Schwerpunkte
17. September 2020, 09:35 Uhr | Meinrad Happacher
Embedded Computer kommen heute vielfach als Edge Computer zum Einsatz. Dahinter steckt nicht nur ein Buzzwort, sondern die Antwort auf gestiegene Anforderungen an IIoT-angebundene Geräte, Maschinen und Anlagen.
Edge-Computing-Plattformen müssen deutlich umfassendere Aufgaben erfüllen, als ihre wesentlich weniger vernetzten Embedded-Vorgänger. Durch den Industrie-4.0-Trend werden an IIoT-angebundene Geräte, Maschinen und Anlagen nämlich deutlich höhere, teils äußerst heterogene Anforderungen gestellt. So sollen klassische Echtzeit-Steuerungen zunehmend über Industrie-4.0-Protokolle wie etwa über MQTT, CoAP oder OPC UA im Zusammenspiel mit Standard-Ethernet-basiertem TSN (Time Synchronized Networking) angebunden werden. Ziel ist: Eine plattformunabhängige, serviceorientierte Architektur (SOA) für taktiles Internet zu generieren, um smarte I/Os, Steuerungen, HMIs und Logger im Feld sowie SCADA, Cloud und ERM/MES-Systeme untereinander in Echtzeit zu verknüpfen.
Die damit einhergehende intensive Vernetzung birgt Sicherheitsrisiken, weshalb erhöhte Sicherheitsfunktionen zu integrieren sind. Hierzu gehört eine eindeutige fälschungssichere Identität und die Sicherstellung der ordnungsgemäßen Funktionalität eines Gerätes durch die Validierung der installierten Software und Updates. Aber auch die Verwendung von Kryptographie für die gesamte Netzwerk-Kommunikation und der Schutz der im Arbeitsspeicher befindlichen Informationen sind ein Muss. Nicht zu vergessen sind daneben Intrusion Prevention und Detection Systeme, die den Datenverkehr parallel zu den Applikationen analysieren.
An Embedded Edge Computer werden zunehmend hohe, teils äußerst heterogene Anforderungen gestellt. Mit einem 6 Core Computer-on-Modul können Systeme jede dieser Aufgaben in einer eigenen der rein theoretisch möglichen zwölf virtuellen Maschinen betreiben – eine passende Hypervisor-Technologie sowie eine sinnvolle Allokation der Schnittstellen vorausgesetzt.
Hinzu kommen Datenanalyse-Funktionen am Edge der Geräte-, Maschinen- und Anlagen, damit der Hersteller Predictive Maintenance oder kostenpflichtige Zusatzdienstleistungen für seine Maschinen und Anlagen anbieten kann. Nur noch die wichtigsten Daten wie Status- und Alarmmeldungen werden versendet. Soll die lokale Analytik eine bilddatenbasierte KI beinhalten, ist die hohe Rechenleistung und die prozessorintegrierte Grafik beispielsweise in Kombination mit der Intel Distribution des OpenVINO Toolkit ein komfortables Bundle. Mit ihm lassen sich unter anderem sehr effizient smarte Biometrik-Funktionen wie eine Gesichts- und Gestenerkennung umsetzen, die heute in zahlreichen Einzelhandels-, Verkehrsüberwachungs- und Smart-City-Applikationen sowie in der industriellen Maschinenführung zum Einsatz kommen. Ist diese Edge-Analytik abgeschlossen, bedarf es zum Datenaustausch passender IoT-Gateways, die man beispielsweise für 3G/4G/5G oder LPWANs wie LoRa, NB-IoT oder Sigfox auslegen kann, um Alarme an zentrale Clouds abzusetzen oder die Systeme an agile Subscription-Management- und Abrechnungs-Systeme wie Zuora anbinden zu können. Im Smart-Robotik-Bereich kommt die gestiegene KI-Performance der neuen Plattformen zudem zum Einsatz, um über die so erlangte Situational-Awareness kollaborative Robotik-Applikationen zu realisieren.
Gewünscht ist das Bereitstellen all dieser Funktionen in möglichst einem einzigen Embedded Edge Computing System. Und da Echtzeit-Kommunikation über Ethernet auch über virtuelle Maschinen funktioniert, freuen sich OEM, wenn sogar mehrere interaktive Steuerungen auf einer Hardwareplattform zusammengefasst werden können. Das reduziert Kosten bei der Hardware, da nur noch eine Plattform nötig ist, um mehrere autonome, zunehmend kollaborative oder gar kooperative Roboter zu steuern. Die Embedded Systementwicklung ist durch das Edge Computing also deutlich komplexer geworden als noch vor wenigen Jahren mit damals noch weitestgehend autark betriebenen Stand-alone-Systemen.
