Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Beispielhaftes IoT-Projekt

Schnell ins Internet of Things mit Apache Hadoop

Nachdem Produzenten schon ihre Waschmaschinen, Kühlschränke und Rollläden IoT-fähig ausliefern, wollen viele auch im eigenen Werk von der Vernetzung profitieren. Anhand eines beispielhaften Projektes klärt dieser Beitrag, wie das schnell und günstig gelingen kann.

 (Bild: ©安琦 王/stock.adobe.com)

(Bild: ©安琦 王/stock.adobe.com)

Folgendes Szenario: Ein mittelständischer Lebensmittelhersteller hat einen umfangreichen Maschinenpark für die Produktion seiner Güter aufgebaut. Das Unternehmen setzt unterschiedliche Maschinen, Technologien und Softwaresysteme ein. Da Lebensmittel produziert werden, müssen beim Herstellungsprozess sowohl interne Verfahrenshinweise beim Umgang mit Rohstoffen, Maschinen und Prozessen als auch gesetzliche Regularien wie die Rückverfolgung von Rohstoffen beachtet werden. Um all diesen Anforderungen gerecht zu werden, sind die Maschinen bereits vernetzt und tauschen ihre Daten mit anderen Systemen für die Produktionssteuerung aus. Für weitere Anwendungen werden die Daten allerdings noch nicht genutzt. Eine konkrete Vorstellung, wie die Sensordaten zukünftig verwendet werden, hat die Geschäftsleitung noch nicht, möchte jedoch in einem agilen Prozess mit dem Aufbau einer IoT-Lösung beginnen.

Analyse der Ist-Situation

Die IT-Abteilung des Unternehmens betreut ein ERP-System, ein CRM-System und diverse Systeme zur Produktionssteuerung. Die Abteilung besteht aus Mitarbeitern, die Erfahrungen in der Programmierung und Datenbanksystemen sowie SQL aufweisen. Die verschiedenen Sensoren können auf unterschiedliche Art und Weise angebunden werden. Manche können ihre Daten als Datei ablegen, andere verfügen über Schnittstellen und wieder andere schreiben ihre Daten in vorhandene kleinere Datenbanken. Über die eigentliche Struktur der Daten ist der IT-Abteilung jedoch nichts bekannt.

Cloud oder On-Premise?

Aufgrund schnell wachsender Datenmengen liegt bei einer IoT-Lösung nahe, cloudbasierte Lösungen zu nutzen. Allerdings gehen diese auch mit zahlreichen organisatorischen Fragen einher, deren Beantwortung unter Umständen das gesamte Projekt verzögern kann. Cloudbasierte IoT-Plattformen haben oft den Nachteil, dass nur standardisierte Daten in ausgewählten Formaten verarbeitet werden können. Aus diesem Grund entscheidet sich das Beispielunternehmen bewusst für eine On-Premise Lösung. Diese muss prinzipiell die folgenden Aufgaben umfassen:

  • Anbindung verschiedener Datenquellen, Formate und Protokolle,
  • Speicherung der übertragenen Daten,
  • Abruf der gespeicherten Daten,
  • Erweiterungsmöglichkeiten (z.B. für fortgeschrittene Analysen).

Grundsätzlich sind dazu mehrere Ansätze denkbar. So sind beispielsweise ETL(Extract, Transform, Load)-Werkzeuge meist das erste Mittel der Wahl, wenn es um Datenintegrationsprojekte geht. Zusätzlich wäre für die Speicherung noch eine Datenbank nötig. ETL-Werkzeuge bieten oft eine Art Baukastensystem, durch das sich eigene Programme zusammenstellen lassen. Allerdings erfordert dies – je nach Lösung – eine gewisse Einarbeitungszeit. Neben diesem Ansatz hat sich in den vergangenen Jahren eine weitere Möglichkeit für solche Projekte entwickelt: Die Open-Source-Lösung Apache Hadoop ist gerade in Projekten mit großen Datenmengen weit verbreitet. Dabei handelt es sich um eine Sammlung von verschiedenen Open-Source-Komponenten, die mithilfe verteilter Rechenleistung große Datenmengen speichern und verarbeiten kann. Der Vorteil dabei ist die Flexibilität in Bezug auf die Datenformate. Über verschiedene Komponenten lassen sie sich schnell in eine einheitliche IoT-Plattform integrieren. Die Open-Source-Lösung besteht aus den drei zentralen Komponenten Datenspeicherung (Hadoop Distributed File System, HDFS), Ressourcenverwaltung (YARN, Yet not another Ressource Negotiator) und Datenverarbeitung (MapReduce). Zudem gibt es eine Reihe von Erweiterungen, die für die diese Anforderungen in Frage kommen.

