Cloud Mall BW - Transferdokumentation "EASI: Cloud-basierte Echtzeitdaten-Analyse durch
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 1
Simulation und Iteration“
Cloud Mall Baden-Württemberg
TRANSFERDOKUMENTATION FÜR DEN PRAXISPILOTEN
„EASI: CLOUD-BASIERTE ECHTZEITDATEN-ANALYSE DURCH
SIMULATION UND ITERATION“
Eine Konzeption zur Integration einer Simulationsumgebung mit Virtual Fort Knox
Öffentliche Version vom 27. April 2021
Beteiligte Partner
Virtual Fort Knox AG (VFK AG)
Lexer Research GmbH/Lexer Research Inc.
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA (Fraunhofer IPA)
Autoren
Andreas Schlereth (Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA)
Jörg Junge (VFK AG)
Dr. Mahito Ando (Lexer Research GmbH)
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 2
Simulation und Iteration“
Inhalt
1 Management Summary ................................................................................................................... 4
2 Einführung ....................................................................................................................................... 5
2.1 Ausgangssituation und Motivation ......................................................................................... 5
2.2 Ziele und Nutzen der Zielgruppen ........................................................................................... 5
3 Projektrahmen................................................................................................................................. 7
3.1 Konsortium und Rollen ............................................................................................................ 7
3.2 Notwendige Ressourcen sowie Kompetenzen ........................................................................ 8
4 Inhaltliches ...................................................................................................................................... 9
4.1 Anforderungen ........................................................................................................................ 9
4.2 Konzept .................................................................................................................................... 9
4.3 Cloud-Architektur .................................................................................................................. 10
4.3.1 Manufacturing Service Bus (MSB) ................................................................................. 11
4.3.2 GDfindi-Server ............................................................................................................... 12
4.3.3 InfluxDB ......................................................................................................................... 13
4.3.4 Grafana .......................................................................................................................... 13
4.3.5 Simulation Controller .................................................................................................... 14
4.3.6 Szenarien ....................................................................................................................... 14
4.4 Herausforderungen bei der Umsetzung ................................................................................ 14
4.5 Prototypen und (Teil-)Lösungen ............................................................................................ 14
5 Integration und Kooperation zwischen den beteiligten Unternehmen ........................................ 17
5.1 Organisatorisches .................................................................................................................. 17
5.2 Technisches ........................................................................................................................... 17
5.3 Strategisches ......................................................................................................................... 17
5.4 Rechtliches ............................................................................................................................ 18
6 Resümee ........................................................................................................................................ 19
6.1 Rolle der Cloud ...................................................................................................................... 19
6.2 Lessons Learned .................................................................................................................... 19
6.3 Ausblick.................................................................................................................................. 19
7 CMBW-Projektdarstellung............................................................................................................. 21
8 Kontakt .......................................................................................................................................... 22
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 3
Simulation und Iteration“
1 Management Summary
Die Simulation definiert sich neu im Kontext der Industrie 4.0. Die auf Programmierung beruhende
Simulation hat ihre Grenzen, weil die Handschrift des Programmierers unausweichlich ist. LEXER, der
Entwickler von GDfindi, ist der Vorreiter der neuen Generation der Simulation, welche die heute ver-
fügbaren Ressourcen des Computers nutzt, um Voraussetzungen für das Projekt bereitzustellen. Dazu
benötigt man eine völlig neue Architektur. Die Architektur anderer Simulationen ist ca. 30 Jahre alt
und reflektiert den Stand der Technik von damals und ist nicht ausgerichtet, die heute zur Verfügung
stehenden Computer-Ressourcen für moderne Anforderungen zu nutzen.
Eine moderne Simulation wie GDfindi erstellt ein Modell aufgrund des Datenmodells und zugehörigen
Frameworks. Selbst bei einer manuellen Modellierung unterstützen die Automatismen im Hintergrund
soweit, dass das erstellte Modell eine standardisierte Struktur hat und keine Handschrift des Model-
lierers trägt. Die von Automatismen standardisierte Modellierung ermöglicht die Automatisierung der
Modellierung und automatische Verarbeitung der Simulationsergebnisse. Die Automatisierung redu-
ziert die Kosten der Simulation derart, dass die Anwendung der Simulation für kleine und mittlere pro-
duzierende Betriebe wirtschaftlich attraktiv ist.
