Vernetzte Industrie Wie Maschinen fit für das IoT werden

Autor / Redakteur: Hendrik Härter / Nico Litzel

Damit sich auch von älteren Anlagen und Maschinen Sensordaten gewinnen lassen, müssen diese vernetzt werden. Dabei hilft das Retrofitting. Mit einem Vier-Stufen-Plan gelingt das.

Vernetzte Industrie: Damit auch ältere Maschinen und Anlagen Daten sammeln können, empfiehlt sich das Retrofitting.
Vernetzte Industrie: Damit auch ältere Maschinen und Anlagen Daten sammeln können, empfiehlt sich das Retrofitting.
(Bild: gemeinfrei / Pixabay )

Mit dem Retrofitting soll es dem Mittelstand gelingen, in die digitale Ära überzugehen. Denn die Retrofit-Methode verspricht die Möglichkeit, auch ältere Maschinen mit einem relativ geringen Aufwand in Industrial-Internet-of-Things-Bausteine zu verwandeln. Dabei spielt das Alter einer Maschine keine Rolle. Es kommt letztlich auf die jeweils spezifische Maschine an.

Die interessanten Maschinendaten werden durch externe Sensoren zugänglich. An diesem Punkt können Unternehmen die Daten für die Prozessoptimierung nutzen. Voraussetzung ist allerdings ein smartes ERP-System, um die Daten zu verarbeiten.

Doch für die mittelständischen Unternehmen stellt sich schnell die Frage, wie sie die Reise in Richtung intelligenter Fabriken strategisch anlegen sollen. Für den Umstieg in die neue Ära stehen grundsätzlich zwei Wege offen: Beim Greenfield-Ansatz werden einfach Maschinen der neuesten Generation angeschafft. Das ist allerdings für viele Unternehmen wirtschaftlich nicht sinnvoll.

Hingegen werden beim Brownfield-Ansatz – in der Industrie auch als Retrofitting bekannt – ältere Maschinen nachträglich modernisiert oder aufgerüstet. Dann lassen sie sich an digitale Systeme anbinden. Hohe Investitionen und der mit neuen Maschinen verbundene Schulungsaufwand entfallen.

Das Retrofit-Stufenmodell

Die Methode des Retrofittings lässt sich schrittweise umsetzen. Dabei reicht die Bandbreite von der intelligenten Überwachung einzelner Maschinen bis zur unternehmensweiten Datensammlung für neue Geschäftsmodelle. Die wichtigsten Schritte sind:

1. Messgrößen definieren: Je nach Einsatz müssen relevante Werte einer Maschine oder eines Maschinenparks bestimmt werden. Diese reichen von den Umgebungsbedingungen über Vibrations- und Bewegungsdaten bis hin zu prozessspezifischen Messgrößen.

2. Vorhandene Daten oder externe Sensorik nutzen: Abhängig vom Alter und der Ausbaustufe einer Maschine sollte geprüft werden, ob die erforderliche Sensorik und notwendige Schnittstellen wie Ethernet bereits vorhanden sind oder nachrüstbar sind. Falls nicht, ist externe Sensorik notwendig. Problematisch kann es werden, wenn Systeme unterschiedlicher Hersteller miteinander verbunden werden sollen. Das bedeutet einen höheren Integrationsaufwand. Zu beachten ist außerdem, wie die physische Vernetzung erfolgen soll: Sind die Sensoren drahtlos oder über Kabel verbunden?

3. Digitale Kommunikation ermöglichen: Hierzu gehört beispielsweise, die Netzinfrastruktur inklusive der erforderlichen Bandbreite zu überprüfen und die Sensordaten zu übersetzen. Falls die Sensordaten nicht in einem geeigneten IoT-Format vorliegen, müssen die Daten mit einer geeigneten Software übersetzt werden. Die zu wählende Software hängt von der Art der Sensordaten ab und muss vom Maschinenbetreiber selbst implementiert werden.

4. Datenanalyse und -aufbereitung sowie abgeleitete Aktionen: Was nutzen die gewonnenen Sensordaten, wenn sie nicht entsprechend verwendet werden? Die Daten sollten so eingesetzt werden, dass etwa Maschinen weitgehend automatisiert überwacht und mögliche Störungen frühzeitig erkannt werden. Das Stichwort lautet Predicitve Maintenance. Damit eine Maschine nach der Brownfield-Methode optimal genutzt werden kann, kommen Technologien wie Künstliche Intelligenz beziehungsweise das maschinelle Lernen zusammen mit dem ERP als zentrale Datenplattform und digitales Rückgrat in der Produktion zum Einsatz.

Eine ERP-basierte Maschinensteuerung

Unternehmen können ihre Fertigungsprozesse über ein wohl orchestrierte IT-Landschaft überwachen. Diese besteht aus Subsystemen für MES, CRM, PLM oder QM. Allerdings können Konzepte für IoT die Architektur komplett verändern, denn sie integrieren und koordinieren zusätzliche Datenquellen. Ein ERP-System steuert als digitales Rückgrat die Unternehmens-IT oftmals eigenständig. Der Hersteller Proalpha hat eine Prototypen entwickelt, um Produktionsmaschinen direkt aus dem ERP-System heraus anzusteuern.

Basis des Prototypen ist ein Raspberry Pi: Dieser Einplatinenrechner empfängt Produktionsbefehle, verarbeitet sie und leitet sie an eine Maschine weiter. Um ihn jedoch zur Zusammenarbeit mit dem ERP zu bewegen, galt es zuerst, dem ERP-System den Umgang mit Maschinendaten beizubringen. Dazu erweiterte das Team ERP um Maschinenkommunikationsdaten, wie beispielsweise Start- und Stopp-Befehle, das Transportprotokoll und die IP-Adressen. Ebenso wurde die unternehmenseigene Schnittstellenplattform INWB um einen neuen Nachrichtentyp ergänzt: pAX-Pi kümmert sich um die Kommunikation zwischen dem ERP-System und dem Raspberry Pi.

Raspberry Pi kommuniziert via TCP/IP

Technisch gesehen schickt das ERP-System eine Nachricht an die INWB. Dort wird der Maschinenbefehl zusammengesetzt und an den Raspberry Pi gesendet. Dieser kommuniziert mit der Maschine über TCP/IP. In Zusammenarbeit mit dem Pilotkunden entwickelte das Team zudem ein Konzept für einen Rückkanal, der einen Informationsfluss von der Maschine an das ERP erlaubt und sich aktuell in der Umsetzung befindet.

Die Fähigkeit eines ERP-Systems, alle für den Produktions- und Logistikprozess benötigten Ressourcen zu erfassen und zu verteilen, prädestiniert es als Leitinstanz der modernen Fertigung. In Zukunft werden diese Systeme weitere, produktionsnahe Aufgaben übernehmen.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:47164152)