Der Systemaufbau von Sys Tec Electronics „kleiner IoT-Lösung ohne Internet“ mit dem IoT-Edge-Controller „sysWorxx CTR-700“, der IoT-Steuerung „sysWorxx CTR-100“ und den Funk-Nodes „sysWorxx SRN-300“ (Quelle: Infoteam)
Herr Schemm, eine „smarte Internet-of-Things-Lösung“ ohne Internet – das müssen Sie erklären!
C. Schemm: Aussagekräftige Informationen aus Geräten und Daten am „Intelligent Edge“ zu gewinnen, ist mehr denn je gefragt. Hierzu setzte man meist auf Hardware, Software und Sicherheitslösungen, die IoT sozusagen im Bauch haben. Am intelligenten Edge werden Daten gesammelt und ausgewertet, die dann tiefere Einblicke erlauben und neue Möglichkeiten unter anderem zur unternehmensweiten Effizienzsteigerung eröffnen. Business Cloud Services, die zusätzlich auf KI- und Blockchain setzen, sind für mittelständische Unternehmen häufig zu aufwendig. Eine „schlanke“ Lösung ist gesucht. Sie sollte auf die jeweiligen geschäftlichen Anforderungen innerhalb der Produktion, die eine Vernetzung von Aufgaben und Automation ermöglicht, abgestimmt sein. Man könnte sagen: die intelligente Kombination aus IT und Automatisierungstechnik hin zu einer Smart-IoT-Architektur mit flexibler Konnektivität und Echtzeitrealisierung.
Können Sie uns ein konkretes Anwendungsbeispiel für „IoT direkt auf dem Controller“ nennen?
N. Mensdorf: Blicken wir allgemein in eine Fertigung, arbeiten hier häufig mehrere Maschinen und Anlagen, deren Betrieb sich untereinander bedingt: Befindet sich die eine Maschine in Zustand A, muss die andere in Zustand B und wiederum eine weitere in Zustand C sein. Für ein optimales Zusammenspiel müssen die Maschinen also untereinander Informationen austauschen.
Konkret können damit im Bereich des Energiemanagements beispielsweise Stromspitzen intelligent verteilt werden, sodass Großverbraucher wie Lötöfen nacheinander hochheizen. Eine Künstliche Intelligenz (KI) direkt auf dem Controller im Feld ist anhand der Sensordaten aller vernetzter Maschinen in der Lage, die beste Entscheidung zu treffen und auszuführen. Durch den Einsatz von KI muss kein Regelwerk mehr in fest programmierte Algorithmen implementiert werden, sondern der Controller lernt aus den Daten der Vergangenheit und kann somit Entscheidungen für die Zukunft treffen.
Das bietet sich deshalb so gut an, da beim Edge Computing die Daten in jedem Fall auf dem Controller aufbereitet werden und dadurch unmittelbar genutzt werden können. Zeitkritische Daten werden somit direkt auf dem Gerät vorverarbeitet und reduziert. Der Entscheidungsprozess wird dann an eine übergeordnete Instanz, wie ein ERP-System, ein MES oder auch eine lokale Cloud, weitergegeben.
Bitte erläutern Sie das Zusammenspiel von Edge Computing und optimierter Datennutzung genauer?
C. Schemm: Edge Computing und optimierte Datennutzung gehen heute Hand in Hand. Daten von Maschinen und Sensoren lassen sich mithilfe von Edge Computing lokal vorverarbeiten und ausschließlich zur Weiterverarbeitung in die Cloud senden. Entscheidungen, basierend auf den vorverarbeiteten Daten auf dem Device, können somit ohne die Berücksichtigung der Latenzzeiten der Cloud getroffen werden. Dies ermöglicht die Verarbeitung der Daten direkt am Entstehungsort, was die Analyse von sensiblen Daten einfacher, schneller und sicherer macht.
Das heißt, Sie nutzen das SPS-Programmiersystem als IoT-Mittler. Warum?
N. Mensdorf: Genau. Es gibt mehrere Gründe dafür, dass wir das Programmiersystem „OpenPCS“ von Infoteam sowohl auf unseren Steuerungen als auch auf unserem IoT-Edge-Controller einsetzen: Zum einen handelt es sich um ein schnelles und einfach zu programmierendes System, das eine IEC-61131-3-konforme Programmierumgebung und ein Smart-PLC-Embedded-Laufzeitsystem enthält. Zum anderen sind bereits eine Vielzahl von Kommunikationsstacks integriert.
Als Systemintegrator haben wir das Laufzeitsystem über viele Jahre verfeinert und nutzen heute für unsere Controller und Lösungen eine breit gefächerte Infrastruktur in Form von Funktionsblock-Libraries. Sei es die Anbindung diverser Feldbusse und Sensorik bis hin zur Anbindung an andere Runtime-Umgebungen, wie Python oder Node-Red.
Sensordaten können wie gewohnt direkt auf dem Gerät vorverarbeitet und komprimiert werden. Typisch sind hierfür beispielsweise Mittelwertbildung, Glättung und Filterung, aber auch die Erkennung von Grenzwertüberschreitungen. Dies kann über lokale Software, wie das IEC-61131-Laufzeitsystem, grafisch in Node-Red oder auch in klassischen Programmiermodellen, wie C / C++, C# oder Java, erfolgen.
Unsere Interprozess-Schnittstelle zu „OpenPCS“ ermöglicht es, Steuerungsdaten direkt auf dem Controller von IoT-Anwendungen zu nutzen – browsergestützte Visualisierungen via Node-Red, Datenbereitstellung via MQTT oder OPC UA; beispielhaft für in Docker lauffähigen Datenbanken oder als csv-Datei.