Industrie 4.0. Software-Lösungen im Maschinen- und Anlagenbau. Symposium Industrie 4.0 konkret an der Rheinische Fachhochschule Köln

Transkript

1 Industrie 4.0 Software-Lösungen im Maschinen- und Anlagenbau Symposium Industrie 4.0 konkret an der Rheinische Fachhochschule Köln

2 Who am I? Dipl.-Kfm. Matthias Bohnen Geschäftsführender Gesellschafter Brockhaus GmbH, Heidelberg und Brockhaus Consulting GmbH, Wiesbaden Software Architekt und/oder Entwicklungsleiter bei versch. MES Projekten im Maschinenbau Software Architekt und Mitglied des Industrie 4.0 Innovationsteams der cellent AG Lehrbeauftragter im Software Engineering an versch. Hochschulen (auch der Rheinischen Fachhochschule Köln ) 2

3 Industrie 4.0 Die vierte industrielle Revolution Daten sind das Öl des 21. Jahrhunderts. Im Unterschied zu Öl gehen Daten auch nicht aus, sondern werden immer mehr. Wichtig ist es, nicht nur eine Menge Daten zu haben, sondern diese richtig aufbereitet und visualisiert zu bekommen. --- Stefan Ferber, Robert Bosch AG Die Vision wäre, aus meiner Sicht, viel mehr über die aktuelle Realität im Shopfloor zu wissen und damit eine bessere und aktuellere Entscheidungsgrundlage für alle Produktions-Akteure zu schaffen --- Dieter Spath, Fraunhofer IAO Der Fokus im im Maschinenbau muss sich von der Hardware zur Informationsverarbeitung verschieben nennen wir es Software. --- Prof. Dr. Detlef Zühlke / DFKI (Saarbrücken)

4 Industrie 4.0 Indistrie 4.0 und vertikale Integration

5 Anwendungsszenarien

6 Anwendungsszenarien Folgende Szenarien waren Gegenstand verschiedener Projekte im Kundenumfeld Konzeption und Implementierung von MES Systemen im Maschinenbau. Überwachung und Steuerung der Produktion mittels mobiler Endgeräte Speicherung und Auswertung von Sensordaten aus der Produktion Verfolgung von Produktionsaufträgen im Produktionsprozess

7 Ausgangssituation Folgende Randbedingungen waren in allen Projekten (kundenseitig sowie prototypisch / evaluierend) zu beachten: Keine Lizenzkosten, ausschließliche Verwendung von Open Source Technologien. Geringe Kosten durch Hardware (es handelte sich u.a. um Prototypen, die auf Technologiemessen ausgewählten Kunden gezeigt wurden). Hohe Integration in den bestehenden kundenseitigen Technologiestack (hier Java EE 6 und JBoss).

8 Das Beispielszenario schematisierte Taktfertigung Station A Station B Siematic S7 Fördereinrichtung Lichtschranke

9 Szenario I Überwachung und Steuerung der Produktion mittels mobiler Endgeräte

10 Mobile Endgeräte Bedeutung Damit der Mensch mit der Produktionssteuerung oder der Maschine interagieren kann, muss die mobile Assistenz zunehmen. Bei einer Fehlermeldung einer Maschine kann sich Grafik: Fraunhofer IOT das iproductionpad vor Ort vernetzen und den Fehlerspeicher auslesen und interpretieren. Das iproductionpad kann Temperaturen oder Frequenzen der Maschine messen, Anweisungen geben und deren Zustand sehr schnell analysieren und diagnostizieren. --- Prof. Dr. Gunter Reinhard, TUM

11 Mobile Endgeräte Integration mobiler Endgeräte: Steuerung Ablösung kostenintensiver Touch-Panels beim Endkunden (~ 100 Panels, mögl. Reduktion um ca. 80%) Arbeitserleichterung bei Einrichtung und Wartung der Produktionsstrecke OPC DA bzw. proprietäre Eigenentwicklung des Kunden zur Maschinenkommunikation Im Fall OPC DA utgard / eclipsescada Clients Aktuell: Brockhaus-interne Weiterentwicklung mit OPC UA, hier Prosys (100% Java) auf der Server und Client-Seite

12 Mobile Endgeräte Integration mobiler Endgeräte: Steuerung Siematic S7 Integrationsbus Lokalisierung basierend auf RSSI Bluetooth Beacon

13 Mobile Endgeräte Integration mobiler Endgeräte: Steuerung Die Umsetzung beim Kunden...

14 Mobile Endgeräte Integration mobiler Endgeräte: Überwachung Ablösung kostenintensiver Touch-Panels beim Endkunden (Reduktion um 80%) Arbeitserleichterung bei Einrichtung und Wartung der Anlage Zzgl. zu OPC / OPC UA auch MQTT Open Source MQTT Broker HiveMQ Open Source MQTT Client eclipse Paho

