In der industriellen Fertigung sind die technologischen Implementierungen enorm und der Bereich ist kontinuierlicher Innovation unterworfen. Von der SPS-basierten Automatisierung der 1960er bis zu der Entwicklung von Hardware- und Software-Automatisierungs-Stacks, die sich zu in der Cloud ausgeführten digitalen Lösungen entwickelt haben, ist viel passiert. Es nicht nur eine Frage der Technologie, sondern auch der Zeit: Wo früher Monate – wenn nicht Jahre – in der Entwicklung nötig waren, kann jetzt eine Implementierung innerhalb von Wochen erfolgen.
Technologie, insbesondere in der Industrie, ist wertvoll, solange sie konkrete Herausforderungen meistern und auf bestehenden Lösungen aufbauend messbaren Wert liefern kann. Aus dieser Sicht sind Technologien wie Cloud und Edge zwei neue Werkzeuge auf der Suche nach Lösungen zur Schaffung von Mehrwert innerhalb des industriellen Bereiches. Beide Technologien können zu bestehenden industriellen Lösungen hinzugefügt werden und mit anderen Technologien wie KI oder neuartiger Sensor- oder Automatisierungsausrüstung interagieren und so zu Lösungen beitragen, die quantifizierbaren Wert für Hersteller und Industrieunternehmen erzeugen.
In diesem Bereich ist Industrie Reply tätig: Das Unternehmen der Reply Gruppe, das sich auf Lösungen für den industriellen Markt spezialisiert hat, besitzt umfangreiche Erfahrungen mit Anwendungsfällen in Zusammenhang mit dem Industriellen Internet der Dinge (IIot) und der Edge-Technologie in der Fertigung. Heute werden industrielle Kunden von der immer weiter steigenden Geschwindigkeit und Komplexität neuartiger Technologien gefordert. Obwohl das IIoT deutlichen Mehrwert verspricht und viele industriellen Unternehmen Strategien und technische Wirksamkeitsnachweise (PoCs) implementiert haben, können nur wenige dieser Kunden diese Lösungen skalieren und deren volles wirtschaftliches Potenzial nutzen.
Der technologische Innovationszyklus ist deutlich schneller und einfacher als das Skalieren der Lösung auf eine industrielle Umgebung. Mit dieser Zielsetzung bietet Reply eine neue Möglichkeit für Kunden, Anwendungsfälle zu identifizieren, IIoT-Lösungen zu skalieren und so deutlichen Mehrwert für ihr Unternehmen zu schaffen. Viele mögliche Lösungen hängen von der Verfügbarkeit von großen Datenmengen zur Analyse und dem Training von Algorithmen ab, wie die Vorhersage von Ausfällen kritischer Anlagen. Beispiele hierfür beinhalten mechanische Anlagen wie Antriebe, bei denen Ausfallmuster typischerweise auf der Grundlage von Schwingungsdaten analysiert werden, mit hoher Frequenz und großen Datenmengen. Solche maßgeschneiderten Methodologien und Tools wie der „Axulus Value Scaling Accelerator“ von Industrie Reply sind der Schlüssel zur Beschleunigung von Innovation: Der Accelerator ermöglicht den skalierbaren Roll-out in einer industriellen Umgebung auf Basis von Anwendungsfällen und Lösungstemplates mit übersichtlichen Workflows.
Die Herausforderung bei der Anwendung dieser Lösungen auf eine Produktionsumgebung liegt darin, dass die Kapazität für die Analyse dieser Daten nicht z.B. auf SPS-Ebene zugewiesen werden kann. Ebenso können die großen Mengen an Rohdaten nicht zur Analyse an Cloud-Umgebungen gesendet werden, da die Bandbreite des Produktionsnetzwerks für produktionsbezogene Datenkommunikation reserviert bleiben muss. Hier kann eine fest zugeordnete Edge-Komponente (wie ein industrieller PC) die Antwort sein. So können Daten auf „lokaler Ebene“ vorverarbeitet werden, während Kapazitäten für Skalierung und Prognosen in der Cloud belassen werden.
Das Verfahren selbst ist einfach: Dank der Edge-Komponente führt das System Aufgaben der Datenbereinigung und Datenkomprimierung (wie FFT) nah an der Anlage aus und sendet nur die relevanten Informationen (z.B. das Schwingungsspektrum) über das Produktionsnetzwerk an die Cloud für prädiktive Instandhaltungsanwendungen. Dies ermöglicht eine einfache und reibungslose Implementierung von Lösungen ohne Latenzprobleme. Zum Beispiel können die von diversen elektronischen Produktionslinien generierten enormen Datenmengen zum Einsatz kommen, um Algorithmen in der Cloud zu trainieren um so Qualitätsprobleme der gefertigten Baugruppen zu erkennen. Sobald diese Algorithmen trainiert wurden und die Genauigkeit die erforderlichen Qualitätsstandards erfüllt, können diese Algorithmen auf Edge-Geräten nah an der Produktionslinie ausgeführt werden, wodurch größerer Datenverkehr über das Produktionsnetzwerk vermieden wird und es noch möglich ist, die Daten jeder gefertigten Baugruppe mit hoher Geschwindigkeit zu überprüfen. Edge ermöglicht, Prozessergebnisse zu simulieren, und bringt so einen unschätzbaren Vorteil für die gesamte industrielle Prozessoptimierung.