Edge Computing in der Fertigung: Ein vollständiger Leitfaden für Hersteller

Im Folgenden behandeln wir in diesem ausführlichen Artikel Edge Computing in der Fertigung. Wählen Sie einen Link, um zu einem bestimmten Abschnitt zu springen:

• Einführung in Edge Computing in der Fertigung
• Was ist Edge Computing?
• Was ist eine Edge-Computing-Plattform?
• Was ist ein Edge-Gerät?
• Die Beziehung zwischen Edge und Cloud
• Edge-Computing-Anwendungsfälle in der Fertigung
• Wie sich die Konnektivitätslandschaft in der Fertigung wandelt

Einführung in Edge Computing in der Fertigung

Der Edge-Computing-Framework findet zunehmend Eingang in diverse Branchen, da Internet-of-Things (IoT)-Geräte allgegenwärtiger werden. Einer der vielversprechendsten Edge-Computing-Anwendungsfälle liegt in der Fertigung, wo diese neuen Technologien massive Produktivitätsgewinne ermöglichen können.

Während IoT bereits als kritischer Enabler auf dem Shopfloor bewiesen ist, suchen Organisationen nun nach Wegen, die Reaktionsfähigkeit ihrer Fertigungssysteme weiter zu erhöhen. Um dies zu erreichen, setzen diese Organisationen auf Smart Manufacturing mit Edge Computing als Haupttreiber.

Smart Manufacturing stellt eine Zukunft vor, in der Fabrikgeräte autonome Entscheidungen basierend auf dem Geschehen auf dem Shopfloor treffen können. Unternehmen können alle Schritte des Fertigungsprozesses – Design, Fertigung, Lieferkette und Betrieb – leichter integrieren. Dies ermöglicht größere Flexibilität und Reaktionsfähigkeit bei der Teilnahme an wettbewerbsintensiven Märkten. Die Ermöglichung dieser Vision erfordert eine Kombination verwandter Technologien wie IoT, KI/Machine Learning und Edge Computing.

Der Schlüsselvorteil der Analyse am Netzwerkrand ist die Fähigkeit, Echtzeitdaten zu analysieren und darauf zu reagieren, ohne die Bandbreitenkosten, die mit dem Senden dieser Daten an einen externen Ort (Cloud oder Rechenzentrum) zur Analyse einhergehen. Fertigung ist zeitkritisch, um die Produktion von Außentoleranz-Komponenten, Geräteausfälle, Arbeiterverletzungen oder Todesfälle zu vermeiden. Für komplexere, langfristigere Aufgaben können Daten in die Cloud gesendet und mit anderen strukturierten und unstrukturierten Datenformen kombiniert werden. Als Ergebnis ist der Einsatz dieser beiden separaten Computing-Frameworks nicht gegenseitig ausschließend, sondern vielmehr eine symbiotische Beziehung, die die Vorteile jedes einzelnen nutzt. Unten tauchen wir tiefer in Anwendungsfälle und die Beziehung zwischen Cloud und Edge in der Fertigung ein.

Zuerst definieren wir die Komponenten eines Edge-Computing-Frameworks.

Was ist Edge Computing?

Edge Computing ist ein verteiltes Computing-Framework, das Berechnung und Datenspeicherung näher an die Datenquelle bringt, was Reaktionszeit verbessert und Bandbreite spart.

Einfach ausgedrückt: Edge Computing bedeutet, Code, der in der Cloud läuft, auf oder in der Nähe lokaler Geräte auszuführen. Beispiele sind Gateway-Geräte (wie MachineMetrics Edge) oder sogar ein PC neben IIoT-fähigen Geräten.

Mit Edge Computing müssen weniger Daten in die Cloud übertragen werden. Dies ist besonders nützlich für die Erfassung hochfrequenter Daten, die zum Ausführen von Machine-Learning-Algorithmen verwendet werden. Da diese Daten am Edge verarbeitet werden können, können sie sofort umgesetzt werden. Im Gegensatz dazu würde die Übertragung dieser hochfrequenten Daten in die Cloud, deren Verarbeitung und anschließende Reaktion einen Latenzeffekt erzeugen. Edge Computing löst dieses Problem.

