Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Internet of Things

Edge Computing und das Industrial Internet of Things

Immer größere Datenmengen und die Anforderung auch bei Netzwerkausfällen noch auf Sensorereignisse zu reagieren stellen IIoT-Lösungen vor große Herausforderungen. Einen Lösungsansatz bietet Edge Computing bei dem die Daten dort verarbeitet, wo sie generiert werden – also dezentral, am Rand (Edge) des Netzwerks. Nur wirklich relevante Daten werden anschließend an die Cloud geschickt.

Beim klassischen IoT senden viele Things relativ wenige Daten direkt an die Cloud. (Bild: M&M Software GmbH)

Beim klassischen IoT senden viele Things relativ wenige Daten direkt an die Cloud. (Bild: M&M Software GmbH)

Im Industrieumfeld werden immer häufiger IoT-fähige Geräte eingesetzt. Die Daten dieser Geräte werden in der Regel in der Cloud verarbeitet. Ein großer Vorteil von Cloud Computing ist die Skalierbarkeit. Die benötigten Ressourcen lassen sich automatisch an den Bedarf anpassen. Zudem kann von jedem beliebigen Rechner auf die Daten in der Cloud zugegriffen werden. Ideale Bedingungen, um die Cloud im Zusammenspiel mit IoT-Geräten zu nutzen. Allerdings ist dafür eine schnelle und stabile Internetverbindung mit ausreichender Bandbreite nötig. Im geschäftlichen Alltag sind solche Verbindungen aber nicht immer verfügbar. Zudem spielen auch die Internetkosten eine Rolle, gerade wenn die Anbindung über Mobilfunk und die entsprechenden Volumentarife erfolgt. Bei herkömmlichen IoT-Anwendungen ist das kein großes Problem, da oft nur kleine, klar strukturierte Datenpakete übertragen werden. Und da die Geräte potenziell über den gesamten Globus verteilt sind, kann die Netzwerklast ebenfalls verteilt und balanciert werden. Im Industrial IoT sieht es anders aus: Die Daten fallen typischerweise an einem oder mehreren Hot Spots an. Also beispielsweise an einer Maschine oder Anlage. Sobald Sensorik mit hohen Datenraten, wie z.B. Kameras zum Einsatz kommen, reicht die verfügbare Bandbreite dann häufig nicht mehr aus, um alle Daten in die Cloud zu senden. Außerdem können die entstehenden Internetkosten so hoch werden, dass das ganze IIoT-Szenario unrentabel wird.

Zwischenschicht

Edge Computing dient als eine Art Zwischenschicht zwischen der Cloud und den IoT- Geräten. Die Daten werden nun nicht mehr nur an einer zentralen Stelle verarbeitet, sondern auch dezentral, direkt am Erzeugungsort. Anschließend werden nur die wirklich relevanten Daten in die Cloud gesandt. Das spart Bandbreite und ermöglicht Zeiten des Offlinebetriebs. Durch die zentrale Erfassung und Vorverarbeitung der Daten direkt am Ort der Entstehung ergeben sich weitere klare Vorteile:

Die Sicherheit wird deutlich erhöht

Es wird nur eine punktuelle Internetverbindung für die Übertragung der Ergebnisse benötigt und kein permanenter Onlinestatus. Die Daten können vor Ort anonymisiert werden. Daten, die man nicht in die Cloud preisgeben möchte, können entfernt werden.

Das System ist schnell

Die Latenzzeit (die Laufzeit eines Signals innerhalb eines Systems) verkürzt sich, weil die Daten nicht erst zur Weiterverarbeitung an die Cloud geschickt werden müssen. Entscheidungen, die vom Edge-System und nicht von der Steuerung getroffen werden, sind ausreichend schnell.

Anwendungsfälle

Gateway Funktionalität

Oft ist im industriellen Umfeld keine internetfähige Sensorik und Aktorik im Einsatz. Stattdessen erfolgt der Zugriff auf die Feldebene mittels einer SPS. Die Steuerungen können die Sensordaten via OPC UA oder Modbus publizieren. Hier setzt ein Edge Gateway an, das die exportierten Daten einsammelt und der Cloud zur Verfügung stellt. Funktional betrachtet, ist der Unterschied zum IoT Gateway gering. Allerdings macht die Verwendung einer Edge-Architektur für das IoT-Gateway den Unterschied und bietet viele Möglichkeiten, das Potenzial der Edge-Konzepte einzusetzen.

Reduktion der Datenmenge/Datensicherheit und Datenschutz

Die gesammelten Daten lassen sich bereits vor Versand in die Cloud aggregieren und analysieren. Unwichtige Daten können durch Filtermodule entfernt werden. Das Resultat ist, dass nicht mehr alle Daten in die Cloud gesendet werden, sondern nur noch ausgewählte Datenreihen und Analyseergebnisse. Entsprechend hohe Relevanz hat eine Datenreduktion, wenn es um das Thema Sicherheit und Datenschutz geht. Mit Edge Computing lässt sich z.B. eine Anonymisierung direkt am Entstehungsort der Daten durchführen.

Beim Edge Computing findet eine zentrale Erfassung und Vorverarbeitung am Entstehungsort statt. (Bild: M&M Software GmbH)

Beim Edge Computing findet eine zentrale Erfassung und Vorverarbeitung am Entstehungsort statt. (Bild: M&M Software GmbH)

Lokale Reaktion auf Ereignisse

Beispiel: Bei Überschreitung von Grenzwerten, sollen, basierend auf den gesammelten Daten, benutzerdefinierte Aktionen ausgeführt werden. Dafür muss das Edge-Gerät über eine Regelengine verfügen. Diese Aktionen müssen auch dann ausgeführt werden können, wenn keine Verbindung zur Cloud besteht. Daraus ergibt sich die spannende Frage wo die Grenze zwischen der Verantwortlichkeit der Steuerung und des Edge Devices gezogen wird. Einfache und/oder wenige Daten könnten potenziell einfacher in der SPS gehandhabt werden. Deswegen spielt die lokale Reaktion auf Ereignisse im Edge Device in der Praxis noch eine untergeordnete Rolle.


Das könnte Sie auch interessieren:

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

Viele Deep-Learning- und Machine-Vision-Anwendungen stellen hohe Ansprüche an die eingesetzten Industrie-Rechner. Für den Einsatz in diesem Umfeld hat Hardware-Spezialist Spectra die PowerBox 4000AC C621A ins Programm genommen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige