Weiter geht’s: Der Schritt Measure<\/h2>\n
Diese hat eine hohe Relevanz f\u00fcr den Erfolg des folgenden Schritts Analyse, der stark von der Qualit\u00e4t der Daten und der Frage abh\u00e4ngt, ob Sie tats\u00e4chlich alle wichtigen Parameter erfasst haben. Dieser Schritt ist auch f\u00fcr diejenigen interessant, die unabh\u00e4ngig von einer Datenanalyse ihre Datenqualit\u00e4t verbessern m\u00f6chten.<\/p>\n
![\"BigData_Grafik_HighlightMeasure\"](\"https:\/\/www.yokogawa.com\/eu\/blog\/app\/uploads\/sites\/8\/2022\/06\/BigData_Grafik_HighlightMeasure.png\")
<\/h2>\nDie Voraussetzungen<\/h2>\n
Bei der Akquise der Daten ist der Kontakt zum Betreiber von gro\u00dfer Wichtigkeit. Gerade zu Beginn sollten Sie f\u00fcr die Auswahl der richtigen Messstellen und deren Aufteilung in St\u00f6rgr\u00f6\u00dfen, manipulierbare Variablen und Zielgr\u00f6\u00dfen die Betriebserfahrung m\u00f6glichst umfassend abfragen. Wurden w\u00e4hrend des Schrittes Define noch nicht alle Fragen ausreichend gekl\u00e4rt, holen Sie dieses nun nach.<\/p>\n
Die Wahl der Daten h\u00e4ngt von der Art Ihrer Zielsetzung ab. Steht die Online-Vorhersage des Prozessverlaufs und darauf aufbauend die Optimierung zwecks Kosteneinsparung und Betriebssicherheit im Vordergrund oder m\u00f6chten Sie \u00fcber die Analyse Zusammenh\u00e4nge einzelner Gr\u00f6\u00dfen in Ihrem Prozess evaluieren? Diese Frage ist entscheidend f\u00fcr die Auswahl der Parameter und die sp\u00e4tere Art der Datenaufbereitung. Bei einer Prozessoptimierung sollte weitestgehend auf Online-Daten zur\u00fcckgegriffen werden. Diese stehen in der Regel in gr\u00f6\u00dferem Umfang zur Verf\u00fcgung und k\u00f6nnen kosteng\u00fcnstiger erhoben werden. Bei der Evaluierung m\u00f6glicher Zusammenh\u00e4nge hingegen wird f\u00fcr Sie auch die Verwertung von Analysedaten aus dem Labor interessant sein. Die Einbeziehung beeinflusst die Datenaufbereitung und -analyse in sofern, dass hier die Anzahl der zur Verf\u00fcgung stehenden Daten stark reduziert ist.<\/p>\n
Stellen Sie zielgerichtete Fragen<\/h2>\n
Auch hier m\u00f6chte ich Ihnen wieder grundlegende Fragen an die Hand geben und den Hintergrund ein wenig beleuchten:<\/p>\n
Wo liegen Ihre Daten?<\/strong><\/h3>\nDie meisten Anlagen sind heute mit einer umfangreichen Messtechnik ausgestattet, so dass gro\u00dfe Datenmengen vorliegen. Diese sind jedoch h\u00e4ufig \u00fcber verschiedenste Systeme verteilt, was die Sammlung und Zusammenfassung der Daten erschwert, aber auch erhebliche Probleme in der Zuordnung der Daten verursachen kann. Auch kann in den Systemen bereits eine Vorverarbeitung der Daten, wie beispielsweise eine Mittelwertbildung durchgef\u00fchrt werden, was gegebenenfalls zu einer Verringerung der Informationsdichte f\u00fchrt.<\/p>\n
Welche Daten stehen Ihnen zur Verf\u00fcgung und in welchem Zeitintervall werden sie aufgezeichnet bzw. im Labor gemessen?<\/strong><\/h3>\nDas Zeitintervall zwischen einzelnen Datens\u00e4tzen sollte ausreichend klein sein, um die Dynamik des Prozesses abzubilden. Die Analysedaten sollten mit m\u00f6glichst genauem Zeitstempel aufgezeichnet sein, um die Online-Daten genau zuordnen zu k\u00f6nnen.<\/p>\n
