(Quelle: iStock_metamorworks_1315733406/VDE VERLAG)
Für viele Menschen ist es heute normal, via Smartwatch und Fitness-App ihre Gesundheitsdaten zu tracken. Anhand ihrer persönlichen Fitness-Werte leiten sie dann gegebenenfalls Optimierungs-To-Dos ein“, sagt R. Achatz. Bei Maschinen und Anlagen sei es Stand heute allerdings noch nicht so einfach, deren Gesundheitszustand zu verfolgen.
„Unsere Vision ist es deshalb, die Fitness-Tracking-Idee auch in die Industrieautomation zu überführen. Das Tracken des Zustands von Maschinen und Anlagen muss dort genauso einfach funktionieren, wie mit einer Smartwatch und Apps für unseren Körper“, lautet die Überzeugung des IIoT-Produktmanagers.
In fünf Schritten zum Fitness-Tracker für Maschinen
Im ersten Schritt geht es darum, einfach und sicher die relevanten Daten aus dem Feld einzusammeln. „Im nächsten Schritt müssen die Rohdaten aus dem Feld kontextualisiert werden. Erst dann ist deren sinnvolle Auswertung möglich“, sagt R. Achatz. Dies sollte am besten nahe an der Maschine – an der Edge – geschehen. Anschließend werden die aggregierten Daten an höhere Instanzen zur weiteren Analyse transferiert. „Inzentralen Datenpools lässt sich anschließend eine größere Anzahl von Maschinen mit gleichen Prozessen vergleichen“, so R. Achatz.
Parallel braucht es Skalierungsmöglichkeiten, um die Vielzahl von Edge-Devices verwalten zu können. „Das erfordert entsprechende Mechanismen, um solche Architektur deployen und skalieren zu können. Erst dann können Anwender von den verfügbaren Daten profitieren, um ihre Prozesse zu optimieren, Kosten durch Predictive Maintenance zu reduzieren und gegebenenfalls neue Business-Modelle, zum Beispiel Equipment as a Service, zu realisieren“, sagt der B&R-Experte.