Bild 3: Die Datenerfassung mit dem MQTT-Protokoll. Einzige Voraussetzung ist: Der Anwender muss das richtige Nutzdatenformat angeben.

© Mathworks

Sobald sich Kanaldaten in dem Analytik-Dienst befinden, lassen sie sich in der Cloud speichern oder sofort verarbeiten und visualisieren. Wenn der Anwender mit einem MathWorks- oder ThingSpeak-Konto angemeldet ist, bietet der Dienst die Möglichkeit, Matlab-Code ohne weitere Lizenz auszuführen. Mehr als ein Dutzend Toolboxen bieten Funktionen für Statistik, Analysen, Signalverarbeitung und Machine Learning. Für Matlab-Skripte kann die Ausführung in bestimmten Zeitabständen geplant werden, sodass aktualisierte Berechnungen und Visualisierungen zu festen Zeiten möglich sind.

Diese Skripte lassen sich durch einfaches Kopieren und Einfügen von Matlab-Code in dem Dienst integrieren. Im Interesse der Benutzerfreundlichkeit sowie zum Testen kann dieser Code auf jedem Desktop- oder Laptop-PC mit Matlab-Lizenz geschrieben werden. So wird der Analytik-Dienst zu einer natürlichen Cloud-Erweiterung des Matlab-Desktops. Anwender können auch Nachrichten konfigurieren, die ihnen bei Maschinenausfällen, Schwellenwert-Überschreitungen von Parametern oder anderen spezifischen Ereignissen per E-Mail oder Twitter gesendet werden, sodass sie nicht nur an der Anlage, sondern auch von einem Remote-Standort aus sofort reagieren können.

Der Analytik-Dienst allein garantiert noch keine erfolgreiche IoT-Umgebung, kann aber sehr einfach Teil einer solchen Umgebung sein. Um dies zu verstehen, gilt es einen weiteren Blick auf die Datenerfassung und -verarbeitung in der Pyramide werfen.

In der Fertigung werden Live-Daten lokal auf der Steuerung in Echtzeit ver­arbeitet. Diese Art der Stream-Verarbeitung erfordert eine enorme Bandbreite und somit Feldbusse mit Datenraten von bis zu einigen Gbit/s. Diese bietet etwa Beckhoff mithilfe von Port-Multiplikatoren mit standardmäßigem 100 Mbit/s Ethercat oder per Ethercat G mit 1 Gbit/s Datenrate. Die benötigten Algorithmen können in Matlab und Simulink entwickelt und dann über entsprechende Coder zusammen mit dem Target für Matlab/Simulink zur nahtlosen Integration in die Automatisierungssoftware Twincat 3 von Beckhoff in der SPS integriert werden. Dieser Ansatz sorgt für eine schnelle V­erarbeitung mit deterministischen Reaktionszeiten und Latenzen im Bereich von unter einer Millisekunde, die für echtzeitgesteuerte Prozesse erforderlich sind. Anwendungen für diese Art der Daten­verarbeitung sind Zustands- und Energieüberwachung, Computer-Vision-Anwendungen sowie Informationskompression. 

Bild 4: Die Datenverarbeitung kann sowohl auf der SPS – der Twincat 3 Runtime – oder auf dem Edge-Device – der Twincat 3 Runtime/Matlab Compiler Runtime – erfolgen.

© Mathworks

Nachteile der Beschränkung der Datenverarbeitung auf die SPS-Schicht: Es kann nur ein bestimmter Prozess überwacht und gesteuert werden – ohne Kenntnis angrenzender Prozesse, Maschinen oder Anlagen. Zudem lassen sich nur Live-Daten verwenden (keine Verlaufsdaten).

Aus diesem Grund werden von mehr als einer Steuerung stammende Daten oft auf der Scada-Schicht weiterverarbeitet. In Bild 4 ist dies auf dem Edge-Gerät implementiert – zum Beispiel einem Industrie-PC – das die Verbindung mit dem Analytik-Dienst bildet. Diese Struktur ermöglicht die Datenstromverarbeitung sowie den Vergleich mit gespeicherten Daten. Sie unterscheidet sich wesentlich von der SPS-Schicht, auf der lediglich Datenströme fließen und praktisch keine Speicherung stattfindet.