15 Mobile Endgeräte Integration mobiler Endgeräte: Steuerung & Überwachung (LeanVISU) Siematic S7 MQTT OPC Integrationsbus Factory Publication Pattern (IBM)

16 Mobile Endgeräte Integration mobiler Endgeräte: Quick-Info Nach Steuerung und Überwachung weitere ad-hoc Informationen zu aktuellem Maschinenzustand (grafisch visualisiert) Technische Dokumentation Erweiterung des Integrationsframeworks um Datei- Schnittstellen (Java NIO2), Web Services (REST / SOAP), JMS, RMI, MQTT, OPC, Daten-Konvertierung (JSON/XML), Speicherung (relational, Big Data) Push-Notification zu Web-Clients Flexible Konfiguration mittels Spring DI Alternativen wie ESB oder Apache Camel wurden in Betracht gezogen

17 Mobile Endgeräte Integration mobiler Endgeräte: Überwachung (Quick Info) und technische Information Siematic S7 MQTT OPC Integrationsbus

18 Szenario II Speicherung und Auswertung von Sensordaten

19 Warum? Auswertung der Daten hinsichtlich: MES KPIs wie im VDMA Einheitsblatt beschrieben: Verfügbarkeit, Effektivität Produktqualität insbes. in Verbindung mit Tracking & Tracing (Predictive) Maintenance: Überwachung der Maschinenzustände und belastungsabhängiger Wartungsintervalle Verarbeitung komplexer Ereignisse Mustererkennung in den Daten zwecks Voraussage von Störungen und Defekten (aber: die Programmierung der Daten zu mathematischen Modellen ist harte Arbeit)

20 Das Problem Time Series Data und relationale Datenbanken passen nicht (gut) zusammen: Datenmenge und Geschwindigkeit des Auftretens sind enorm groß / schnell Datenhaltung ist ggf. verteilt Datenmodell ist extrem simpel, keine Notwendigkeit für referentielle Integrität, Relationen usw. Sensor ID Zeitstempel Wert 100 ms 'Taktung': 1 min 'Taktung': 1h 'Taktung': Zeitstempel Wert Werte pro Monat Werte pro Monat 740 Werte pro Monat

21 Data Acquisition Speicherung von Sensordaten Cassandra is really good for time-series data because you can write one column for each period in your series and then query across a range of time using sub-string matching. This is best done using columns for each period rather than rows, as you get huge IO efficiency wins from loading only a single row per query. Siematic S7 MQTT OPC Amazon EC2 Integrationsbus lokal MyDrive Telemetry (15 billion records on average) LAN Cloud

22 Sind die Daten einmal gespeichert... will man sie auch verarbeiten (s.o.) Ohne relationale Datenbank auch kein SQL, Apache Cassandra bietet SQL-like CQL Daten sind ggf. verteilt Performance, Performance, Performance aktueller Schwerpunkt / ongoing work

23 Data Acquisition Auswertung von Sensordaten: Qualität und Trends MQTT OPC Integrationsbus Amazon EC2 Cloud Lokal LAN

24 Sind die Daten einmal gespeichert... will man sie auch verarbeiten (s.o.) Complex Event Processing und Event-driven Architecture Daten werden zum Zeitpunkt ihres Entstehens und nicht nach ihrer Speicherung verarbeitet Das System reagiert (asynchron) auf Ereignisse

25 Master Thesis: Industry 4.0, CEP and Big Data Joint Master Thesis in the field of Complex Event Processing and Big Data Storages in production lines within the automotive industries The master thesis of Steffen Templin was done in collaboration of Dürr Systems, University of Siegen and Brockhaus Group. Real-time analysis of complex events from several streams / sensors in production processes Storing large amounts of sensor data in NoSQL datastores Prototypical implementation using OpenSource technologies (WSO2 CEP / ESB, MongoDB) Consulting/ Development Training / Coaching Research / Academia 25

26 Szenario III Verfolgung von Produktionsaufträgen im Produktionsprozess

27 Sind die Daten einmal gespeichert... will man sie auch verarbeiten (s.o.), dazu gehört auch: Produkt- / Auftragsbezug der Sensordaten zwecks: Qualitätsüberwachung, Nachkalkulation, Tracking & Tracing der Produktionsaufträge Hardware: NFC mit Raspberry Pi (50 EUR/St.) oder Mobile mit NFC Reader/Writer (Python ( Java) MQTT) bislang Prototyp

