Sie möchten mehr zu diesem Thema erfahren?
Vereinbaren Sie einen kostenfreien Beratungstermin mit uns.
Eine zentrale Rolle im Industrial Internet of Things oder abgekürzt IIoT, spielen die sogenannten IoT bzw. IIoT-Plattformen wie u.a. MindSphere. Diese unterstützen alle Aufgaben von der Erfassung der Anlagendaten, über die Speicherung, Visualisierung, Aufbereitung und Analyse, bis zur Umsetzung von Aktionen auf Grundlage der gewonnenen Erkenntnisse. Die jeweiligen Plattformanbieter stellen hierfür Softwarekomponenten zur Verfügung, die durch individuelle Applikationen ergänzt werden können.
Dagegen steht die Entwicklung eigener Systeme, welche den kompletten Prozessablauf von der Datenerfassung durch Sensoren, über die Datenspeicherung, Visualisierung, Datenauswertung, Datensicherheit bis zur Programmierung intelligenter Systeme und Maschinensteuerungen abbilden müssten. Allein durch die heterogenen Aufgabenstellungen ist eine eigene Implementierung sämtlicher Funktionen extrem komplex und aufwändig. Gerade deshalb ist das Potential industrieller Plattformen sehr hoch und Unternehmen können besonders von zwei Punkten profitieren:
Da viele Kunden im Fertigungsumfeld bereits Siemens Produkte einsetzen, wollen wir uns hier einmal näher mit der IoT Plattform MindSphere der Firma Siemens beschäftigen, ein konkretes Fallbeispiel vorstellen und die umfangreichen Einsatzmöglichkeiten aufzeigen. MindSphere wird als „Platform as a Service“- Umgebung bereitgestellt und kann durch entsprechende Erweiterungen und Individualentwicklungen auf die Vielzahl von Anwendungsfällen und benötigten Funktionsumfängen angepasst werden.
Platform as a Service oder auch PaaS ist ein Cloud System, dass eine Computerplattform für Entwickler von Anwendungen bereitstellt, damit keine Hardware oder Software erworben und betreut werden muss. Gerade die geringen Einstiegskosten, bereits nutzbare Services, sowie die Skalierbarkeit sprechen für die Auswahl dieses Plattformansatzes.
Das System ermöglicht es, beliebige Anlagendaten zu erfassen, zu speichern und in selbst entwickelten Applikationen bereitzustellen und aufzubereiten. Dabei können unterschiedliche Frameworks (z.B. Angular, .NET Core) und Hochsprachen (z.B. Java, Python) verwendet werden. Auch wird eine REST API bereitgestellt, die es ermöglicht gespeicherten Daten zu verwerten.
REST steht für Representational State Transfer und bezeichnet ein Paradigma für Webservices. Die REST API benutzt HTTP-Anfragen, um auf Informationen zuzugreifen. Dazu gibt es zum Beispiel PUT, GET, und DELETE Anfragen. PUT erstellt eine Ressource oder ändert sie, GET ruft eine Ressource ab und DELETE entfernt die jeweilige Ressource.
Im Idealfall ist eine IoT-Plattform in der Lage, jede Art von Gerät über jede verfügbare Schnittstelle (OPC UA, MQTT etc.) anzubinden, sowie diverse Daten zu sammeln und auszuwerten. In der MindSphere ist die Anbindung von vernetzten Systemen in der sogenannten Southbound verortet.
Über den Norden – der Northbound ist es dagegen möglich neben Siemens eigenen Apps, auch eigene auf den Anwendungsfall zugeschnittene Applikationen einzubinden. Dabei können diese entweder direkt auf MindSphere gehostet werden oder die API wird für externe Zugriffe auf die Daten in MindSphere genutzt.
Die MindSphere Plattform stellt für die Northbound, sowie die Southbound entsprechende APIs bereit, was eine entsprechende Offenheit des Systems ermöglicht.
Abbildung 1: Aufbau einer IoT Plattform am Beispiel von Siemens MindSphere
Digitalisierung, IoT und Industrie 4.0 sind die Grundlage für neue und beeindruckende Geschäftsmodelle und ermöglichen weitreichende Optimierungen in Logistik-, Produktions- und Geschäftsprozessen. Dennoch handelt es sich in diesen Themenfeldern um komplexe Technologien, die es zu verstehen und zu hinterfragen gilt, bevor eine Weiterentwicklung der eigenen Geschäfte und Prozesse umgesetzt werden kann.
Eine Möglichkeit die Vorstellungskraft anzuregen sind Modellaufbauten und Prototypen. Wie man bereits aus dem Blogartikel Kaffee bestellen mit BMW-ConnectedDrive und IFTTT schließen konnte, trinken wir bei SWMS gerne Kaffee. Deshalb erläutern wir die grundlegenden Möglichkeiten von IoT Plattformen an einem Beispielprojekt mit dem Namen „Kaffeemaschine“.
