Wichtige Begriffe des Industrial Internet of Things (IIoT) im Überblick

Industrie 4.0 steht für die vierte industrielle Revolution und ist aktuell in aller Munde. Die Grundlage hierfür und den Bereich Industrial Internet of Things (IIoT) sind intelligent vernetzte Systeme, die untereinander und mit ihren Anwendern kommunizieren. Sie ermöglichen dem Unternehmen so eine möglichst selbstorganisierte und effektive Produktion. Dabei fallen oft Begriffe wie Microservices, Digitaler Zwilling oder auch IIoT-Plattform – was sich dahinter genau verbirgt, erklären wir im nachfolgenden Beitrag.

Asset Management & Equipment Efficiency

Asset Management ist das digitale Abbild von Anlagen und ihren einzelnen Komponenten. Es ist zunächst nicht vernetzt, sondern wird an einer zentralen Stelle verwaltet. Dabei kann es intelligent sein, muss es aber nicht.
Mithilfe von vollständigem und intelligentem Asset Management behalten Anwender alle Assets (Teile, Maschinen, Anlagen, Bestellungen oder Produkte) im Blick und erfassen deren Daten. Die digitale Verfügbarkeit all dieser Daten erleichtert Auswertungen, Analysen und Tests. Mögliche Fehlerquellen werden so frühzeitig erkannt, die Effizienz bleibt im Blick und Predictive Maintenance-Algorithmen werden angewendet. Beispielsweise sieht der Hersteller einer Maschine genau, an welcher Stelle welche Schrauben verbaut sind, woher sie kamen, von wem sie bestellt wurden und noch vieles mehr. Das Unternehmen hat dadurch einen vollständigen Überblick über seine Anlagen und weiß, wie effizient sie laufen, wie viele Teile produziert werden, wann der Ausliefertermin für die nächste Maschine ansteht und sogar, wie stark die Produktion in der kommenden Zeit ausgelastet ist. Außerdem können die digitalen Services der Maschinen und Anlagen im Betrieb ausgewertet werden.
Mit den erhobenen Daten zu allen Assets wird zudem die Equipment Efficiency ausgewertet. Sie zeigt, wie effizient eine Produktion abläuft und wie das Equipment (die Anlage) eingesetzt wird. Eine höhere Effizient bedeutet, dass die Ressourcen rational verwendet werden und mit den genutzten Mitteln ein hoher Output erzeugt wird. Eine Kennzahl zur Gesamtanlageneffektivität, die sich hierbei in der Industrie durchgesetzt hat, ist die OEE (Overall Equipment Efficiency).

Data visualisation

Eine der wichtigsten Voraussetzungen für IIoT-Anwendungen ist das Sammeln von Daten. Nur mit diesen Informationen kann berechnet werden, wann beispielsweise die nächste Wartung sinnvoll ist oder wie die Auslastung besser geplant und automatisiert werden kann. Um diese Daten im Blick zu behalten, ist die Visualisation entscheidend, denn ohne Visualisierung können Daten nicht ausgewertet und anschließend verarbeitet werden. Aus diesem Grund sind Benutzeroberflächen und eine einfache Nutzerführung, wie sie aus dem B2C-Bereich bekannt ist, auch für den B2B-Bereich relevant.
Jeder ist die Benutzung von Smartphones und guten User-Interfaces aus dem privaten Bereich gewohnt. Warum sollte man also im Unternehmen mit alten Oberflächen arbeiten, die ausbremsen? Produktivität muss auch bei B2B-Software im Vordergrund stehen. Daher müssen die Daten auf einfache Art und Weise sichtbar und interpretierbar gemacht werden, ohne dass große Vorkenntnisse beim Anwender vorhanden sind. Dabei kann Visualisation unterschiedliche Formen annehmen: von virtuellen Abbildern der Maschine (3D-Modelle, Simulationen) bis hin zur einfachen Darstellung von Sensorwerten und deren Verlaufskurven (z.B. Temperaturkurve).

Digitale Services

Ein Aufzug ist heute beispielsweise viel mehr als einfach nur ein mechanisches Gerät. Die Software ermöglicht es, die Anlage zu überwachen und zu steuern, gleichzeitig können Wartungsarbeiten rechtzeitig eingeplant werden. Darüber hinaus werden mögliche Verschleißteile automatisiert nachbestellt; zusätzliche Daten etwa zu Nutzungsdauer, Frequenzen oder Lasten geben wertvolle Informationen über Besucherströme im Gebäude.
Mit digitalen Services können Kunden also viel intensiver an Unternehmen gebunden werden. Das bedeutet natürlich auch mehr Einnahmen, sei es etwa durch zusätzliche Lizenzen oder die automatisierte Ersatzteilbestellung. Außerdem entsteht etwas, das in der Industrie bis heute eine eher geringe Rolle gespielt hat: das Kundenerlebnis. Die Software ermöglicht es, dass Kunden von Industriehardware begeistert sind. Gerade die interaktiven Abbildungen der Hardware auf einem Tablet oder Mobiltelefon schaffen ganz neue Möglichkeiten in der intuitiven Bedienbarkeit.

Digital twin

Ein digitales Abbild einer Maschine bzw. Anlage wird als Digital twin bezeichnet. Die einzelnen Vorgänge werden hierbei digital durch eine Software erfasst, dargestellt oder nachgebildet bzw. simuliert. Hierbei kann auch ein einfaches Abbild einer Maschine durch Kennzahlen als Digitaler Zwilling benannt werden. Die einzelnen Messungen der Sensoren bilden die Lebensdaten eines Digitalen Zwillings. Durch das Auslesen der Maschinendaten und den Prozess zur Erstellung des digitalen Abbildes erhöht sich allgemein das Wissensverständnis für die Maschine oder den Betrieb einer Anlage. Durch diesen Wissensaufbau können Produkte und Prozesse verbessert werden. Alleine die Visualisierung der Maschinendaten kann einem Unternehmen schon neue Geschäftsfelder eröffnen und sich so positiv auf die Geschäftsergebnisse auswirken. Weiterhin können innerhalb von kurzer Zeit weitere IIoT-Entwicklungen auf einem Prototyp aufbauen.

Microservices

Ein Microservice ist eine Software-Architektur, die auf vielen, kleinen, abgeschlossenen Services basiert. Und stellt eine Teilfunktion eines größeren Systems dar. Generell erfüllen sie nicht mehrere Funktionen gleichzeitig sie spezialisieren sich auf eine Aufgabe: Beispielsweise kann ein Microservice für Predictive Maintenance, unabhängig von Oberfläche oder Technologie, anhand bestehender Maschinendaten Ausfälle vorhersagen. Ein anderer Microservice kümmert sich dann um die Visualisierung der Daten, während wiederum eine weitere Anwendung Daten einer Maschine ausliest und sie in einen Datenspeicher schreibt.
Ein Microservice ist zudem immer in sich abgeschlossen und kann auf Basis einer beliebigen Technologie erstellt werden. Lediglich die Schnittstellen zur Kommunikation mit anderen Systemen müssen definiert, können aber auch programmiersprachenunabhängig implementiert werden. So besteht die Möglichkeit sie unabhängig vom gesamten System anzupassen, zu erweitern oder zu ersetzen. Damit entsteht Unabhängigkeit von einzelnen Technologien oder Plattformen.
In contrast to this is monolithic software, which combines and centralises all functions. Here, everything is developed on one platform or with one technology, which creates a dependency on the specific platform, programming language, protocols or company.

Independence is particularly important in the IIoT environment, as few standards or platforms have been established to date and companies need to react flexibly and independently to developments.

Plattform

Eine Plattform ist eine Sammlung von IIoT-Services in einer Anwendung/ Umgebung, mit der nach Möglichkeit eine Struktur inklusive Methode in vollem Umfang geliefert wird, um IIoT-Anwendungen unterschiedlichster Art umsetzen zu können. Eine IIoT-Plattform unterscheidet sich dabei inhaltlich nur wenig von einer klassischen IoT-Plattform, da sie nur einen Unterbereich bzw. eine Spezialisierung darstellt.

Predictive maintenance

Das Verfahren Predictive Maintenance beschreibt als eine Kernkomponente im IIoT einen vorausschauenden Ansatz. Hierbei werden Maschinen und Anlagen proaktiv gewartet und Ausfallzeiten so gering wie möglich gehalten. Dabei ist das Timing entscheidend: Denn nicht nur eine Wartung, die zu spät kommt, kann einen Stillstand herbeirufen, sondern auch eine zu frühe Wartung verursacht hohe Kosten. Um den perfekten Zeitpunkt zu finden, liefern Sensoren die passenden Daten. In einem einfachen Fall müssen nur Grenzwerte erkannt werden (Temperatur, Schwingung, Gewicht). Bei komplexeren Anwendungen wird anhand von Machine Learning Algorithmen, also Algorithmen, die durch Analyse von bestehenden Daten und Tests lernen können, ein schlechter Zustand frühzeitig festgestellt. Dies geschieht auf Basis von Millionen erhobener Datensätze, welche analysiert und ausgewertet werden.

Auf dieser Grundlage werden dann die entsprechenden Entscheidungen getroffen. Denn es ist durchaus möglich, dass eine Maschine, die laut Hersteller eine Lebenszeit von 50.000 Stunden aufweist, in Wirklichkeit 100.000 Stunden laufen kann. Oder der Hersteller empfiehlt, alle 200 Stunden ein Teil auszuwechseln, das in der Realität aber deutlich länger hält. An diesen einfachen Beispielen wird klar, welche Kosteneinsparungen durch Predictive maintenance möglich sind.

elunic – Ihr IIoT-Partner auf Augenhöhe

Unser Team entwickelt seit über 15 Jahren cloud-basierte Softwarelösungen für mittelständische Unternehmen und Konzerne der Industrie. Den wachsenden Anforderungen der Industrie 4.0 und des Internet of Things begegnen wir mit mehr als 30 hochqualifizierten und spezialisierten Experten für Teilbereiche wie Big Data, Predictive Maintenance, IT-Security und UX-Entwicklung.