Welche Vorteile Graphen­datenbanken für Fertigungs­unternehmen bringen

Teil 1 unserer Blog-Reihe

Das typische Fertigungsunternehmen verfügt über riesige Mengen an Engineering-Daten, die, wenn sie richtig genutzt werden, zu einer Steigerung im Umsatz -und Ertragswachstum führen können. Ein Datensatz, der eine zentrale Rolle in den Datenstrukturen eines Fertigungsunternehmen spielt, ist die Stückliste, auch bekannt als Bill of Materials (BOM). Die Stückliste ist eine Struktur, die Produktentwicklungs- und Fertigungsdaten enthält, die es ermöglichen, ein Endprodukt aus Einzelteilen zu kalkulieren, zusammenzubauen und zu konfigurieren. 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). 

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

Kontakt aufnehmen

Veröffentlich am 1.3.2021

Thema: Datenstrategie, Five1 Services, datengesteuertes Unternehmen, Umsatzsteigerung, Datenanalyse, Purpose Driven Organization, Controlling, Industrie 4.0