyp zu einem Produktivsystem weiterentwickelt, um bald auch die Montagestraßen in den internationalen Produktionsstandorten weltweit voranzubringen.

Data Vault

Analytics

Data Warehouses müssen flexibel und agil auf die Anforderungen von Fachabteilungen reagieren können. Eine Herausforderung für die IT-Abteilung, die zusätzlich durch das wachsende Datenvolumen, die Historisierung und die Performance erschwert wird. Die Lösung: ein Enterprise Data Warehouse mit Data Vault im Core von ITGAIN. Es ist extrem skalierbar, seine Architektur ist flexibel. Kombiniert mit einer Hub and Spoke Architektur ermöglicht es vieles, was bisher nur schwer zu machen war: Flexibilität, Reduzierbarkeit, einfache Integration der Geschäftsprozesse (Zeitachsen inklusive), Uni- und Bi-Temporalität und eine vollständige Nachvollziehbarkeit der Daten. Darüber hinaus ist Data Vault ein wesentlicher Baustein für ein agiles Vorgehen in Data Warehouse Projekten. Es ist der Grundstein für die schnelle und flexible Lieferung von Daten an die Fachabteilungen. Wir helfen Ihnen die Lösung zu finden, die zu Ihren Herausforderungen optimal passt!

Datenmodellierung

Analytics

Eine der wichtigsten Komponenten Ihres Data Warehouses ist das Datenmodell. Wie eine Landkarte stellt es die Zusammenhänge zwischen den Geschäftsobjekten präzise dar und definiert, welche Daten für welche Reports bereitgestellt werden. Ein mächtiges Instrument für die Anforderungsanalyse und Dokumentation. Und ein Herzstück, das alles beeinflusst: den Ladeprozess, die Geschäftsregeln, die Historisierung und Auditfähigkeit sowie Data-Marts und Reporting. Ist das Design des Datenmodells wohldurchdacht, vereinfacht es die Entwicklung der Ladeprozesse und des Berichtswesens – und spart dadurch Kosten. Fehler hingegen beeinträchtigen den Wert Ihrer Daten erheblich und sind im Nachhinein nur sehr schwer zu beheben. Unsere Spezialisten haben viele Jahre Erfahrung in der Datenmodellierung. Greifen Sie darauf zurück. Es lohnt sich.

Scrum - agiles Projektvorgehen

Methodenkompetenz

Scrum: Eine Methode des agilen Projektvorgehens. Sie eignet sich vor allem bei Projekten, in denen schnelle Reaktionen auf Veränderungen und eine kontinuierliche Kommunikation mit dem Auftraggeber notwendig sind. Wenn Themenfelder noch nicht vollkommen durchdrungen sind und die genaue Zieldefinition vor Projektstart schwerfällt, ist Scrum die Methode der Wahl. Die zentrale Idee von Scrum ist die folgende: Das Endprodukt wird inkrementell in Sprints, sprich kurzen Zyklen von zwei bis vier Wochen, entwickelt. Ziel jedes Sprints ist ein auslieferbares (Teil-) Produkt. Das sich selbst organisierende Entwicklerteam steht dabei im engen Dialog mit dem Auftraggeber – ohne einen klassischen Projektmanager oder einen weit vorgreifenden Projektplan. Die Aufgaben des Projektmanagements sind auf das Team verteilt oder lösen sich in der Methodik auf.

Neueste Stories

Tobias Dittrich, Scrum-Master und Leiter des Teams Business Consulting

Ansprechpartner

Tobias Dittrich T +49 511 51 51 – 3700 F +49 511 51 51 – 3800

Kontaktformular

Leistungen

  • Entwicklung eines Data Vault basierten Data Warehouses
  • Agiles Projektvorgehen nach Scrum
  • Schaffung der Voraussetzungen für eine effiziente Analyse von Fertigungsprozessen

Technologien

  • Data Vault
  • Talend
  • Oracle
  • Hadoop
  • SAP Power Designer