IoT-Daten räumlich zugeordnet darstellen
Daten in drei Dimensionen visualisieren
Immer mehr IoT-Geräte produzieren Daten, die es aufzuwerten und zu visualisieren gilt. Dabei können selbst unterschiedliche Daten überraschende Verbindungen unterhalten, schließlich sind sie Teil eines Gesamtsystems. Die passende Visualisierung hilft, solche Beziehungen aufzuspüren.
Mit dem flächendeckenden Ausbau von performanten Mobilfunkstandards wie 5G, der verstärkten Nutzung von Funknetzwerken wie LoRaWAN oder WLAN, aber auch der Verbreitung industrieller Kommunikationsstandards wie OPC UA, MQTT oder SNMP, können neue Geräte wesentlich leichter integriert werden. Dadurch steigt die Anzahl der verknüpften Devices und damit das Datenvolumen. Darüber hinaus liefern die Geräte zunehmend mehr Daten in einer höheren Frequenz. Um diese Datenmengen wirtschaftlich zu nutzen, müssen sie aufbereitet und visualisiert werden. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Die Aufbereitung
Messwerte werden fast immer als Datenreihen erfasst. Während sich die Visualisierung dieser stark an den individuellen Bedürfnissen des Nutzers orientiert, gilt es bei der Aufbereitung eine Reihe grundlegender Dinge zu beachten. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
- Prüfung der Daten auf Vollständigkeit und Plausibilität: Fehlende oder unplausible Daten können die Auswertungen verfälschen. Bei der Aufbereitung müssen also Vollständigkeit und Plausibilität sichergestellt werden. Aufgrund der hohen Datenmenge und der Messfrequenz, ist dies nur mit entsprechenden Automatismen möglich. Diese können Probleme erkennen und auf Grundlage von flexiblen Regelwerken Fehler melden und auch beheben.
- Vereinheitlichung der Auswertungszyklen: Datenreihen werden typischerweise in unterschiedlichen Zyklen zu verschiedenen Zeitpunkten erfasst. Bei einer übergreifenden Auswertung von Datenreihen muss das berücksichtigt werden. Die Mechanismen müssen also sicherstellen, dass alle betroffenen Datenreihen, ohne weiteres Zutun des Anwenders, sich automatisch synchronisieren. Erfahrungen zeigen, dass sich beim Einsatz unterschiedlicher Sensoren, Messgeräte und Kommunikationslinien ein gemeinsamer Messzeitpunkt und ein identisches Intervall nicht sicherstellen lassen. Nur durch den Einsatz geeigneter Regeln und mathematischer Verfahren erhält man belastbare Ergebnisse.
- Umrechnung von Daten: Die gesammelten Werte liegen oft in unterschiedlichen Einheiten vor und müssen somit vor einer Nutzung in andere Einheiten überführt werden. Im einfachsten Fall handelt es sich um eine Umrechnung auf Basis von physikalischen Einheiten wie Kilowatt/Stunde in Megawatt/Stunde oder Watt in Joule. Häufig muss aber mit zeitlich veränderlichen Korrekturdaten gearbeitet werden. Beispiele sind Brennwerte, CO2 Koeffizienten oder Währungen. Hier muss sichergestellt werden, dass alle Umrechnungsdaten zum richtigen Zeitpunkt und im notwendigen Zeitintervall vorliegen.
Grafische Auswertungen
Sind die Daten aufbereitet, geht es an die Visualisierung. Dafür gibt es unterschiedliche Komponenten und Tools. Von direkt in den Sammelsystemen integrierten Chart-Komponenten, über Cloudsysteme und reinen Grafik-Tools bis hin zu Microsoft Excel – welches System verwendet wird, entscheidet häufig die Verfügbarkeit sowie die persönliche Präferenz. Der Darstellungstyp richtet sich dabei immer nach der Fragestellung. Von einfachen Balken- und Liniendiagrammen, Visualisierung von Zeitverläufen und -vergleichen, über Carpetplots, zur Herstellung von Bezügen zwischen Messwerten und zeitlichen Zusammenhängen, bis hin zu Streudiagrammen für tiefgreifende Analysen komplexer Zusammenhänge. Auch Bubble-Charts für Kennwertdarstellungen, Kerzendiagramme zum Auftragen der Streuung von Werten und Tortendiagramme finden häufig Anwendung.
