Glossar

Unser Glossar enthält und definiert die im Kontext von i-flow relevanten Begrifflichkeiten. 

Unter Betriebstechnik (englisch operation technology – OT) versteht man Systeme, die Betriebsdaten (z. B. von Sensoren oder Aktoren) verarbeiten, um Prozesswerte wie Geschwindigkeit, Temperatur, Druck oder Durchfluss zu regeln. OT ist typischerweise in Fabriken zur Steuerung von Fabrikanlagen (z. B. Maschinen, Ventile, Motoren, Förderanlagen) zu finden und basiert auf sehr unterschiedlichen Kommunikationstechnologien. Im Allgemeinen können diese Technologien von der IT (z. B. Softwareanwendungen) nicht ohne großen Integrationsaufwand interpretiert werden.

Für den Betrieb einer Fabrik werden Ressourcen benötigt (z. B. Maschinen, Sensoren, Geräte, Systeme, Prozesse). In i-flow nennen wir diese Ressourcen Assets. Einmal in i-flow angelegt, repräsentiert ein Asset eine definierte Ressource (z.B. Fräsmaschine in Fabrik X an Linie Y, Temperatursensor in Fabrik X an Prüfstand Y). Ein Asset ist definiert durch die Verbindung zu einer oder mehreren Fabrikressourcen sowie einem oder mehrerer Datenmodelle. Assets können typischerweise in verschiedene Kategorien eingeteilt werden. Eine Kategorie kann zum Beispiel ein Typ von Maschinen oder Sensoren sein, die durch einen gemeinsamen Verwendungszweck in Fabriken gekennzeichnet sind (z. B. Fräsmaschinen für Fräsbearbeitungen, Temperatursensoren zur Messung von Prozesstemperaturen). Assets derselben Kategorie beruhen in der Regel auf demselben Datenmodell bzw. -modellen.

Ein Datenmodell ist ein abstrakter Archetyp zur Beschreibung von Daten und Eigenschaften realer Objekte (z. B. Maschinen) und deren Beziehung zueinander. Dabei legt ein Datenmodell die Struktur der Daten fest (z. B. wie Daten von einer Softwareanwendung empfangen oder dargestellt werden können). Ein Datenmodell in i-flow wird in der Regel von einem definierten Unternehmensziel abgeleitet. Stellen Sie sich zum Beispiel vor, Sie wollen Ihre Maschineneffizienz verbessern und dafür die Kennzahl „OEE“ (Overall Equipment Effectiveness) Ihrer Maschine berechnen. Bevor Sie sich mit der Maschine verbinden, können Sie nun die Daten und ihre Struktur modellieren, die von Ihrer Analyse- oder OEE-Anwendung erwartet werden. Dieses Datenmodell können Sie zur Verbindung jeder weiteren Maschine an Ihren OEE Use-Case nutzen. Datenmodelle werden in der Regel von einem Experten für den entsprechenden Use-Case definiert – also jemand, der weiß, welche Daten vom Zielsystem erwartet werden und wie diese strukturiert sein müssen.

In Bezug auf Daten ist Kontext definiert als die Gesamtheit der Umstände, die die Daten umgeben. Nur wenn Daten mit Kontext versehen sind, können sie vollständig verstanden und richtig interpretiert werden. Dies ist notwendig, um Daten in einer Softwareanwendung (z. B. einem Analysetool) korrekt zu nutzen und richtige Entscheidungen abzuleiten. Dabei gibt es 3 Grundregeln: Versehen Sie Daten immer mit Kontext, Kontext sollte immer wahr und relevant sein, Kontext muss von Dritten interpretierbar sein. So einfach es in der Theorie klingt, desto schwierig ist die Umsetzung in der Realität. Dies gilt insbesondere für Rohdaten aus Fabrikanlagen (z. B. Maschinen) kombiniert mit einer dynamischen Geschäftsumgebung (z.B. Personalfluktuation, wechselnde IT-OT). Kontaktieren Sie uns um zu erfahren, wie i-flow Ihre Farbikdaten automatisiert mit relevantem Kontext versieht. 

Interoperabilität ist die Fähigkeit heterogener Systeme, nahtlos zu interagieren, Daten auszutauschen und den Nutzern auf effiziente und nutzbare Weise zur Verfügung zu stellen, ohne dass kostspielige Anpassungen erforderlich sind. Interoperabilität beschleunigt die digitale Transformation. Dies zu erreichen, ist insbesondere in heterogenen Fabrikumgebungen bestehend aus Betriebstechnik (z. B. Maschinen, Sensoren) und Informationstechnologie (z. B. MES, Cloud-Anwendungen) herausfordernd. Dabei gibt es 3 Ebenen der Interoperabilität: Dateninteroperabilität (Daten können von Systemen verstanden und ausgetauscht werden), semantische Interoperabilität (Zusammenhänge zwischen Systemen und Daten können verstanden werden – auch in dynamischen Umgebungen) und Netzwerkinteroperabilität (Kommunikation zwischen Sicherheitszonen und hybriden Edge-to-Cloud-Architekturen). Nehmen Sie Kontakt mit uns auf und erfahren Sie, wie i-flow Sie bei der Herstellung von Interoperabilität über alle Ebenen hinweg unterstützen kann.

Auffindbarkeit (englisch „discoverability“) von Daten ist der Grad, in dem Informationen und Datensätze gefunden und interpretiert werden können, um sie in Zielsysteme (z. B. Analysen) zu integrieren. Discovery-Prozesse umfassen das Suchen, Verstehen, Aufbereiten und Integrieren von Daten in ein Zielsystem, um schlussendlich ein bestimmtes Unternehmensziel zu erreichen (z. B. die Verringerung von Maschinenstillständen). Der Aufwand für die Identifikation von Daten aus der Betriebstechnik (z. B. Maschinen) kann auf ein Minimum reduziert werden, wenn perfekt kontextualisierte und saubere Daten zur Verfügung stehen. Kontaktieren Sie uns, um mehr zu erfahren.

Die Datenflexibilität beschreibt, inwieweit Daten leicht an sich ändernde Geschäftsanforderungen angepasst werden können, ohne dass ein hoher Aufwand für die Datenverarbeitung entsteht. Flexibilisierung ermöglicht es einer Lösung oder Anwendung zu wachsen, schrumpfen oder sich anzupassen, um veränderten Anforderungen gerecht zu werden bei gleichzeitiger Minimiuerung des Anpassungsbedarfs. Dies ist besonders in dynamischen Umgebungen hilfreich (z. B. bei der Integration neuer Maschinen, Rollout von Use-Cases auf weitere Maschinen, Anwendung neuer Anwendungsfälle auf bestehende Daten).

Die Datenaggregation beschreibt den Prozess der Kombination verschiedener Daten, die in der Regel aus mehreren Quellen (z. B. Datenbanken) stammen, um eine Zielanwendung (z. B. zur Datenanalyse) zu speisen. Dies ist ein sehr wichtiger Schritt, um die Aussagefähigkeiten der aus den Daten gewonnenen Erkenntnisse zu erhöhen, und hängt stark von der Qualität der Quelldaten ab.

Daten Bereinigung beschreibt den Prozess der Umwandlung von Daten schlechter Qualität in Daten mit guter Qualität zur Nutzung in der IT (z. B. für Analysen). Unter schlechter Qualität versteht man Daten, die beschädigt, falsch, nicht im richtigen Format, doppelt vorhanden oder unvollständig sind. Dabei ist es besonders aufwendig, wenn mehrere Datensätze von schlechter Qualität miteinander kombiniert werden müssen. Die Bereinigung von Daten ist von entscheidender Bedeutung, da Ihre datengestützten Entscheidungen nur so gut sein können wie die Analyse der Daten, die wiederum nur so gut sein kann wie die Daten selbst. Schlechte Daten rein, schlechte Analyse und Entscheidung raus (englisch: shit in, shit out). Heutzutage ist dieser Prozess hochgradig manuell und anspruchsvoll, insbesondere in Umgebungen mit viel Betriebstechnologie und Fabrikanlagen, die Unmengen an unkontextualisierten Rohdaten erzeugen. Das Ergebnis: der absolute Großteil heutiger Fabrikdaten ist von schlechter Qualität. Wie wäre es also, wenn Sie Ihren Aufwand für die Datenbereinigung auf ein Minimum reduzieren könnten, da Ihre Fabrikdaten automatisch bereinigt und harmonisiert werden? Kontaktieren Sie uns und erfahren Sie, wie i-flow Sie hierbei unterstützen kann.

Die Daten Transformation ist der Prozess der Umwandlung von Daten aus ihrer rohen ursprünglichen Form in Daten, die in einem Zielsystem (z. B. Datenbank, Anwendung) genutzt werden können. Dies umfasst unter anderem die Änderung des Formats, die Zuordnung von Datentypen und die Manipulation von Werten.

Metadaten sind „Daten über Daten“. Sie können die Quelle der Daten (z. B. Maschine, Datenbank), ihre Struktur, Datentypen oder Datenzugriffsberechtigungen beschreiben. Metadaten können manuell oder automatisch hinzugefügt werden. Insgesamt ermöglichen es Metadaten, Daten zu finden, zu interpretieren und entsprechend zu verarbeiten. Sehr gerne senden wir Ihnen Informationen zu, wie i-flow ihre Farbrikdaten automatisch mit relevanten Metadaten verknüpft. Kontaktieren Sie uns.

Ein Tag ist ein Schlüsselwort, ein Etikett oder eine Markierung, das zugewiesenen Daten oder Datensätzen, um Informationen ergänzt. Rohdaten können beispielsweise mit Schlüsselwörtern versehen werden, um die Herkunft der darin enthaltenen Daten zu beschreiben (z. B. von welcher Fabrik, Produktionslinie und Maschine). Tags sind eine Untergruppe von Metadaten und tragen dazu bei, dass Daten oder Datensätze leicht zu finden und zu interpretieren sind. In i-flow können die Nutzer Tags aus einer Liste von Schlüsselwörtern auswählen, die vom Administrator vordefiniert wurde (kontrolliertes Vokabular, wie z. B. Fabrik-ID).

Unter Daten Anreicherung versteht man den Prozess der Veredelung vorhandener Informationen durch Hinzufügen zusätzlicher Informationen (z.B. aufgrund fehlender oder unvollständiger Date, neuer Anforderungen). Dazu gehört in der Regel die Anreicherung vorhandener Daten mit Daten aus anderen Quellen. In Fabriken können zum Beispiel Rohdaten von Maschinen (Prozessdaten) mit Informationen über das verarbeitete Werkstück (Produktdaten) oder den Produktionsauftrag aus separaten IT-Anwendungen oder Datenbanken angereichert werden.