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.
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. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
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: Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
- 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.
