Graphen­datenbanken als Game-Changer für Fertigungs­unternehmen

Analytisches Verständnis von Stücklisten sind die Grundlage für jedes produzierendes Unternehmen, um die richtigen Entscheidungen zu treffen. Gehen Sie besser vorbereitet in Gespräche mit Ihren Lieferanten. Verschaffen Sie sich einen Überblick über Mehrfachbeschaffungen. Erkennen Sie Risiken früher. Ermitteln Sie die Auswirkungen des Ausfalls oder der Preisänderung der Rohmaterialien auf ihr Endprodukt. Ermitteln Sie kritische Verschleißpfade oder erkennen Sie Abhängigkeiten für die Aktualisierung von Datenblättern oder Umweltvorschriften.

Schaffen Sie Transparenz, Aktualität und Einfachheit durch eine wirklich ganzheitliche Übersicht der Produktkalkulation. Sehen, analysieren und verstehen Sie auf einen Blick alle Materialien, Rohmaterialen und Arbeitsschritte. 

Lesen Sie in unserem Blog, warum Graphendatenbanken und Stücklisten ein perfektes Duo bilden. Nutzen Sie das zu Ihrem Vorteil!

 

Teil 1 unserer dreiteiligen Blog-Reihe

Teil 2: Vorgehensweise im Proof of Concept
Teil 3: Oberfläche für die Interaktion 

Stücklisteninformationen gehören zu den wichtigsten Datenstrukturen eines Fertigungsunternehmens, denn sie dokumentieren, aus welchen Bauteilen ein bestimmtes Produkt besteht. Die Stückliste, auch bekannt als Bill of Materials (BOM) enthält Produktentwicklungs- und Fertigungsdaten, die es ermöglichen, ein Endprodukt aus Einzelteilen zu kalkulieren, zusammenzubauen und zu konfigurieren. Eine analytische Stückliste zerlegt ein Produkt  ('von oben nach unten') in seine Bestandteile; sie beginnt mit der obersten Stufe, dem Produkt selber, und endet auf der untersten Stufe mit den Einzelteilen, Rohteilen, Materialien, Flüssigkeiten usw.

Normalerweise befinden sich Stücklisten in komplexen und restriktiven Datenspeichern, die für eine strenge Kontrolle der Daten ausgelegt sind. Relationale Datenbankmanagementsysteme (RDBMS) sind die hier häufig noch vorherrschende Technologie, die zur Implementierung verwendet wird. Jedoch sind diese Datenmanagementsysteme häufig nicht ausreichend, um allen Ansprüchen der verschiedenen Abteilungen eines Fertigungsunternehmens gerecht werden zu können. Benötigt beispielsweise eine Abteilung neue Analysen auf dem bestehenden System, kann dies zu einem für die IT-Abteilung kostspieligen und zeitraubenden Problem werden, da eventuell Änderungen an dem restriktiven System vorgenommen werden müssen. Insbesondere komplexe Hierarchien mit vielen über- und untergeordneten Elementen sind in einem RDBMS nur schwer zu implementieren, da komplexe Mapping-Tabellen erforderlich sind, um die realen Beziehungen zwischen den Daten adäquat darzustellen. Diese sind dabei kostspielig zu implementieren und zu betreiben, insbesondere wenn Abfragen eine große Anzahl an Joins benötigen. Zunehmend ist auch die Erkennung von Daten rund um einen bestimmten Knoten (oder ein Datenelement) entscheidend für tiefgehende Analysen – auch diese erfordern wiederkehrende SQL-Abfragen und komplexe Joins auf RDBMS. Ein Beispiel hierfür wäre die Suche nach zueinander ähnlichen Produkten, um beispielweise im Falle eines Lieferantenengpasses die ähnlichste Produktalternative zu finden.

Eine Möglichkeit, die Stücklisten von den oben genannten Beschränkungen herkömmlicher RDBMS zu befreien, ist diese in einer Graphendatenbank zu modellieren. Graphendatenbanken bestehen aus Knoten mit Eigenschaften, diese können beispielweise ein Produkt oder ein Einzelteil aus einer Stückliste sein, die über Kanten miteinander in Verbindung stehen. Die Kante gibt dabei die Beziehung zwischen den Knoten an und kann ebenfalls Eigenschaften besitzen.

Um die Vorteile einer Graphendatenbank zur Modellierung von komplexen, hierarchischen Datenstrukturen zu zeigen, nehmen wir folgendes Beispiel an: Das Diagramm in Abbildung 1 zeigt zunächst eine einfache Stückliste für ein Produkt, in der die Beziehung zwischen den Baugruppen, Unterbaugruppen und Einzelteilen dargestellt ist. In der Realität können Stücklisten jedoch mehr als 20 Ebenen umfassen, und die Teile werden in eigenen Hierarchien gruppiert und in Klassifizierungshierarchien eingeordnet.

