Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Das Fog Computing-Konzept von Proxia

MES zwischen On-Premise und Cloud-Betrieb

Der MES-Anbieter Proxia Software kapselt Funktionen seiner Software, um Anwendern mehr Flexibilität beim Cloud-Betrieb ihres Produktionssteuerungssystems zu ermöglichen. Eine Datenvorverarbeitung im sogenannten Fog Layer soll durch eine geringere Anzahl an Transaktionen für mehr IT-Sicherheit und reduzierte Transaktionskosten sorgen.

Die Grundidee des Fog Layer ist, Daten zunächst zu verdichten und sie erst dann in die Cloud zu schicken. (Bild: Proxia Software AG)

Die Grundidee des Fog Layer ist, Daten zunächst zu verdichten und sie erst dann in die Cloud zu schicken. (Bild: Proxia Software AG)

Der aus dem Begriff Fog (Nebel) abgeleitete Terminus Fog Computing, oder auch Local Cloud beziehungsweise Edge Computing genannt, beschreibt eine Netzwerkstruktur, auf der eine sogenannte Fog Layer die generierten Daten der Endgeräte (Edge Devices) dezentral vorverarbeitet, bevor aggregierte Teile davon an eine Cloud übermittelt werden. Denn oft steht nicht genug Bandbreite zur Verfügung oder es ist mit Verbindungsabbrüchen zu rechnen, sodass sich große Mengen an Daten nicht prozesssicher an ein externes Rechenzentrum schicken lassen. Diese Fog Layer fungiert bei dem Proxia-System als Puffer, der die MES-Funktionen entsprechend kapseln kann.

Gut gewählte Transaktionen

Die Vorverdichtung von Daten auf der Fog Layer sollen meist lange Latenzzeiten vermeiden und Kosten sparen helfen. Denn die meisten Geschäftsmodelle rund um Cloud Computing sehen Erlösmodelle auf Basis von Transaktionen vor – nicht die Datenverarbeitung geht ins Geld, sondern das Hin- und Her-Transferieren der Daten. Große Mengen an unverarbeiteten Rohdaten in die Cloud zu schicken, ist damit ein oft unnötiger Kostenfaktor. Außerdem sollten viele Daten verschlüsselt versendet werden, weil sie gerade beim Transfer in die Cloud Hackerangriffen ausgesetzt sein könnten. Im Fog Computing-Konzept von Proxia wird daher die semantische Beschreibung der Daten, den sogenannten Metadaten, im Fog Layer angesiedelt und damit von den Rohdaten getrennt, um sie dem unerlaubten Zugriff von außen zu entziehen.

Basis für die Cloud

„Im ersten Schritt müssen die verdichteten Daten in die Cloud transferiert werden, bevor Applikationen wie Analyse-Tools in der Cloud ans Werk gehen,“ sagt Marcus Niebecker, Produktmanager bei Proxia. Es mache keinen Sinn, Cloud-Applikationen zu erschaffen, die sich lokaler Daten bedienen, da das zu kostspielig sei. „Auf der anderen Seite kann gerade dann die Cloud ihre Stärke ausspielen, wenn von verschiedenen Standorten aus auf ausgewertete Daten zugegriffen werden soll. Mit dem Fog-Layer Konzept führen wir unsere Anwendungsunternehmen Schritt für Schritt und im Fokus der Datensicherheit in die Cloud-MES Welt“, sagt Niebecker. Künftig will der MES-Hersteller Zug um Zug die Komponenten seines Systems aus der On-Premise-Architektur auskoppeln und als SaaS zur Verfügung stellen.

 


Das könnte Sie auch interessieren:

Nach einem Rückgang im August ist der Ifo-Geschäftsklimaindex auch im September gesunken. Belastet werden die Zahlen dabei durch die schlechtere Stimmung in der Industrie.‣ weiterlesen

Mit Version 2.0 des IT-Sicherheitsgesetzes kommen auf viele Firmen höhere Anforderungen an ihre IT-Sicherheit zu. Die Schwellenwerte sinken, ab wann ein Unternehmen zur Umsetzung der Kritis-Auflagen verpflichtet ist. Diese betreffen jetzt auch Firmen, die laut Gesetzestext von 'erheblicher volkswirtschaftlicher Bedeutung für die Bundesrepublik Deutschland' sind. Damit sind auch Industrieunternehmen gemeint.‣ weiterlesen

Für die Umsetzung von IoT-Projekten ist nicht nur eine präzise fachliche Planung des Anwendungsfalls von Bedeutung, sondern eine vorherige Überprüfung des Reifegrads der IT-Organisation sowie des Reifegrads der IT im Umgang mit Cloud-Technologien.‣ weiterlesen

Der Maschinenbauer Manz bündelt unter dem Namen Total Fab Solutions sein Angebot für die Automatisierung von Fertigungslinien. Im Paket abgedeckt sind Umsetzungsschritte von Automatisierungsprojekten von der Fabrikplanung über die Prozess- und Materialflusssimulation oder die Integration bestehender Fertigungsprozesse bis hin zu Aufbau, Hochfahren und Optimierung schlüsselfertig zu übergebender Produktionslösungen.‣ weiterlesen

Beim traditionellen Qualitätsmanagement werden gefertigte Bauteile analysiert, um die Qualität der nächsten zu verbessern. Beim Predictive Quality-Ansatz wollen Hersteller analysegestützt eine höhere Qualität erzielen, ohne in die Vergangenheit schauen zu müssen. Bereits verfügbare Lösungen für den Ansatz integrieren die erforderlichen Daten auf einer MES-Plattform.‣ weiterlesen

Der Aufbau einer kabelgebundenen Ortungsinfrastruktur auf großen Flächen wie Lagerhallen, Baustellen oder in der Prozessindustrie ist kostspielig und zeitaufwendig.‣ weiterlesen

KI-getriebene Convolutional Neuronal Networks in selbstfahrenden Autos sollen andere Verkehrsteilnehmer erkennen. Dabei gilt: Je selbstständiger das Auto, desto komplexer der Algorithmus und undurchschaubarer dessen Weg zur getroffenen Entscheidung. Ein Validierungs-Tool soll helfen, diesen besser zu verstehen.‣ weiterlesen

Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialistinnen. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.‣ weiterlesen

Extreme Networks hat die Verfügbarkeit des Wi-Fi 6E Access Point bekanntgegeben. Als Wireless-Plattform erweitert der Zugangspunkt den Einsatzbereich auf das 6GHz-Frequenzband. Das Gerät wurde für Umgebungen mit hohen Anforderungen an Bandbreite und Nutzerdichte entwickelt und zeichnet sich Anbieterangaben zufolge durch seine Perfomance, Funktionalität und Sicherheit aus.‣ weiterlesen

Die Ersatzteilversorgung in der Automobilindustrie besitzt einen sehr kurzfristigen Charakter. Anwendungen zum Abbilden solcher Prozesse sind S/4Hana Supply Chain Management sowie S/4Hana-Automotive-Ersatzteilmanagement. Die wichtigen Zielgrößen für die Versorgungsqualität sind Lieferservicegrad und Time-to-Delivery.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige