IoT-Plattform mit ‚Model in the Middle‘-Prinzip
Das Gehirn der Produktion
Während frühe IoT-Plattformen primär die Konnektivität und das Management physischer Objekte (Things) unterstützte, wurde die zweite Generation um das Management von Applikationen, die Datenverarbeitung und das Reporting ergänzt. Die neusten Plattformen bringen nun Analysewerkzeuge und Machine-Learning-Verfahren mit, die auf Basis gewonnener Daten selbst Entscheidungen treffen können – wie ein Gehirn der Produktion.
Komplexe Problemstellungen der Industrie – wie beispielsweise Fernüberwachung, Produktionsoptimierung und Energie-Lastspitzenoptimierung – erfordern IT-Lösungen, die weit über reines Datenmanagement und die Verbindung von Systemen, Anlagen und intelligenten Geräten hinausgehen. Mit den neuen IoT-Plattformen lassen sich auf übergeordneter Ebene komplexe Aufgaben in der Smart Factory und bei vernetzten Produkten lösen – und damit neue Geschäftsmodelle etwa auf Basis digitaler Dienste umsetzen. Ein Beispiel für so eine Plattform hat die In-Integrierte Informationssysteme GmbH im Portfolio. Deren IoT-Plattform Sphinx Open Online setzt dafür auf ein Datenmodell, das dem ‚Model in the Middle‘-Prinzip folgt. Die Lösung verknüpft Daten von physischen Objekten, Daten von internen Systemen und externen Quellen zu digitalen Zwillingen. Auf Basis dieser Daten lassen sich je nach Bedarf übergreifende Analysen und Prognosen erstellen und auf Wunsch um darauf basierte Entscheidungen ergänzen. Der Model in the Middle-Ansatz ermöglicht es, die Daten aus den unterschiedlichen angebundenen Systemen in einem Modell zusammenzuführen, zu verarbeiten, zu visualisieren, zu bedienen und Systeme zu steuern. Abbilder von verschiedenen physischen oder logischen Objekten im Sinn eines digitalen Zwillings können miteinander kombiniert werden, um sie zur Ansteuerung zu nutzen. 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
Modellgedächtnis und Zukunftsprognosen
Im ‚Model in the Middle‘-basierten System hat der Hersteller verschiedene Technologien zu einer Lösung verbunden, inklusive Services von anderen Anbietern. Sie ermöglicht die Datenfusion, -historisierung, -analyse, maschinelles Lernen, Prognosen, Spracherkennung und Synthese sowie regelbasiertes Handeln und Eingriffe in Systeme. Damit werden geschlossene Regelkreise über Systemgrenzen hinweg möglich. Mit der IoT-Plattform ist die Erstellung von verschiedenen digitalen Zwillingen möglich, indem Informationen diverser Quellen abgebildet und analysiert werden. Die Lösung bildet die Systemstruktur aus digitalen Zwillingen ab. Die IoT-Plattform ist in der Lage, laufend weitere datenverarbeitende Systeme und physische Entitäten anzubinden. Datenmodell und Verarbeitungslogik als auch die Bedienoberflächen können so ohne Neuentwicklung erweitert und an sich verändernde Anforderungen angepasst werden. Zudem lassen sich externe datenverarbeitende Services anbinden, um rechenintensive Vorgänge wie Prognosen und Sprachanalysen auszulagern. Diese Auslagerung machen sich einige digitale Wertschöpfungsketten und Geschäftsmodelle zu Nutze. „Änderungen in der Realität verändern das Modell, Änderungen am Modell verändern die Realität“, erklärt Siegfried Wagner, Geschäftsführer der In-Integrierte Informationssysteme GmbH. „Zudem bildet unser Modell die Dimension Zeit ab. Mit dem Modellgedächtnis kann man nicht nur aus der Vergangenheit lernen, sondern über Prognosen in die Zukunft reisen. Dies erlaubt es, frühzeitig auf prognostizierte Ereignisse zu reagieren und komplexe Systeme mit einer Vielzahl von Rahmenbedingungen ohne menschliche Eingriffe zu beherrschen“, schildert Wagner. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Praxistests bestanden
Dieses Konzept wird bereits in realen Projekten angewandt, etwa bei der Energie-Lastspitzenoptimierung. So werden sich abzeichnende Lastspitzen ohne menschliches Zutun durch Ab- und Zuschaltung von Anlagen kompensiert. Die methodische Herangehensweise ist nutzen- und anwenderzentriert, tiefgreifende Technologiekenntnisse sind meist nicht erforderlich. Die serviceorientierte Softwarearchitektur unterstützt eine agile Vorgehensweise. So wird erreicht, dass sich die Lösung bei Änderungen der realen Prozesse und Strukturen schnell umstelllen lässt.
