Anbieter zum Thema

iT Engineering Software Innovations GmbH

Klinkhammer Intralogistics GmbH

EVO Informationssysteme GmbH

FORCAM ENISCO GmbH

Hürden und Wegbereiter der Digitalisierung

Als größtes Hemmnis, um Maschinendaten im Rahmen von Industrie-4.0-Anwendungen verwenden zu können, werden von 66 Prozent der befragten Personen fehlende personelle Ressourcen genannt (Diagramm 2). Zu 19 Prozent bremst fehlendes technisches Wissen den Fortschritt aus, sowie fehlende Unterstützung des Managements (11 Prozent). Das intern vorhandene Wissen wird von den Teilnehmenden sowohl im Bereich technische Systeme und Prozesse als auch in übergreifenden Themengebieten, wie Geschäftsmodellen und Vereinheitlichung von Workflows dabei sehr unterschiedlich bewertet.

Eine gute Wissensbasis, die auch zukünftig weiter ausgebaut werden soll, wird von den befragten Personen den eigenen Unternehmen in den Bereichen Datenvisualisierung, standardisierte Vorgehensmodelle zur Projektierung von Steuerungstechnikprojekten sowie der einheitlichen Anbindung von Maschinendaten bescheinigt. Einige Unternehmen geben an, dass sie diese Vorgehensweisen bereits in mehreren Projekten anwenden, der unternehmensweite standardisierte Einsatz jedoch noch in Arbeit ist.

Auch das Finden geeigneter Software-Anwendungen zeigt sich als Herausforderung. Als wichtigstes Kriterium für die Auswahl einer Software-Anwendung wird von den befragten Personen eine einfach bedienbare Nutzeroberfläche genannt. Weitere Entscheidungshilfen sind standardisierte Schnittstellen, die technische Skalierbarkeit der Anwendung, geringe Anschaffungskosten sowie eine kurze Einarbeitungszeit.

Forschungsarbeit für die Standardisierung

Maschinenkonnektivität war auch ein zentrales Thema des oben genannten Forschungsprojektes. Das Ziel war es, auch in heterogenen Produktionslandschaften mit vielen Maschinen und Anlagen eine konsistente Datenpipeline zu erschaffen. Im Rahmen des mittlerweile abgeschlossenen Projekts wurde dabei ein Schwerpunkt auf die Standardisierung und die automatische Datenstrukturierung [2,3] im Brownfield gelegt und an einem KI-basierten Identifikationsalgorithmus [4,5] gearbeitet, um nicht-standardisierte Maschinen und Anlagen an Plattformen anbinden zu können [1]. Das hilft, dass eine nachrüstbare Datenpipeline entsteht, mit der auch bestehende Anlagen über Branchengrenzen hinweg KI-Modelle nutzen können.

Problemlos von der Feldebene in die Cloud

Bestehende Softwarekomponenten wie etwa OPC UA oder MQTT ermöglichen bereits die Anbindung von heterogenen Datenquellen im Produktionsumfeld. Zugleich ist die Maschinensteuerung selbst eine wesentliche und zentrale Datenquelle. Durch umfangreiche Optionen in der Verbindungsherstellung und Konfiguration können dabei verschiedene Quellen zusammengeführt und Variablen nach Wahl des Nutzers gesammelt werden. Jedoch bleibt eine zeitaufwändige und manuelle Identifikation der Daten, um eine Zuordnung von Maschinen und Steuerungsparametern vorzunehmen. Abhilfe leistet eine automatisierte Parameteridentifikation, an der im Rahmen des Forschungsprojektes gearbeitet wurde. Sie ermöglicht den Einsatz von intelligenter Datenverarbeitung durch einfachen und schnellen Datenzugriff und Parameterzuordnung. Zusätzlich ist für den effizienten Einsatz von Softwarelösungen wichtig, dass die Leistungsfähigkeit der Maschine wie auch die Prozesse der gesamten Anlage nicht beeinträchtigt werden. Um dies sicherzustellen, bietet sich die Auslagerung der Datenspeicherung in Echtzeit auf einer Edge Cloud an. Eine passende Systemsicht, wie die Anbindung von Sensoren oder Steuerungen von der Feldebene in Cloud-Plattformen aufgebaut werden kann, ist in Abbildung 3 dargestellt.

(ID:48116133)