Schon gewusst? Kaffeemaschinen dienen schon seit Beginn des Internets immer wieder als dankbarer Anwendungsfall für die Erprobung neuer Technologien. In der Universität Cambridge wurde die dort entwickelte erste Webcam zur Beobachtung des Füllstands einer Kaffeemaschine über das Web genutzt, um den Mitarbeitern unnötige Wege zu ersparen. Die Trojan-Room Kaffeemaschine konnte bis 2001 mittels einer Webcam beobachtet werden.
Eine einfache Kaffeemaschine steht dabei für eine Anlage, eine Produktionsmaschine oder einen Prozess (im Folgenden zu „System“ zusammengefasst), der mithilfe von IoT Technologien erweitert werden soll. Die IoT-Ebenen werden dabei wie folgt durch die Kaffeemaschine abgebildet.
Die Maschine verfügt standardmäßig über keinerlei Sensorik oder IoT-Funktionalität, die eine Kommunikation über das Internet oder über ein lokales Netzwerk ermöglicht.
Für das Beispielprojekt werden drei Sensoren in der Kaffeemaschine verbaut. Ein Temperatursensor misst die Wassertemperatur im Wassertank und ein Sensor die Temperatur am Kaffeeauslass. Zusätzlich wird ein Ultraschallsensor eingesetzt, der die Füllhöhe des Wassers im Wassertank misst.
Die Sensorik ist mit einem Arduino Microcontroller verbunden, der über ein WiFi Modul Netzwerkzugriff hat. Auf dem Controller läuft ein Managementprozess, der Datenerfassung und Netzwerkkommunikation steuert.
Abbildung 2: Verwendete Schaltung für die Anbindung an MindSphere
In der Realität sind Systeme mit SPS-Controllern und Sensorik ausgestattet. Die erfassten Daten werden aber häufig nur lokal für die Steuerung der Systeme verwendet.
Siemens stellt eine Vielzahl von Möglichkeiten zur Verfügung, mit denen das lokale System an die IoT Plattform MindSphere angebunden werden kann. Die Kaffeemaschine kommuniziert in unserer prototypischen Umsetzung über das MQTT Protokoll mit der MindSphere IoT Extension und überträgt die Sensorwerte (Temperatur und Füllstand).
MindConnect IoT Extension ist eine MindSphere App von Siemens, um Systeme ohne Siemenssteuerung (hier der Ardunio Controller) einfach mit MindSphere über MQTT verknüpfen zu können.
Die Daten werden als sogenannte Time Series Daten, also als Paare von Sensorwert und Zeitstempel, gespeichert. Für die erste Visualisierung der Daten stellt MindSphere eine graphische Oberfläche, sowohl in der IoT Extension, als auch im Fleet Manager bereit.
Abbildung 3: Visualisierung der Daten (hier Wassertemperatur) in der MindSphere IoT Extension
Aus dieser Darstellung ist ersichtlich, wann ein Kaffee produziert wurde. Aus den Standardtools lassen sich somit erste Dashboards zur Beobachtung von Systemen zusammenstellen, anhand dessen beispielsweise ein Produktionsleiter den Zustand seiner Anlagen beurteilen und auf Ausfälle reagieren kann.
Richtig interessant wird es allerdings erst, wenn die aufgenommenen Daten miteinander und mit externen Quellen verknüpft werden. Für die Datenanalyse und Verarbeitung können Applikationen genutzt werden, die von MindSphere angeboten werden. Zudem ist es möglich eigene Applikationen auf MindSphere zu hosten oder mit eigenen Applikationen auf MindSphere zuzugreifen.
Für das Projekt der Kaffeemaschine wurde eine, auf dem Angular Framework basierende, Applikation entwickelt, die die Temperaturdaten auf einem Dashboard anzeigt und den Füllstand in die Anzahl der verbleibenden Tassen umrechnet. Abbildung 4 zeigt den Zustand, bevor ein Kaffee produziert wurde.
Abbildung 4: Angular App auf MindSphere vor dem Kaffeekochen
Abbildung 5 zeigt, wie die Temperatur am Auslass (Rote Linie) ansteigt. Die Anzahl der verfügbaren Tassen im Tank sinkt hingegen.
Abbildung 5: Angular App auf MindSphere nach dem Kaffekochen
Übertragen auf reale Einsatzmöglichkeiten können im Rahmen von Applikationen auf der Grundlage von MindSphere u.a. der Zustand von Maschinen angezeigt, berechnet und vorhergesagt werden. Hierbei können auch Algorithmen aus dem Bereich des Maschine Learning zur Verarbeitung der Daten eingesetzt werden. Es ist auch möglich aktiv Alarme und Benachrichtigungen zu erzeugen, die zuständige Mitarbeiter bei Eintritt eines Events (z.B. eine Grenzwertüberschreitung) benachrichtigen.
Der Kommunikationsweg von der IoT-Plattform zurück zum betrachteten System wird in diesem Beispielprojekt noch nicht abgedeckt. Zukünftig sollen die erfassten Daten dazu genutzt werden, Steuerungsbefehle zu erzeugen, die das Verhalten der Maschine beeinflussen und somit zu einer Automatisierung von Prozessen beitragen.
Gerade im Produktionsumfeld ist es enorm wichtig Daten vor unberechtigtem Zugriff zu schützen und gleichzeitig zu jedem Zeitpunkt bestimmen zu können, wer was mit den Daten machen darf. Auch die führenden Anbieter von IoT-Plattformen haben diese Anforderung erkannt und stellen deshalb umfangreiche Sicherheitsfunktionen für Datenerfassung, Übertragung, Speicherung und Zugriff bereit.
Bevor man in umfassende IoT- und Digitalisierungsvorhaben investiert, ist es notwendig sich über das Ziel dieser Projekte für die eigene Unternehmung Gedanken zu machen und die Frage zu beantworten, wie diese Projekte dabei helfen werden den Unternehmenserfolg zu steigern. An unserem Beispiel Kaffeemaschine stellen wir einige mögliche Sichten auf das Geschäftsmodell vor:
Der Bediener/Nutzer möchte den eigentlichen Zweck einer Kaffeemaschine – das Kaffeekochen – jederzeit durchführen können. Hierfür ist es wichtig, dass die Maschine jederzeit betriebsbereit ist. Spannend ist für diesen Anwendungszweck natürlich, die Temperatur des Kaffees, sowie die Frage, ob noch ausreichend Wasser zum Aufbrühen enthalten ist. Diese Sensordaten sind aber lediglich für das „reine Kaffeekochen“ von Belang. Auch eine Übersicht über noch vorhandene Kaffeepads, der durchschnittliche Verbrauch und durchschnittliche Kosten und eine mobile Steuerung der Maschine könnten interessant für den Nutzer sein. Unser Projekt werden wir zukünftig auch in diese Richtung weiterentwickeln.
Für den Hersteller sind zwei Sichten auf dieser Datenbasis von Bedeutung.
Auf der einen Seite ist die Sicht auf viele (Kaffee-)Maschinen der gleichen Baureihe für entsprechende Prognostizierung von Versagensfällen und Aufdecken von ggf. enthaltenen Konstruktions- und Fertigungsproblemen von großem Interesse. Auf der anderen Seite ist die Vorhersage bzw. Feststellung des Versagensfalls einer konkreten Kaffeemaschine für die Serviceerbringung für den eigentlichen Nutzer von Belang.
Ein Servicedienstleister, der die Bereitstellung von Kaffee für Veranstaltungen oder auch allgemein verantwortet, ist daran interessiert auf der einen Seite die Bevorratung von Kaffee, Wasser usw. zu gewährleisten und auf der anderen Seite Ausfälle von genutzten Kaffeemaschinen zeitnah zu erkennen wenn nicht sogar vorhersagen zu können.
Gerade diese unterschiedlichen Stakeholder der Kaffeemaschine(n) haben unterschiedliche Ansprüche an die Daten und deren Verwendungszweck. Gemein haben jedoch alle, dass Sie dieselbe Datenbasis nutzen und verwenden können. Daher ist es von entscheidender Bedeutung sämtlichen Stakeholdern eine Plattform für die Abfrage und Auswertung Ihrer freigegeben Daten zu ermöglichen.
Gerade die zeitnahe Bereitstellung von Nutzerdaten lässt neue Möglichkeiten bei der Ausgestaltung von Geschäftsmodellen zu. So könnte z.B. ein Anbieter als Service die Bereitstellung von Kaffee anbieten. Wobei sämtliche Wartungsmaßnahmen, Verbrauchsoptimierungen von Betriebsstoffen (z.B. Einsatz von Kaffeebohnen), störungsfreier Betrieb der Maschinen in seinem Verantwortungsbereich liegt und er lediglich nach einem Pay per Use Modell die Entnahme von Kaffee entlohnt bekommt. Weitere innovative Geschäftsmodelle werden durch die konsequente Nutzung der Daten begünstigt und lassen eine neue Art von serviceorientierten Geschäftsfeldern wachsen.
Das vorgestellte Projekt zeigt den Einsatz des Platform as a Service Systems MindSphere auf und stellt das Anbinden von Sensoren und das Verwenden der Sensordaten in einer selbst entwickelten MindSphere-App innerhalb dar.
Dazu wurde eine Kaffeemaschine mit unterschiedlichsten Sensoren ausgestattet und über MQTT an MindSphere angebunden. Die real per IIoT Mechanismen angebundene Kaffeemaschine wurde anschließend zu Demonstrationszwecken per Dashboard dargestellt. Neben den Stammdaten wurden auch essentielle Bewegungsdaten und deren Nutzung aus verschiedenen Nutzungssichten (Stakeholder) aufgezeigt.
SWMS macht das Know-How für den digitalen Wandel, den Einsatz von Internet of Things Technologien und die damit verbundenen Ideen und Möglichkeiten verfügbar. Der Einsatz von innovativen Technologien hebt Potenziale und erzielt handfeste Resultate. Wir unterstützen, indem wir die Anforderungen operativer Prozesse in Dienstleistung und Industrie verstehen und dazu maßgeschneiderte Lösungen entwickeln. Mit einem ganzheitlichen Ansatz beraten und befähigen wir optimale Entscheidungen hinsichtlich IT und Technologie zu treffen, um vorweg schreitend im Fahrwasser von Digitalisierung und Industrie 4.0 zu manövrieren.
Was denkst du?