Zum Hauptinhalt springen

Transformationen fachlich definieren

Fragestellung und Ziel

Wie werden technische Felder zu verlässlichen Analysegrößen? Eine Transformation kann Werte umrechnen, Felder vereinheitlichen oder aus Signalen eine fachliche Klassifikation ableiten.

Umsetzung in Bytefabrik

Für einfache Anpassungen an der Quelle steht die Script Transformation zur Verfügung. Für weitere Verarbeitung nutzen Sie passende Pipeline-Elemente oder individuelle AI Pipelines. Der Ort der Umsetzung richtet sich nach Wiederverwendung, Komplexität und dem benötigten Zustand über mehrere Ereignisse hinweg.

Beispiel: state 30 wird als Warten interpretiert, Station 02 zugeordnet und in einem kategorialen Zustandsverlauf genutzt. Schritte werden durch Extension Services ausgeführt und durch Broker-Ereignisse verbunden. Der Zustandscode ist ein konfiguriertes Beispiel.
Beispiel: Ein technischer Zustandscode wird fachlich zugeordnet und um den Anlagenbezug ergänzt. Code 30 steht hier beispielhaft für Warten. Grafik in voller Größe öffnen (neuer Tab)

Best Practices

Beschreiben Sie jede Regel mit einem Eingabebeispiel und einer erwarteten Ausgabe:

RegelZusätzlich klären
Millisekunden in Sekunden umrechnenEinheit im Ausgabefeld dokumentieren.
Produktkennung vereinheitlichenFührende Nullen und Groß-/Kleinschreibung fachlich bewerten.
Mehrere Signale zu einem Zustand zusammenführenVorrang bei widersprüchlichen Signalen festlegen.
Dauer aus Start und Ende bildenZuordnung, fehlendes Ende und verspätete Ereignisse behandeln.

Prüfen Sie jede Regel einzeln, bevor Sie mehrere Schritte verbinden. Bewahren Sie bei wichtigen Ableitungen den Bezug auf Quellereignisse, Maschine und Zeitpunkt.

Was Sie beachten sollten

Ein Datentypwechsel allein erklärt keine fachliche Bedeutung. Eine numerische Produktkennung bleibt ein Identifikator und ist kein sinnvoll zu mittelnder Messwert.

Unbekannte Zustände sollten erkennbar bleiben. Eine automatische Zuordnung zum häufigsten Zustand kann Datenprobleme verdecken. Prüfen Sie bei geänderter Logik außerdem, ab wann alte und neue Ergebnisse vergleichbar sind.

Der Nutzen liegt in konsistenten Regeln für mehrere Charts und Analysen. Die Datenqualitätsprüfung stellt sicher, dass diese Regeln auch bei realen Eingaben tragen.