Alle Beiträge von Miriam Schleipen

Industrielle IoT Adapter und Industrie 4.0

Der Grund dafür liegt unter anderem darin, dass der Eingriff in den laufenden Betrieb vermieden werden soll. Die Maschinen müssen also nachträglich so befähigt werden, dass die Nutzer einfach einen Adapter nachrüsten, mit dem die Maschine Daten nach außen kommunizieren kann. Adapter, Box, Gateway, Middleware oder schlicht: „Kästchen“ – dies sind nur einige der Schlagworte mit denen aktuell Nachrüstlösungen für Industrie 4.0 oder auch industrielle IoT-Adapter (IIoT-Adapter) beworben werden. Trotz unterschiedlicher Marketing-Botschaften und Eigenschaften haben die Geräte oder Softwarelösungen aber viel gemeinsam.

Das Ziel: Interoperabilität

Laut der Studie „Cisco® Visual Networking Index (Cisco VNI)“ [1], [2] sollen im Jahr 2020 26.3 Milliarden Geräte – darunter auch 46 % Maschinen – weltweit vernetzt sein. Im Produktionsumfeld bedeutet dies nicht nur die Ausrüstung neuer Geräte und Maschinen für diesen Anwendungsfall, sondern vor allem in der kommenden Zeit die Nachrüstung bestehender Produktionssysteme. Daher sind viele Anwender auf der Suche nach DEM Standard, DEM Produkt oder DER Lösung. Diese ist heute aber nicht in Sicht und auf Grund der vorherrschenden Rahmenbedingungen seitens Hardware, Software, Protokollen, Tools, etc. nicht realistisch. Dennoch muss eine an die Situation und Umgebung angepasste Interoperabilität das Ziel sein.

Voraussetzung: Vernetzung und Verständnis

Damit die Interoperabilität, die im Rahmen von Industrie 4.0 gefordert wird, gelingt und in der Praxis umgesetzt werden kann, sind allerdings verschiedene Voraussetzungen zu erfüllen. Einerseits muss der Zugang zu den Beteiligten gewährleistet werden, es muss also geregelt sein, wie die Interaktion und Kollaboration mit den Partnern erfolgt. Dies beinhaltet sowohl die Kommunikation, als auch das Management der Beschreibungsdaten inklusive wichtiger Grundlagen wie z.B. die IT-Security. Hier kommt häufig die OPC Unified Architecture ins Spiel, die in der IEC 62541 international standardisiert ist. Damit diese aber mit existierenden Maschinen und Anlagen genutzt werden kann, muss eine Umsetzung zu vorhandenen Protokollen wie z.B. Modbus, CanOpen, Profinet, Profibus, IOLink oder auch Ethercat erfolgen.

Die Informationen, die zwischen den Beteiligten ausgetauscht werden, müssen aber auch verstanden und genutzt werden. Eine semantische Beschreibung der Maschinen und Produktionsanlagen ist hierfür nötig. Dieses einheitliche Verständnis lässt sich nicht nur durch eine einzige Sprache erreichen, da diese in der Praxis auf Grund der Vielfalt an verschiedenen Herstellern, Einsatzgebieten und Domänen nicht realistisch ist. Dennoch können hier vereinheitlichte Informationen, z.B. auf Basis des Datenaustauschformats AutomationML (IEC 62714) dazu beitragen, das Engineering der Maschinen und Anlagen effizienter zu gestalten. Dadurch können Kosten gespart und Prozesse optimiert werden. Diese Modelle müssen zu Gunsten der Nutzbarkeit selbsterklärend sein, d.h. nicht nur die reinen Nutzdaten, sondern ebenfalls die zu Grunde liegenden „Bibliotheken“ und Typ-Beschreibungen und die Semantik enthalten.

Die beiden genannten Standards (AutomationML und OPC UA) sind aufstrebende Kandidaten für das zukünftige Engineering von Neuanlagen. Schon heute ist die Erzeugung und Auslieferung eines digitalen Anlagenmodells in vielen Ausschreibungen von Neuanlagen zu finden.

Der Nutzen: Effizienz und Transparenz

Für die Engineering-Phase können IoT-Adapter, die die Vernetzung und das Verständnis sicherstellen, dazu beitragen, die so gelieferten bzw. erfassten Daten und Informationen für die Konfiguration im Sinne eines Plug-and-work zu nutzen und die Effizienz im Engineering zu steigern. Anwendungsmöglichkeiten sind hier eine schnellere Inbetriebnahme, das Mitliefern der Doku zur Maschine oder Anlage, sowie die Nutzung der Daten zum Engineering anderer Systeme, z.B. MES und Visualisierung.

In der Betriebs-Phase können die erfassten Prozessinformationen in Verbindung mit den bereit gestellten Modellen der Maschinen und Anlagen für Transparenz sorgen. Dies beinhaltet genauere Ausfallprognosen und vorbeugende Wartung (auf Basis der Betriebsdaten), aber auch einen schnellen und kundenfreundlichen Zugriff auf ausgelieferte Maschinen und Anlagen.

All-in-one-enabler for smart production

Um die Vorteile der Vernetzung und des modellgetriebenen Engineerings auch bei Bestandssystemen nutzen zu können, bietet das Fraunhofer IOSB in Kooperation mit der Firma Codewerk gemeinsam eine Lösung an:
den Plug-and-work Cube, ein flexibel erweiterbarer und modell-basierter Datensammler und -konverter.

handwerker_komm_highres0066

Bild: Vernetzung und Verständnis ©Fraunhofer IOSB

Er basiert auf Industrie-Hardware und aktuellen internationalen Standards, arbeitet modellbasiert, ist flexibel erweiterbar und mit zahlreichen Zusatz-Diensten kombinierbar. Bei vielen Anlagen ist die Anbindung rückwirkungsfrei und ohne Änderung des Steuerungsprogramms möglich, d.h. er beeinflusst den normalen Prozessablauf nicht und die Anlage muss nicht neu abgenommen werden.

Internationale Standards

Der Plug-and-work Cube beinhaltet einen aggregierenden OPC-UA Server mit AutomationML „im Bauch“. Das Abbild der Produktionskomponenten steckt also als Informationsmodell nach der OPC UA Companion Specification »OPC Unified Architecture for AutomationML« [3] im Plug-and-work Cube. Dieser kann automatisch seinen Adressraum mittels Informationsmodell (AutomationML, IEC 62714) aufbauen und bietet eine vereinheitlichte Kommunikation nach außen (OPC UA, IEC 62541), z.B. zum MES. Durch die Möglichkeit zur Einbindung mehrerer Kanäle kann die Prozessankopplung realisiert werden, z. B. die Anbindung an mehrere Steuerungen. Die Möglichkeiten, z.B. die Performanz, sind dabei abhängig von verschiedenen Faktoren, wie z.B. der Anzahl der SPS-Variablen und dem Abfragezyklus zur SPS. Weiterhin existieren die folgenden Kanäle: OPC UA Client, Siemens S7, ODBC, OPC DA. Weitere Kanäle können auf Anfrage integriert werden.

Industrie-Hardware

Der Plug-and-work Cube wird auf Basis eines kompakten SIMATIC Industrie-PCs (IPC227E) mit dem Betriebssystem Windows entwickelt.

Zusatz-Dienste

Weitere Dienste können in Zusammenhang mit dem Plug-and-work Cube von anderen Systemen mit Windows-Betriebssystem, wie z.B. der Engineering-Station oder dem Bediener-PC, genutzt werden. So zum Beispiel die Generierung von WinCC oder ProVis.Visu Visualisierung (Bilder) auf Basis des AutomationML Modells der Produktionskomponenten inkl. Kopplung an den aggregierenden OPC UA Server auf dem Plug-and-work Cube.

Auch die Konvertierung von AutomationMLModellen in die XML-Repräsentation der OPC UA Informationsmodelle nach den Regeln der OPC UA Companion Specification »OPC Unified Architecture for AutomationML« kann als Dienst erfolgen.