28 Tracking und Tracing Überwachung des Produktstatus mittels NFC Siematic S7 MES Detailed Scheduling Resource Management Tracking Dispatching Definition Management Execution Integrationsbus Analysis Data Collection

29 Resümee

30 Resümee Zusammengefasst: Software-Technologien sind alle vorhanden und einsatzfähig Eintrittsschwelle ist (eigentlich) gering

31 Resümee Die subjektive Wahrnehmung: Thema ist von großen allgemeinem Interesse, jeder sortiert sich Maschinenbau in seiner Breite i.d. Umsetzung eher zögerlich, einige Vorreiter existieren Mindshift oftmals auf Managementebene nicht erfolgt (1% mehr Effizienz ist besser als 30% mehr Serviceumsatz) Kleine Unternehmen oder Branchenriesen (SAP, Siemens, T-Systems, ) der ITK Industrie dominieren die SW-Seite, der Mittelstand zögert häufig noch. Die Software wird fortan einen immer größeren Teil der Wertschöpfung vereinnahmen und Kundengelder abgreifen auf diesem Terrain haben hiesige Maschinenverehrer bislang wenig vorzuweisen. Wenn Geld ausgegeben wird, dann häufig für die falschen Dinge. Rund 650 Millionen Euro wollen die wichtigsten zwölf Branchen der deutschen Wirtschaft im kommenden Jahr in 4.0-IT investieren, davon allerdings nur 80 Millionen in die Produktion von Software - Voraussetzung für ein Überleben in der neuen Industrieära. --- Manager Magazin

32 Referenzprojekte

33 Windmill Park Analyzing current sensor values for modeling and predictive maintenance 1. CLUSTERING, e.x. based on wind turbine performance 3. ANOMALY PREDICTION AND DETECTION 2. MODELLING e.g. temperature Temperature modeling and prediction based on SCADA dataset, under normal operating conditions. e.g. Generator/Gearbox: bearings temperature Client: INGETEAM Groups of wind turbines with similar performance Wind farm anomaly detection based on those temperatures related to the failure: e.g: bearing temperature monitoring Too high % of deviation on temperature X regarding baseline (the farm, the model). Dangerous for the Generator performance.

34 Machine tool Motorize internal signal (like electric consumption) for predict fails in heads and lineal guides.

35 MES System for Automotive Supplier Architectural lead on ISA 95 compliant MES System realized with Java EE The existing solution came to an end in terms of maintainability and technologies. The customer asked for a modern solution catering all needs. Training internal teams Defining the a new architecture Implementation lead Staffing of development teams Implemented for: Honda / Ohio Volkswagen / Wolfsburg Ford / China, Thailand, Turkey and India Consulting/ Development Training / Coaching Research / Academia 35

36 MES System for Film-stretching industry Architectural lead on ISA 95 compliant MES System realized with Java EE and Big Data The existing solution was build by different vendors and not according to modern requirements. The new solution should be re-build based upon standards like ISA 95 and latest technologies. Training of internal teams Defining the a new architecture Implementation lead of distributed teams in Germany and Romania Staffing of development teams Consulting/ Development Training / Coaching Research / Academia 36

37 Software Architecture: Review Architectural review of the application related to planning the production of the powertrain components of a car manufacturer in Germany The existing solution was older than 16 years, maintenance and improvement were almost impossible due to technical debts. Evaluating the existing architecture Identification of problematic hot spots Defining an optimization strategy Developing the new reference architecture Consulting/ Development Training / Coaching Research / Academia 37

38 econvey: Operating and supervising conveyors Implementing a new, mobile solution for operating and supervising conveyors in the automotive sector (mass production) The existing solution was operated by 250+ touch screens, the mobile solution was developed to replace several of these. Based upon direct OPC interaction the solution allows: to operate the conveyors (< 5 ms latency), to localize the operator (Bluetooth LE), to vizualize the current state of the conveyor(s) by means of a VISU to retrieve additional information by QR-Codes Consulting/ Development Training / Coaching Research / Academia 38

39 Master Thesis: Industry 4.0, CEP and Big Data Joint Master Thesis in the field of Complex Event Processing and Big Data Storages in production lines within the automotive industries The master thesis of Steffen Templin was done in collaboration of Dürr Systems, University of Siegen and Brockhaus Group. Real-time analysis of complex events from several streams / sensors in production processes Storing large amounts of sensor data in NoSQL datastores Prototypical implementation using OpenSource technologies (WSO2 CEP / ESB, MongoDB) Consulting/ Development Training / Coaching Research / Academia 39

40 Contact information: Brockhaus Consulting GmbH Gustav Stresemann Ring 1 D Wiesbaden Germany Fon: Fax: Web: Mail: office@brockhaus-gruppe.de 40