SAP-Hana-Anbindung per Software Connector

SAP-Hana-Connector ermöglich eine einfache Integration von Prozessdaten in SAP-Hana oder konventionelle SAP-Datenbanken. Das ermöglicht eine performante Datenanalyse zur Zustandsüberwachung, Zeitreihenanalyse, für Machine Learning, KI-Bearbeitung, Predict
SAP-Hana-Connector ermöglich eine einfache Integration von Prozessdaten in SAP-Hana oder konventionelle SAP-Datenbanken. Das ermöglicht eine performante Datenanalyse zur Zustandsüberwachung, Zeitreihenanalyse, für Machine Learning, KI-Bearbeitung, Predict
SAP-Hana-Connector ermöglich eine einfache Integration von Prozessdaten in SAP-Hana oder konventionelle SAP-Datenbanken. Das ermöglicht eine performante Datenanalyse zur Zustandsüberwachung, Zeitreihenanalyse, für Machine Learning, KI-Bearbeitung, Predict
SAP-Hana-Connector ermöglich eine einfache Integration von Prozessdaten in SAP-Hana oder konventionelle SAP-Datenbanken. Das ermöglicht eine performante Datenanalyse zur Zustandsüberwachung, Zeitreihenanalyse, für Machine Learning, KI-Bearbeitung, PredictBild: Logiccloud AG

Die Anbindung bestehender Anlagen an SAP-Systeme ist in vielen Fällen ein komplexes Unterfangen. Zahlreiche Anwendungen könnten jedoch davon profitieren. Mit dem SAP-Hana-Connector von Logiccloud wird die Integration nun deutlich erleichtert. Er kann als Software-Container einfach auf einer bestehenden Steuerungshardware wie z.B. Bosch-Rexroth ctrlX oder einem zusätzlichen Edge-Gateway installiert werden. Er erfasst dann Prozessdaten (in Standardformaten wie OPC UA, Modbus oder MQTT) und sendet sie in Batches direkt an SAP-Hana oder konventionelle SAP-Datenbanken. Dort können die Daten nun in beliebigen SAP-Businessprozessen weiterverarbeitet werden. Bei der Zuordnung der angelieferten Daten zu den jeweiligen Businessprozessen unterstützen SAP-Berater. Durch dieses Zusammenspiel zwischen Logiccloud und SAP sollen Anwender eine einfache Datenintegration von der Prozess- bis hin in die Verwaltungsebene aus einer Hand erhalten.

Zustandsüberwachung, Machine Learning und Predictive Maintenance

Vielfältige Anwendungsbereiche profitieren von dieser Integration. Abhängig vom Bedarf der Anwendung lassen sich die Prozesswerte in vorgegebenen Zeitabständen versehen mit Zeitstempeln in Batches versenden. Die höchste Auflösung liegt dabei bei 2ms. Das ist für Motion Control oder Kurvenoptimierung hilfreich bzw. generell für die Zustandsüberwachung. Mit der Echtzeit-Datenauswertung können kritische Zustände sofort erkannt werden und die Steuerung kann direkt darauf reagieren. Aber auch für Anwendungen, die Zeitreihenanalysen erfordern, um aus zeitbasierten Daten z.B. detaillierte Erkenntnisse für die Unternehmensplanung zu gewinnen, ist die Anbindung interessant. Zudem wird Machine Learning oder das Nutzen von KI nun möglich, um über entsprechende Algorithmen intelligente Entscheidungen zu treffen. Außerdem lässt sich mit der Datenübertragung und -analyse Predictive Maintenance realisieren, also die vorausschauende Wartung von Anlagen oder Anlagenteilen, was wiederum Stillstands- und Ausfallzeiten und damit die Wartungskosten reduziert.

SPS 2024, Halle 6 Stand 241C

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert