Messdatenmanagement mit Open-Source-Lösungen Big-Data-Techniken für alle

Intelligenten Einsatz von Open-Cource-Lösungen
Open-Cource-Lösungen helfen beim Erfassen und Managen von Messdaten.

Messdaten unternehmensweit erfassen und analysieren zu können ist wichtig für die Produktoptimierung. Durch den intelligenten Einsatz von Open-Source-Lösungen lassen sich nun auch große Datenmengen kostengünstig speichern und mit Hilfe von Big-Data-Techniken auswerten.

Fachabteilungen, die Elektronik, Mechanik, Baugruppen oder ganze Fahrzeuge testen, dokumentieren ihre Ergebnisse in der Regel lokal. Durch die dabei entstehenden Insellösungen werden Messdaten selten außerhalb ihres Entstehungsprozesses genutzt. Doch Messdaten sind wertvoll, sie stellen Wissen über Produkte und deren Entstehung dar. Ein Messdatenmanagement-System in Verbindung mit Big-Data-Technologien kann Messdaten langfristig systematisch nutzbar machen und für den gesamten Produktlebenszyklus erschließen (Bild 1).

Da einzelne Fahrzeugkomponenten oft unverändert in Nachfolgemodelle übernommen werden, können auch ältere Versuchsergebnisse wieder relevant werden. Eine gut recherchierbare Ablage der Daten sowie Verfahren, mit denen versuchs-, projekt-, abteilungs- und standortübergreifend Muster und Zusammenhänge erkannt werden, bieten somit entscheidende Wettbewerbsvorteile. Außerdem: Um im Falle eines Produkthaftungsprozesses durchgeführte Tests anführen zu können, müssen in der Automobilindustrie die Daten oft bis zu 30 Jahre aufbewahrt werden. Über das Ziel, Messdaten und Versuchsdokumentationen über den gesamten Lebenszyklus eines Produkts verfügbar zu halten, dürfte also Einigkeit bestehen.

Traditionelle Speicher stoßen an ihre Grenzen

Messdaten fallen allerdings in enormen Mengen an und sprengen zunehmend den Rahmen dessen, was auf traditionellen File Servern wirtschaftlich vertretbar gespeichert werden kann. In manchen Bereichen wie den Fahrer­assistenzsystemen sind dies mehrere Terabyte pro Woche. Wer auf den prinzipiellen Wert von Messdaten verweist und alles aufheben will, wird von der wirtschaftlichen Vernunft immer wieder in die Schranken gewiesen. „Können wir vielleicht noch gebrauchen“ klingt angesichts von Petabytes an Daten nach dem Argument eines Messdaten-Messies, der zur Selektion der wichtigen Daten gezwungen werden muss. Doch gigantische Datenmengen sind ja kein spezifisches Problem von Prüfstand­betreibern. Unter dem Begriff Big Data werden in anderen Bereichen heute bereits vielfältige Methoden zur nutzbringenden Speicherung und Auswertung großer Datenmengen erfolgreich genutzt. Auch Messdatenmassen können damit beherrscht werden.

Eine Herausforderung bei der Einführung eines unternehmensweiten Messdatenmanagement-Systems sind die proprietären Formate, in denen die Daten aus den Messgeräten und Prüfständen kommen. Damit die Messdaten jederzeit bedeutungsrichtig interpretiert und verglichen werden können, müssen sie mit beschreibenden Informationen dokumentiert werden. Diese sogenannten Metadaten dienen dazu, den fachlichen, organisatorischen und technischen Kontext der Messungen auswerten zu können. Zum Kontext gehören z.B. die exakte Beschreibung des Prüflings, der eingesetzten Messmittel und des Versuchsablaufs sowie organisatorische und auftragsbezogene Daten. Mit diesen Informationen ist es später möglich, in den Datenbeständen gezielt zu navigieren und zu suchen.

Ein Standard, der sich als Basis für diese Art der Versuchsdatenablage seit über einem Jahrzehnt bestens bewährt hat, ist ODS (Open Data Service) des ASAM e.V. (Association for Standardisation of Automation and Measuring Systems). Weltweit wird der Standard von einer großen Anzahl namhafter Unternehmen genutzt.

Zukunftssichere Open-Source-Lösungen

Mit Hilfe geeigneter Software-Plattformen können ODS-basierte Lösungen heute wirtschaftlich und zukunftssicher umgesetzt werden. Der Open-Source-Software-Baukasten openMDM ist beispielsweise eine solche Plattform. Die Ursprünge von openMDM liegen in einem Messdatenmanagement-System von Audi, das seit 2008 von einer offenen Community aus rund 30 Fahrzeugherstellern, Zulieferern und Dienstleistern zu einer äußerst vielseitigen und skalierbaren Enterprise-Lösung weiterentwickelt wurde. Mit Gründung der openMDM Eclipse Working Group (www.openmdm.org) ist 2014 auch ein organisatorischer Rahmen entstanden, in dem die Weiterentwicklung und internationale Verbreitung von openMDM noch intensiver vorangetrieben werden kann. Die treibenden Kräfte sind hier unter anderem Audi, BMW und Daimler.

Die Software-Komponenten von openMDM unterstützen Anwender bei der Durchführung einzelner Arbeitsschritte im Versuchsprozess und erlauben so eine Standardisierung bzw. Automatisierung wiederkehrender Arbeitsabläufe. Die Prozessunterstützung beginnt bei der Versuchsbeschreibung und geht über die Versuchsbeauftragung und Versuchsdatenablage bis hin zur Navigation, Suche und Selektion von Versuchsdaten. Messsysteme und Analysewerkzeuge unterschiedlicher Hersteller können über offene Schnittstellen flexibel in den Prozess integriert werden. Dadurch ist es ohne großen Entwicklungsaufwand möglich, die Messdaten aus unterschiedlichen Prüfsystemen zu importieren und zusammen mit ihren beschreibenden Informationen (Metadaten) ASAM-ODS-konform zu speichern und zu verwalten. Die Daten in openMDM können durch Navigation oder Suche gefunden, zusammengestellt und anschließend für die Weiterverarbeitung an verschiedene Analysewerkzeuge übergeben werden (Bild 2).

Auf diese Weise sind Unternehmen in der Lage, ihre Versuchsprozesse in den unterschiedlichen Fachbereichen zu standardisieren und herstellerunabhängig zu gestalten. Es wird der Übergang von proprietären, lokalen Lösungen zu wirklich integrierten Arbeitsumgebungen mit den jeweils besten verfügbaren Tools geschaffen. Das heißt, durch den offenen, herstellerunabhängigen Ansatz von openMDM ist es möglich, diejenigen Werkzeuge (d.h. Messsysteme, Analyse-Tools, Auswerteprogramme usw.) von unterschiedlichen Herstellern einzusetzen, die sich für die Durchführung bestimmter Aufgaben oder Arbeitsschritte im Versuchsprozess eines bestimmten Fachbereichs als am besten geeignet herausgestellt haben. Trotz der unterschiedlichen Systeme ist das Ergebnis eine übergreifende und konsistente Sicht auf sämtliche Versuchsdaten eines Fachbereichs.