Um Edge Computing zu verstehen, hilft es, eine IoT-Lösung als allgemein drei Komponenten habend zu betrachten:

• Things wie IoT-Geräte, die Sensordaten erzeugen.
• Insights, die Sie aus diesen Daten extrahieren.
• Actions, die Sie basierend auf diesen Insights durchführen, um einen Wert zu liefern.

Mit Edge Computing verschieben Sie die Insights- und Actions-Komponenten von der Cloud zum Gerät. Mit anderen Worten: Sie bringen einen Teil des Codes direkt in das Gerät, der verwendet wird, um Daten zu verarbeiten, Insights zu extrahieren und als Reaktion darauf eine Aktion auszuführen.

In der Fertigung können die Things Maschinen oder Geräte auf Ihrem Shopfloor sein. Insights könnten daher Echtzeit-Maschinendaten sein. Ein Beispiel für eine Action könnte sein, dass eine Maschine den Betrieb aufgrund vorhergesagter Werkzeugbruch pausiert.

Was ist eine Edge-Computing-Plattform?

Eine für die Fertigung entwickelte Edge-Plattform ermöglicht es Ihnen, Daten von Industriesystemen wie SPS, Digitalen Steuerungssystemen, Sensoren oder Historian-Systemen zu erfassen und Anwendungen lokal auf diesen Daten auszuführen – wie Ereignisverarbeitung, vorausschauende Analytik, Machine-Learning-Modelle und mehr – alles in einer Offline-First-Bereitstellung.

Edge-Computing-Plattformen verwalten die Anwendungen, Geräte und Verbindungen, die am Rand eines Netzwerks operieren. Hier können Edge-Geräte und verbundene Equipment ("Things") schneller kommunizieren und Aufgaben ausführen als mit reinem Cloud Computing.

Der Umgang mit vielen Edge-Geräten kann eine Herausforderung sein. Eine zentrale Edge-Management-Plattform lindert dieses Problem, indem sie die vielen disparaten Edge-Geräte verbindet, um ein ordnungsgemäßes Management des gesamten Netzwerks zu gewährleisten. Beispielsweise können Hersteller mit einer Edge-Computing-Plattform Sicherheitsupdates auf alle Edge-Geräte pushen und bei Bedarf troubleshooten.

In einem Sinne bringen Edge-Computing-Plattformen einfach die computergestützten Ressourcen einer Cloud näher an die Datenquellen. Damit erledigen Edge-Plattformen einfach die Arbeit einer Cloud-Computing-Plattform, aber am Edge. Dies reduziert die Belastung der Cloud-Computing-Ressourcen und die Datenlatenz zwischen Edge-Gerät und Equipment. Wenn Machine Learning und KI die Zukunft sind, ist die Geschwindigkeit, mit der Daten gespeichert und analysiert werden können, entscheidend.

Was ist ein Edge-Gerät?

Edge-Geräte sind Geräte, die den Datenfluss zwischen einem lokalen Netzwerk und der Cloud verwalten. Sie fungieren als Gateway zwischen verbundenen Geräten in einem lokalen Netzwerk und der Softwareplattform, die zur Analyse der Daten verwendet wird.

Im Kontext von Smart Manufacturing bieten Edge-Geräte mehr als nur eine Verbindung zwischen separaten Netzwerken. Sie umfassen auch Funktionen zur Verbesserung der IoT-Sicherheit und Analytics-Konvertierung. Um dies zu erweitern: Edge-Geräte übersetzen ansonsten inkompatible Daten (wenn Sie beispielsweise unterschiedliche Protokolle hätten), sodass Daten aus verschiedenen Quellen in der Cloud aggregiert und verstanden werden können.

Der MachineMetrics Edge verbindet Maschinen einfach mit dem MachineMetrics Cloud-Service per WLAN, Mobilfunk oder Ethernet.