Diese unvollständige Liste hilft, den Aufwand für eine IoT-Integration zu evaluieren und vorzubereiten. (Quelle: Mayato GmbH)

Diese unvollständige Liste hilft, den Aufwand für eine IoT-Integration zu evaluieren und vorzubereiten. (Quelle: Mayato GmbH)


Das könnte Sie auch interessieren:

Kleine und mittlere Unternehmen haben bei der Umsetzung von Big-Data-Projekten mit Problemen zu kämpfen. So geben in einer Studie des Cloud-Anbieters Ionos 55 Prozent der Befragten an, dass Daten nicht in ausreichender Form vorliegen.‣ weiterlesen

Die 2023er Releases von Autodesk stehen zur Verfügung. Parallel stellt das Systemhaus Contelos überarbeitete Addons vor: Tools4Engineers, Tools4GIS, GeoPhotoXtension und BohrKernXtension sollen Anwendern die Arbeit mit Autodesk-Lösungen erleichtern.‣ weiterlesen

Vecoplan nutzt bereits seit 2008 Fernzugriffsfunktionen für seine Maschinen. Mithilfe des IoT-Spezialisten Ixon hat der Maschinenbauer dieses Angebot ausgeweitet und bietet heute sogar Kameraüberwachung für seine Recyclingmaschinen an.‣ weiterlesen

Im Werkzeugmanagement eröffnet das Kennzeichnen von Assets mit Data Matrix Codes die Möglichkeit, Werkzeuge zu tracken und mit ihren Lebenslaufdaten zu verheiraten.‣ weiterlesen

Google Cloud gab kürzlich die Einführung der beiden Lösungen Manufacturing Data Engine und Manufacturing Connect bekannt. Mit den Tools lassen sich Assets einer Fertigungsumgebung vernetzen, Daten verarbeiten und standardisieren.‣ weiterlesen

Virtuelle multicloudfähige Plattformen können in Fertigungsbetrieben das Fundament bilden, um IT-Infrastruktur und Betriebsabläufe zu modernisieren und effizient zu betreiben. Denn das nahtlose Zusammenspiel von Cloud-Anwendungen, Softwarebereitstellung sowie Remote Work lassen sich mit digitalen Plattformen vergleichsweise einfach und global orchestrieren.‣ weiterlesen

Wibu-Systems ist Anwendungspartner im Projekt KoMiK. Im Mai wurde das Projekt abgeschlossen und der Karlsruher Lizensierungsspezialist hat zusammen mit den Projektpartnern aus Wirtschaft und Wissenschaft Empfehlungen zur Auswahl eines digitalen Kooperationssystems erarbeitet, inklusive eines Screening-Tools.‣ weiterlesen

MES-Lösungen verfügen über unterschiedliche Erweiterungsmodule, etwa für das Qualitätsmanagement. Der Ausbau der Basisfunktionen sorgt jedoch oft für Aufwand. Eine Alternative versprechen Cloudlösungen.‣ weiterlesen

Bei ihrer digitalen Transformation adaptieren Fertigungsunternehmen Technologien wie künstliche Intelligenz, Machine Learning und digitale Zwillinge. Cloud Computung hilft, dafür erforderliche Kapazitäten skaliert bereitzustellen.‣ weiterlesen

Mit mehreren neuen Partnern erweitert der Softwareanbieter ZetVisions sein Partnerangebot. Unter anderem sollen Pikon und People Consolidated das Beratungsangebot des Heidelberger Unternehmens ergänzen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige