Heiter statt wolkig

Edge Computing - Zum Paradigma der intelligenten Fertigung gehört die Annahme, je mehr Informationen eine IIoT-Anwendung erfasst, desto besser. Doch sollten all diese Daten auch in die Cloud übertragen werden? Moxa plädiert für eine Aufteilung auf Cloud und Edge-Bereich.

30. September 2019

Intelligente Fertigungssysteme beginnen normalerweise damit, Daten von Schlüsselmaschinen im Werk zu erfassen. Da das Management ständig nach Möglichkeiten sucht, die betriebliche Effizienz zu steigern, müssen in der Regel immer mehr Einblicke in die Produktion gewonnen werden. Mit der Erweiterung der Systeme auf mehrere Einrichtungen und danach auf mehrere im Netzwerk verbundene Geräte ist es wichtig, zu prüfen, welche Daten an Cloud-Datenbanken gesendet werden sollen.

Erkenntnisse können aus der Cloud oder dem Edge-Bereich des Netzwerks abgeleitet werden. Das Senden von Daten direkt in die Cloud ist nicht immer der beste Ansatz. Dies gilt insbesondere für betriebskritische Anwendungen oder großflächige Installationen. In den meisten Szenarien bietet Edge-Computing eine verbesserte Betriebseffizienz, eine größere Systemzuverlässigkeit zu niedrigeren Kosten.

Die Implementierung von Rechenfunktionen im Edge-Bereich der IIoT-Anwendung ermöglicht die Datenverarbeitung auf lokaler Ebene, um schneller auf Ereignisse reagieren zu können, die sofortige Entscheidungen oder Maßnahmen erfordern. Tatsächlich verbessert Edge-Computing die Edge-Intelligenz, indem Prozesse und Regeln nach Bedarf autonom ausgeführt werden. Diese Aktionen können innerhalb von Millisekunden realisiert werden – eine Notwendigkeit für zeitkritische Umstände, wie die Meldung eines Gerätefehlers. Wenn zum Erfassen, Verarbeiten und Senden von Aktionen die Cloud verwendet wird, tritt eine zusätzliche Latenz auf, die sich aus der Zeit ergibt, die zum Verarbeiten und Kommunizieren von Befehlen erforderlich ist. Fertigungsbetriebe können Umsatzverluste erleiden, wenn es in der Produktion zu Störungen kommt, wobei jede Sekunde Ausfallzeit Kosten verursacht.

Um herauszufinden, wo Edge-Computing am vorteilhaftesten ist, sollte das Unternehmen zeitkritische Daten von jenen Daten unterscheiden, die es für die Trendanalyse verwendet. Informationen zu Geräteausfällen etwa müssen sofort bekannt sein, wohingegen der Temperaturanstieg eines Motors im Laufe der Zeit weniger kritisch ist und regelmäßig überprüft werden kann. Indem man jene Bereiche priorisiert, die Vorrang haben müssen, kann man durch Edge-Computing schneller auf wichtige Probleme reagieren. Der Rest der Daten, die für die Trendanalyse verwendet werden, lässt sich in die Cloud senden, um zu einem späteren Zeitpunkt Entscheidungen zu treffen.

Ein weiterer Vorteil des Edge-Computing sind die geringeren Kosten für den Verbrauch von Cloud-Daten durch die lokale Datenverarbeitung. Denn je weniger Daten an die Cloud gesendet werden, desto geringer sind die Gesamtkosten. Aus diesem Grund ist eine vollständige Bewertung der Anforderungen einer Anwendung ein wichtiger Aspekt. Daten, die nicht verwendet werden sollen, sollte das Unternehmen nicht in der Cloud verarbeiten und speichern. Mit Edge-Computing erhalten Ingenieure und Management Einblicke in Echtzeit, lokal und zu einem Bruchteil dessen, was die Nutzung von Cloud-Diensten über Drittanbieter kosten würde.

Vereinfachung der Konnektivität

Damit eine vorausschauende Wartung die gewünschten Erkenntnisse liefert, benötigen die Hersteller vielfältigere Daten. Der nahe liegende Weg besteht darin, ältere Maschinen mit mehr Sensoren und Geräten für die Analyse und für die Entwicklung von Intelligence-Software in der Cloud oder in IT-Systemen auszustatten.

Die Schnittstellen und Protokolle älterer Maschinen können jedoch recht unterschiedlich sein. Barcode-Scanner und -Displays verwenden serielle Schnittstellen, während Tower- und Signalleuchten analoge und digitale E/A-Schnittstellen nutzen. Darüber hinaus können auch Industriestandard-Protokolle wie Modbus, Ethernet/IP und Profibus gleichzeitig in einem Netzwerk eingesetzt werden.

Um Daten zu sammeln, benutzt ein Moxa-Kunde zumeist nur vertraute SPSen oder Kommunikationsmodule, um Geräte mit unterschiedlichen proprietären Protokollen sowie unterschiedlichen analogen und digitalen E/A-Schnittstellen anzuschließen. Da keine Cloud-Kommunikationsfähigkeiten vorhanden waren, verwendet er zudem oft installierte Edge-Gateways, um Industriestandardprotokolle auf Online-Scada, Cloud- oder IT-Systeme umzuwandeln. SPSen sind jedoch für Steuerungsaufgaben wie Speichervorgänge, sequenzielle oder Positionssteuerung, Zeitzählung und Ein- oder Ausgabesteuerung vorgesehen. Die zusätzlichen Datenerfassungs- und Edge-to-Cloud-Protokollkonvertierungsaufträge sind bei nur ein oder zwei Punkten möglicherweise geringfügig, bringen jedoch große Herausforderungen für die Verwaltung diverser Konnektivitäten in großem Maßstab mit sich.

Das Problem der Fehlerbehebung trägt zur Frustration der Ingenieure bei, da es ebenfalls sehr schwierig und zeitaufwendig ist, alle Kommunikationsprobleme zu lokalisieren, die durch falsche Software-Parameter wie Slave-IDs und Registeradressen oder falsche Befehlskonfigurationen in großflächigen Installationen verursacht werden. Das ist ein Kostenproblem, da der Bedarf an zusätzlichen SPS-Modulen für Protokollkonverter und E/A unerschwinglich teuer sein kann. Darüber hinaus sind ältere SPSen möglicherweise nicht in der Lage, in Cloud-Protokollen wie MQTT oder AMQP zu kommunizieren. Auch gibt es ein Zeitproblem, da zusätzliche Konfigurations- und Programmieraufwände erforderlich sind, um Edge-to-Cloud-Konnektivität von Grund auf neu zu realisieren. Sie haben sich in großen Bereitstellungen häufig als recht zeitaufwendig erwiesen. Moxa bietet betriebsbereite Konnektivitätslösungen, mit denen Protokolle mehrerer Feldgeräte, einschließlich serieller, E/A-, Modbus- und Ethernet/IP-Protokolle, einfach in MQTT konvertiert werden können. MQTT ist das am häufigsten verwendete Protokoll für Cloud-Konnektivität, um mit intelligenter Software und Systemen in privaten und öffentlichen Cloud-Plattformen wie Azure oder AWS zu kommunizieren.

Bereitstellung von Edge-Intelligenz

Das Senden aller Gerätedaten an ein System zur Verarbeitung und Analyse kann mehrere Minuten bis mehrere Stunden dauern. In umfangreichen Bereitstellungsszenarien können IoT-Geräte mehr als ein Terabyte Daten pro Tag gene- rieren. Es kann eine Weile dauern, bis diese Daten auf das System übertragen, verarbeitet und umsetzbare Elemente generiert sind. Bei industriellen Anwendungen müssen kritische Aktionen, etwa Alarm, Notabschaltung, Schutz der menschlichen Sicherheit, sofort an einem Standort ausgeführt werden. Darüber hinaus kann die Übertragung großer Datenmengen vom Rand des Netzwerks auf einen öffentlichen Cloud-Server sehr kostspielig sein.

Durch den Einsatz intelligenter Software in Edge-Computern können die Daten von industriellen Sensoren oder Geräten vorverarbeitet werden, indem die Daten analysiert und gefiltert werden, um Netzwerk- und Rechenressourcen zu sparen. Darüber hinaus kann die Latenz lokaler Antworten verringert werden, um die Zuverlässigkeit und Flexibilität von miteinander verbundenen Anwendungen sowie die Abhängigkeit von MES- oder Manufacturing-Intelligence-Software (MI) sicherzustellen. Auf diese Weise könnten die MES- und MI-Software den Prozess besser koordinieren und die Big Data aus verschiedenen Quellen besser verarbeiten. Wenn der Trend zu einer vernetzten Zukunft voranschreitet, wird die Nachfrage nach Edge- oder Fog-Computing zunehmen.

Motek: Halle 7, Stand 7001

Erschienen in Ausgabe: 06/2019
Seite: 56 bis 57