Physische Distanz in einem traditionellen Netzwerk bedeutet längere Übertragungszeiten für große Datenpakete. Edge-Geräte erlauben es, die Datennetze von den Maschinen näher an den Ort zu bringen, wo Daten gespeichert und analysiert werden. Dies ermöglicht eine viel schnellere Rückmeldung an den Nutzer, was essenziell ist bei Anwendungsfällen wie Echtzeit-prädiktiver Analytik. Edge-Geräte und Edge Computing platzieren mehr Speicher- und Analysekapazität direkt am Maschinenstandort, um Daten zu konsumieren und darauf zu reagieren.

Da IoT-Infrastrukturen an Komplexität zunehmen (mehr Werksstandorte, Geräte, Netzwerke), bleibt der Bedarf an Datenaggregation und -verarbeitung wichtig. Die Herausforderung ist jedoch, dass Geräte am Edge unter hochlatenzbedingter Kommunikation mit der Cloud-Computing-Plattform leiden.

Genau dieses Problem lösen Edge-Geräte und Edge-Computing-Plattformen.

Die Beziehung zwischen Edge und Cloud

Wir haben einen vollständigen Artikel zum Unterschied zwischen Edge Computing und Cloud Computing in der Fertigung, daher halten wir dies kurz.

Edge und Cloud sind zwei unterschiedliche Technologien, werden aber oft im Tandem eingesetzt, da sie sich in ihren Stärken ergänzen. Im Kern der Beziehung verarbeitet Edge Computing Daten, die zeitkritisch sind, und handelt darauf, während Cloud Computing Daten an einem zentralen Ort aggregiert, der nicht zeitnah bearbeitet werden muss.

In einer vollständigen IIoT-Infrastruktur können Hersteller sowohl den Edge für Echtzeit-Datenerfassung, prädiktive Analytik und autonomes Entscheidungsfinden als auch die Cloud für aggregierte Datenanalyse, Benchmarking und Trendanalyse nutzen.

Diese Vor- und Nachteile setzen sich fort:

Edge-Computing-Anwendungsfälle in der Fertigung

Lassen Sie uns nun praktische Gründe für den Einsatz von Edge Computing in der Fertigung diskutieren. Es gibt diverse Geschäftsvorteile, wenn alle Netzwerke ordnungsgemäß mit der Cloud verbunden sind und gleichzeitig leistungsstarke Computing-Ressourcen am Edge bereitgestellt werden können.

• Verbesserte Geräteverfügbarkeit: Ein Ausfall in einem Subsystem, einer Komponente oder die Auswirkung des Betriebs einer Komponente in einem degradierten Zustand kann in Echtzeit vorhergesagt, kontinuierlich verfeinert werden, je mehr Daten analysiert werden, und zur Verbesserung der betrieblichen Nutzung und Wartungsplanung eingesetzt werden.
• Reduzierte Wartungskosten: Erweiterte Analyse des Wartungsbedarfs bedeutet auch, dass mehr Reparaturen beim ersten Besuch abgeschlossen werden können, indem Mechanikern detaillierte Anweisungen zu Ursachen, notwendigen Aktionen und benötigten Teilen gegeben werden – was Reparaturkosten senkt.
• Geringerer Ersatzteillagerbestand: Edge-Analytik-Modelle können auf die Anforderungen eines individuellen Geräts oder Systems zugeschnitten werden. Dies könnte bedeuten, Sensoren direkt auszulesen, die mit bestimmten Komponenten und/oder Subsystemen assoziiert sind. Geleitet vom gewünschten Geschäftswert der Organisation kann das Edge-Modell dann definieren, wie das Gerät oder System optimal konfiguriert werden sollte, um ein Geschäftsziele zu erreichen – was den Ersatzteillagerbestand bei minimalen Kosten weit effizienter macht.
• Kritische Ausfallverhinderung: Durch Erfassung, Überwachung und Analyse von Daten zu Komponenten kann Edge-Analytik eine Ursache identifizieren, bevor ihre Wirkung eintritt, was frühere Problemerkennung und -verhinderung ermöglicht.
• Zustandsbasiertes Monitoring: Durch die Konvergenz von IT und OT können Hersteller auf Maschinendaten zugreifen, was ihnen erlaubt, den Zustand ihrer Geräte auf dem Shopfloor zu überwachen – selbst bei Legacy-Equipment.
• Neue Geschäftsmodelle: Vielleicht am wichtigsten: Edge-Analytik kann helfen, neue Geschäftsmodelle zu formen, um neue Chancen zu ergreifen. Beispielsweise kann sie Just-in-Time-Teilemanagementsysteme verbessern, indem sie Selbstüberwachungsanalysen nutzt, die vorhersagen, welche Komponenten wann ausfallen – was Ersatzteil-Benachrichtigungen entlang der Wertschöpfungskette auslöst. Dies ermöglicht einen "bedarfsorientierten" Wartungsplan, reduziert Stillstandzeiten und Teilelagerbestand und resultiert in einem effizienteren Modell.

