Längst sind Daten zum wichtigsten Rohstoff des 21. Jahrhunderts geworden; auch in modernen Industrieanlagen sind diese von unschätzbarem Wert. So können durch Verfahren der Datenanalyse ablaufende Prozesse sichtbar und begreifbar gemacht werden. Die Möglichkeiten sind immens: Mit Analysen und Kennwertberechnungen lassen sich zum Beispiel ungeplante Stillstandzeiten reduzieren, die Anlageneffizienz erhöhen und auch die Produktqualität sicherstellen.
In vielen Unternehmen erfolgt das Datenhandling aber abteilungs- und anwendungsspezifisch, dies resultiert in abgetrennten Datensilos. Da auf diese Weise das volle Potenzial der Daten nicht ausgenutzt wird, gilt es, diese Datensilos aufzubrechen. Dieser Vorgang geschieht unter dem Stichwort der Datendemokratisierung. Hierbei sollen die Daten nur einmal erfasst und den Mitarbeitern mit entsprechender Berechtigung zugänglich gemacht werden. Für datengetriebene Organisationen ist dieser Schritt unerlässlich und führt dazu, dass abteilungsübergreifend faktenbasiert kommuniziert und der Prozess als Ganzes betrachtet wird. All dies kann jedoch nur funktionieren, wenn die relevanten Daten in den passenden Formaten und Kanälen geteilt werden – für das Messsystem sind folgende Designparadigmen notwendig: Um Daten unterschiedlicher Quellen, wie etwa aus Steuerungen verschiedener Hersteller, Bussystemen, Kameras oder von HMI-Bildschirmen gemeinsam zu erfassen, ist eine umfassende Konnektivität zum Prozess erforderlich.
Zudem müssen die Daten hochaufgelöst erfasst und langfristig im Messsystem persistiert werden: Da unterschiedliche Abteilungen in der Regel unterschiedliche Kennwerte benötigen, wird durch diesen Schritt eine flexible Auswertung basierend auf den Rohdaten ermöglicht. Zum Zeitpunkt der Datenerfassung muss somit noch nicht feststehen, für welche Auswertungen die Messdaten verwendet werden sollen.
Die erfassten Daten müssen in einer zentralen Datenablage, einem sogenannten historical data server, gespeichert werden. Dies ermöglicht die Verknüpfung verschiedener Datensätze, zum Beispiel kann die gemeinsame Analyse von Schwingungsdaten mit Produktionsdaten zu tieferen Erkenntnissen führen. Insbesondere können Auswertungen und Kennwert-Berechnungen auch nachträglich ergänzt werden. Dabei reicht es jedoch nicht aus, nur die Kennwerte zur Verfügung zu stellen. Stattdessen ist es notwendig, die KPIs im Zuge eines „drilldown“ wieder zurück auf die Rohwerte herunterzubrechen. So lassen sich umfassende Ursachenanalysen ohne Informationsverlust durchführen.
Um die Hindernisse für die unterschiedlichen Anwendergruppen hierbei so gering wie möglich zu gestalten, muss für die Datenanalyse eine einfach zu bedienende Toollandschaft verfügbar sein. Anwender müssen ohne Programmieraufwand in der Lage sein, Berechnungen und Visualisierungen in Dashboards selbst zu konfigurieren.
Insgesamt bietet die Demokratisierung von Messdaten eine Vielzahl von Vorteilen: Unterschiedliche Daten lassen sich schnell miteinander in Beziehung setzen, anhand der hochaufgelösten Rohwerte können individuelle Auswertungen flexibel erstellt werden. Dies ermöglicht wiederum eine faktenbasierte Kommunikation zwischen verschiedenen Anwendergruppen, sodass beispielsweise Störungen und Ausfälle vermieden werden können. Die Datendemokratisierung führt damit zu einer Steigerung der Wertschöpfung in der gesamten Organisation.
