Einsatz von Sensoren zur Gestaltung der digitalen Produktion
Es ist wichtig, dass die jeweilige Instanz nur die Daten erhält, die sie für ihre Arbeit wirklich benötigt. Andernfalls droht die Entstehung von „to-ten“ Datenmengen, die nicht nutzbar sind bzw. lediglich auf Serversystemen abgelegt werden. Der Kunde eines Herstellers wird beispielsweise nur die Aussage benötigen, ob ein Bauteil die geforderten Qualitätsmerkmale in der Gesamtheit erfüllt. Dies heißt aber nicht, dass innerhalb des Fertigungsprozesses ebenfalls eine attributive Wertung und Doku-mentation ausreichend ist. Insbesondere unter Gesichtspunkten der Produkthaftung und Zertifizierungen müssen innerbetrieblich quantifizierte Dokumentationen von signifikanten Prozessparametern angelegt werden. Dies erfordert dann auch die Entwicklung von Strategien zur Verwaltung und Archivierung von Messdaten. Die steigende Messgenauigkeit von Sensoren bei gleichzeitig höherer zeitlicher Auflösung stellt für die Ver-arbeitung der Daten eine Herausforderung dar. Der limitierende Faktor ist dabei die Übertragungsrate und Latenzzeit heutiger Bussysteme in Werkzeugmaschinen. Durch die Bereitstellung der Informationen auf verschiedenen Ausführungsebenen wandeln sich auch die Anforderungen zur Echtzeitverarbeitung. Für harte Echtzeitanforderungen werden zu-künftige Sensorsysteme die Verarbeitung der Daten zu Informationen eigenständig erledigen müssen. Die bereitgestellten Informationen kön-nen dann Aktor-Komponenten oder einem höheren Zielsystem für die weitere Verarbeitung zur Verfügung gestellt werden. Berechnete Kennwerte können bei nicht zeitkritischen Applikationen über Standard-Netzwerkprotokolle zu Datenbanksystemen übertragen werden. Auch ein direkter Stream von Daten auf einen dezentralen Datenspeicher könnte ein CPPS-Sensor ohne Host verarbeiten.
Um eine möglichst hohe Flexibilität zu gewährleisten, müssen daher verstärkt rekonfigurierbare und skalierbare Systeme auf Basis von Real-Time-Prozessoren und FPGA-Technologie zum Einsatz kommen. Hersteller von Sensoren und Aktoren können in Bezug auf CPPS nur eine Hardwareplattform zur Verfügung stellen, da die Anforderungen kundenseitig stark variieren können. Daher sollte die Entwicklung offener, leicht integrierbarer Embedded-Sensorplattformen das Ziel sein. Anwender können damit Messgeräte und Aktoren durch eigene Algorithmen um neue Funktionen erweitern. Die Forderung der Kunden nach intelligenten Produkten, die flexibel erweiterbar sind, zeigt sich schon heute in vielen Bereichen der Unterhal-tungsindustrie. Diese intelligenten Geräte lassen sich über „Tech-Apps“ an die jeweiligen Kundenbedürfnisse anpassen. Eine Vielzahl dieser Plattformen erlaubt auch die eigene Programmierung von Apps durch den Anwender. Diese Anwendungen können dann verkauft oder kostenlos der Community zur Verfügung gestellt werden. Zukünftige Geräte sind offene, rekonfigurierbare und vom Kunden anpassbare Plattformen, die zur Bildung von Communities führen. Diese Anwendergemeinschaf-ten generieren durch die Entwicklung von Apps neue Anwendungsgebiete und Funktionen für den Hersteller.
Die größte Herausforderung bei der Vernetzung stellt die Verwaltung der erzeugten Daten und Informationen dar. Der NI Technologieausblick 2013 zur Datenerfassung [9] beschreibt diese Herausforderung mit den Worten: „Es ist nicht mehr entscheidend, wer die meisten Daten sammelt, sondern wer die gesammelten Daten schnell sinnvoll nutzen kann.“ Versuchs- und Produktionsdaten beinhalten meist sehr wertvolle und wichtige Informationen zur Beurteilung eines Prozesses oder Produktes. Ein Verlust dieser Daten durch unzureichende Protokollierung führt zwangsläufig zu hohen Kosten. Ohne diese Versuchsdaten können wirtschaftliche Entscheidungen insbesondere bei der Auslegung von neuen Prozessen nicht gefällt werden.
Für das schnelle Auffinden und zur sicheren Dokumentation ist es daher notwendig, beschreibende Zusatzinformationen mit den Messdaten abzulegen. Einige standardisierte Datenformate bieten hier eine ideale Datenstruktur, die es ermöglicht, mit kommerziellen Systemen schnelle und kostengünstige Datenmanagement-Systeme aufzubauen, ohne auf die klassischen Funktionalitäten einer Datenbank zu verzichten. Da der Zugriff auf Messdaten, Informationen und Kennwerte zukünftig auch au-ßerhalb der Unternehmen geschehen muss, wird an der Entwicklung der Technical Data Cloud gearbeitet. Cloud Computing beschreibt den An-satz von dynamisch an den Bedarf angepassten IT-Infrastrukturen, die Rechenkapazität, Datenspeicher, Netzwerkkapazitäten oder Services zur Verfügung stellen [10]. Der Vorteil für Unternehmen ist, dass kurzfristig benötigte Ressourcen nicht zu einem irreversiblen, kostenintensiven Ausbau der IT-Infrastruktur führen. Bild 18 zeigt eine direkte Übertragung von Daten bis hin zur Cloud bzw. mobilen Endgeräten.