Options
2018
Conference Paper
Titel
Systemarchitekturen für Smart Data Ansätze - Aggregiertes Konzept aus mehreren Projekten
Abstract
Die Anwendung von Big Data-Technologien im Bereich der Fertigung ist derzeit aufgrund der Vielzahl von Protokollen und Datenformaten, die von bestehenden System verwendet werden, stark eingeschränkt. Die manuelle Datenerfassung aus einem geschlossenen, proprietären System und die anschließende Integration der Daten durch Experten sind oft die einzige Möglichkeit, auf die große Menge an Messdaten zuzugreifen. Es besteht jedoch die Notwendigkeit, diese Daten automatisch verfügbar zu machen, um daraus Informationen zu gewinnen, insbesondere mit dem Aufkommen der Ideen des IIoT und der Industrie 4.0. Für CPS und CPPS spielen die Transparenz von Informationen sowie die Big Data-Analyse eine große Rolle. Neue, flexible Architekturen sind notwendig, um diese Informationen zugänglich zu machen und große Datenmengen im Bereich der Automatisierung einzusetzen. Dieser Beitrag stellt eine konzeptionelle Industrie 4.0-Architektur für die Datenerfassung, Integration und Handhabung von der Feldgeräteschicht bis hin zu Geschäftsanwendungen vor. Sie bietet Mechanismen für die vertikale und horizontale Integration. Die Vereinheitlichung von Datenzugriff und -transport zur Abstraktion der Komplexität der beteiligten Systeme ist ein zentraler Bestandteil des Ansatzes. Referenzmodelle für IIoT, wie das deutsche RAMI4.0 oder das amerikanische IIRA, legen den Grundstein für eine solche Architektur, erfassen aber aufgrund ihrer generischen Natur keine anwendungsspezifischen Aspekte. Bestehende Konzepte zur Datenerfassung und -integration im Bereich der Automatisierung lassen oft die Berücksichtigung eines unternehmensübergreifenden Datenaustausches für die Zusammenarbeit und Offenheit der Schnittstellen vermissen. Die konzeptualisierte Architektur verwendet einen Middleware-Ansatz, um die Daten verfügbar zu machen und die Anzahl der Datentransformationen zwischen den angebundenen Systemen zu minimieren, indem sie die Verwendung eines gemeinsamen Informationsmodells vorschlägt. Am Beispiel einer Laboranlage wird gezeigt, dass die Architektur prototypisch implementiert werden kann und in der Lage ist, Daten aus heterogenen Quellen zu übertragen und zu verarbeiten. Als Middleware-Komponente erhielt der Open Source Message Broker RabbitMQ Dateneingaben von MQTT und OPC UA Quellen, die über Adapter in ein gemeinsames Informationsmodell übertragen wurden. Sowohl der Zugriff auf übertragene Live-Daten, als auch auf historische Daten, konnte demonstriert und neue Möglichkeiten der Datenanalyse konnten eröffnet werden. Um die Eignung für reale Produktionsumgebungen nachzuweisen, sind weitere Tests mit größeren Prototypen und mehr Datenquellen erforderlich. Besonderes Augenmerk muss auf die Formulierung eines Informationsmodells gelegt werden, das für generische Anwendungsfälle geeignet ist und die Übertragung aus verschiedenen Datenformaten ermöglicht. Andere Technologien für die Middleware, wie z.B. Apache Kafka, OPC UA oder DDS-Systeme, sollten ebenfalls evaluiert und ihre Eignung für den Einsatz in der Praxis verglichen werden. Noch wichtiger ist die reale Analyse der Daten und die Nutzung des neu gewonnenen Wissens.