Entwicklungsplattform und Runtime

Die umfassende Entwicklungsplattform des Module Architect von „Proficy CSense“ bietet wie beispielhaft in Bild 4 dargestellt Drag-and-drop-Bausteine, um schnell skalierbare, robuste Lösungen zu entwickeln. Diese Lösungen können dann online entweder in Echtzeit oder als geplante Ereignisse über den Action-Object-Manager bereitgestellt werden. Eine Lösung wird im Allgemeinen aus einer Kombination von Rezepten zur Datenaufbereitung, einem Entwurf von Datenaktionen und einer Möglichkeit entwickelt, Daten zur Wiederverwendung entweder im Action-Object-Manager oder einer Reihe von Drittanbieteranwendungen abzubilden.

Action Object Services werden verwendet, um Aktionsobjekte bereitzustellen und auszuführen. Die eigentliche Anwendung, die für die Bereitstellung verwendet wird, ist der Action-Object-Manager. Er bietet eine schnelle Möglichkeit, Actions Objects bereitzustellen und zu überwachen. Ein Action Object ist dabei der Name einer ausgeführten Konfiguration, die aus einer Reihe von Quellen erstellt und bereitgestellt werden könnte. Ein ausführendes Aktionsobjekt kann zum Beispiel ein OPC-Server sein, der von OPC-Clients aus verbunden werden kann. Es gibt ereignisbasierte, Echtzeit- und geplante Action Objects.

Fortgeschrittene Benutzer können mit dem ActionObject Toolkit selbst programmgesteuerte Blueprints und Action Objects erstellen. Diese können in einer beliebigen Anzahl von Drittanbieteranwendungen erstellt und in die „Proficy CSense“-Software integriert werden. Folgende Unterkomponenten sind enthalten: Blueprint-SDK, COM Wrapper Blueprint-Block, .NET Wrapper Blueprint-Blöcke, .NET Wrapper-Datenrezeptoperationen und ISV-Objekt [10].

Resümee

Die Herausforderung besteht darin, moderne KI-Technologien mit fortschrittlichen Fertigungstechnologien und -systemen zu integrieren, um die Qualität von Produkten und Prozessen zu verbessern. Leistungsfähige Software-Framework wie „Proficy CSense“ stehen dafür zur Verfügung und es gibt bereits viele erfolgreiche Beispiele für deren Einsatz [11]. Wichtig dabei ist, dass der Mensch im Zentrum der KI stehen sollte, um KI zu entwickeln, zu betreiben und zu warten, und dass sie daher in optimaler Komplementarität zusammenarbeiten sollten. Dies erfordert neue Fähigkeiten wie Datenwissenschaftler, Wahrnehmungsexperten, Sicherheitsdesigner und kreative Maschinenbauingenieure, die durch lebenslanges Lernen im Rahmen eines Lehrfabrikkonzepts unterstützt werden.

Literatur

1. ISO/TC 184: Ad Hoc Group: Data Architecture of the Digital Twin, Version 1 Revision 8. Geneva: International Organization for Standardization (ISO), 7. Juli 2019
2. Trauer, J.; Schweigert-Recksiek, S.; Engel, Chr.; Spreitzer, K.; Zimmermann, M.: What is a digital twin? – Definitions and insights from an industrial case study in technical product development. Proc. of the Design Society: Design Conference, 2020, Nr. 1, S. 757 – 766
3. Werth, D.; Linn, Chr.: Der digitale Prozesszwilling. Vom klassischen Geschäftsprozessmodell zum steuerbaren, digitalen Abbild des Realprozesses. IM+io (2017) H. 1, S. 38 – 43
4. Linden, A.; Kart, L.; Schulte, W. R.: Extend Your Portfolio of Analytics Capabilities. Gartner research note G00254653, 2013. www.gartner.com/doc/2594822/extend-portfolio-analytics-capabilities (abgerufen am 11. 10. 2021)
5. SAS Institute: Eight Level of Analytics. sascom magazine, 4. Quartal 2008
6. Bauer, P.: IT-Serviceoptimierung nach dem Reifegradmodell. Otterfing: IT Verlag für Informationstechnik, 2015, www.it-daily.net/it-management/business-software/11532-it-serviceoptimierung-nach-dem-reifegradmodell (abgerufen am 11. 10. 2021)
7. The Splunk Guide to Operational Intelligence. Turn Machine-Generated Data Into Real-Time Visibility, Insight and Intelligence. White Paper. San Francisco, CA: Splunk Inc. https://zh-hant.splunk.com/pdfs/solution-guides/splunk-guide-to-operational-intelligence.pdf (abgerufen am 28. 10. 2021)
8. Proficy CSense 8.5 from GE Digital. San Ramon, CA: GE Digital, 2021, www.ge.com/digital/sites/default/files/download_assets/proficy-csense-from-ge-digital.pdf (abgerufen am 11. 10. 2021)
9. Chae, B. (K.); Yang, C.; Olson, D.; Sheu, C.: The impact of advanced analytics and data accuracy on operational performance: A contingent resource based theory (RBT) perspective. Decision Support Systems 59 (März 2014) S. 119 – 126
10. Proficy CSense 8.0. Getting Started. San Ramon, CA: GE Digital, 2020. www.ge.com/digital/sites/default/files/download_assets/getting-started-with-csense.pdf (abgerufen am 11. 10. 2021)
11. Machine Learning and Predictive Analytics Guidebook for Engineers. San Ramon, CA: GE Digital, 2021. www.ge.com/digital/lp/machine-learning-and-predictive-analytics-guidebook-engineers (abgerufen am 11. 10. 2021)