Inhaltsverzeichnis
1. IIoT als Lösungsansatz für Big Data
2. Little Data – Komplexität verringern
3. Das steckt hinter Edge Computing
4. IIoT und Edge Computing jetzt nutzen
5. Vorteile des Einsatzes von Edge Computing
6. Edge Controller für den schnellen Einsatz
7. Anomalie-Erkennung ‚an der Edge‘
8. Fazit
Hersteller, die das volle Potenzial ihrer Anlagen ausschöpfen wollen, beschäftigen sich zunehmend mit der Frage, wie ‚Big Data‘ ihnen helfen kann, betriebliche Effizienz zu steigern. Big Data, definiert als extrem komplexe und große Datensätze, bietet eine Reihe von Möglichkeiten für Unternehmen, nicht zuletzt zur Unterstützung von vorausschauenden Wartungsstrategien, aber auch zur Identifizierung von Problemen, Engpässen und Bereichen mit unzureichender Leistung. Die umsetzbaren Informationen, die Managern und Führungskräften über Big Data zur Verfügung gestellt werden, ermöglichen es ihnen, neue Prozesse und Arbeitspraktiken zu implementieren, um die Sicherheit zu erhöhen, die Produktionseffizienz zu verbessern, Ausfallzeiten zu reduzieren und Betriebskosten zu senken.
IIoT als Lösungsansatz für Big Data
Allerdings erfordern große und komplizierte Datensätze, die sich mit einer unglaublichen Geschwindigkeit ansammeln, die Implementierung neuer, fortschrittlicher Technologien, um die Daten zu sammeln, Analysen durchzuführen und dann nützliche Erkenntnisse zu präsentieren, auf die anschließend reagiert werden kann. An dieser Stelle kommt das Industrial Internet of Things (IIoT) ins Spiel. Das IIoT nutzt eine Vielzahl bestehender und neuer Sensortechnologien zur Überwachung von Geräten, Anlagen, Maschinen, Produktionslinien und Prozessen, die über eine zahlreiche Datenkommunikationsnetze mit leistungsstarker Computerverarbeitungs- und Analysesoftware verbunden sind, um diese Daten zu interpretieren und anschließend zu präsentieren.
Die Implementierung solcher Technologien zur Verarbeitung und Analyse von Big Data kann allerdings ein großes Problem darstellen, wenn Unternehmen versuchen, all dies auf einmal zu bewältigen. Viel zu viele Unternehmen gehen Big Data deshalb mit unbezahlbaren, unpraktischen Megaprojekten an. Monate oder Jahre der Planung und große Ausgaben können in Projekte fließen, die dann in Frustration enden.
Little Data – Komplexität verringern
Ein besserer Ansatz könnte sein, kleiner anzufangen und sich auf bekannte Probleme mit definierten Parametern zu konzentrieren, die man als ‚Little Data‘ bezeichnen könnte. Sich auf das Blickfeld eines spezifischen Assets zu konzentrieren, verringert die Komplexität und vereinfacht die Suche nach einer Lösung. In den meisten Branchen bedeutet dies, auf der Ebene der Maschine oder der Produktionslinie zu beginnen, und eine der wichtigsten Technologien zur Wertschöpfung aus diesen wenigen Daten ist Edge Computing. Die von den Feldgeräten erzeugten Daten werden von einem im Feld befindlichen Controller analysiert, um Erkenntnisse zu gewinnen. Diese Informationen können dem richtigen Personal in der Nähe der Quelle zur Verfügung gestellt werden, damit dieses schnell und fundiert handeln kann.
