Einfach, offen und standardisiert
Beckhoff-Lösungen für
Industrie 4.0 und IoT
Durch die zunehmende Konvergenz von IT- und Automatisierungstechnologien werden Cloud-basierte Kommunikations- und Datendienste zunehmend auch in industriellen Steuerungsprojekten eingesetzt. Als Erweiterung klassischer Steuerungsaufgaben ermöglichen Anwendungen wie Big Data, Datamining und Condition- oder Power-Monitoring überlegene, zukunftsweisende Automatisierungslösungen. Für eine möglichst einfache Umsetzung sorgen die neuen Produkte von Beckhoff für Industrie 4.0 und IoT.
Industrie-4.0- und Internet-of-Things-Konzepte stellen hohe Anforderungen an die Vernetzung und Kommunikation von Geräten und Diensten. Aus Sicht der klassischen Kommunikationspyramide werden hierbei große Datenmengen zwischen den Sensoren und höhergelegenen Schichten ausgetauscht. Aber auch die horizontale Kommunikation von SPSen untereinander spielt eine wichtige Rolle in jeder modernen Produktionsstätte. PC-basierte Steuerungstechnologien stellen hierfür eine essentielle Grundlage dar und sind aus heutigen Automatisierungsprojekten nicht mehr wegzudenken. Mit dem neuen Twincat IoT stellt die Engineering- und Steuerungs-Software Twincat 3 die Basistechnologie für Industrie-4.0-Konzepte und die IoT-Kommunikation zur Verfügung. Auch die neuen IoT-kompatiblen Beckhoff I/O-Komponenten ermöglichen eine einfach zu konfigurierende und nahtlose Integration in Public- und Private-Cloud-Anwendungen.
Definition von Geschäftszielen bringt Wettbewerbsvorteil
Industrie 4.0 und Internet of Things (IoT) beginnen jedoch nicht erst bei der jeweils zu verwendenden Technologie, sondern schon viel früher. Bei der Implementierung von IoT-Projekten ist es von entscheidender Bedeutung zunächst einmal die eigenen Geschäftsziele zu prüfen, d.h. den Vorteil herauszuarbeiten, den man als Unternehmen aus einem solchen Projekt gewinnen möchte. Aus Sicht eines Automatisierungsherstellers können hierbei sicherlich zwei unterschiedliche Kategorien von Kunden definiert werden: der Maschinenbauer und dessen Endkunden, also der Anwender der automatisierten Maschinen. Gerade im Falle des produzierenden Gewerbes ist man natürlich daran interessiert, die eigenen Produktionskosten zu senken, z.B. durch eine effiziente und zuverlässige Produktionssteuerung oder ggf. auch durch die Reduzierung von produzierter Ausschussware. Der klassische Maschinenbauer verfolgt ganz ähnliche Ziele und ist zunächst einmal daran interessiert seine Maschine bei gleichbleibender oder sogar steigender Qualität günstiger herzustellen. Dabei können natürlich auch Themen wie die Optimierung des Energieverbrauchs und der Produktionszyklen einer Maschine oder auch eine vorausschauende Wartung und Fehlerdiagnose im Vordergrund stehen. Gerade die letzten beiden Punkte bieten dem Maschinenbauer eine gute Grundlage zur Etablierung von Dienstleistungen, die sich als zusätzliches Geschäftsmodell dem Endkunden anbieten lassen. Letzten Endes geht es bei beiden Kundenkategorien natürlich darum, die Maschine bzw. das eigene Produkt attraktiver zu gestalten und die Wettbewerbsfähigkeit am Markt zu erhöhen.
Sammlung, Aggregation und Analyse von Prozessdaten
Eine gute Grundlage zur Schaffung eines solchen Mehrwerts und zum Erreichen solcher Geschäftsziele bieten die im Produktionsprozess verwendeten Prozessdaten. Hierzu zählen die vom Sensor aufgenommenen und dann über einen Feldbus in die SPS übertragenen Werte einer Maschine. Diese Daten können zur Zustandsüberwachung einer Anlage mit Hilfe der in die Steuerungs-Software Twincat 3 integrierten Twincat-Condition-Monitoring-Bibliotheken direkt auf der Steuerung analysiert werden, wodurch sich Stillstandszeiten und Wartungskosten reduzieren lassen. In Produktionsbereichen mit mehreren verteilten Steuerungen ist eine Analyse der Daten einer einzelnen Steuerung jedoch nicht immer ausreichend. Oftmals benötigt man die aggregierten Daten von mehreren oder gar allen Steuerungen einer Produktionsanlage oder eines bestimmten Maschinentyps, um eine Datenanalyse vornehmen und eine analytische Aussage über das Gesamtsystem treffen zu können. Dafür wird jedoch die entsprechende IT-Infrastruktur benötigt. Bisherige Implementierungen sahen hier den Einsatz eines zentralen Serversystems vor, das im Maschinen- oder Unternehmensnetzwerk etabliert und mit einem Datenspeicher, oftmals in Form eines Datenbanksystems, ausgestattet wurde. Eine Analyse-Software konnte dann direkt auf die aggregierten Daten in der Datenbank zugreifen und entsprechende Auswertungen durchführen. Obwohl eine solche Vorgehensweise zur Realisierung einer Datenaggregation und -analyse in der Produktionsstätte sicherlich gut funktionierte, stellten sich jedoch gleich mehrere Probleme ein: Denn die notwendige IT-Infrastruktur musste zunächst einmal zur Verfügung gestellt werden. Dass hierbei hohe Hard- und Software-Kosten für das entsprechende Serversystem entstehen, ist sicherlich sofort einsehbar. Aber auch der personelle Aspekt ist nicht zu vernachlässigen. Durch eine steigende Komplexität bei der Vernetzung der Produktionsanlagen, gerade bei vielen verteilten Produktionsstandorten, benötigt man auch das entsprechende Personal, das eine Implementierung überhaupt durchführen kann. Erschwerend kommt hinzu, dass die Skalierbarkeit einer solchen Lösung sehr gering ist. Schließlich sind irgendwann die physikalischen Grenzen des Serversystems erreicht, sei es die zur Verfügung stehende Menge an Speicher oder auch die für Analysen notwendige CPU-Leistung bzw. Arbeitsspeichergröße. Bei erforderlichen Anlagenerweiterungen um neue Maschinen bzw. Steuerungen hatte dies häufig größere, manuelle Umbauarbeiten zur Folge. Schließlich musste das zentrale Serversystem mitwachsen, um das zusätzliche Datenaufkommen handhaben und verarbeiten zu können.
