Anzeige
Anzeige
Anzeige
Beitrag drucken

Steuerungstechnik

Skalierbare Rechenleistung für die Automation

Zur Etablierung cyber-physischer Automatisierungssyteme wird hohe Steuerungsintelligenz benötigt. Da komplexe Optimierungsberechnungen die aktuelle Steuerungsgeneration noch überfordern, bietet sich für die Umsetzung flexibler Produktionsnetzwerke der Einsatz von Steuerungsintelligenz in der Cloud an.




Bestandteile eines ‚globalcalized‘ cyber-physischen Systems. Bild: Universität Stuttgart

Für eine wirtschaftliche Produktion in turbulenten Märkten sind ständige Anpassungen der Produktion durch Rekonfiguration und Selbstoptimierung der komplexen Automatisierungslösungen zunehmend erforderlich. Diese Anforderungen sollen in Zukunft mit Hilfe von cyber-physischen Systemen (CPS) umgesetzt werden, die Änderungen in ihrer Umgebung wahrnehmen und sich selbstständig daran anpassen können. Dazu ist eine immer stärkere Integration von Intelligenz als komplexe Funktionen in die Steuerungen der entsprechenden Systeme notwendig. Zusätzlich erfordert die Organisation einer solchen intelligenten Produktion neben der Wahrnehmung der Umgebung mit Sensoren eine geeignete Vernetzung und Kommunikation zwischen den cyber-physischen Systemen untereinander. Im Bereich der Robotik und komplexer Automatisierungssysteme verfügt jede einzelne Maschine über eine eigene abgeschlossene, sogenannte monolithische Steuerung. Die darin vorhandene Rechenleistung wird im Normalbetrieb in der Regel nicht genutzt. Sollen allerdings beispielsweise aufwändige Algorithmen zur Optimierung berechnet werden, reicht die Leistungsfähigkeit bisheriger Steuerungen nicht aus. Auch Funktionen, welche die Steuerung bei der Inbetriebnahme oder Wartung übernimmt – etwa für Simulationen oder Diagnosealgorithmen – benötigen zusätzliche Rechenleistung. Hinzu kommt der Bedarf nach weiteren Informationen aus anderen Maschinen.

Consumer-Anwendungen weisen den Weg

Eine Skalierung, also eine Anpassung der Rechenleistung an die zu berechnenden Algorithmen, ist bisher allerdings nicht möglich. Der Austausch von Informationen zwischen einzelnen Steuerungen erfolgt noch über statisch konfigurierte Schnittstellen. Dadurch ist weder eine Wandelbarkeit durch eine einfache Rekonfiguration, noch die Möglichkeit zur Selbstoptimierung von Produktionssystemen als cyber-physische Systeme gegeben. Beim Blick auf Lösungen aus dem Consumerbereich – wie z.B. Smartphones – zeigt sich hingegen, dass die Hersteller der Geräte hier einen Schritt weiter sind. So kann z.B. die Lösung zur Spracherkennung ‚Siri‘ der Firma Apple einen Sprachbefehl über das Mikrofon aufzeichnen, die Tondatei an einen Server senden, dort auswerten und das Ergebnis als Steuerbefehl an das Absendegerät übermitteln. Das iPhone agiert somit als cyber-physisches System, das lokale Funktionen in Form von Apps vorhält: Die Hardware erfasst die Sprache des Menschen über das Mikrofon und reagiert über den Lautsprecher oder das Display beziehungsweise Funktionsaufrufe darauf. Das Mobilgerät kann somit auf seine Umwelt reagieren und mit ihr interagieren. Die Rechenkapazität, der Speicherplatz und das Erfahrungswissen durch extrem viele Anfragen, die für die Algorithmen der Spracherkennung notwendig sind, sind nicht lokal auf dem Smartphone vorhanden, sondern in der Cloud, die vom Systemanbieter administriert wird. Dadurch können beispielsweise Funktionserweiterungen oder Verbesserungen der Spracherkennung jedem einfach zugänglich gemacht werden.

Steuerung durch zentrale Auswertungslogik

Apple ‚zerlegte‘ für diesen Ansatz ein Problem in Einzelprobleme. Die Lösung der Einzelprobleme erfolgte dann dort, wo dies am einfachsten geschehen kann. Dies führte im Falle der Spracherkennung zu einem Ansatz mit lokaler Aktorik und Sensorik sowie einem globalen Auswertealgorithmus – einer so genannten ‚glocalized solution‘. Überträgt man diesen Lösungsansatz aus der Consumerelektronik auf die Automatisierungssysteme, wird die Steuerungstechnik – also die Intelligenz – für cyber-physische Systeme global. Leistung wird damit cloudbasiert oder zumindest zentralisiert bereitgestellt. Die globale Steuerungsplattform kann auf diese Weise skalierbare Rechenleistung bieten, die abhängig von der Komplexität der Algorithmen automatisch zur Verfügung gestellt wird. Zusätzlich ermöglicht eine solche cloudbasierte Steuerungsplattform Informationen bedarfsgerecht und verteilt über mehrere Systeme hinweg nutzen zu können. Automatisierungssysteme können somit über Softwareschnittstellen mit anderen Automatisierungssystemen interagieren und Informationen austauschen. Hardwareschnittstellen stellen keine Hürde mehr für eine Vernetzung dar.

