Kleine Daten in große Dateneinblicke für die Fertigung transformieren

Fertigungsanlagen generieren massive Mengen an operativen Daten aus automatisierten Produktionsanlagen, Zustandsüberwachungsgeräten und anderen Sensoren und Systemen. Da Unternehmen sich der in diesen Assets schlummernden Potenziale bewusster werden, fragen sie, wie Industrial Internet of Things (IIoT)-Initiativen helfen können, diese Informationen anzuzapfen und nützliche Einblicke zu schaffen. Aber viele Versuche, dies unternehmensweit über Mega-Projekte anzugehen, scheitern an Erwartungen aufgrund der schieren Größe und Komplexität. Vielleicht ist ein besserer Ansatz, mit „kleinen“ Daten an der Quelle zu beginnen, um über Edge Computing, fokussierte Anwendungen und offene Konnektivität zu Big Data aufzubauen.

Bottom-Up statt Top-Down

Digitale Transformation ist nie eine einmalige Aufgabe. Aber ein zu großes Projekt kann die Bemühungen schnell scheitern lassen. Schon das Verbinden der vielen verschiedenen Datenproduzenten kann hart sein, doch die effektive Übertragung, Verarbeitung und Speicherung dieser Daten – on-premise oder in der Cloud – ist ein ebenso massives Unterfangen. Daher starten die erfolgreichsten Projekte bottom-up mit Maschinendaten statt top-down auf Unternehmensebene (Abbildung 1).

Die Fokussierung des Blickfelds auf spezifische Herausforderungen und Assets kann sofortige Renditen liefern im Vergleich zum Sammeln aller möglichen Daten und dem Versuch, Möglichkeiten ohne klare Problemstellung zu entdecken. Werksmitarbeiter können Einblicke priorisieren, die alltägliche operative Probleme adressieren, und die relevantesten Daten von bestehenden oder sogar neuen Sensierungspunkten auswählen. Doch das deckt eine neue Herausforderung auf: Die interessanten Daten werden meist nicht aktiv im Steuerungssystem gespeichert.

Beispiel: Übermäßige Ausfallzeiten

Beispielsweise bei übermäßigen Ausfallzeiten mit einer neuen Maschine: Ohne Datensammlung kann der Bediener die Ursache nicht finden. Jede Handlung ist reaktiv auf Beobachtungen nach dem Ausfall. Mit einem Little-Data-Projekt kann der Nutzer Daten aus dem Steuerungssystem zusammen mit neuen Luftdruck- und Vibrationssensoren sammeln. Durch Sammeln und Analysieren von Daten in Echtzeit im Kontext der Maschine können Bediener schnell die Ursache finden und die Probleme beheben, was zu verbesserter Verfügbarkeit führt.

OT und IT verbinden

Produktionsdatenquellen sind generell Teil der Operational Technology (OT)-Domäne, die programmierbare Logikcontroller (PLCs), Antriebsgeräte und viele Arten von Sensoren und Instrumenten umfasst. Aber Kommunikation, Speicherung und Verarbeitung massiver Datenmengen erfordern Information Technology (IT)-Fähigkeiten.

Der Schlüssel zur Brücke zwischen OT und IT – und zur Ermöglichung der Zusammenarbeit von Personal, das früher auf beiden Seiten dieser Kluft stand – findet sich in einer neuen Generation von Edge-Controllern (Abbildung 2). Edge-Controller kombinieren echtzeitdeterministische Steuerung unter Nutzung von IEC 61131-3 Sprachen mit general-purpose Linux-basiertem Computing, um eine leistungsstarke IIoT-Plattform zu schaffen, die in neue Designs eingebaut oder in Altsysteme integriert werden kann.

Diese neue Controllergeneration bringt auch traditionelle OT-Protokolle wie PROFINET und Modbus TCP mit modernen IT-Protokollen wie OPC UA und MQTT zusammen, was nahtlose Konnektivität zwischen Edge-Datenquellen und höherwertigen Unternehmensplattformen wie MES, ERP, Wartungsmanagement und anderen Analytics-Systemen ermöglicht.

Viele Endanwender erkennen, dass sie von IIoT profitieren können, mögen aber zu Recht besorgt sein, dass ein großangelegter Angriff auf Big Data nicht gelingen mag. Stattdessen werden diese Nutzer durch Annäherung an IIoT mit Little Data, Edge-Controllern und gezielter Analytik frühe Renditen erzielen, was sie schneller auf ihrer digitalen Transformationsreise voranbringt.

Dieser Artikel wurde verfasst von Derek Thomas, Vice President of Marketing and Strategy für Emersons Machine Automation Solutions Business, St. Louis, MO. Für weitere Informationen besuchen Sie hier.