Es gibt bereits verschiedene Unternehmen, die angetreten sind, um mit Cloud-basierten Portalen beliebige netzwerkfähige Sensorik zentral anzubinden und auf diese Weise als Datensammler zu agieren. Während der prinzipielle Ansatz in die richtige Richtung geht, ist es in vielen Fällen schwierig, den Mehrwert für Kunden zu bestimmen, da die Portalhersteller und Betreiber nicht über das spezifische Domainwissen der betreffenden Kunden verfügen und damit funktionale Defizite aufweisen. Als MES-Hersteller ist man sich der höchst unterschiedlichen Anforderungen einzelner Branchensegmente bewusst. Auch haben die klassischen MES-Hersteller technisch betrachtet im lokal abgegrenzten Umfeld eines Produktionswerks genau diese Rolle der Portale bereits in der Vergangenheit übernommen, indem vielfältige, heterogene Datenquellen wie Maschinen und Sensoren an zentraler Stelle konsolidiert wurden und man so einen echten Mehrwert für den Anwender geschaffen hat.

Was liegt dann näher, als den Wirkungsbereich eines MES auf die Cloud auszuweiten, und damit nicht nur das lokal begrenzte Umfeld der unmittelbaren Produktion abzudecken, sondern auch den Einsatz der Produkte beim Kunden im Feld zu unterstützen? Dies geschieht, indem dort anfallende Daten über ein Portalsystem gesammelt werden und sich in Verbindung mit den Daten aus der Produktion sowohl für den Kunden als auch den Produzenten ein echter Mehrwert schaffen lässt.

Verschiedene Public-Clouds möglich

Voraussetzung für eine erfolgreiche Umsetzung durch die MES-Hersteller ist, dass diese beim technologischen Design ihrer Systeme den Cloud-Ansatz bereits auf Basis-Ebene berücksichtigen. Die iTAC.MES.Suite wird bereits seit mehreren Jahren verstärkt bei Kunden in privaten und hybriden Cloud-System eingesetzt. Mit dem iTAC.IoT.Service hat Itac nun eine Lösung geschaffen, die einen einfachen Einsatz auch in Public-Cloud-Systemen wie zum Beispiel Amazon AWS oder Microsoft Azure ermöglicht und damit das Potenzial der klassischen MES durch Kombination des Portal-Gedankens für beliebige Datenquellen auf eine neue Dimension hebt.

Die technologische Basis muss dabei selbstverständlich auch alle bisherigen Aspekte eines Produktionsumfelds – wie etwa den längeren Lebenszyklus des Equipments, heterogene Schnittstellen, einfache Software-Updates und den Schutz der Daten gegen unbefugten Zugriff – berücksichtigen.

Darstellungsschema/Prinzip der Cloud-Plattformunabhängigkeit mittels ‚Docker‘-Technologie. Docker ist eine Software, mit der man Anwendungen mit Hilfe von Betriebssystem-Virtualisierung in Containern isolieren (clustern) kann und so jede Anwendung Ressourcen-optimiert arbeitet.

© Itac Software

Bei der Lösung kommen ‚Docker Container‘ zum Einsatz, die eine sehr schlanke Art der Virtualisierung auf Prozessebene erlauben. Die Container ermöglichen die Kapselung bestimmter Dienste und können in der Regel recht einfach in den üblichen Docker-basierten Container-Management-Systemen der unterschiedlichen Cloud-Anbieter verwaltet werden. Alternativ können bestimmter Docker Container – wie zum Beispiel Datenbanken – auch aus den Plattformdiensten der Cloud-Anbieter genutzt werden. Auch hier stehen der vereinfachte Betrieb der Systeme und die erhöhte Verfügbarkeit im Vordergrund.

Die Schnittstellen zwischen den IoT-Diensten sollten auf Standards aufbauen. Im industriellen Umfeld kommen dabei Protokolle wie OPC UA zum Einsatz: Es zeichnet sich durch Plattformunabhängigkeit, flexible Modellierung, effiziente Protokolle und Sicherheit durch Verschlüsselung und Authentifizierung aus.

Schnittstellen zwischen Cloud und Devices

Zurzeit arbeitet die OPC Foundation an einem erweiterten Modell zur Unterstützung von Publish-Subsribe-Szenarien in Kombination mit der Ethernet-Erweiterung Time Sensitive Network (TSN). Während die Echtzeit-Anforderungen durch TSN eher auf die Shop-floor-nahe IT-Infrastruktur abzielen, eignet sich das Pub/Sub-Szenario ideal für IoT-Anwendungen, da keine permanent offene Punkt-zu-Punkt-Netzwerk-Verbindung vorausgesetzt wird. Durch die Verwendung von standardisierten Protokollen wie AMQP ist die Anbindung an beliebige IoT-Cloud-Plattformen gegeben.

Spezialisierte Embedded-Systeme auf der Shop-Floor-Seite erlauben die Nachrüstung vorhandener Maschinen und Anlagen um entsprechende Konnek­tivität für das IoT-Zeitalter. Viele An­lagen, die bereits in der Ver­gan­genheit für MES-Anwendungs­szenarien angebunden wurden, können über die vorhandenen Schnittstellen ihre Daten auch dem MES auf der IoT-Plattform zur Verfügung stellen.

Ein wesentliches Unterscheidungsmerkmal zwischen einem klassischen MES und einem MES im IoT-Zeitalter ist neben dem Cloud-basierten Architekturansatz eine Erweiterung der Dienste, etwa um Machine Learning.

Ziel: Erweiterter Service

Der Embedded-PC auf Linux-Basis iTAC.smart.MESDevice ermöglicht die einfache Integration von anlagennahen Geräten wie Barcode-Readern, RFID-Scannern und Transportanlagen.

© Itac Software

Zur optimalen Arbeitsweise der Machine Learning-Dienste werden alle prozessrelevanten Daten benötigt, welche direkt oder indirekt einen Einfluss auf die Qualität der Produkte haben. Ziel ist die Verringerung der Kosten; aber Anwender können so ebenfalls den effizienten Einsatz der vorhandenen Ressourcen betrachten. Dies lässt sich etwa über eine Erhöhung der Verfügbarkeit von Maschinen und Anlagen durch vorausschauende Wartung oder Unterstützung des Wartungspersonals bei der Fehlerbehebung, etwa durch Mustererkennung und Hilfsmittel wie Augmented Reality, erreichen. En passant wird die Zuverlässigkeit der Planung erhöht, was neben dem gestiegenen Qualitätsniveau der ausgelieferten Produkte zu einer höheren Kundenzufriedenheit führt.

Die Möglichkeiten der IoT-Plattformen bestehen auch in der Vernetzung mit Informationsquellen aus dem Feld beim Kunden. Gerade bei komplexen Produkten ist es sinnvoll, Daten über den gesamten Lebenszyklus eines Produktes, also über die Fertigung hinaus, zu sammeln. Diese Daten können wertvolle Information liefern und in Kombination mit den Produktionsdaten zu einer weiteren Verbesserung der Produkte durch Design-Änderungen oder Änderungen im Fertigungsprozess führen.

Die Voraussetzungen

Alle diese Szenarien erfordern den Einsatz von smarten Sensoren in vielen Feldern – angefangen im Produktionsprozess über die Supply Chain bis hin zum Kunden. Neben der Herausforderung der Integration und Verwaltung dieser Sensorschwärme in einer IoT-Plattform müssen diese enormen Datenmengen in nahezu Echtzeit verarbeitet werden können. Auch hier muss über geeignete Technologien, wie clusterfähige, skalierbare Datenbanken und Analyseplattformen, eine Erweiterung der IoT-Plattformen möglich sein. Der Cloud-basierte Ansatz bietet die gerade in diesem Feld notwendige Flexibilität, um kurzfristig die Rechenkapazitäten den Erfordernissen anzupassen.

Die Vielzahl der vernetzten Geräte bedarf selbstverständlich auch einer näheren Betrachtung der Sicherheit der Systeme. Hier sind verschiedene Aspekte zu beachten: angefangen bei der Verschlüsselung der Datenübertragung bis zur Sicherung der einzelnen Geräte gegen Angreifer. Sobald die Sensorik direkt oder indirekt über maschinelles Lernen Einfluss auf die Produktionsprozesse erhält, wird eine Absicherung gegen fremde Eingriffe zur Notwendigkeit. Dies kann bedeuten, dass über die Software hinaus auch die Hardware über geeignete Mechanismen zur Absicherung der Devices verfügen muss.

Ein weiterer elementarer Bestandteil der IoT-Plattform zur Unterstützung der Sensorschwärme ist das Device Management. Es muss über Funktionalitäten zu Verwaltung der Devices verfügen – hierzu gehören die Verwaltung von Firmware-Versionen und Over the Air Updates, sprich drahtlos aus der Ferne.

Zusammenfassend lassen sich die IoT-Plattformen als zentrale Drehscheibe der Sensornetzwerke einordnen, jedoch schafft nur die Kombination von ausgeprägten fachlichen Diensten eines MES und erweiterten analytischen Möglichkeiten einen tatsächlichen Mehrwert in der Industrie 4.0.

Autor:
Volker Burch ist Vice President Advanced Technlology bei Itac Software.