„Noch wird die wirkliche Power der Edge überhaupt nicht genutzt“
Das steckt hinter Edge Computing
Edge Computing ist im Wesentlichen ein verteiltes Rechenparadigma, das die Rechenverarbeitung und Datenspeicherung näher an den Ort bringt, an dem sie benötigt wird, um die Reaktionszeiten zu verbessern und Bandbreite zu sparen. Da die Geräte immer intelligenter werden, produzieren sie mehr Analysen, um Einblicke in den Zustand und die Leistung der Geräte zu erbringen. Die Edge-Computing-Technologie tut dies an oder in der Nähe der Datenquelle, anstatt sich auf die Cloud und Rechenleistung in Rechenzentren zu verlassen. Mit den neuesten Edge Controllern findet die eingebettete Verarbeitung dieser Erkenntnisse näher an der Fabrikhalle statt und macht sie gleichzeitig über die Cloud verfügbar.
IIoT und Edge Computing jetzt nutzen
Wer bisher gedacht hat, dass das IIoT und Edge Computing Konzepte sind, mit denen man sich in der Zukunft beschäftigen muss, sollte diese Ansicht noch einmal überdenken. Denn Edge Computing, wie es durch echte Edge-Control-Technologie realisiert wird, macht das IIoT für jede Anlage und jedes Unternehmen schon heute zur Realität. Edge Computing ist einfach in eine bestehende Anlage zu integrieren, ohne neu beginnen zu müssen, und ermöglicht den Herstellern so, die Vorteile des IIoT zu nutzen, wichtige Probleme einfach und kostengünstig zu lösen und dann zu skalieren.
Vorteile des Einsatzes von Edge Computing
OEMs und Hersteller können Edge Computing nutzen, um Geräteausfälle zu analysieren und häufige Probleme zu beseitigen.
Die Technologie kann zudem genutzt werden, um den Entwicklungsteams Feedback zur Maschinenleistung zu geben und sie bei der Optimierung zukünftiger Produkte zu unterstützen. Sie kann zur Beantwortung von Fragen beitragen wie:
- Wie wird die Maschine tatsächlich genutzt?
- Welche Qualitätsprobleme gibt es?
- Können die Kosten reduziert werden, ohne die Leistung zu beeinträchtigen?
Darüber hinaus können Vergleiche zwischen Maschinen, Prozessen und ganzen Anlagen sowie Rohstoffen in Bezug auf Ertrag, Qualität und Ausschuss angestellt werden. Die Maschinennutzung kann ebenso verfolgt werden wie Energieverbrauch, Anläufe und Umrüstungen, um die Leistung zu optimieren und die Einhaltung von Sicherheits- und Umweltanforderungen zu gewährleisten.
Plattformansatz von Actyx erleichtert Edge Computing in der Fabrik
Edge Controller für den schnellen Einsatz
Edge Controller wie der PACSystems RX3i Edge Controller von Emerson, bieten sowohl deterministische als auch nicht-deterministische Steuerung in einem einzigen kompakten Gerät. Diese Geräte haben quasi ‚zwei Seiten eines Gehirns‘, wobei
- auf der linken Seite intelligente Sensordaten gesammelt werden und die deterministische Steuerung in Echtzeit erfolgt.
- Auf der rechten Seite befindet sich ein Software-Stack, der auf Linux läuft und die Datenverarbeitung und -analyse, Dashboards, Datenprotokollierung sowie Fernüberwachung und -diagnose ermöglicht.
Vergleichbar ist das mit einem einzigen Steuergerät (technisch gesehen ein Industrie-PC mit Multicore-Architektur), der in zwei ‚Gehirne‘ getrennt wird.
- Die linke Seite führt die typischen Funktionen einer Steuerung aus, darunter das Lesen von Eingaben, das Ausführen von Logik in Echtzeit und das Schreiben von Ausgaben. Dies alles geschieht in der SPS-typischen Programmierumgebung mit E/A-Netzwerk, Redundanzmöglichkeit zwischen den Controllern und Anbindung an HMI, SCADA und PLS. Außerdem kann die linke Seite verhindern, dass Probleme, die auf der rechten Seite auftreten, die Steuerungsfunktionen beeinträchtigen.
- Die rechte Seite, auf der ein offenes Betriebssystem auf Linux-Basis läuft, hat die Fähigkeit, mehrere Schleifen und Routinen lokal zu verwalten, Daten zu sammeln und eine Schnittstelle zu Standardprogrammen der IT-Welt wie Python oder Java zu bilden. Es gibt einen Webserver und sichere Kommunikationsprotokolle zur Cloud, wie MQTT. Vor allem hat die rechte Seite aber die Fähigkeit, lokal eine große Menge an Daten zu verarbeiten, durch Algorithmen, die auf der Steuerung verfügbar sind, und durch mögliche externe Optimierung.
Zum ersten Mal in der Automatisierung sind damit zwei Welten wirklich miteinander verbunden und können interagieren: Die Daten auf der linken Seite liefern die Grundlage für die Verarbeitung auf der rechten Seite. Die automatischen Optimierungsalgorithmen – eventuell verbunden mit einer Cloud – liefern Ergebnisse, die auch dazu dienen, den Steuerungsteil auf der linken Seite weiter zu optimieren. Der Austausch von Daten zwischen SPS und SCADA, das Ausführen von Optimierungsroutinen und die Verwendung von Berechnungsergebnissen zur Verbesserung von Steuerungsparametern waren bereits möglich, aber mit den neuesten Edge-Controllern kann dies viel mehr und viel schneller erfolgen, um die Steuerungslogik der Maschine oder des Prozesses selbst zu verbessern.
Anomalie-Erkennung ‚an der Edge‘
Eine typische Anwendung des beschriebenen Technologie-Einsatzes ist die Anomalie-Erkennung an der Edge. Dazu werden historische Daten aus einer Datenbank wie InfluxDB oder SQL Lite und ein in Python oder anderen Tools wie Prometheus erstellter maschineller Lernalgorithmus benötigt. Eine ausgewählte Datenprobe wird genommen und bereinigt, wobei alle Ausreißer entfernt werden. Dann wird das ML-Programm (Machine Learning) trainiert. Folgend kann der Testdatensatz angewendet werden, und schließlich die Live-Daten von der Maschine und relevanten Geräten.
Der ML-Algorithmus kann dann eine Anomalie erkennen, wenn sie auftritt, sie aufzeichnen oder einen Alarm für einen Maschinenbediener auslösen. Auf diese Weise können Auffälligkeiten erkannt werden, bevor sie zu echten Problemen werden, und eine Abschaltung der Maschine oder des Betriebs kann geplant, notwendige Teile bestellt und die Ausfallzeit minimiert werden, was letztlich die Kostenauswirkungen reduziert.
Fazit
Die Notwendigkeit der digitalen Transformation ist jetzt viel offensichtlicher, da Unternehmensinhaber den Return on Investment (ROI) durch das IIoT, unterstützt durch Edge Computing, sehen können. Mithilfe des IIoT können Unternehmen auf bisher isolierte Daten, die für betriebliche Verbesserungen entscheidend sind, zugreifen, sie analysieren und historisieren. Edge-Controller bieten damit eine erschwingliche, überschaubare Möglichkeit, das IIoT bis an die Edge der Maschine zu bringen, so dass Unternehmen damit beginnen können, Big-Data-Probleme Schritt für Schritt zu lösen. Da Computer heute schneller, kleiner und preiswerter sind als je zuvor, die Datenübertragung weit verbreitet ist und die Kosten sinken, ist es jetzt einfach, kleine Datenprojekte zu implementieren, zusammen mit Möglichkeiten, geschäftskritische Funktionen wie die Fernüberwachung Realität werden zu lassen. (co)
Nähere Details zu Edge Computing und Controllern von Emerson:
hier.pro/JlNKk
Kontakt:
Emerson Process Management GmbH & Co. OHG
Katzbergstr. 1
40764 Langenfeld
Tel. +49 2173 3348-0
info.de@emerson.com
www.emerson.de
Hier finden Sie mehr über:
