Industrial Edge Computing
Alles, nur kein Randthema
Moderne intelligente Produktionslinien sind wahre Datenfabriken: Eine Anlage mit einigen hundert vernetzten Systemen erzeugt bis zu einem Petabyte an Daten - pro Tag. Diese Daten sind ein wahrer Schatz für Servicetechniker und Analysen. Doch wie und vor allem wo lassen sich diese enormen Mengen effizient verarbeiten? Industrielles Edge Computing bietet hier Konzepte, die nicht nur eine Datenanalyse in der intelligenten Fabrik erlauben, sondern auch eine effiziente Administration der vernetzten Systeme.
Bild: Siemens AGWährend die Industrie noch über Anwendungsszenarien für Cloud Computing diskutiert, arbeiten zahlreiche Unternehmen bereits an lokalen Edge-Lösungen für die intelligente Fabrik: Denn mit Industrial Edge Computing lässt sich die Datenverarbeitung aus der Cloud näher an die Datenquelle verlagern - und einige der Herausforderungen adressieren, die sich bei der Prozesssteuerung mit Hilfe von Cloudlösungen ergeben: die Latenz der Datenübertragung in die Cloud, die enormen Datenmengen, die in einer Anlage erzeugt werden und in vielen Fällen auch die unzureichende Netzanbindung von Anlagen.
Bild: Siemens AG
Bild: ©metamorworks/istockphoto.com / Possible Worldwide GmbH / Siemens AG
Bild: Siemens AGIntelligenz am Rande des Netzwerks
Bei Edge Computing übernehmen verteilte Komponenten mit entsprechenden Anwendungen die Datenerfassung und -auswertung. Diese Systeme sind nah an der Datenquelle - also in der Fabrik - installiert, sodass die notwendige Rechenleistung am Rande des Netzwerks direkt am Prozess zur Verfügung steht, wo die Daten entstehen oder der Anwender sie nutzen möchte. Edge Computing bietet hier einen Ansatz, Daten und Informationen aus unterschiedlichsten Quellen zusammenzuführen, zu analysieren und schnell in Handlungsanweisungen umzusetzen. Wie groß das Potenzial von Edge Computing in der Industrie ist, zeigt ein Beispiel aus dem Siemens-Elektronikwerk Amberg. Dort kommt bei der Fertigung von Simatic-Produkten eine Leiterplatten-Schneidemaschine zum Einsatz. Beim Fräsvorgang wird feiner Staub gebildet, der zu einer Verklemmung des Spindellagers und völlig unregelmäßig zu einem unvorhersehbaren Stillstand der Maschine führt. Durch die Kombination aus cloudbasierter und lokaler, prozessnaher Datenanalyse mit Industrial Edge Computing lässt sich jetzt ein bevorstehender Ausfall vorhersagen. Dazu wurde ein Machine-Learning-Algorithmus in der MindSphere Cloud trainiert und dann automatisiert auf das Edge-Gerät in der Fertigung überspielt. Der Algorithmus berechnet anhand der Anlagendaten einen Anomaliewert im Maschinenverhalten in Echtzeit. Dieser Wert weist zuverlässig auf einen bevorstehenden Maschinenausfall hin. Mit der Edge-Anwendung kann Siemens Lagererosionen und Maschinenausfälle bis 36 Stunden vor dem tatsächlichen Ausfall vorhersagen und die Maschinenspindel geplant wechseln, ohne dass es zu ungeplanten Stillständen kommt. Wird diese Lösung an 18 Maschinen in der Fertigung implementiert, kann das Unternehmen bis zu 200.000 Euro pro Jahr an Stillstandskosten sparen.
Bild: Siemens AGManagement von Geräten und Applikationen
Mit der steigenden Zahl an vernetzten Geräten kann sich die Orchestrierung der Systeme allerdings zu einem aufwändigen Prozess entwickeln, der entsprechend qualifizierte Ressourcen erfordert: Updates und Patches müssen eingespielt, Berechtigungen für den Datenzugriff müssen verwaltet und Applikationen gepflegt werden. Gerade im Fertigungsumfeld ist es daher wichtig, dass sich Edge-Lösungen in die Automatisierungslandschaft einbinden und sich ohne spezielles IT-Wissen nutzen lassen. Gleichzeitig müssen die Lösungen offen sein, um heterogene Datenquellen einerseits und unterschiedliche IT-Systeme und Applikationen integrieren zu können. Für die Verbesserung der Instandhaltung in Amberg hat Siemens sein eigenes Ökosystem für Edge Computing genutzt, das den Anwender bei der Entwicklung, Implementierung und Pflege von Edge-Applikationen und -Geräten unterstützt. Siemens Industrial Edge besteht aus einer zentralen Management-Infrastruktur, mit der sich die verteilten Edge-Geräte und -Applikationen verwalten und administrieren lassen. Die dezentral installierten Edge-Geräte stellen die notwendige Hardware und Software für die Anwendungen zur Verfügung, und die Funktionalität für die Datenerfassung und -analyse steckt in sogenannten Edge-Apps, Applikationen, die entweder von Siemens selbst, Partnern oder Anwendern entwickelt und gepflegt werden. Zum aktuellen Portfolio an Applikationen gehören unter anderem die App Node-RED, mit der sich Workflows für die Datenerfassung und -Auswertung einfach implementieren lassen. Eine weitere Applikation unterstützt den Anwender dabei, einen Überblick über Automatisierungskomponenten einer Anlage zu erhalten: Die Inventory App erfasst verbaute Komponenten mit den jeweiligen Versionsständen und stellt sie zentral bereit, z.B. als Inventurliste für ERP-Systeme. Der Vorteil dieser Lösung ist, dass sie alle erforderlichen Funktionen für Industrial Edge beinhaltet und daher ohne eigene Entwicklungsarbeit implementiert werden kann. Siemens übernimmt als Serviceprovider Geräte, Security und Applikations-Updates. Alle Komponenten sind für den Einsatz in der Industrie entwickelt und entsprechend getestet - angefangen bei der Hardware der Edge-Geräte bis hin zu umfangreichen Maßnahmen für den Schutz von Daten und Geräten vor unbefugtem Zugriff. Ein weiterer Vorteil dieser Lösung ist, dass sie die Automatisierungsebene von der IT-Funktionalität entkoppelt: Software-Applikationen auf dem Edge Device lassen sich über funktionale Updates anpassen, ohne dass dabei in die eigentliche Automatisierung eingegriffen wird.
Viel Raum für Neues
Industrial Edge kann dabei sowohl in neuen als auch in bestehenden Anlagen eingesetzt werden. Dazu muss lediglich ein Edge-fähiges Gerät in die Anlage integriert werden. So lassen sich vorhandene Anlagen mit dem Embedded-Industrie-PC Simatic IPC227E in eine Edge-Lösung einbinden. Der kompakte IPC lässt sich über integrierte Schnittstellen einfach mit der Automatisierung an der Maschine verbinden, sodass Produktionsdaten direkt in der Fertigung erfasst und verarbeitet werden können. Durch offene Schnittstellen wie OPC UA und Cloudprotokollen wie MQTT ist dabei sichergestellt, dass sich Industrial Edge in unterschiedliche IT-Umgebungen integriert. Denkbar sind dabei auch Anwendungen, die die Intelligenz der Edge-Anwendung völlig vom Netzwerk abkoppeln. Wie eine solche Lösung aussehen kann, zeigt das Simatic-Modul TM NPU für die S7-1500 und ET 200MP. Diese Baugruppe hat einen KI-fähigen Chip für die effiziente Ausführung neuronaler Netze. Das trainierte neuronale Netz wird per SD-Karte auf das Modul übertragen und verarbeitet die Daten der angeschlossenen Sensorik wie auch Informationen aus der SPS, z.B. für visuelle Qualitätskontrollen in Produktionsanlagen oder bildgesteuerte Robotersysteme. Weil damit künstliche Intelligenz außergewöhnlich nah an die Automatisierungsebene heranrücken kann, wird damit zukünftig auch der Randbereich von Edge Computing ein Stück weit neu definiert.
Bild: ©metamorworks/istockphoto.com / Possible Worldwide GmbH / Siemens AGBild: Siemens AGIntelligenz am Rande des Netzwerks
Bei Edge Computing übernehmen verteilte Komponenten mit entsprechenden Anwendungen die Datenerfassung und -auswertung. Diese Systeme sind nah an der Datenquelle - also in der Fabrik - installiert, sodass die notwendige Rechenleistung am Rande des Netzwerks direkt am Prozess zur Verfügung steht, wo die Daten entstehen oder der Anwender sie nutzen möchte. Edge Computing bietet hier einen Ansatz, Daten und Informationen aus unterschiedlichsten Quellen zusammenzuführen, zu analysieren und schnell in Handlungsanweisungen umzusetzen. Wie groß das Potenzial von Edge Computing in der Industrie ist, zeigt ein Beispiel aus dem Siemens-Elektronikwerk Amberg. Dort kommt bei der Fertigung von Simatic-Produkten eine Leiterplatten-Schneidemaschine zum Einsatz. Beim Fräsvorgang wird feiner Staub gebildet, der zu einer Verklemmung des Spindellagers und völlig unregelmäßig zu einem unvorhersehbaren Stillstand der Maschine führt. Durch die Kombination aus cloudbasierter und lokaler, prozessnaher Datenanalyse mit Industrial Edge Computing lässt sich jetzt ein bevorstehender Ausfall vorhersagen. Dazu wurde ein Machine-Learning-Algorithmus in der MindSphere Cloud trainiert und dann automatisiert auf das Edge-Gerät in der Fertigung überspielt. Der Algorithmus berechnet anhand der Anlagendaten einen Anomaliewert im Maschinenverhalten in Echtzeit. Dieser Wert weist zuverlässig auf einen bevorstehenden Maschinenausfall hin. Mit der Edge-Anwendung kann Siemens Lagererosionen und Maschinenausfälle bis 36 Stunden vor dem tatsächlichen Ausfall vorhersagen und die Maschinenspindel geplant wechseln, ohne dass es zu ungeplanten Stillständen kommt. Wird diese Lösung an 18 Maschinen in der Fertigung implementiert, kann das Unternehmen bis zu 200.000 Euro pro Jahr an Stillstandskosten sparen.
Siemens AG
Dieser Artikel erschien in SPS-MAGAZIN 1+2 2019 - 08.02.19.Für weitere Artikel besuchen Sie www.sps-magazin.de