Sind alle wichtigen Gr\u00f6\u00dfen in ausreichender H\u00e4ufigkeit erfasst?<\/strong><\/h3>\nGr\u00f6\u00dftes Problem hier sind Aufzeichnungsl\u00fccken oder eine fehlerhafte Aufzeichnung. Es kann aber auch sein, dass Sie Schl\u00fcsselgr\u00f6\u00dfen gar nicht erfassen. Hier sollten Sie eine Erweiterung der Messtechnik in Betracht ziehen. Ber\u00fccksichtigen Sie aber immer die Frage nach der Verf\u00fcgbarkeit einer geeigneten Messtechnik, dem (Kosten-) Aufwand f\u00fcr den Einbau und der Zeitspanne f\u00fcr das Sammeln von ausreichend Daten. Au\u00dferdem kann eine Erweiterung der Laboranalytik \u00fcber einen gewissen Zeitraum sinnvoll sein, um die Datendichte zu erh\u00f6hen und die Dynamik der Gr\u00f6\u00dfe genauer absch\u00e4tzen zu k\u00f6nnen.<\/p>\n
Wie genau werden die Daten erfasst?<\/strong><\/h3>\nDa die Daten im laufenden Produktionsbetrieb erfasst werden, kann sich beispielsweise durch ung\u00fcnstige Lage der Messstellen, fehlende Wartung oder nicht vermeidbare Au\u00dfeneinfl\u00fcsse eine verminderte Genauigkeit ergeben. Auch k\u00f6nnen Messergebnisse stark vom Probenehmer abh\u00e4ngen. Hier ist sicherzustellen, dass verschiedene Probenehmer bei gleichen Proben tats\u00e4chlich auch zum gleichen Ergebnis kommen oder ob ein Probenehmer reproduzierbare Werte bei mehrmaliger Untersuchung einer Probe ermittelt.<\/p>\n
Sind alle Messwerte genau definiert bzw. k\u00f6nnen sie einem bestimmten Betriebszustand genau zugeordnet werden?<\/strong><\/h3>\nDieses betrifft sehr h\u00e4ufig die Zuordenbarkeit von Laboranalysen zu Online-Messungen, f\u00fcr die eine genaue Erfassung des Probenahmezeitpunkts notwendig ist. Bestenfalls statten Sie Ihre Messger\u00e4te mit einer automatischen Zeiterfassung der Probenahme aus. Auch bei Online-Daten k\u00f6nnen Zeitstempel fehlen, oder in mehreren Systemen unterschiedlich erfasst worden sein, so dass eine nachtr\u00e4gliche Zuordnung nicht mehr m\u00f6glich ist. Problematisch ist auch die Aufzeichnung verschiedener Prozessbedingungen mit unterschiedlicher Wirkung unter einem Oberbegriff. Eine Trennung der Daten im Nachhinein ist dann mit hohem Aufwand verbunden oder schlimmstenfalls nicht mehr m\u00f6glich.<\/p>\n
Wie ist die Dynamik des Prozesses?<\/strong><\/h3>\nDieses betrifft die anschlie\u00dfende Datenaufbereitung gerade in Bezug auf die Frage, ob Mittelwertbildungen sinnvoll sind oder wie der Zeitabstand zwischen Einzelwerten bei Online-Daten mindestens sein sollte.<\/p>\n
Wie sieht die Varianz der Daten aus?<\/strong><\/h3>\nBeide Extrema, sowohl \u00fcber weite Zeitr\u00e4ume konstant gehaltene Parameter oder Parameter mit gro\u00dfen Wertebereichen, k\u00f6nnen zu Problemen in der Modellierung f\u00fchren. Beispielsweise k\u00f6nnen Sie aufgrund einer zu geringen Varianz eine Gr\u00f6\u00dfe sp\u00e4ter nicht f\u00fcr eine Optimierung nutzen oder die Dynamik eines Parameters geht bei zu gro\u00dfen Wertebereichen im Rauschen unter.<\/p>\n
Ist eine Produktverfolgung gegeben?<\/strong><\/h3>\nF\u00fcr eine Datenanalyse m\u00fcssen die Daten kausalrichtig zugeordnet werden, d. h. Ursache und Wirkung m\u00fcssen in einem Datensatz vereint sein. Bei St\u00fcckgutprozessen ist eine Zuordnung \u00fcber das St\u00fcckgut in der Regel gut zu bewerkstelligen. Bei kontinuierlichen Prozessen und Batchprozessen sind hingegen Modellannahmen notwendig. Erfassen Sie daher alle Gr\u00f6\u00dfen, die zur Absch\u00e4tzung der Verweilzeit oder zur Bestimmung von Lauf- oder Bearbeitungszeiten notwendig sind.<\/p>\n
Welche Messger\u00e4te werden eingesetzt und wie hoch ist deren Genauigkeit?<\/strong><\/h3>\nDiese Frage gibt schon im Vorfeld eine Information \u00fcber das Rauschen der Daten.<\/p>\n
Gibt es zus\u00e4tzliche Dokumentationen?<\/strong><\/h3>\nEin Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
![\"Zusammenfassung_Measure\"](\"https:\/\/www.yokogawa.com\/eu\/blog\/app\/uploads\/sites\/8\/2022\/06\/Zusammenfassung_Measure.png\")
<\/p>\n
Das Zeitintervall zwischen einzelnen Datens\u00e4tzen sollte ausreichend klein sein, um die Dynamik des Prozesses abzubilden. Die Analysedaten sollten mit m\u00f6glichst genauem Zeitstempel aufgezeichnet sein, um die Online-Daten genau zuordnen zu k\u00f6nnen.<\/p>\n
Sind alle wichtigen Gr\u00f6\u00dfen in ausreichender H\u00e4ufigkeit erfasst?<\/strong><\/h3>\nGr\u00f6\u00dftes Problem hier sind Aufzeichnungsl\u00fccken oder eine fehlerhafte Aufzeichnung. Es kann aber auch sein, dass Sie Schl\u00fcsselgr\u00f6\u00dfen gar nicht erfassen. Hier sollten Sie eine Erweiterung der Messtechnik in Betracht ziehen. Ber\u00fccksichtigen Sie aber immer die Frage nach der Verf\u00fcgbarkeit einer geeigneten Messtechnik, dem (Kosten-) Aufwand f\u00fcr den Einbau und der Zeitspanne f\u00fcr das Sammeln von ausreichend Daten. Au\u00dferdem kann eine Erweiterung der Laboranalytik \u00fcber einen gewissen Zeitraum sinnvoll sein, um die Datendichte zu erh\u00f6hen und die Dynamik der Gr\u00f6\u00dfe genauer absch\u00e4tzen zu k\u00f6nnen.<\/p>\n
Wie genau werden die Daten erfasst?<\/strong><\/h3>\nDa die Daten im laufenden Produktionsbetrieb erfasst werden, kann sich beispielsweise durch ung\u00fcnstige Lage der Messstellen, fehlende Wartung oder nicht vermeidbare Au\u00dfeneinfl\u00fcsse eine verminderte Genauigkeit ergeben. Auch k\u00f6nnen Messergebnisse stark vom Probenehmer abh\u00e4ngen. Hier ist sicherzustellen, dass verschiedene Probenehmer bei gleichen Proben tats\u00e4chlich auch zum gleichen Ergebnis kommen oder ob ein Probenehmer reproduzierbare Werte bei mehrmaliger Untersuchung einer Probe ermittelt.<\/p>\n
