Der UNS soll Datensilos auflösen und auf Werksebene eine effiziente Skalierung von Systemen und Anwendungen ermöglichen. Doch wie bei jeder bahnbrechenden Technologie gibt es auch hier Herausforderungen und Weiterentwicklungen, die es zu meistern gilt. Doch kann der #Shared-UnifiedNamespace, kurz #SharedUNS, die Hürden überwinden und Unternehmen dabei helfen, ihre Fertigungsprozesse zu optimieren und die Effizienz zu steigern? Der Blick auf die Effekte und Herausforderungen des Konzeptes verschafft Klarheit.
Die Leistungsversprechen
Datenintegration – Der UNS soll die nahtlose Integration von Daten aus verschiedenen Quellen ermöglichen, wodurch Datensilos aufgelöst werden.
Interoperabilität – Unterschiedliche Geräte und Systeme von verschiedenen Herstellern können über eine gemeinsame Datenplattform kommunizieren.
Skalierbarkeit – Die einheitliche Struktur des UNS hilft, Systeme und Anwendungen zu skalieren.
Single Source of Truth – Abteilungen und Systeme greifen auf dieselben Daten zu, was Inkonsistenzen und Redundanzen vermeidet.
Offene Architektur – Der UNS basiert auf einer offenen Architektur, die die Integration neuer Technologien und die Erweiterbarkeit erleichtert.
Die Herausforderungen des UNS
Komplexität der Implementierung – Die Einführung eines UNS kann komplex und zeitaufwendig sein, insbesondere wenn viele unterschiedliche Systeme integriert werden müssen.
Abhängigkeit von Standards – Die Effektivität des UNS hängt stark von der Einhaltung und Implementierung von Standards ab.
Kein durchgängiges Datenmodell – Bei der Implementierung des UNS kann es zu Brüchen im Datenmodell kommen, weil es allen Anforderungen auf einmal gerecht werden muss.
Cybersecurity – Da die Daten zentralisiert sind, kann ein UNS anfälliger für Sicherheitsbedrohungen sein.
Weiterentwicklung zum #SharedUNS
Um diese Herausforderungen zu überwinden, wurde das Konzept des UNS zu einem #SharedUnifiedNamespace weiterentwickelt. Mit dem #SharedUNS können Unternehmen entscheiden, welche Daten in Echtzeit verarbeitet werden, welche für spätere Analysen im Data Lakehouse gespeichert werden und welche Daten für KPI-Berechnungen direkt in der Datenbank landen. Die Fertigung und das Management benötigen dabei KPIs, die auf relationalen Daten basieren. Gleichzeitig wollen die Fertigung und die Qualitätssicherung den Fertigungsprozess kontinuierlich überwachen, wofür Streaming-Daten erforderlich sind. Der Datenanalyst wiederum benötigt für seine Vorhersagemodelle große Datenmengen, die in einem Data Lakehouse gespeichert werden.
Auf Praxistauglichkeit getrimmt
Durch den #SharedUNS ist es nicht erforderlich, ein umfassendes Datenmodell für die gesamte Fabrik zu erstellen. Für jeden Services wird aus einem Standard-Modell jeder Maschine das jeweilige Datenmodell ohne Daten-Brüche automatisch nach festen Regeln abgeleitet. Dadurch sinkt die Komplexität insbesondere für große Unternehmen erheblich. Die Stärken der einzelnen Services werden besser genutzt und das System dezentralisiert. Im folgenden werden die Schritte skizziert, in die Unternehmen eine Implementierung strukturieren können.
1. Identifikation des Use Cases – Der erste Schritt auf dem Weg zum Namespace ist die Identifikation von Use Cases. Dies bedeutet, dass Unternehmen die spezifischen Anwendungsfälle identifizieren müssen, bei denen die Infrastruktur Nutzen stiften kann.
2. Wirtschaftliche Betrachtung – Eine wirtschaftliche Analyse der identifizierten Use Cases ist notwendig, um den potenziellen Nutzen und die Kosten der Implementierung zu bewerten. Dies umfasst die Analyse der aktuellen Kosten, die durch ineffiziente Datenverwaltung entstehen, sowie die potenziellen Einsparungen und Vorteile, die durch die Umsetzung des Konzeptes erzielt werden können.
3. Integration der Maschinen und Anlagen – Nach der Identifikation der Use Cases und der wirtschaftlichen Bewertung können die ersten Maschinen und Enterprise-Systeme angebunden werden. Dies umfasst die technische Integration der verschiedenen Systeme und Geräte, um sicherzustellen, dass sie nahtlos miteinander kommunizieren können.
4. Datenstruktur für das UNS Subset Edge definieren – Ein wichtiger Schritt bei der Anbindung von Maschinen und Anlagen ist die Festlegung einer einheitlichen Datenstruktur für jeden Anagentyp. Dies kann durch die Definition von Datenmodellen und Standards erreicht werden, die sicherstellen, dass alle relevanten Daten erfasst und korrekt interpretiert werden können.
5. Aufbau der ersten Daten-Services – Üblicherweise wird mit der Implementierung des relationalen Datenservice angefangen, da meistens in den ersten Use-Cases KPIs von Bedeutung sind und gleichzeitig eine Langzeit Speicherung der Daten mit diesem Service realisiert wird. Als zweites wird meistens der Streaming Service aufgebaut, um einzelne Prozess-Daten in Echtzeit anzuzeigen oder erste Prozessüberwachungen zu implementieren.
6. Echtzeit-Datenanalyse und Visualisierung – Dann werden oft Grundlagen für die datengetriebene Entscheidungsfindung eingerichtet. Das umfasst die Implementierung von Dashboards und Analysetools nach verschiedenen Vorlagen, die es den Nutzern ermöglichen, die erfassten Daten in Echtzeit zu visualisieren und zu analysieren.