 

Blog_1_Abb._1-1

Abbildung 1: Einfache Darstellung einer Stückliste

Eine Möglichkeit, wie eine solche Stückliste in einer traditionellen RDBMS modelliert werden könnte, ist in Abbildung dargestellt. Die Struktur der BOM ist hier in einer einzelnen Tabelle wiedergegeben und kann über eine rekursive SQL-Abfrage aufgebaut werden. Potentielle Eigenschaften der jeweiligen Bestandteile sind in eigenen Tabellen erfasst und können über einen Join zwischen der BOM, Attributdefinitions- und Attributswerttabelle rekonstruiert werden. Eine solche Modellierung ist für einfache BOM gut geeignet und ermöglicht eine effiziente Abfrage der Daten, jedoch nur, wenn sie der zugrundeliegenden Tabellenstruktur entspricht. Sollte eine Änderung des Modelldesigns im Laufe der Zeit nötig sein, können selbst kleine Änderungen zeitaufwändig und kostspielig sein. Des Weiteren sind häufig komplexe SQL-Abfragen nötig, um mehrere Tabellen miteinander zu verknüpfen, was wiederum mit steigender Datenbankgröße und mangelnder Indexierung zu sehr langsamen Analysen führen kann.

 

Blog_1_Abb_2

Abbildung 2: Relationales Datenbankmodell

Betrachtet man im Vergleich dazu das Modell der Graphendatenbank (Abbildung 3), zeigt sich, dass dieses im Aufbau stark der ursprünglichen schematischen Darstellung ähnelt. Die Produkte, Baugruppen und Einzelteile sind dabei Objekte, die über Kanten ihre (hierarchische) Beziehung zueinander angeben. Mit Hilfe der Graphendatenbank ist es so möglich, die komplexen Produktstrukturen in Stücklisten zu abstrahieren und zu modellieren. Kommen neue Produktgruppen hinzu oder sollte sich etwas in der grundlegenden BOM-Struktur ändern, lässt sich dies durch das Verändern von Knoten und Beziehungen leicht erreichen. Des Weiteren lässt es diese Struktur zu, komplexe Abfragen in schneller Geschwindigkeit auszuführen, ohne dass mehrere Datensätze über Joins miteinander kombiniert werden müssen. So ermöglicht die Struktur der Graphendatenbank Analysen, die in einer konventionellen RDBMS hohe Rechenkosten verursacht hätten, die aber wiederum Grundlage zur Entwicklung neuer Produkte, Custom Manufacturing, Lieferkettenanalysen oder zur Planung bietet.

 

Blog_1_Abb._2

Abbildung 3: Graphendatenbankmodell. Eigenschaften der Kanten und Knoten in Orange

Um auch selbst ein besseres Verständnis für die Analyse von Stücklisten zu bekommen, wenn diese in einer Graphendatenbank organisiert sind, wurde für unseren Kunden ein PoC mit Hilfe einer umfänglichen Stückliste an Produkten und deren Einzelteilen konzipiert. Ziel war es, die Vorteile (und auch Nachteile) der Anwendung einer Graphendatenbank auf diese stark vernetzten Daten zu untersuchen. Zum Vergleich wurde eine relationale Datenbank mit demselben Datensatz aufgesetzt, um außerdem die Performanz der Datenbank zu testen. Die genaue Vorgehensweise wird im zweiten Teil unserer Reihe zu Graphendatenbanken besprochen (lesen Sie hier Teil 2). Im dritten Teil unserer Reihe erfahren Sie, wie wir eine Oberfläche für die Interaktion mit der Datenbank über ein Dashboard entwickelt haben, um Abfragen an die Datenbank besonders benutzerfreundlich und visuell ansprechend zu gestalten (lesen Sie hier Teil 3). 

Haben Sie schon einmal über den Einsatz einer Graphendatenbank nachgedacht? Die Hürde ist viel kleiner, als Sie vielleicht im ersten Moment glauben, denn:

Wir bringen den Prototyp gleich mit!

Unser Vorschlag: Starten Sie doch einfach einmal mit einem Prototypen – die notwendige Infrastruktur und die Komponenten bringen wir mit und erzielen damit schnell erste Ergebnisse!

Impact Analyse mit Five1 und AWS

Wir bringen die Daten aus Ihren Systemen in die Analytics Workbench in der Cloud und schaffen mit dem Five1 Deep Analytics Explorer (DAE) die Basis für Ihre Impact-Analyse. So können Sie ihre Daten interaktiv abfragen und Auswirkungsanalysen schnell und einfach durchführen. 

In unserem Flyer "Five1 DAE" haben wir die wichtigsten Funktionen und Vorteile einer Lösung mit einer Graphendatenbank noch einmal zusammen gefasst.

Flyer DAE herunterladen

 

Sie wünschen eine individuelle, unverbindliche Beratung? Kontaktieren Sie uns jetzt!

Was können wir für Sie tun?

Bildquelle: Copyright Clint Adair / unsplash.com (Header & Featurebild); alle anderen eigene Darstellungen