Providing machine level data for cloud based analytics

Abstract

The target of this thesis was to investigate the problems, possibilities and background of transporting data collected in a manufacturing process to a cloud environment for analytics. The underlying reason for this was to spot themes and topics that need to be addressed when planning a real-life project aiming to improve manufacturing with cloud manufacturing.

To achieve this, first the underlying theories were studied to understand why we actually need cloud analytics and what kind of paradigms could help in achieving it. The reasoning was mostly based on themes revolving around Germany’s Industry 4.0 initiative. After that, the state of the art was researched to understand what has been already done and how some fundamental problems have been solved. From this base, requirements for a solution model were made. After requirements for a good system were formulated, some of the most promising technologies were researched and after that evaluated according to the requirements.

This thesis was able to highlight many core problems that modern cloud analytic systems for manufacturing will face. The most central technological findings revolve around a vital need for industry wide standardization, which is a theme that requires both customers and vendors: customers need to demand vendors to embrace common open standards and vendors need to respond to this need.

Another core problem discussed in this thesis was the usage of different cloud services. Many manufacturing giants offer their own platforms for providing cloud analytics, but also bring some fundamental problems to play. On the other hand open cloud platform providers like Microsoft Azure and Amazon Web Services offer a very large offering of components, services and applications with competitive pricing.

Altogether this thesis produced some topics that require a thorough analysis when planning a system like this and some insight into the core problems. In addition, some recommendations were produced on how to tackle problems in ways that transition well in to the future as the field is evolving rapidly and future compatibility is important.

Tämän diplomityön tarkoituksena oli tutkia datan keräystä tuotantoprosessista pilviympäristöön analytiikkaa varten, sekä siihen liittyviä ilmiöitä, ongelmia sekä mahdollisuuksia. Motivaatioina tähän kaikkeen oli havaita mahdollisia aiheita ja aihepiirejä, joita tulisi tutkia ja arvioida reaalimaailman projektia suunnitellessa.

Tavoitteisiin pääsemiseksi aluksi tutkittiin teorioita, joiden avulla haettiin ymmärrystä miksi oikeastaan pilvianalytiikkaa tarvitaan ja minkälaiset ratkaisumallit voisivat auttaa sen toteuttamisessa. Käsitellyt teemat liittyivät hyvin vahvasti Saksan Industry 4.0 hankkeeseen ja siihen liittyvään tutkimustyöhön. Tämän jälkeen tarkasteltiin nykytilaa ja minkälaisilla ratkaisuilla ongelmaa yleensä on ratkaistu. Tämän pohjalta muotoiltiin vaatimuksia ratkaisumallille. Vaatimusmäärittelyiden pohjalta alettiin tutkia lupaavimpia teknologioita ja tekniikoita vaatimusten pohjalta.

Työ onnistui nostamaan esille useita keskeisiä ongelmia aiheuttavia teemoja, mitä modernit pilvianalytiikkaratkaisut joutuvat kohtaamaan. Keskeisimmät tekniikkaan liittyvät löydökset ovat vahvasti kytköksissä toimialojen laajuisen standardoinnin tarpeeseen. Tämä on teema, joka vaatii toimenpiteitä niin asiakkailta kuin toimittajilta: asiakkaiden tulee vaatia toimittajia perustamaan ratkaisunsa avoimille ja yhteisille standardeille ja toimittajien tulee vastata tähän tarpeeseen.

Toinen keskeinen käsitelty ongelma oli erilaisten pilvipalveluiden vertailu ja niistä oikean valinta. Useat valmistavan teollisuuden toimittajajätit tarjoavat omia alustoja pilvianalytiikalle, jotka tarjoavat valmiita ratkaisuja ainakin joihinkin ongelmiin. Toisaalta avoimet pilvitoimittajat kuten Microsoft (Azure) ja Amazon (AWS) tarjoavat erittäin laajalla skaalalla erilaisia komponentteja, palveluita ja sovelluksia kilpailukykyisellä hinnoittelulla.

Yhteenvetona tämä diplomityö nosti ja tuotti pohdintaa useasta eri aihealueesta, mitkä vaativat huolellista analyysiä reaalimaailman ratkaisua suunnitellessa. Lisäksi pohdinnan perusteella pystyttiin muotoilemaan joitakin ratkaisuehdotuksia ongelmien välttämiseksi tavalla, jotka tulevaisuudessa tukevat käsitellyn alan nopeasti kehittyvää luonnetta ja korkeita vaatimuksia yhteensopivuudelle.