Sind alle Messwerte genau definiert bzw. k\u00f6nnen sie einem bestimmten Betriebszustand genau zugeordnet werden?<\/strong><\/h3>\nDieses betrifft sehr h\u00e4ufig die Zuordenbarkeit von Laboranalysen zu Online-Messungen, f\u00fcr die eine genaue Erfassung des Probenahmezeitpunkts notwendig ist. Bestenfalls statten Sie Ihre Messger\u00e4te mit einer automatischen Zeiterfassung der Probenahme aus. Auch bei Online-Daten k\u00f6nnen Zeitstempel fehlen, oder in mehreren Systemen unterschiedlich erfasst worden sein, so dass eine nachtr\u00e4gliche Zuordnung nicht mehr m\u00f6glich ist. Problematisch ist auch die Aufzeichnung verschiedener Prozessbedingungen mit unterschiedlicher Wirkung unter einem Oberbegriff. Eine Trennung der Daten im Nachhinein ist dann mit hohem Aufwand verbunden oder schlimmstenfalls nicht mehr m\u00f6glich.<\/p>\n
Wie ist die Dynamik des Prozesses?<\/strong><\/h3>\nDieses betrifft die anschlie\u00dfende Datenaufbereitung gerade in Bezug auf die Frage, ob Mittelwertbildungen sinnvoll sind oder wie der Zeitabstand zwischen Einzelwerten bei Online-Daten mindestens sein sollte.<\/p>\n
Wie sieht die Varianz der Daten aus?<\/strong><\/h3>\nBeide Extrema, sowohl \u00fcber weite Zeitr\u00e4ume konstant gehaltene Parameter oder Parameter mit gro\u00dfen Wertebereichen, k\u00f6nnen zu Problemen in der Modellierung f\u00fchren. Beispielsweise k\u00f6nnen Sie aufgrund einer zu geringen Varianz eine Gr\u00f6\u00dfe sp\u00e4ter nicht f\u00fcr eine Optimierung nutzen oder die Dynamik eines Parameters geht bei zu gro\u00dfen Wertebereichen im Rauschen unter.<\/p>\n
Ist eine Produktverfolgung gegeben?<\/strong><\/h3>\nF\u00fcr eine Datenanalyse m\u00fcssen die Daten kausalrichtig zugeordnet werden, d. h. Ursache und Wirkung m\u00fcssen in einem Datensatz vereint sein. Bei St\u00fcckgutprozessen ist eine Zuordnung \u00fcber das St\u00fcckgut in der Regel gut zu bewerkstelligen. Bei kontinuierlichen Prozessen und Batchprozessen sind hingegen Modellannahmen notwendig. Erfassen Sie daher alle Gr\u00f6\u00dfen, die zur Absch\u00e4tzung der Verweilzeit oder zur Bestimmung von Lauf- oder Bearbeitungszeiten notwendig sind.<\/p>\n
Welche Messger\u00e4te werden eingesetzt und wie hoch ist deren Genauigkeit?<\/strong><\/h3>\nDiese Frage gibt schon im Vorfeld eine Information \u00fcber das Rauschen der Daten.<\/p>\n
Gibt es zus\u00e4tzliche Dokumentationen?<\/strong><\/h3>\nEin Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
<\/p>\n
Da die Daten im laufenden Produktionsbetrieb erfasst werden, kann sich beispielsweise durch ung\u00fcnstige Lage der Messstellen, fehlende Wartung oder nicht vermeidbare Au\u00dfeneinfl\u00fcsse eine verminderte Genauigkeit ergeben. Auch k\u00f6nnen Messergebnisse stark vom Probenehmer abh\u00e4ngen. Hier ist sicherzustellen, dass verschiedene Probenehmer bei gleichen Proben tats\u00e4chlich auch zum gleichen Ergebnis kommen oder ob ein Probenehmer reproduzierbare Werte bei mehrmaliger Untersuchung einer Probe ermittelt.<\/p>\n
Sind alle Messwerte genau definiert bzw. k\u00f6nnen sie einem bestimmten Betriebszustand genau zugeordnet werden?<\/strong><\/h3>\nDieses betrifft sehr h\u00e4ufig die Zuordenbarkeit von Laboranalysen zu Online-Messungen, f\u00fcr die eine genaue Erfassung des Probenahmezeitpunkts notwendig ist. Bestenfalls statten Sie Ihre Messger\u00e4te mit einer automatischen Zeiterfassung der Probenahme aus. Auch bei Online-Daten k\u00f6nnen Zeitstempel fehlen, oder in mehreren Systemen unterschiedlich erfasst worden sein, so dass eine nachtr\u00e4gliche Zuordnung nicht mehr m\u00f6glich ist. Problematisch ist auch die Aufzeichnung verschiedener Prozessbedingungen mit unterschiedlicher Wirkung unter einem Oberbegriff. Eine Trennung der Daten im Nachhinein ist dann mit hohem Aufwand verbunden oder schlimmstenfalls nicht mehr m\u00f6glich.<\/p>\n
Wie ist die Dynamik des Prozesses?<\/strong><\/h3>\nDieses betrifft die anschlie\u00dfende Datenaufbereitung gerade in Bezug auf die Frage, ob Mittelwertbildungen sinnvoll sind oder wie der Zeitabstand zwischen Einzelwerten bei Online-Daten mindestens sein sollte.<\/p>\n
Wie sieht die Varianz der Daten aus?<\/strong><\/h3>\nBeide Extrema, sowohl \u00fcber weite Zeitr\u00e4ume konstant gehaltene Parameter oder Parameter mit gro\u00dfen Wertebereichen, k\u00f6nnen zu Problemen in der Modellierung f\u00fchren. Beispielsweise k\u00f6nnen Sie aufgrund einer zu geringen Varianz eine Gr\u00f6\u00dfe sp\u00e4ter nicht f\u00fcr eine Optimierung nutzen oder die Dynamik eines Parameters geht bei zu gro\u00dfen Wertebereichen im Rauschen unter.<\/p>\n
Ist eine Produktverfolgung gegeben?<\/strong><\/h3>\nF\u00fcr eine Datenanalyse m\u00fcssen die Daten kausalrichtig zugeordnet werden, d. h. Ursache und Wirkung m\u00fcssen in einem Datensatz vereint sein. Bei St\u00fcckgutprozessen ist eine Zuordnung \u00fcber das St\u00fcckgut in der Regel gut zu bewerkstelligen. Bei kontinuierlichen Prozessen und Batchprozessen sind hingegen Modellannahmen notwendig. Erfassen Sie daher alle Gr\u00f6\u00dfen, die zur Absch\u00e4tzung der Verweilzeit oder zur Bestimmung von Lauf- oder Bearbeitungszeiten notwendig sind.<\/p>\n
Welche Messger\u00e4te werden eingesetzt und wie hoch ist deren Genauigkeit?<\/strong><\/h3>\nDiese Frage gibt schon im Vorfeld eine Information \u00fcber das Rauschen der Daten.<\/p>\n
Gibt es zus\u00e4tzliche Dokumentationen?<\/strong><\/h3>\nEin Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
<\/p>\n
Dieses betrifft die anschlie\u00dfende Datenaufbereitung gerade in Bezug auf die Frage, ob Mittelwertbildungen sinnvoll sind oder wie der Zeitabstand zwischen Einzelwerten bei Online-Daten mindestens sein sollte.<\/p>\n
Wie sieht die Varianz der Daten aus?<\/strong><\/h3>\nBeide Extrema, sowohl \u00fcber weite Zeitr\u00e4ume konstant gehaltene Parameter oder Parameter mit gro\u00dfen Wertebereichen, k\u00f6nnen zu Problemen in der Modellierung f\u00fchren. Beispielsweise k\u00f6nnen Sie aufgrund einer zu geringen Varianz eine Gr\u00f6\u00dfe sp\u00e4ter nicht f\u00fcr eine Optimierung nutzen oder die Dynamik eines Parameters geht bei zu gro\u00dfen Wertebereichen im Rauschen unter.<\/p>\n
Ist eine Produktverfolgung gegeben?<\/strong><\/h3>\nF\u00fcr eine Datenanalyse m\u00fcssen die Daten kausalrichtig zugeordnet werden, d. h. Ursache und Wirkung m\u00fcssen in einem Datensatz vereint sein. Bei St\u00fcckgutprozessen ist eine Zuordnung \u00fcber das St\u00fcckgut in der Regel gut zu bewerkstelligen. Bei kontinuierlichen Prozessen und Batchprozessen sind hingegen Modellannahmen notwendig. Erfassen Sie daher alle Gr\u00f6\u00dfen, die zur Absch\u00e4tzung der Verweilzeit oder zur Bestimmung von Lauf- oder Bearbeitungszeiten notwendig sind.<\/p>\n
Welche Messger\u00e4te werden eingesetzt und wie hoch ist deren Genauigkeit?<\/strong><\/h3>\nDiese Frage gibt schon im Vorfeld eine Information \u00fcber das Rauschen der Daten.<\/p>\n
Gibt es zus\u00e4tzliche Dokumentationen?<\/strong><\/h3>\nEin Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
<\/p>\n
F\u00fcr eine Datenanalyse m\u00fcssen die Daten kausalrichtig zugeordnet werden, d. h. Ursache und Wirkung m\u00fcssen in einem Datensatz vereint sein. Bei St\u00fcckgutprozessen ist eine Zuordnung \u00fcber das St\u00fcckgut in der Regel gut zu bewerkstelligen. Bei kontinuierlichen Prozessen und Batchprozessen sind hingegen Modellannahmen notwendig. Erfassen Sie daher alle Gr\u00f6\u00dfen, die zur Absch\u00e4tzung der Verweilzeit oder zur Bestimmung von Lauf- oder Bearbeitungszeiten notwendig sind.<\/p>\n
Welche Messger\u00e4te werden eingesetzt und wie hoch ist deren Genauigkeit?<\/strong><\/h3>\nDiese Frage gibt schon im Vorfeld eine Information \u00fcber das Rauschen der Daten.<\/p>\n
Gibt es zus\u00e4tzliche Dokumentationen?<\/strong><\/h3>\nEin Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
<\/p>\n
Ein Produktionsprozess ist st\u00e4ndigen \u00c4nderungen unterworfen, wie beispielsweise St\u00f6rungen, Rohstoff- oder Produktwechsel, Umbauten, Tausch von diversen Teilen oder Sonderfahrweisen. Achten Sie auf eine m\u00f6glichst genaue Dokumentation, die Sie zur sp\u00e4teren Bewertung der Daten heranziehen k\u00f6nnen.<\/p>\n
Werfen Sie einen ersten Blick in die Daten<\/h2>\n
Die oben genannten Fragen sollten Sie m\u00f6glichst ausf\u00fchrlich behandeln, da die Datenlage \u00fcber den Erfolg der Datenanalyse entscheidet. Schauen Sie sich daher im Rahmen der Akquise einen charakteristischer Datensatz \u00fcber einen gewissen Zeitraum genauer an. Eine grobe statistische Auswertung der Minima, Maxima, Mittelwerte und Standardabweichungen gibt bereits einen guten \u00dcberblick. Auch ein Blick auf die Verteilung der Daten in Form von Histogrammen lohnt sich. Haben Sie Bedenken hinsichtlich der Qualit\u00e4t der Daten oder ist der Aufwand f\u00fcr eine Erweiterung der Datenbasis zu hoch, sollten Sie die Profitabilit\u00e4t des Projekts noch einmal hinterfragen. Da die Datenaufbereitung einen sehr gro\u00dfen Raum der Analyse einnimmt, kann eine schlechte Datenqualit\u00e4t schon zu Beginn den Aufwand und die Kosten des Projekts enorm erh\u00f6hen. Die gestellten Fragen sind im Wesentlichen anwendbar auf bestehende Anlagen, sollten aber auch als Grundlage f\u00fcr die Planung von (Versuchs-)Anlagen einbezogen werden.<\/p>\n
Fassen wir kurz zusammen<\/h2>\n
<\/p>\n