Das Projekt zielt auf die Schließung des digitalen PDCA-Zyklus 1 mit der Echtzeitdatenerfassung auf der
Cloud mit der Virtual Fort Knox -Technologie und Cloud-basierten Simulation GDfindi. Virtual Fort Knox
bietet die Datenerfassung über die integrierte Middleware Manufacturing Service Bus (MSB) an – ei-
nen entwickelten Service (Simulation Controller) technisch gelöst über die Virtual Fort Knox Cloud.
Dabei wird eine Integration des MSB und der Simulation GDfindi über die Virtual Fort Knox-Plattform
durchgeführt. Dazu werden die Daten einer am Fraunhofer IPA aufgebauten Festo-Anlage erfasst und
mit den Simulationsdaten aus GDfindi über den Simulation Controller miteinander verglichen, um da-
raus Rückschlüsse über eine Abweichung der Realdaten gegenüber der Simulation geben zu können.
1Der PDCA-Zyklus beschreibt den vierstufigen Regelkreis des kontinuierlichen Verbesserungsprozesses: Plan, Do, Check,
Act.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 4
Simulation und Iteration“
2 Einführung
Praxispiloten innerhalb des Förderprojekts Cloud Mall Baden-Württemberg (Cloud Mall BW) sind
kleine Projekte zwischen mehreren Unternehmen und Cloud Mall BW Projektpartnern, die zusammen
Cloud-Services entwickeln und somit ein gemeinsames Ziel verfolgen.
EASI („Cloudbasierte Echtzeitdaten-Analyse durch Simulation und Iteration“) ist einer der Praxispiloten
aus dem Bereich Produktion und wurde im Rahmen des Förderprojekts Cloud Mall BW (siehe auch
Kapitel 7) durchgeführt. Die folgenden Abschnitte erläutern die Ausgangssituation und Ziele des Pilo-
tenprojekts.
2.1 Ausgangssituation und Motivation
Die Echtzeitdaten und die Simulation können einen PDCA-Zyklus der Produktion digital schließen. Da-
raus ergeben sich Vorteile für die Produktion, die heute außerhalb des Vorstellungsvermögens der
Produktion liegen.
Differenzen des Soll-/Ist-Vergleichs liefern wertvolle Erkenntnisse. Differenzen bedeuten:
Die Kenntnis über die Produktion ist noch unvollständig.
Potenzielle Fehler bei einer Abweichung der Ist-Werte von den Soll-Werten sind vorhanden.
Die Echtzeitdaten gleichen das Manko der Ausgabe der ERP-Daten aus, die derzeit nur mit ei-
ner großen Latenzzeit möglich ist. Zum Beispiel können die Echtzeitdaten einen ungeplanten
Stillstand ohne Verzögerung melden, so dass die Anpassung des Produktionsplans mit kleinster
Latenzzeit erstellt werden kann.
Ein regelmäßiger Abgleich der Soll-/Ist-Daten und der Simulation der Produktion mit den abweichen-
den Ist-Daten ermöglicht eine Prognose, wie groß die Abweichung der Produktion am Ende des Tages
sein wird. Dies ermöglicht dem Produktionsleiter vorausschauende Korrekturmaßnahmen einzuleiten,
die wirtschaftlicher sind, weil die Abweichung noch verschwindend klein ist.
Es muss ein optimierter technischer Weg gefunden werden, die richtigen Daten aus dem digitalen Zwil-
ling an das Simulationssystem zu übergeben.
2.2 Ziele und Nutzen der Zielgruppen
Das primäre Ziel des Praxispiloten ist es, geeignete aus den Maschinen ausgelesene Realdaten und das
Simulationsergebnis von GDfindi (siehe auch Abschnitt 4.3.2) über eine Schnittstelle (siehe auch Ab-
schnitt 4.3.1) an einen Simulation Controller (siehe auch Abschnitt 4.3.5) weiterzugeben, so dass die
Daten von einer virtuellen Maschine ausgewertet werden.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 5
Simulation und Iteration“Die EASI-Lösung richtet sich in erster Linie an kleine und mittlere produzierende Betriebe, welche die
Möglichkeit haben eine Cloud-Umgebung einzurichten und die Anlagen adäquat zu vernetzen. Gene-
rell ergeben sich hiermit die folgenden Vorteile:
Lernende Produktion: Was kann man aus den Soll-/Ist-Differenzen lernen?
Vorausschauende Produktion: Was bedeutet die anbahnende Soll-/Ist-Differenz für die ge-
plante Tagesproduktion? Gibt es einen Handlungsbedarf?
Adaptive Echtzeitreaktion auf ein ungeplantes Ereignis: Optimierte Produktionsplanung unter
Berücksichtigung des ungeplanten Stillstandes einer Station.
Anhand der Ergebnisse der Simulation kann der Produktionsleiter die vorausschauenden Kor-
rekturmaßnahmen einleiten.
Auf Seiten der VFK AG und der Lexer Research GmbH ergeben sich durch EASI die folgenden Mehr-
werte:
VFK AG:
Entwicklung einer standardisierten Datenerhebung.
Pilot der Weiterleitung von Maschinendaten an einen Mehrwertdienst.
Lexer Research GmbH:
Vergleich der Realdaten mit dem Ergebnis der Simulation erweitert Leistungsangebote der Si-
mulation.
Durch die Nutzung der standardisierten Interfaces (realisiert durch den MSB (siehe Details in
Abschnitt 4.3.1) können Mehrwerte der Simulation der Dienstleistungssoftware einer dritten
Partei zur Verfügung gestellt werden.
Anbindung an den MSB erweitert den Beitrag von GDfindi am Thema Industrie 4.0.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 6
Simulation und Iteration“3 Projektrahmen
3.1 Konsortium und Rollen
Das Konsortium setzt sich im Wesentlichen aus der Virtual Fort Knox AG, der Lexer Research GmbH
und dem Fraunhofer IPA zusammen.
Die Virtual Fort Knox AG (VFK AG, 2020) ist ein Spin-off der Fraunhofer Gesellschaft e.V. und hat die
Aufgabe die Virtual Fort Knox-Technologie zu vermarkten und weiterzuentwickeln. Die Virtual Fort
Knox-Technologie hat ihren Schwerpunkt in der sicheren Verknüpfung unterschiedlicher Datenquellen
(u. a. Sensoren, Maschinen, Roboter) und IT-Systeme (u. a. Datenbanken, ERP, MES, Q, Logistik, KI,
Analytics, Apps, Simulationen) und wurde in mehr als 20 geförderten Projekten der Fraunhofer-Gesell-
schaft entwickelt und praxisnah eingesetzt. Die Virtual Fort Knox-Basistechnologie wird zukünftig in
einer Community Open Source Variante bereitgestellt und bietet damit für jeden die Möglichkeit an
der Weiterentwicklung zu partizipieren. Mit der Fraunhofer Gesellschaft als Ursprung und Investor
werden technische Innovationen und Stabilität für die Kunden gesichert.
Seit ihrer Gründung im Jahr 1993 hat sich Lexer Research Inc. der Bereitstellung von virtuellen Produk-
ten und Dienstleistungen verschrieben. Die Lexer Research GmbH ist dabei eine Ausgründung von Le-
xer Research Inc. im deutschen Raum mit Sitz in Baden-Baden. Die gemeinsame Vision ist die Erweite-
rung der Kreativität der Menschen durch virtuelle Werkzeuge in der produzierenden Industrie. Die
letzte große Innovation ist die Entwicklung eines Datenmodells der Produktion, das Produktionspro-
zesse beschreibt. Daraus wurde die Simulationssoftware GDfindi abgeleitet, die eine interaktive pro-
grammierungsfreie Modellierung der Produktion über eine grafische Oberfläche ermöglicht. Die inter-
nen Automatismen bestimmen, wie die Produktion als ein Simulationsmodell abgebildet wird. Das
Simulationsmodell von GDfindi trägt keine Handschrift des Modellierers, so dass es von jedem Model-
lierer modifiziert werden kann und ermöglicht die Automatisierung der Modellierung. GDfindi ist eine
Cloud-basierte Software nach dem Software-as-a-Service (SaaS)-Modell und kann über eine geeignete
Schnittstelle mit Cloud-basierten Softwarelösungen Dritter kommunizieren und Simulationsdienste
anbieten. Da über 90% der Kosten der Simulation in die Aufwände der Modellierung fließen, macht die
Automatisierung eine radikale Senkung der Kosten der Simulation und den Zugang zur Simulation auch
für mittelständische Betriebe möglich.
Das Fraunhofer IPA – eines der größten Institute der Fraunhofer- Gesellschaft – wurde 1959 gegründet
und beschäftigt annähernd 1000 Mitarbeiterinnen und Mitarbeiter. Zu den Leit- und Zukunftsthemen
gehören Batterieproduktion, Biointelligente Wertschöpfung, Digitale Transformation, Frugale Produk-
tionssysteme, Künstliche Intelligenz für die Produktion sowie Resiliente Wertschöpfung. Organisatori-
sche und technologische Aufgabenstellungen aus der Produktion machen die Forschungs- und Ent-
wicklungsschwerpunkte des Fraunhofer IPA aus. Methoden, Komponenten und Geräte bis hin zu
kompletten Maschinen und Anlagen werden vom Fraunhofer IPA entwickelt, erprobt und exempla-
risch eingesetzt. Die 15 Fachabteilungen des Fraunhofer IPA decken den gesamten Bereich der Pro-
duktionstechnik ab. Sie werden koordiniert durch sechs Geschäftsfelder und arbeiten interdisziplinär
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 7
Simulation und Iteration“mit Industrieunternehmen der Branchen Automotive, Maschinen- und Anlagenbau, Elektronik und
Mikrosystemtechnik, Energie, Medizin- und Biotechnik sowie Prozessindustrie zusammen.
3.2 Notwendige Ressourcen sowie Kompetenzen
Die VFK AG steuerte mit ihrem Know-how die Basistechnologie Virtual Fort Knox (siehe Abschnitt 4.3.1)
bei, wirkte bei der Konzeption der Lösung mit und entwickelte maßgeblich den Simulation Controller
samt InfluxDB sowie der Grafana-Integration (siehe Abschnitte 4.3.3 und 4.3.4).
Lexer Research GmbH/Lexer Research Inc. wirkten bei der Konzeption der Lösung mit, steuerten ihre
Simulationssoftware GDfindi (siehe Abschnitt 4.3.2) bei und setzten die Integration dieser in die VFK-
Umgebung um.
Das Fraunhofer IPA als Cloud Mall BW-Partner unterstützte beide Partner bei der Konzeptfindung, der
Dokumentation und bei der Integration der Festo-Anlage sowie der Simulationssoftware GDfindi in die
VFK-Umgebung.
Das Projektmanagement im Praxispiloten wurde vom Fraunhofer IPA koordiniert.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 8
Simulation und Iteration“4 Inhaltliches
4.1 Anforderungen
Zu Beginn des Praxispiloten wurden mehrere Anforderungen formuliert, welche der Pilot erfüllen
sollte.
So war für das Ergebnis wichtig, die Simulationssoftware GDfindi vollständig in die Cloud-Architektur
von Virtual Fort Knox zu integrieren. Andererseits war es für den Projekterfolg erforderlich, geeignete
Maschinendaten zu haben, um sie mit den Simulationsdaten vergleichen zu können. Weitere Anforde-
rungen bezogen sich vor allem auf die Verwendung unterschiedlicher Schnittstellen (RESTful und Web-
socket) oder unterschiedlicher Varianten von virtuellen Maschinen (VM).
4.2 Konzept
Das Konzept hinter dem Praxispiloten behandelt die Sammlung der Daten aus einer Festo Versuchsan-
lage (siehe Abbildung 5) am Fraunhofer IPA sowie aus der Simulationssoftware GDfindi (siehe Ab-
schnitt 4.3.2). In der Simulationssoftware GDfindi ist ein Abbild der Festo-Anlage erstellt (siehe Abbil-
dung 4). Bei Simulationsgenerierung wird ein GANTT-Chart 2 der simulierten Aktivitäten der Festo-
Demonstrationsanlage erstellt, woraus unter anderem zeitbasierte Daten an den MSB (siehe Abschnitt
4.3.1) weitergeleitet werden. Diese repräsentieren das optimale Verhalten (z. B. Rüstdauer der Ma-
schine, Produktionszeiten) der Festo-Demonstrationsanlage gemäß der Simulation. Diese Aktivitätsda-
ten können über ein Datenmapping im MSB an eine Datenbank (InfluxDB 3) (siehe Abschnitt 4.3.3) zur
Speicherung und späteren Aufarbeitung weitergegeben werden. Die InfluxDB ist eine Datenbank, die
auf die Speicherung und Verarbeitung zeitbasierter Daten-/Zeitreihen spezialisiert ist.
Analog dazu werden die Echtdaten der Festo-Demonstrationsanlage an den MSB übermittelt und auch
über ein Datenmapping im MSB in der InfluxDB gespeichert. Die beiden Zeitreihen können nun mitei-
nander verglichen werden, um festzustellen, wie nahe die realen Anlagendaten den simulierten Soll-
werten kommen und um bei Abweichungen daraus einen Alarm zu generieren und diese Abweichun-
gen zu dokumentieren. Die Nutzung von Grafana (siehe Abschnitt 4.3.4) ermöglicht die grafische
Darstellung der Ergebnisse. Der beschriebene Ablauf ist in Abbildung 1 dargestellt.
2 GANTT-Diagramm: https://de.wikipedia.org/wiki/Gantt-Diagramm
3 https://de.wikipedia.org/wiki/InfluxDB
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 9
Simulation und Iteration“Abbildung 1: Das Integrationskonzept EASI (Quelle: Fraunhofer IPA)
4.3 Cloud-Architektur
Die allgemeine Cloud-Architektur ist in Abbildung 2 dargestellt.
Zunächst besteht die Architektur aus zwei Netzen, welche miteinander über getrennte Zellen der Vir-
tual Fort Knox-Plattform kommunizieren. Eine Zellen-basierte Architektur stellt somit einen spezifi-
schen Ansatz zur Einrichtung geteilter und privater Räume in der Cloud-Umgebung, um bestimmten
Anforderungen oder Regularien nachzukommen. Diese Architektur kann maßgeblich zur Verbesserung
der Infrastruktur beitragen, insbesondere bei der Erhöhung im Bereich der Skalierung und Flexibilität
und der Minimierung von Fehleranfälligkeit des Gesamtsystems.
Einerseits gibt es das bereits vorhandene lokale Netzwerk des Zentrums für Cyberphysische Systeme
(ZCPS). Andererseits gibt es das lokale Virtual Fort Knox-Netzwerk am Fraunhofer IPA, auf welchem
bereits eine Cloud Mall BW-Zelle reserviert ist.
In ersterem Netzwerk ist eine Versuchsanlage von Festo eingebunden. Auf die Daten der Anlage
konnte über einen extra eingerichteten MSB (als MSB-Gateway) zugegriffen werden. Dieser wurde auf
einem NUC 4 mit Linux-Distribution installiert und an einen Switch an der Anlage angeschlossen. So war
der Zugriff aus der Cloud Mall BW-Zelle auf das ZCPS-LAN etabliert.
Auf der bereits vorhandenen Cloud Mall BW-Zelle wurden verschiedene Komponenten eingerichtet,
welche im Folgenden erläutert werden.
4 Next Unit of Computing (NUC)
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 10
Simulation und Iteration“Abbildung 2: Cloud-Architektur (Quelle: Fraunhofer IPA)
4.3.1 Manufacturing Service Bus (MSB)
Die Virtual Fort Knox Plattform ist die integrative und einfach anpassbare industrielle Cloud-Plattform,
die in der Lage ist, alle IT-Systeme im Unternehmen untereinander mit Sensoren, Maschinen und ma-
nuellen Arbeitsplätzen schnell und mit geringem Aufwand zu vernetzen. Durch grafische Editoren der
Plattform ist es möglich, individuelle Vernetzungen zu realisieren und den Datenaustausch zwischen
den beteiligten Komponenten in der Interaktion entlang der Wertschöpfungskette zu beschleunigen.
Der Manufacturing Service Bus 5 gehört zur Cloud-Plattform Virtual Fort Knox und dient als Datendreh-
scheibe für angebundene Anlagen. Im vorliegenden Fall wurde der MSB auf einer virtuellen Maschine
(VM) als Datenweiterleitungspunkt eingerichtet, auf dem außerdem zugehörige Applikationen, wie
bspw. Swagger UI, installiert wurden, um eine problemlose Datenweiterleitung von Simulation und
Anlage zur InfluxDB mittels Integration Flows zu gewährleisten. Diese konfigurieren die Datenflüsse
5 Produktblatt Manufacturing Service Bus (fraunhofer.de)
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 11
Simulation und Iteration“zwischen den Applikationen, Services und IoT-Geräten. Über ein RESTful-Interface 6 ist dabei eine Ver-
bindung zu GDfindi hergestellt. Die Kommunikation zur InfluxDB erfolgt über ein Websocket-Interface.
4.3.2 GDfindi-Server
Die Simulationssoftware GDfindi ist auf einer VM mit Windows Server lokal eingerichtet. Dabei ist ein
Modell der Festo-Anlage (siehe Abbildung 5) in der Simulation mit zwei Zyklen angelegt. Für den Pra-
xispiloten wurde außerdem eine grafische Oberfläche entwickelt und bei GDfindi neu eingerichtet
(siehe Abbildung 4). So ist es nun möglich das Simulationsmodell aus der Modell-Bibliothek des An-
wenders auszuwählen und die Simulation zu initiieren. Das Ergebnis der Simulation wird anschließend
in JSON-Files konvertiert und über das RESTful-Interface an den MSB geschickt. Die JSON-Files beinhal-
ten dabei den schematischen Aufbau des GANTT-Charts zur erstmaligen Registrierung am MSB sowie
die zugehörigen Ausgabedaten, welche nach Abschluss der Simulation erstellt werden.
Abbildung 3: Anlagenmodell in GDfindi (Links: Stationen und Förderband, rechts: Prozessfluss mit zwei Zyklen)
(Quelle: Fraunhofer IPA nach Lexer Research GmbH, GDfindi)
6 REST Client
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 12
Simulation und Iteration“Abbildung 4: Grafische Oberfläche zum Senden der Simulationsdaten (Quelle: Fraunhofer IPA nach Lexer Research
GmbH, GDfindi)
4.3.3 InfluxDB
Zur Speicherung aller Daten wurde eine Influx-Datenbank (InfluxDB) angelegt, welche die Daten zur
grafischen Aufbereitung an Grafana weitergibt. Die InfluxDB speichert Zeitreihen – d. h. die führende
Information ist ein Zeitstempel (time stamp) eines Vorgangs, wie bspw. der Augenblick, an dem eine
Anlage eingeschaltet wird und somit Strom verbraucht:
Stromverbrauch [50 kW]
Zeitstempel 1 [20200503 08:00:34]
Stromverbrauch [0 kW]
Zeitstempel 2 [20200503 09:50:40]
Die Zeit, in der die Maschine aktiv genutzt wurde, liegt zwischen den Zeitstempeln.
4.3.4 Grafana
Zur grafischen Darstellung der Ergebnisse ist die Software Grafana 7 eingerichtet. Grafana stellt Stan-
dard Grafiken (sogenannte Panels) zur Verfügung, die es ermöglichen, die Zeitreihen der InfluxDB in
einem für Menschen gut optisch verarbeitbaren Format zur Verfügung zu stellen. In diesem Fall könnte
ein Graph eingesetzt werden, der den Stromverbrauch über die Zeit darstellt. Werte über 50 kW wür-
den damit die aktiven Phasen der Maschine aufzeigen, Werte darunter zeigen Standby-Phasen oder
Phasen, in denen die Maschine abgeschaltet ist (0 kW).
7 Grafana: The open observability platform | Grafana Labs
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 13
Simulation und Iteration“4.3.5 Simulation Controller
Das Herzstück des Praxispiloten steckt in der Applikation des Simulation Controllers (siehe auch Abbil-
dung 2). Er vergleicht die Daten der Festo-Anlage mit den Daten der Simulation und gibt die Ergebnisse
an Grafana weiter.
4.3.6 Szenarien
Es wurden in der Konzeptphase des Praxispiloten verschiedene Szenarien ausgearbeitet, welche vor
allem die Richtung des Datenflusses sowie die Verortung des Datenvergleichs zum Inhalt hatten:
In ersten Entwürfen stand GDfindi im Fokus, sodass der Datenfluss dort zusammengeführt
wird. Daraus sollten die Daten aus der Anlage dort ankommen, um daraus lokal einen Vergleich
ziehen zu können.
Im nächsten Entwurf wurde ein Alerting-Service konzipiert, welcher mit GDfindi und Grafana
direkt verbunden ist und einen Vergleich durchführt.
Der letzte und finale Entwurf mit einem Simulation Controller, welcher am MSB angebunden
ist, wurde aufgrund seines modularen Aufbaus gewählt, da so die einzelnen Komponenten
weitestgehend unabhängig implementiert werden konnten.