Wie sich die Konnektivitätslandschaft in der Fertigung wandelt

Wir wissen, dass der Zweck des Industrial IoT darin besteht, fortgeschrittene Analytik auf riesige Mengen an Maschinendaten anzuwenden, alles mit dem Ziel, ungeplante Ausfallzeiten zu reduzieren, die Gesamtkosten der Maschinenwartung zu senken und Machine-Learning-Fähigkeiten zu nutzen. Die Cloud war instrumental, um diese Art massiver Datenerfassung, -übertragung und -analyse möglich zu machen.

Edge Computing und Analytik heben dieses Konzept einfach auf eine neue Ebene, indem sie die physische Distanz zwischen Maschinen und der Datenverarbeitung selbst reduzieren. Für Unternehmen, die über Distanz verteilt sind und Daten von vielen Quellen erfassen, hilft diese Nähe bei mehreren Realitäten:

• Konnektivitätsprobleme im Zusammenhang mit Distanz sowie die Kosten massiver laufender Datenübertragung an einen zentralen Ort.
• Verfügbarkeit der Analytik auf operativer Ebene, was Nutzern auf mehreren Ebenen schnelle Entscheidungen ermöglicht.
• Verfügbarkeit der Daten in Echtzeit für schnellere (und sogar autonome) Entscheidungsfindung.
• Gewährleistung der Datensicherheit und Netzwerkintegrität.

All diese Realitäten, wenn sie durch Edge Computing adressiert werden, erlauben Herstellern, Kosten zu senken und Effizienz zu steigern. Zudem können Hersteller nun eine zuverlässige Datenübertragung mit wenigen Fehlern und Sicherheitsrisiken haben. Nicht zu vergessen: Dies ermöglicht auch Individualisierung und Kleinserienfertigung mit demselben Wert, den eine Großserienproduktion erfahren würde. Mit Edge Computing ist all dies mit flexibler und vereinfachter Wartung aller Geräte verfügbar.

Wenn Datengeschwindigkeit an der Tagesordnung ist und Konnektivität solide sein muss, wird der Edge die Lösung sein, auf die Hersteller setzen sollten. Die Anwendung von KI- und Machine-Learning-Algorithmen zur Visualisierung, Diagnose und Vorhersage von Problemen in Echtzeit ist ein Ziel, das mit Nähe, Geschwindigkeit und einem soliden Netzwerk leichter erreicht werden kann. Echtzeit-Visualisierungen und prädiktive Benachrichtigungen befähigen Ihr Team, sofortige Korrekturmaßnahmen zu ergreifen und Ihre Maschinen am Laufen zu halten, ohne entscheidende Daten zu verpassen.

Die industrielle Fertigung steht vor einer Revolution dank des Potenzials von Edge Computing. In Kombination mit einer neuen Generation smarter IoT-Edge-Geräte werden Edge-Computing-Anwendungen die Fertigung in den kommenden Jahrzehnten vollständig transformieren, um bessere Effizienz und Produktivität zu erzielen und gleichzeitig Kosten zu kontrollieren.