Von der monolithischen zur flexiblen Automatisierung

Das Automatisierungssystem wird hierdurch einfacher wandelbar und kann besser lernend auf sein Umfeld und die Bediener reagieren. Es kann sich schneller und selbstständig an wechselnde Einflüsse von außen anpassen, ohne manuell und durch neue Hardwareverbindungen umkonfiguriert werden zu müssen. Zur Realisierung des Ansatzes muss allerdings die heute existierende monolithische Steuerungstechnik aufgebrochen und in die Cloud verlagert werden. Dabei müssen die strengen Anforderungen der Produktionstechnik, wie Echtzeitfähigkeit, Verfügbarkeit und Sicherheit, weiterhin erfüllt werden können. Dadurch ergibt sich eine räumliche Trennung des cyber-physischen Systems. Um die Vorteile einer cloudbasierten Bereitstellung von Steuerungstechnik optimal nutzen zu können, sollte dabei die maximale Menge an Intelligenz in die Cloud verlagert werden. Im Idealfall ist damit keine Intelligenz mehr lokal vorhanden.


Das könnte Sie auch interessieren:

Martin Strempel ist neuer Business Development Manager Data Analytics beim beim MES-Anbieter Itac Software. In seiner bisherigen Laufbahn bei der BMW Group war er u.a. für die Produktionssteuerung im Werk in München verantwortlich und entwickelte Manufacturing Execution Systeme (MES) weiter.‣ weiterlesen

Bundesweit gab es im ersten Quartal 2021 1,13Mio. offene Stellen und damit mehr als im gleichen Zeitraum 2020. Im Vergleich zum 4. Quartal 2020 gingen die offenen Stellen jedoch zurück.‣ weiterlesen

Wie kann die Qualität der Batteriezelle bereits während der Fertigung vorhergesagt und entsprechende Prozessparameter in Echtzeit angepasst werden? Dies ist eine der Fragen, die der digitale Zwilling einer Batteriezelle beantworten soll. Ein Traceability-System stellt als digitaler Faden die Aggregation der Daten über die Prozesskette sicher - damit jede Batteriezelle ihr eigenes digitales Abbild erhält.‣ weiterlesen

In ihrer Beschaffenheit sind Manufacturing Execution Systems die wohl beste Plattform, um auch die Handmontage digital abzubilden. Doch wie sehen Lösungskonzepte aus, die neben Fertigungsanlagen, Maschinen und Robotern auch Menschen miteinbeziehen?‣ weiterlesen

Zeiss übernimmt das US-Unternehmen Capture 3D und baut die Kompetenz im Bereich 3D-Mess- und Inspektionslösungen aus.‣ weiterlesen

Viele Unternehmen organisieren ihre Produktionsvorbereitung analog und ohne Zugang zur 3D-Konstruktion. Neue Anwendungen könnten diese Schritte zwischen Design und Fertigung künftig erleichtern, indem sie 3D-Modelle von Produkten samt zugehöriger Daten und etwaige Designänderungen laufend zur Verfügung stellen.‣ weiterlesen

Das IT-Beratungs- und Softwarehaus Valantic partnert künftig mit Systema, einem eigentümergeführten Systemintegrator, der sich auf Softwarelösungen und Dienstleistungen zur MES-Integration, Fertigungsautomatisierung und Produktionsoptimierung spezialisiert hat.‣ weiterlesen

Wenn Lieferzahlen und Produktvarianz steigen, wächst auch das Kommunikationsaufkommen in den Netzwerken. Um solchen Flaschenhälsen vorzubeugen, hat Škoda auf eine cloudbasierte Netzwerklösung umgerüstet.‣ weiterlesen

Dokumentation ist ein wesentlicher Bestandteil jeder nachhaltigen Datenarchitektur. Entwickler-Teams vernachlässigen das oft aus praktischen Gründen, denn sie stehen unter enormen Termindruck und werden eher nach dem Code beurteilt, als danach, wie gut sie ihn dokumentieren.‣ weiterlesen

Künstliche Intelligenz auf Werksebene dient meist der Optimierung oder der Analyse komplexer Zusammenhänge. In der Produktionsplanung zum Beispiel können bessere Algorithmen, getragen von mehr Rechenleistung, heuristische Ansätze im Ergebnis deutlich übertreffen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige