Modellbasierte Kopplung für Industrie 4.0 und smart data in der Produktion

Transkript

1 Keynote IT2Industry Conference electronica 2014 Modellbasierte Kopplung für Industrie 4.0 und smart data in der Produktion Internet Univ.-Prof. Dr.-Ing. Birgit Vogel-Heuser Ordinaria Lehrstuhl für Automatisierung und Informationssysteme (AIS) Fakultät für Maschinenwesen, Technische Universität München

2 Motivation Ausgangssituation Steigende Flexibilität in der Produktion Steigende vertikale und horizontale Vernetzung Weltweit und jederzeit verfügbare Daten Hohe Anzahl involvierter Domänen (Produktplanung, Analyse, Simulation, Planet Asset Management u.v.m.) Modellbasierte Ansätze innerhalb der einzelnen Domänen Fülle von verstreuten Modellinformationen Integration der verstreuten Informationen und Daten innerhalb unterschiedlicher Modelle zu nutzbringenden Informationen auf Basis von Wissen und Erfahrung Aggregation und Auswertung von Modellinformationen Verbesserte anlagenübergreifende Diagnose Verbesserte Prozessvisualisierung (Unterstützung des Operators) process data process intervention A+ point for optimization real value estimated value real value after optimization estimated value after optimization t Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 2

3 Gliederung Modellbasierte Kopplung für Industrie 4.0 und smart data in der Produktion 1. Wie werden big Data zu smart data? 2. Modellbasierte Kopplung von IT-Systemen 3. Auswertung und Visualisierung von Modellinformationen Internet Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 3

4 Anwendungsfall Prozessindustrie Große verfahrenstechnische Anlagen mit kontinuierlichen voneinander abhängigen Prozessen Teils Geräte in einer Anlage Messintervall häufig < 10ms Weltweit mehrere Anlagen eines Betreibers Große Komplexität der Prozesse Unterschiedliche Datenquellen mit proprietären Schnittstellen Über 100 IT-Systeme (an einem Standort) Heterogene Daten Unterschiedliche Archivierungsdauer, Speicherorte, Einheiten der Messwerte => Informationsgewinnung schwierig sinnvolle Aussagen nur durch zusätzlich Verknüpfung mit anlagen- / prozessspezifischem Wissen möglich Status Quo: Datenauswertung findet manuell (Excel) statt. Anwendungspotenzial alle Anlagen der Prozessindustrie (50% BIP, 2008) Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 4

5 Smart Data zur Steigerung der Overall Equipment Effectiveness (OEE) AIS Detailliertes Prozess- und Anlagenwissen bündeln Datenlogistik: Sichere Bereitstellung Sicherer Transport Sichere Lagerung Datenaggregation und -analyse Aggregation der anlagen- und prozessspezifischen Daten mit historischen Daten Nutzbarmachung von vorhandenem Know-How für den Informationsgewinn Erkennung unbekannter Zusammenhänge in Daten Implizites Wissen explizit machen Integration der Feldgerätehersteller (Messtechnik und Armaturen) zur Vergrößerung der Datenbasis und zur Verbesserung der Feldgeräte Datennutzen Unternehmensweite Anwendung der Analyseergebnisse in Anlagenfamilien Unternehmensübergreifende Erkenntnisse bereitstellen Unterstützung des Betriebspersonals in Engineering, Prozessführung, Wartung- und Instandhaltung Auswertung beim Hersteller Aufbereitung der Daten für Betreiber; Beispiel Pumpe (Z- Richtung verschiedene Pumpen) Smart Data Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 5

6 Ansatz: Modellbasierte Kopplung der Domänen am Beispiel eines Bestückungsautomaten AIS Entkoppelte domänenspezifische Modellinformationen und Daten Aggregation von Modellinformationen zu Big Data Anlage A Anlage B Big Data Big Data Reengineering des Bestückungsautomaten Quellen: Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 6

7 Gliederung Modellbasierte Kopplung für Industrie 4.0 und smart data in der Produktion 1. Wie werden big Data zu smart data? 2. Modellbasierte Kopplung von IT-Systemen 3. Auswertung und Visualisierung von Modellinformationen Internet Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 7

8 Modellbasierte Datenkopplung über Datenbackbone Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 8

9 Con. Con. Con. Con. Serviceorientierten Architekturen und Agenten Diagnosedienst Bsp: Plausibilitätprüfung Temperatur Historie? PAM:D3.1 (gethistorie) 1 2 Temperatur aktuell? 3 4 PLS:D1.2 (gettemperatur) Diagnose PLS 5 S1 S2? == 5 PLS:D2.1 (calctemperatur) T = (S 1 + S 2 ) / Dienste Terminal? 2 D3.1 PAM? ERP, SAP? MES? Visu Terminal D1.1 D D2.1 D2.2 D1.3 D1.4 Container (Con.): z.b. XML, OPC UA, PLS Quelle (in Anlehnung): F. Mayer, D. Pantförder, C. Diedrich, B. Vogel-Heuser: Deutschlandweiter I4.0-Demonstrator Technisches Konzept und Implementierung Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 9

10 , IFAK, AIS IFAT, IAS Multi-Agenten basierte Architektur CPPS Compound (Multi-Agent System) CPPS Cloud (Infrastructure) CPPS Agent Management System Agent A: Adresse A Agent B: Adresse B CPPS Message Transport System Agent A, Message A Agent 3, Message D CPPS Directory Facilitator Agent A: Cap1, Cap2 Agent B: Cap2, Cap3 Customer Agent Coordination Agent PLC Interface JULE Interface JADE Interface C MAS ITF CommAgent SysAgent ProcAgent A CPPS ITF PLC ITF MTS AMS DF MES Agent CPPS ITF MTS AMS DF Plant Agent B Plant Agent Module Agent 1 Module Agent n Device Agent CPS E (C) Smart Device CPPS A (PLC) CPS B (C#) CPPS C (JADE) CPPS D (C) Prod. System A Service Provider Prod. System C Prod. System D Demonstrator A Demonstrator B Demonstrator C Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 10

11 Gliederung Modellbasierte Kopplung für Industrie 4.0 und smart data in der Produktion 1. Wie werden big Data zu smart data? 2. Modellbasierte Kopplung von IT-Systemen Internet 3. Auswertung und Visualisierung von Modellinformationen Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 11

12 Darstellungskonzepte zur Informationsvisualisierung Hyperbolic Tree View (Logische Sicht) Strukturelle Sicht Geografische Sicht 3D Sicht 2D 3D Sichtwechsel Mehr Informationsdarstellungsmöglichkeiten durch dritte Dimension Anforderungsrelevante Informationsauswahl Kausale Fehlergruppierung Entwicklung parametrierbarer Bibliotheksobjekte (3D-Pattern) Quelle: Pantförder, D., Vogel-Heuser, B.: Nutzen von 3D-Pattern in der Prozessführung am Beispiel geeigneter Anwendungsfälle. In: Automatisierungstechnische Praxis (atp), Oldenbourg-Verlag, München, 2006, Jahrgang 48, Heft 11, S Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 12

13 Informationsaggregation für den Menschen Touch-Interaktionsgestützte Gestensteuerung auf mobilen Endgeräten Augmented Reality zur Unterstützung bei Wartung, Optimierung und Instandhaltung von industriellen Anlagen Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 13

14 Zusammenfassung und Ausblick Datensammlung über Stakeholder und Datenbanken hinweg (Engineering, Produktion, Qualitätssicherung) Achtung: Stolperfallen wie zeitrichtige Zuordnung der Daten vom Prozess Analyse und Aggregation zu smart data mittels vorhandenen Techniken aus der Informatik und Computational Intelligence MDE unterstützt systematische Vorgehensweise und wartbare Datenkopplung Nur wenn Produktion und IT Daten teilen, kann Synergie erreicht werden. Kontakt: Birgit Vogel-Heuser Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 14

15 Referenzen Feldmann, S.; Loskyll, M.; Rösch, S.; Schlick, J.; Zühlke, D.; Vogel-Heuser, B.: Increasing Agility in Engineering and Runtime of Automated Manufacturing Systems. In: IEEE International Conference on Industrial Technology (ICIT), Kapstadt, Südafrika, Schütz, D.; Wannagat, A.; Legat, C.; Vogel-Heuser, B..: Development of PLC-based software for increasing the dependability of production automation systems. IEEE Transactions on Industrial Informatics, 2013, no. 9, pp Legat, C.; Vogel-Heuser, B.: A Multi-agent Architecture for Compensating Unforeseen Failures on Field Control Level. In: International Workshop on Service Orientation in Holonic and Multi-Agent Manufacturing and Robotics (SOHOMA), Valenciennes, Frankreich, Li, F.; Bayrak, G.; Kernschmidt, K.; Vogel-Heuser, B.: Specification of the Requirements to Support Information Technology-Cycles in the Machine and Plant Manufacturing Industry. In: 14th IFAC Symposium on Information Control Problems in Manufacturing (INCOM), Bukarest, Rumänien, Ulewicz, S.; Schütz, D.; Vogel-Heuser, B.: Design, Implementation and Evaluation of a Hybrid Approach for Software Agents in Automation. In: 17th IEEE Conference on Emerging Technologies and Factory Automation (ETFA), 2012, Krakau, Polen. Vogel-Heuser, B.; Bayrak, G.; Frank, U.: Forschungsfragen in Produktautomatisierung der Zukunft, acatech MATERIALIEN Vogel-Heuser, B., Folmer, J., Legat, C.: Anforderungen an die Softwareevolution in der Automatisierung des Maschinen- und Anlagenbaus, angenommener Beitrag, at Automatisierungstechnik, 2013 Vogel-Heuser, B.; Schütz, D.; Frank, T.; Legat, C.: Model-driven Engineering of Manufacturing Automation Software Projects - A SysML-based Approach. Mechatronics, 2014, DOI: /j.mechatronics Vogel-Heuser, B.; Diedrich, C.; Pantförder, D.; Göhner, P.: Coupling heterogeneous production systems by a multi-agent based cyber-physical production system. IEEE International Conference on Industrial Informatics (INDIN), 2014 Pantförder, D.; Mayer, F.; Diedrich, C.; Göhner, P.; Weyrich, M.; Vogel-Heuser, B.: Agentenbasierte dynamische Rekonfiguration von vernetzten intelligenten Produktionsanlagen Evolution statt Revolution. In T. Bauernhansl, M. ten Hompel, & B. Vogel-Heuser (Eds.), Industrie 4.0 in Produktion, Automatisierung und Logistik (pp ). Springer Fachmedien Wiesbaden Univ.-Prof. Dr.-Ing. B. Vogel-Heuser 15