Weiterhin können zur Erstellung der benötigten AutomationML-Modelle verschiedene Assistenztools eingesetzt werden. Dies sind unter anderem:

  • Plugins für den offiziellen AutomationML-Editor, z.B. zur geführten Erstellung von AutomationML-Modellen nach individuellen Vorgaben oder zur Zusammenführung mehrerer AutomationML-Modelle
  • Prüfung der Modelle auf Konformität zur IEC Spezifikation IEC62714-1, sowie den zugehörigen XML-Schemata, sowie Hinweise zur Korrektur der Modelle und Autokorrekturmechanismen bei Abweichungen von der Spezifi kation
  • Importfunktionalität für weitere toolspezifische Schnittstellen, z. B. Grafikdaten (Format DXF), CSV,XML, Excel, Datenbank, API, …)

 

Die Partner

Das Fraunhofer IOSB befasst sich bereits seit Jahren mit Forschung, Standardisierung und Industrieanwendungen mit dem Thema Plug-and-work (http://plugandwork.fraunhofer.de/) in der Produktion. Die Idee: Produktionskomponenten in Produktionssysteme einfach und sicher integrieren – nach dem Vorbild USB. Ganz so leicht wie im Office-Umfeld ist dies in der Produktion allerdings auf Grund von Heterogenität und Komplexität nicht realisierbar.

Im Umfeld der verschiedenen industriellen Kommunikationsprotokolle und -mechanismen hat die Firma Codewerk aus Karlsruhe langjährige und tiefgreifende Erfahrung. So wurden für die verschiedenen Datenquellen innerhalb industrieller Anlagen (z.B. SPS-Steuerungen, Panels, SCADA-Systeme…) bereits viele Anbindungen realisiert, die die erforderlichen Daten effizient und leistungsfähig bereitstellen.

Hilfen für Anwender

Die am Markt verfügbaren Lösungen an Adaptern, Boxen, Gateways, Middleware, also industriellen IoT-Adaptern, sind für Anwender meist schlecht vergleichbar. Häufig sind aber auch die Auswahlkriterien nicht klar. Am Fraunhofer IOSB sind die Wissenschaftler in der vergangenen Zeit in zahlreichen Projekten auf den Einsatz von Adaptern, Gateways, Boxen, etc. (z.B. die Nutzung von Raspberry PIs oder spezielle Industrie-Lösungen) gestoßen. Daher sollen Nutzeranforderungen für solche IoT-Adapter mit Hilfe einer Umfrage verifiziert werden. Die Teilnehme an der Befragung ist anonym. Das Ausfüllen des Fragebogens nimmt etwa 5-10 Minuten in Anspruch. Die Umfrage, die unter anderem im Rahmen des SecurePLUGandWORK-Projekts (www.secureplugandwork.de) entwickelt wurde) ist bis Ende September unter http://bit.ly/2al7BXi verfügbar. Die Auswertung der Umfrage wird im Nachgang veröffentlicht.

Weiterhin ist die Erarbeitung einer Übersicht am Markt verfügbarer Industrie-Lösungen geplant. Hierfür wird das Fraunhofer IOSB sich direkt an die Hersteller solcher Lösungen wenden.

Das Ziel ist es, die Überschaubarkeit und Anwendbarkeit zu verbessern, so dass Industrie 4.0 noch besser, schneller, leichter, weitreichender ein- und umgesetzt wird.

Autoren des Beitrags: Miriam Schleipen, Peter Hensel, Olaf Sauer

Literatur

[1]       http://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networking-index-vni/complete-white-paper-c11-481360.html

[2]       http://www.cisco.com/c/m/en_us/solutions/service-provider/vni-forecast-highlights.html

[3]          OPC Unified Architecture for AutomationML, OPC UA Companion Specification, https://opcfoundation.org/developer-tools/specifications-unified-architecture/opc-unified-architecture-for-automationml/, February, 2016.