Edge Computing für Hersteller

Einführung

Neue Technologien revolutionieren die Art und Weise, wie Hersteller Prozesse miteinander verbinden und Daten in der Produktion sammeln.

Zu den vielversprechendsten gehört das Edge Computing.

Edge Computing ist eine Methode zur Verbesserung der Datenaggregation und -verarbeitung durch die Platzierung von Rechenressourcen in der Nähe des Ortes, an dem die Daten gesammelt werden.

Dieser Leitfaden führt Sie in das Edge Computing ein und erklärt, wie Hersteller jeder Größe von der Nutzung von edge devices profitieren können, um ihre Initiativen IIoT und Maschinenüberwachung zu unterstützen.

Edge Computing bezieht sich auf die Zuweisung von Rechenlasten an die "Ränder" eines Netzwerks - aufGeräte und Ressourcen, die näher an den Netzwerkendpunkten liegen als ein zentrales Rechenzentrum oder eine Cloud.

In der Fertigung können Edge-Computing-Ressourcen Maschinen, Gateways, Protokollkonverter oder andere Arten von Industriesteuerungen sein. Meistens bezieht sich Edge Computing in der Fertigung auf die Verwendung eines speziellen Edge-Geräts.

Durch die Verteilung von Computerressourcen können die Hersteller:

1. die Geschwindigkeit der Datenverarbeitung zu verbessern

2. Signal frühzeitig aus Rauschen filtern

3. die Zugänglichkeit der Daten zu verbessern

Die Philosophie hinter Edge Computing ist, dass es schneller und effizienter ist, Informationen an der Quelle zu verarbeiten.

Stellen Sie sich vor, wie Informationen von einer Industrieanlage zu einem Rechenzentrum übertragen werden. Die Maschine erzeugt Daten - Temperatur, Vibration, Drehzahl, Ressourcenverbrauch usw. - während sie läuft. Diese Daten müssen wahrscheinlich in irgendeiner Form formatiert oder protokolliert werden, damit sie für die Ingenieure nützlich sind. Dann werden die Daten entweder auf einen lokalen Server oder in eine Cloud-Datenbank übertragen. Wenn die Daten in die Cloud gesendet werden, müssen sie möglicherweise über eine beträchtliche Entfernung zu einem oder mehreren geografisch verteilten, physischen Servern transportiert werden.

Cloud-Computing und -Speicherung sind zwar für das industrielle Internet der Dinge unverzichtbar, aber dieses Relais zwischen Datenerzeugung, -verarbeitung und -rückgabe kann Probleme mit Latenzzeiten, Bandbreite und Datenmanagement verursachen.

Bei sensiblen Fertigungsprozessen kann schon eine geringe Latenzzeit erhebliche Auswirkungen auf Effizienz und Qualität haben.

Edge Computing verhindert dies, indem es sicherstellt, dass die Datenverarbeitung in unmittelbarer geografischer und Netzwerknähe zur Datenerstellung erfolgt.

Um zu verstehen, warum Edge Computing in der Fertigung wichtig ist, müssen Sie einige Herausforderungen verstehen, die bei Cloud-Architekturen auftreten.

In der Fertigung werden seit langem zentralisierte Informationsarchitekturen verwendet. In einem zentralisierten System werden die in einem Betrieb generierten Informationen verarbeitet und auf einem Backbone-Server gespeichert. Dies ist wichtig für die Verarbeitung großer Datenmengen und für die Verwaltung sensibler Kontrollen.

Mit dem Aufkommen der Cloud hat sich dieses "Backbone" von den Ressourcen vor Ort an geografisch entfernte Standorte verlagert. Der Weg, den die Daten in die Cloud nehmen, ist jedoch im Wesentlichen derselbe.

Die Fortschritte im Edge Computing bedeuten, dass die Fertigung zu einem dezentralen Modell zurückkehrt.

Anstatt die Datenverarbeitung an einem einzigen Ort zu konzentrieren, nutzen dezentrale Systeme wie Edge Computing die Rechen- und Speicherkapazitäten, die an Knotenpunkten im gesamten Netzwerk vorhanden sind. Diese Art von Struktur ist "dezentralisiert", weil die Datenverarbeitung dort erfolgt, wo ausreichend Ressourcen vorhanden sind. Bei dezentralen Systemen ist die Nähe ein entscheidender Faktor dafür, wo die Verarbeitung stattfindet.

Auch wenn das Wachstum von Edge ein Wachstum des dezentralen Computing bedeutet, ist es wichtig zu wissen, dass dies nicht bedeutet, dass Edge die Cloud ersetzen wird.

Vielmehr existieren der Edge und die Cloud in einer symbiotischen Beziehung.

Für viele Hersteller ist eine Cloud-Infrastruktur notwendig, um sicherzustellen, dass die Daten an einem zugänglichen, skalierbaren Ort gespeichert sind. Sie ist notwendig, um den Betrieb mit ausreichender Rechenleistung zu unterstützen, ohne dass teure Ausgaben für Geräte vor Ort getätigt werden müssen.

Ohne die Cloud wäre die Logistik des Speicherns, Abrufens und Analysierens von Daten wesentlich komplizierter. Doch die Realitäten des modernen Maschinenüberwachung machen Edge Computing wünschenswert.

So können Hersteller den größten Nutzen aus ihren digitalen Initiativen ziehen, indem sie eine Cloud-Infrastruktur mit Edge Computing verbinden, wie es der Betrieb erfordert.

Diese Art von hybrider Architektur - bei der eine zentralisierte Infrastruktur dezentralisierte Datenverarbeitung unterstützt - wird oft als Fog Computing bezeichnet. Anders ausgedrückt: Fog ist die Art und Weise, wie Sie die Cloud in die Nähe des Bodens bringen.

Die besten Schätzungen für die Zukunft jeder Technologie deuten darauf hin, dass die Marktgröße für Cloud und Edge im nächsten Jahrzehnt erheblich wachsen wird.

Edge devices können Sensoren, IoT-fähige Geräte, Gateways oder Einplatinencomputer sein. Sowohl für kleine als auch für große Hersteller bieten sie eine schnelle, leichtgewichtige Methode zur Rationalisierung digitaler Initiativen. Diese Geräte laufen mit minimaler Leistung, verbrauchen wenig Energie und können äußerst kostengünstig sein.

Edge devices sind ein wesentlicher Bestandteil eines jeden Maschinenüberwachung Systems. Sie sind aus mehreren Gründen wichtig.

Protokollübersetzung - Nicht jedes Gerät kommuniziert über die gleichen Protokolle. Während neuere Maschinen mit Protokollen wie MTConnect und OPC UA kommunizieren können, entweder nativ oder mit Übersetzungsprodukten wie Kepware, benötigen andere Geräte, um Sensordaten für einen Endbenutzer lesbar zu machen. Vor allem ältere Maschinen benötigen ein Zwischengerät, um Sensordaten in nützliche Informationen umzuwandeln. Edge devices kann Informationen von IoT Sensoren erfassen und in die Protokolle übersetzen, die Sie benötigen, um Daten in Erkenntnisse zu verwandeln.

Daten von mehreren Sensoren - In vielen Fällen ist es für das Verständnis der Maschinenleistung und des Maschinenzustands erforderlich, Daten von mehreren Sensoren gleichzeitig zu erfassen. Wenn Sie z.B. die Ursache für den Ausfall eines Teils in einer CNC-Fräse verstehen wollen, ist es wichtig, Daten zu allen Parametern zu haben, die zur Verschlechterung eines bestimmten Teils beitragen könnten.

Edge devices helfen dabei, Daten von mehreren Sensoren zu sammeln, um den Zustand der Maschine in eine umfassendere Perspektive zu rücken. So können Sie über Spekulationen hinaus zu den Ursachen vordringen.

Daten von mehreren Maschinen - Es ist wichtig, jede Maschine für sich zu verstehen. Die aussagekräftigsten Erkenntnisse ergeben sich jedoch, wenn die Daten einer einzelnen Maschine mit den Daten einer ganzen Abteilung verglichen werden. Edge devices hilft dabei, Daten aus einer Reihe verschiedener Maschinenquellen zu aggregieren und zu zentralisieren, so dass es einfacher ist, die Leistung in Echtzeit zu verstehen.

Das Signal aus dem Rauschen filtern - Nicht jede Information, die von einer Maschine erzeugt wird, ist nützlich. Edge devices hilft dabei, wichtige Informationen - z.B. wenn eine Maschine einen festgelegten Parameter überschreitet oder wenn ein bestimmtes Ereignis erkannt wird - aus der Flut von Daten herauszufiltern, die während der geplanten Betriebszeit erzeugt werden. In zunehmendem Maße laufen machine learning Algorithmen auf edge devices , um diesen Filterprozess zu erleichtern.

Einblicke in Echtzeit - Für viele Hersteller ist Maschinenüberwachung eine Möglichkeit, die Produktion in Echtzeit zu verstehen. Historische Daten sind zwar wichtig, um die Leistung und den Zustand von Maschinen im Laufe der Zeit zu verstehen, aber es ist ebenso nützlich, den Maschinenstatus während der Betriebszeiten zu sehen. Edge devices ermöglicht es, Daten von Maschinen in visuelle Analyse-Dashboards zu leiten. Durch die Weiterleitung von Maschinendaten über ein Edge-Gerät können Hersteller auf die Analysen zugreifen, die für Echtzeit-Einsichten erforderlich sind.

Der Erfolg in der Fertigung erfordert zunehmend die Sammlung von Betriebsdaten für kontinuierlicher Verbesserungsprozess. Kurz gesagt, es erfordert ein Maschinenüberwachung Programm.

Aber Maschinenüberwachung ist nicht immer genug. Fertigungssysteme erzeugen eine enorme Menge an Daten. Und Daten sind nicht nützlich, wenn sie nicht in einer verwertbaren Form gespeichert und abgerufen werden können.

Von den Herstellern, die die Leistung ihrer Maschinen überwachen, haben nur wenige eine Strategie für das Datenmanagement. Noch weniger (schätzungsweise 14 %) geben an, dass sie keine Probleme haben, die Fülle der in ihren Betrieben anfallenden Daten zu bewältigen.

Hier kann edge devices helfen.

Edge devices helfen Ihnen, sicherzustellen, dass Ihre Maschinendaten 1.) lesbar, 2.) zugänglich, 3.) sicher und 4.) relevant für die KPIs sind, die Sie verfolgen möchten.

Um zu demonstrieren, wie edge devices in realen Produktionsumgebungen eingesetzt werden kann, sehen wir uns an, wie ein Tulip Kunde unser IoT Gateway verwendet, um Daten von seinen alten Maschinen zu sammeln.

Dieser Hersteller stand vor einem allgemeinen Problem. Obwohl die alten Maschinen keine Betriebsfehler aufwiesen, konnten sie sich nicht nativ mit dem Internet verbinden. Das bedeutete, dass die Messung der Maschinenleistung ein manueller Vorgang war. Die Berechnungen von Gesamtanlageneffektivität (OEE) waren in vielerlei Hinsicht fehleranfällig, und bei der Analyse von Engpässen war es schwierig, die Ursachen zu ermitteln.

Um seine Produktion besser zu verstehen, nutzte dieser Kunde IoT Sensoren und Tulip edge devices , um seine analogen Maschinen online zu stellen.

Mit edge devices und Sensoren konnte dieser Hersteller die Drehzahl und andere wichtige Maschinenparameter messen. Mit geringen Vorabinvestitionen konnte er sein Verständnis der Produktionsprozesse soweit verbessern, dass er Engpässe erkennen und seine Produktionslinien besser ausbalancieren konnte. Mit dem IoT Gateway kann dieser Hersteller Daten von mehreren Maschinen gleichzeitig erfassen. Der Hersteller fasst diese Informationen mit Hilfe von Tulip analytics in einer visuellen Produktion dashboard zusammen. Jetzt versteht jeder in der Werkstatt die Produktion in Echtzeit.

Durch die Verknüpfung dieser Maschinendaten mit den menschlichen Leistungsdaten konnten sie ihre Abläufe aus einer ganzheitlichen Perspektive betrachten, Verbesserungspotenziale identifizieren und genau verstehen, wie WiP durch ihre Anlagen floss.

Am Ende konnte dieser Hersteller die Anzahl der produzierten Einheiten um 15% steigern. Das Unternehmen hat seine ehrgeizigen Ziele für die Ausweitung der Produktion erreicht und gleichzeitig die Kosten der verkauften Waren gesenkt. Durch die Inbetriebnahme einer Industriebrache konnten sie die Betriebszeit und die Sichtbarkeit in einer Weise verbessern, die einen echten Einfluss auf das Geschäft hatte.