Vorteile der Datenverarbeitung auf einem Edge-Gerät sind die hohe Rechenleistung und der umfangreiche Arbeitsspeicher in Kombination mit der hohen Bandbreite des Gbit-LAN. Dennoch kann das Edge-Gerät keine deterministischen Reaktionszeiten erreichen und somit nicht dazu dienen, Prozesse in Echtzeit zu steuern. Auch hier kann der benötigte Code in Matlab geschrieben oder aus Simulink-Modellen generiert werden. Die Bereitstellung auf dem Edge-Gerät, etwa über einen Compiler, sorgt für eine schnelle Ausführung von Laufzeitanwendungen. Mit dem Twincat 3 Interface für Matlab/Simulink kann eine schnelle Kommunikation zwischen der SPS-Schicht und der Matlab Runtime auf einem Edge-Gerät erreicht werden, die Funktionalität von Client und Server einschließt. Letztere umfasst die Möglichkeit, in Matlab geschriebene Funktionen als aufrufbare Funktion aus der SPS heraus darzustellen (asynchroner Remote-Prozedur-Aufruf). Typische Anwendungen sind prozessübergreifende Statistiken, die modellbasierte Optimierung, die Anomalie-Erkennung und wiederum die Informationskompression.

Die gesamte bisher beschriebene Datenverarbeitung findet lokal in einem einzigen, geschlossenen Netzwerk statt. Während dieser Ansatz einen umfassenden Überblick über eine Anlage oder einen Standort geben kann, ermöglicht er keine Überwachung oder Steuerung von Prozessen, die auf verschiedene Standorte verteilt sind. Diese Möglichkeit bietet ThingSpeak.

Außerhalb der herkömmlichen Pyramide

Da ThingSpeak über ein externes Netzwerk mit dem Edge-Gerät verbunden ist, ist eine Datenreduktion oft aus Gründen der Bandbreite erforderlich. Diese Reduktion kann beispielsweise durch Algorithmen erfolgen, die leicht in die von einem Matlab Compiler erstellte Laufzeitanwendung integriert werden können. Der Analytik-Dienst kann den eingehenden Datenstrom speichern oder sofort verarbeiten. Die Informationsreduktion kann ebenso innerhalb der SPS mit integrierten Matlab-Funktionen erfolgen und es lässt sich außerdem eine direkte Verbindung von der SPS zu ThingSpeak herstellen. Aufgrund von Latenzen und Bandbreitenbegrenzungen kann ThingSpeak allerdings keine deterministischen Reaktionszeiten und damit keine Echtzeitsteuerung gewährleisten.

Bild 5. Über den IoT-Analytikdienst lassen sich Anlagen und Maschinen an unterschiedlichen Orten vergleichen.

© Mathworks

Die Vorteile sind jedoch enorm:

• Erstens ist die Integration verschiedener Prozesse einfach. Der Anwender muss lediglich die entsprechenden Kanäle angeben und mit der Datenerfassung beginnen. Auf diese Weise lassen sich beliebig viele Einrichtungen mit dem Analytik-Dienst verbinden.
• Zweitens ist die Speicherkapazität viel größer, sodass Verlaufsdaten gespeichert werden können, um Wartungs- und Geschäftsentscheidungen über lange Zeiträume zu unterstützen. Dies ist nicht nur für produzierende Branchen interessant, sondern auch für Anlagenhersteller, die jetzt von einem einzigen Standort aus ihre verkauften Maschinen bei Kunden auf der ganzen Welt überwachen, Wartungsverträge anbieten und die Leistung nach Umgebungsbedingungen vergleichen können (Bild 5).

Der Analytik-Dienst bietet auch eine serverlose Architektur. Die entsprechende Cloud enthält natürlich Server; diese arbeiten jedoch, ohne dass Anwender sie warten oder aktualisieren müssen.

Wie bereits erwähnt, bietet der Analytik-Dienst integrierte Matlab-Funktionalität und mehrere Toolboxen. Somit können Anwender zahlreiche Rechen-, Analyse-, Statistik-, Steuerungs- und Visualisierungsfunktionen nutzen, um umfassende, globale Analysen ihres Unternehmens, ihrer Maschinenwartung oder ihrer wissenschaftlichen Projekte zu erstellen.

Der Einsatz von Matlab wiederum ermöglicht es ihnen, ihre Aktivitäten in ThingSpeak auf den Desktop auszudehnen, um Algorithmen und Code zu entwickeln oder Echtzeit- und Laufzeit-Anwendungen bereitzustellen. Dies macht ThingSpeak zu einer effektiven Verbindung zwischen einer umfassenden Modellierungs- und Designplattform einerseits und realen industriellen und wissenschaftlichen Anwendungen andererseits. Darüber hinaus können Unternehmen ThingSpeak-Funktionalität für Geschäftsanwendungen nutzen.

Autoren:
Dr. Fabian Bause ist Produktmanager Twincat bei Beckhoff Automation;
Dr. Rainer Mümmler ist Senior Application Engineer bei Mathworks.