InterSystems IRIS macht’s möglich: Mit Maschinen von heute ins IIoT der Zukunft

Die Interoperabilitätsfunktionalitäten der Datenplattform InterSystems IRIS ermöglichen kosteneffizientes Datenmanagement auch in Brownfield-Netzwerken

Alles, bloß kein Stillstand: verlässliche und funktionierende Maschinen bilden in der Industrie eine unverzichtbare Voraussetzung für operativen Geschäftsbetrieb und Wertschöpfung. Um dies dauerhaft sicherzustellen, nutzen immer mehr Betriebe, Maschinenhersteller und Anbieter von Wartungsdienstleistungen die Möglichkeiten von Edge Computing und Industrial Internet of Things (IIoT). Durch das kontinuierliche Sammeln und Auswerten von Maschinendaten können Fragen beantwortet werden wie: Welche Rückschlüsse lässt die Betriebstemperatur auf die Abnutzung bestimmter Komponenten zu? Wann empfiehlt sich der Austausch von Verschleißteilen?

Die Erfahrung aus der Praxis lehrt allerdings: Oft scheidet eine unmittelbare Datenübertragung von der Maschine an zentrale Datenspeicher oder Server aus – sei es wegen eines Funklochs oder wegen zu langsamer Anbindungsmöglichkeiten. In diesem Kontext schafft Edge Computing die Grundlage, um Daten in leistungsstarken und unabhängigen kleinen Rechenwerken – den Edge Devices – direkt dort zu verarbeiten, wo sie entstehen. Die Kleinstrechner können wichtige von unwichtigen Daten unmittelbar trennen und übermitteln nur wirklich relevante Daten an das Backend.

Bestehenden Maschinenpark zukunftsfähig machen

Vor einer besonders großen Herausforderung steht man immer dann, wenn auch Betriebsdaten älterer Maschinen, die nicht per se IIoT-fähig sind, gesammelt und verarbeitet werden sollen. Für die meisten Produktionsbetriebe dürfte solch ein historisch gewachsener Maschinenpark, ein sogenanntes Brownfield, der Normalfall sein. Wenn überhaupt, dann sind Maschinen im Brownfield oft mit hersteller- oder sogar maschinenspezifischen Schnittstellen ausgestattet, die ihre Daten über unterschiedliche, teilweise exotische Protokolle zur Verfügung stellen. Zudem statten viele Hersteller die Sensoren ihrer Maschinen mit einem jeweils eigenen, proprietären Verschlüsselungsmechanismus aus, um unbefugte Zugriffe zu verhindern. Welche Optionen gibt es also, um Daten aus den Sensoren in älteren Maschinen im IIoT verwerten zu können?

Edge Computing muss polyglott sein

Hier ist Interoperabilität gefragt, damit ein Edge Device und eine Maschine überhaupt dieselbe (Protokoll-)Sprache sprechen und die Daten nutzbar gemacht werden können. Dazu braucht es eine ausgefeilte Interoperabilitätsarchitektur, um die von Hardware-Experten erstellten Adapter zu verbinden und den Datenfluss zu orchestrieren. Mit anderen Worten: Edge Computing muss polyglott sein, d.h. möglichst viele Protokolle unterstützen. Disruptive Lösungsanbieter arbeiten hier auf einer hardwarenahen Programmierebene, um die Daten auslesen zu können und anschließend an eine moderne, Edge Computing-fähige Datenmanagementlösung wie InterSystems IRIS zu übergeben. Gerade unter den Bedingungen herstellerabhängiger Verschlüsselung von Sensoren lässt sich erst so eine ganzheitliche IIoT-Strategie implementieren und umsetzen.

Verbindungen zwischen den einzelnen Edge Devices ermöglichen nicht nur die Sammlung von Daten, sondern bilden die Voraussetzung für die autonome Reaktionsfähigkeit im IIoT. Wenn etwa Maschine A in der Produktionsstraße einen Defekt aufweist, kann via Edge Computing automatisch Maschine B deaktiviert werden, die eigentlich vom Input von Maschine A abhängig ist. Angesichts der weiterhin stark anwachsenden Datenflut, die durch den schnellen 5G-Standard nochmals verstärkt werden wird, ist eine in hohem Maße skalierbare Datenplattform wie InterSystems IRIS die unabdingbare Voraussetzung für erfolgreiche IIoT-Projekte.

Top-Performance in puncto Safety und Usability

Als Datenplattform orchestriert IRIS die Datenströme dort, wo sie entstehen, und zieht zudem zusätzliche Sicherheitsbarrieren ein, um einen unbefugten Zugriff Dritter zu verhindern.

Hinzu kommt die Fähigkeit von InterSystems IRIS, große Datenmengen aus unterschiedlichen Quellen bereits im Edge Device verlustfrei zu integrieren – die optimale Basis für die Verknüpfung und zweckmäßige Analyse vielfältiger Informationen, die von den Sensoren erhoben werden. Nur durch die Sammlung der verschiedenen Daten von unterschiedliche Geräten wird die Voraussetzung für aussagekräftige Analysen und konkrete Einsatzszenarien wie etwa Predictive Maintenance gelegt. Darüber hinaus bietet InterSystems IRIS breite Unterstützung für das Machine Learning, sodass Unternehmen direkt im Edge Device intelligente KI-Lösungen einbetten können. Fazit: Die Zukunft von Trendthemen wie Predictive Maintenance oder Machine Learning liegt im effizienten Zusammenspiel von Edge Computing, IIoT und Datenmanagement.

Aleksandar Kovačević

Aleksandar Kovačević ist ein Machine Learning Enthusiast, der die versteckten Superkräfte von Daten zum Vorschein bringt.

Als Sales Engineer bei InterSystems ist er mit der Aufgabe betraut, Kunden und Interessenten darüber zu informieren, was InterSystems Produkte so besonders macht. Hierbei kann er auf seine weitreichende technische Expertise zurückgreifen, die unter anderem umfassende Kenntnisse in Elektroingenieurwesen und Kommunikationstechnik sowie Software-Entwicklung und Big Data Analysen beinhaltet. Diese Fähigkeiten gründen auf zwölf Jahren Erfahrung als Wissenschaftler, Entwickler und Berater, wobei er sich in jüngerer Zeit vornehmlich mit dem Themenbereich Machine Learning auseinandergesetzt hat. Seinen überwiegend aus dem Finanzdienstleistungssektor stammenden Kunden konnte er dadurch helfen, das volle Potenzial von Machine Learning für die Optimierung von alltäglichen Geschäftsprozessen auszuschöpfen.

Kommentar verfassen

*