Automatisierter Einsatz datengetriebener Services
In den it’s OWL Innovationsprojekten der 1. Tranche ‚Industrial Automation Plattform für Big Data‘ (iAP), ‚Maschinelles Lernen für die Produktion und deren Produkte‘ (ML4Pro²) und ‚Technische Infrastruktur für Digitale Zwillinge‘ (TeDZ) wurden grundlegende Querschnittsthemen erarbeitet und praktisch erprobt:
- So wurde im Projekt iAP eine bedarfsgerechte und automatisierte Datenflussorchestrierung und -speicherung entwickelt, welche die Grundlage für datenbasierte Dienste schafft.
- Im Projekt ML4Pro² wurden Methoden des Maschinellen Lernens (ML-Methoden) für die Themenfelder Predictive Maintenance, Prozessoptimierung und Predictive Quality entwickelt und in eine ML-Toolbox integriert.
- Schließlich wurde im Projekt TeDZ eine Referenzinfrastruktur entwickelt, die die Modellierung und Ausführung Digitaler Zwillinge vereinfacht und beschleunigt.
Durch die gute Vernetzung aller Akteure im it’s OWL Cluster zeigte sich, dass sich die drei Projekte ideal ergänzen.
Mehrwert der Zusammenarbeit von iAP, ML4Pro² und TeDZ
Im Zuge der Vernetzung der Projekte iAP, ML4Pro² und TeDZ konnte ein Zusammenspiel zwischen Datenplattform, Digitalen Zwillingen und ML-Toolbox etabliert werden.
In einem ersten Schritt wurden die Schnittstellen aneinander angeglichen, wobei der Digitale Zwilling (Asset Administration Shell (AAS), Verwaltungsschale) als standardisierte Schnittstelle für Industrie 4.0 eine zentrale Rolle einnimmt. So wurde beispielsweise zwischen iAP und ML4Pro² die Datenverbindung zwischen ML-Services und der Produktionsumgebung (Shopfloor) definiert. In der Kooperation zwischen TeDZ und ML4Pro² wurde ein Template für die Digitalen Zwillinge von ML-Services definiert. Auf dieser Basis wird ein Abgleich zwischen den ML-Services in der ML-Toolbox und der Produktionsumgebung anhand der jeweiligen Digitalen Zwillinge ermöglicht.
Durch den projektübergreifenden Austausch konnten zudem auch die einzelnen Projekte profitierten, da die Anforderungen der jeweils anderen Projekte in den eigenen Entwicklungen miteinbezogen werden konnten. Somit sind die Anwendungsmöglichkeiten der jeweiligen Systeme deutlich erweitert worden. Da die drei Projekte neben dem Fokus auf einzelne Use-Cases auch zugleich einen generischen Ansatz verfolgten, konnte in der Zusammenarbeit ein erstes ganzheitliches Framework für eine skalierbare Anwendung von ML-Services in der industriellen Produktion geschaffen werden.
Siehe auch das Interview zur Zusammenarbeit von iAP, ML4Pro² und TeDZ.
Gemeinsamer Demonstrator
Mit den Software-Bausteinen aus den drei Projekten konnte ein gemeinsamer Demonstrator am ‚SmartWarehouse‘ in der ‚SmartFactoryOWL‘ in Lemgo entwickelt werden. In diesem sind die ML-Services der ML-Toolbox sowie die Komponenten des SmartWarehouse (Shopfloor) jeweils mit einer Verwaltungsschale (AAS) versehen, die in AAS-Laufzeitumgebungen ausgeführt werden.
Die ML-Toolbox verbindet sich mit diesen Digitalen Zwillingen des Shopfloors und gleicht die von den Shopfloor-Komponenten verfügbaren Daten (Teilmodell ‚OperationalData‘ in den AASs des Shopfloors) mit den von den ML-Services benötigten Daten ab (Teilmodell ‚DataRequirements‘ in den AASs der ML-Services). Entscheidend sind hier sowohl die Art der Daten (z. B. Drehzahl, Stromaufnahme) als auch deren Format und Abtastraten.
Sobald geeignete ML-Services für die Komponenten des Shopfloors gefunden wurden, können diese durch den Anwender ausgewählt werden. Daraufhin fordert die Toolbox über die iAP die benötigten Datenströme an, so dass automatisiert eine Verbindung zwischen Shopfloor und ML-Services über OPC UA, Apache Kafka oder InfluxDB herstellt wird.
Im dargestellten Beispiel sind drei ML-Services auf das Förderband ‚Conveyor_BM1‘ anwendbar, da der ‚Servo-Converter: i950_1_Lenze‘ für diese die benötigten Daten bereitstellen kann. Die Ausführung der Datenerfassung (Data Acquisition) und ML-Anomalieerkennung (ML Anomaly Detection) wurden durch den Anwender in der ML Toolbox ausgewählt (blauer Balken). Die grüne Ampel signalisiert, dass das Förderband derzeit störungsfrei läuft.
Eine detaillierte Demonstratorbeschreibung findet sich in der gemeinsamen ETFA 2021 Publikation: Towards an Autonomous Application of Smart Services in Industry 4.0.
Ausblick auf I4.0AutoServ
Im Rahmen des neuen it’s OWL Innovationsprojektes ‚Industrie 4.0-Ökosystem für den automatisierten Einsatz von datengetriebenen Services‘ (I4.0AutoServ), welches im April 2022 startet, wird das entstandene Framework zu einem durchgängigen digitalen Ökosystem für Industrie 4.0 weiterentwickelt. Skalierbarkeit und Autonomie sowie die Produkt-Service-Verzahnung stehen im Fokus des neuen Projektes. Derzeit noch manuelle Schritte bei der Auswahl des ML-Services für einzelne Shopfloor-Komponenten, der Bereitstellung der Daten für das Training und der Ausführung werden vollständig automatisiert. Zudem soll das ‚Deployment‘ der ML-Services entlang des Edge-Cloud Kontinuums und das übergreifende Management der Services ebenfalls autonom durch das Ökosystem erfolgen.
Shopfloor-Komponenten bzw. deren Digitalen Zwillinge können somit befähigt werden halbautonom geeignete ML-Services auszuwählen und dem Shopfloor-Verantwortlichen deren Anwendung zu empfehlen, oder vollständig autonom ML-Services auf sich anzuwenden.
Das entstehende Industrie 4.0-Ökosystem wird insbesondere mittelständische Unternehmen dabei unterstützen, datengetriebene Services anwendungsfreundlich, nachhaltig und gewinnbringend in ihrer Produktion einzusetzen.
Um die angestrebte Skalierbarkeit des Ökosystems zu gewährleisten, sollen im Laufe des Projektes Anforderungen und Rahmenbedingungen von weiteren Unternehmen aufgenommen werden. Sollten Sie an einem Austausch interessiert sein, können Sie gerne bereits jetzt Kontakt aufnehmen. Wir freuen uns auf Ihre Ideen!