Maschinendaten im räumlichen Kontext
Messwerte an den zugehörigen Anlagen oder Orten platzieren. Fachleute können Einzelwerte untersuchen und gleichzeitig die räumlichen Beziehungen überblicken.
EIRSAlle Demos · Industrielle Herausforderungen
Erkunden Sie Messwerte in Virtual Reality (VR) direkt an den zugehörigen Anlagen oder Orten. Die Plattform vereint drei Beispiele für die Expertenanalyse: einen virtuellen JuiceMixer-Prozessprüfstand, Rennsport-Telemetrie und Sensordaten an einem industriellen Maschinenmodell.

Messwerte vergleichen und ihre räumlichen Beziehungen sichtbar halten. Fachleute können vertraute Diagramme für Detailvergleiche und räumliche Ansichten für die Zuordnung von Werten oder Ereignissen nutzen.
Eine Unity-VR-Analyseplattform stellt Anlagenmodelle, Streckengeometrie und zugehörige Daten dar. Das Prozessbeispiel nutzt ein virtuelles Modell des JuiceMixer-Prüfstands, das Rennsportbeispiel Simulator-Telemetrie. Das industrielle Maschinenbeispiel ordnet Sensorinformationen einem Maschinenmodell zu.
Fachleute können übergreifende Trends vergleichen, Unterschiede räumlich lokalisieren und Details untersuchen, ohne den Bezug zwischen Messungen und ihrer Quelle zu verlieren.
Ein Diagramm kann eine Veränderung zeigen, ohne deren Ort sofort erkennbar zu machen. Fachleute müssen sie dann einem Behälter, Maschinenbauteil oder Streckenpunkt zuordnen. Mehrere Messgrößen gleichzeitig zu vergleichen erhöht diesen gedanklichen Aufwand.
Die Plattform bietet Diagrammansichten, räumlich zugeordnete Ansichten und Kombinationen. Diagramme ermöglichen Werte- und Zeitvergleiche. Räumliche Ansichten zeigen Daten an der zugehörigen Anlage oder Streckenposition. Eine hybride Ansicht führt beides zusammen.
Prozesswerte erscheinen linear oder radial nahe den virtuellen Behältern. Rennsportdaten werden als Liniendiagramme, räumliche Graphen entlang der Strecke oder verknüpfte Kombination dargestellt. Am industriellen Maschinenmodell kennzeichnen Beschriftungen und Farbindikatoren die Komponentenmesswerte.
Fachleute wählen eine zur Frage passende Ansicht, vergleichen Werte oder Rundenverläufe und öffnen Details eines Behälters oder Streckenpunkts. Verknüpfte Diagramm- und Raumansichten ermöglichen den Wechsel zwischen einem Zahlenunterschied und seinem Entstehungsort.
Die immersive Analyseanwendung basiert auf Unity 3D. Das Rennsportbeispiel verwendet Simulator-Telemetrie mit bis zu 800 Kanälen bei 100 Hz und wurde mit HP Reverb G2 Omnicept und einem PC mit NVIDIA RTX 3080 evaluiert. Die JuiceMixer-Datenplattform nutzt Raspberry Pi für Sensorik und Aktorik, Python und Flask für Schnittstellendienste, MQTT für Nachrichten und InfluxDB 2.0 zur Zeitreihenspeicherung.
In einer explorativen Studie mit Renningenieuren wurde die hybride Kombination aus Liniendiagrammen und 3D-Strecke bevorzugt. Die Erkenntnis für die Gestaltung ist, vertraute Vergleiche beizubehalten und räumliche Beziehungen ergänzend bereitzustellen. Diese Präferenz stammt aus der Rennsportstudie und belegt keinen Vorteil für jede Analyseaufgabe.
Weitere Entwicklungen könnten die VR-Plattform um Maschinenmodelle und bestätigte Sensordaten erweitern, Ansichten auf Expertenabläufe wie Zustandsüberwachung und Fehlersuche abstimmen und ihre Unterstützung bei Interpretation und Entscheidungen mit industriellen Nutzenden evaluieren.
Ein Diagramm zeigt Veränderungen, aber nicht immer ihren Entstehungsort. Die Verbindung von Messungen mit Anlagen oder einer räumlichen Umgebung ermöglicht die Untersuchung von Zusammenhängen, Ereignisvergleichen und den Bedingungen hinter den Daten.
Messwerte an den zugehörigen Anlagen oder Orten platzieren. Fachleute können Einzelwerte untersuchen und gleichzeitig die räumlichen Beziehungen überblicken.
Detaillierte Diagramme mit räumlichen Ansichten verknüpfen, um Betriebszeiträume, Ereignisse oder aufgezeichnete Durchläufe zu vergleichen. Die Interaktionen lassen sich an die relevanten Analysefragen anpassen.
Ungewöhnliche Messungen neben zugehörigen Komponenten und historischen Informationen erkunden. Die Ansichten könnten Untersuchung und Vergleich unterstützen. Automatische Erkennung wäre gesondert zu entwickeln.
Eine Zusammenarbeit könnte einen repräsentativen Datensatz mit einem Anlagenmodell oder einer räumlichen Umgebung verbinden und evaluieren, wie die Ansichten Expertenanalysen unterstützen.
Forschung und Zusammenarbeit entdecken →JuiceMixer-Prozessdaten in linearen und radialen VR-Ansichten erkunden.
Rennsport-Telemetrie in diagramm- und streckenbasierten VR-Ansichten vergleichen.








Diese Arbeit ist Teil von DDIA, Data Driven Immersive Analytics in Digital Industries.
DDIA ist ein FFG COMET-Modul (2022–2026) bei Know Center Research GmbH.