Internet of Things

VIERNULL.blog | IoT - Smart Factory

 

Der heutige Artikel widmet sich dem Internet of Things (kurz IoT) - der weitreichenden Vernetzung verschiedenster technischer Komponenten, die eine intelligente Steuerung und Überwachung von Geräten im Verbund (z.B. in der Smart Factory), erlaubt. In Form des Industrial Internet of Things spielen diese Technologien auch im Kontext von Industrie 4.0 und damit in der Fertigungsindustrie zunehmend eine wesentliche Rolle. 

 

Die meisten Anwendungsfälle basieren dabei auf der Nutzung von Sensordaten und der Ansteuerung von Aktoren der IoT-Geräte. Dabei ist IoT im industriellen Umfeld nicht als Ersatz, sondern eher als Ergänzung zu bestehenden Industrienetzwerken und dem Einsatz von Prozessleit- und Manufacturing-Execution Systemen zu sehen. Von diesen unterscheidet sich IoT insbesondere durch die gelockerte Anforderung gegenüber der Echtzeitverarbeitung und das um ein Vielfaches höhere Datenaufkommen.  

Typische IoT-Einsatzszenarien sind beispielsweise die Auslastungsüberwachung von Fertigungsstraßen nebst angegliederter Analyse und Visualisierung, die Validierung von Simulationen durch den Abgleich mit realen Felddaten, die Verwendung in der Logistik, zum Beispiel zur Kommissionierung oder zur örtlichen Verfolgung  von Versandartikeln, das Zusammenführen von Felddaten mit Konstruktions- und kaufmännischen Daten im digitalen Produktmodell und der immer größer werdende Bereich der Predictive Maintenance, also der Vorhersage, Analyse und möglichst frühzeitigen Beseitigung von Wartungsfällen.  

Bei der Kommunikation von IoT-Geräten untereinander (M2M – Machine to machine communication) gibt es zur Zeit noch keinen einheitlichen Standard, weder auf der Hardware- noch auf der Protokollebenen, auch wenn sich für Letzteres mittlerweile die Standards OPC UA für Deutschland und MQTT für den internationalen Markt zu etablieren scheinen. Viele Hersteller sind zudem dazu über gegangen ihre IoT-Plattformen und -Geräte gegenüber den gängigen Standards zu öffnen. 

Lösungsanbieter bieten mittlerweile unterschiedlichste Produktplattformen an, die neben den eigentlichen IoT-Geräten auch umfangreiche Soft- und Hardwarelösungen für die Speicherung und Auswertung der anfallenden Daten beinhalten. All diesen Lösungen ist jedoch eine grundlegend identische, vierschichtige Architektur zu eigen: 

 

Auf der untersten Ebene sind die tatsächlichen Geräte (Devices) mit ihren Sensoren und Aktoren zu verorten. Diese direkt zu vernetzen ist, sowohl aus Sicherheits- als auch aus Effizienzgründen, nicht sinnvoll; deshalb ordnet man einzelne Geräte sogenannte Gateways (im Industrie 4.0-Jargon auch Schalen) unter. Die Verknüpfung der eingesetzten Gateways erfolgt auf Basis einer Cloud-basierten Architekturebene – hier erfolgt sowohl die Kommunikation der Gateways mit anderen Gateways und mit höher liegenden Applikationen als auch die Speicherung aller erfassten Daten. Mit der Analyse, Visualisierung und Datenmanipulation (und hier insbesondere auch der Aktorensteuerung individueller Geräte) beschäftigt sich die Applikationsschicht, die in separaten IT-Systemen oder ebenfalls in der Cloud liegen kann. Hier ist auch die Intelligenz smarter IoT-Lösungen zu verorten – die Geräte selbst besitzen in aller Regel nicht die technischen Kapazitäten komplexe Funktionen auszuführen. Cloud- und Applikationsschicht bilden bei nahezu allen Anbietern eine Big Data Architektur wie sie in unserem vorherigen Technologieartikel vorgestellt worden ist. Auf dieser Ebene erfolgt auch die Integration des IoT-Systems in die bestehende IT-Landschaft und damit ins digitale Produktmodell des jeweiligen Unternehmens. Oft geschieht diese Integration über einen sogenannten Broker, der für eine neutrale Schnittstelle zwischen allen Systemen sorgt und so dem Unternehmen ein durchgängiges Informationsmanagement garantiert. 

Der Einsatz einer IoT-Lösung bietet einem Fertigungsunternehmen zahlreiche Vorteile. Durch die Erfassung von Felddaten und deren Analyse können Wartungs- und Reparaturprozesse, sowohl in der eigenen Werkshalle als auch im After-Sales-Geschäft beim Kunden, drastisch vereinfacht und verkürzt werden. Die erfassten Daten erlauben zudem eine gezielte Optimierung von Produkten auf ihre realen Einsatzszenarien hin und damit einen am Markt ausgerichteten inkrementellen Innovationsprozess. Die umfassende Vernetzung auch über die örtlichen Fabrikgrenzen hinweg und weitergehende Analysen der Daten mit modernen Techniken des maschinellen Lernens ermöglichen letztlich sogar ganz neue Geschäftsmodelle.