4.4 Herausforderungen bei der Umsetzung
Die Umsetzung des Praxispiloten war mit einigen Herausforderungen verbunden. So gab es neue Auf-
gaben bei der Datenerfassung der Festo-Anlage. Sie hatte einzelne Ausfallerscheinungen (Laufband-
motoren fielen aus, Blockade an Stationen, Überlastungen an den SPS), was es notwendig machte, den
Prozess durchgängig zu beobachten. Eine Echtzeitdatenerfassung wurde damit erschwert.
Weitere technische Probleme betrafen den eingesetzten NUC, welcher dazu neigte, „vollzulaufen“, da
keine Routine implementiert war, Daten nach einer festgelegten Zeit wieder zu löschen. Manuelle Be-
reinigungen konnten hierbei Abhilfe schaffen.
Weitere Herausforderungen bestanden in der Einrichtung von GDfindi auf der virtuellen Maschine mit
Windows. Unvorhergesehene Absprachen mit der IT-Abteilung bzgl. Zertifikaten und Berechtigungen
verzögerten die Einrichtung der Simulation auf der virtuellen Maschine.
4.5 Prototypen und (Teil-)Lösungen
Für den Praxispiloten wurde zur Generierung von Realdaten auf eine Versuchsanlage von Festo zurück-
gegriffen, die am Fraunhofer IPA aufgebaut ist. Abbildung 5 zeigt den Aufbau mit zwei Werkstückträ-
gern.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 14
Simulation und Iteration“Abbildung 5: Festo-Demonstrationsanlage (Quelle: Reiner Bez, Fraunhofer IPA)
Auf der Versuchsanlage des Praxispiloten laufen zwei Werkstückträger mit je einem Werkstück kon-
stant im Kreis auf vier Förderbändern. Es gibt zwei Stationen, die pro Durchlauf von einem Werkstück-
träger passiert werden. Sie sind außerdem jeweils an einen OPC UA-Server angebunden, sodass ein
Zugriff auf die Daten erfolgen kann:
Presse: Sie drückt kurz exemplarisch auf das Werkstück.
Greifer: Er hebt das Werkstück kurz hoch, dreht es um und lässt es wieder auf den Werkstück-
träger hinunter.
Sofern die Werkstückträger direkt hintereinander sind, wird der hintere nicht bearbeitet. Der aktuelle
Zustand der Anlage konnte jederzeit über eine Webcam verfolgt werden.
Für den Praxispiloten wurden hierbei vor allem die An-und Ausschaltzeiten der beiden Stationen aus-
gewertet. Weitere Daten sind für zukünftige Entwicklungen denkbar.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 15
Simulation und Iteration“Der MSB besitzt vorgefertigte Schnittstellen, über die die Maschinendaten z. B. aus einer Steuerung
ohne größere Anpassungen in den MSB geladen werden können.
Es muss jedoch festgelegt werden, welche Daten eine für den Anwendungszweck brauchbare Aussage
über den Status der Maschine geben. Im gegebenen Fall der Festo-Demonstrationsanlage sind das
boolesche Werte für den Status der einzelnen Komponenten der Maschine (die Presse und das För-
derband), die die Aktivität beschreiben (Komponente aktiv? TRUE, FALSE). Es gibt keine Daten für den
Gesamtstatus der Anlage, sondern eben nur für die einzelnen Komponenten. Somit muss entschieden
werden, ob ein einzelner dieser Parameter ausreicht, oder ob nur eine Kombination der Parameter
zuverlässige Informationen liefert.
Das klingt zunächst nach einer einfachen Frage. Aber es ist eine wichtige Frage für das Controlling und
den Produktionsleiter festzulegen, welcher Zustand einer Anlage als „produktiv“ oder „aktiv“ zu wer-
ten ist. Für das hier beschriebene Setup startet die Maschine mit der Bewegung des Förderbandes und
endet auch mit dem Abtransport des Werkstückes durch das Förderband. Die Arbeit/Tätigkeit ist also
erst mit dem Abtransport abgeschlossen, bzw. der Pressvorgang wird durch die Läufe des Förderban-
des zeitlich gesehen eingeschlossen. Somit wurde für das Projekt entschieden, diesen Parameter als
führenden Parameter zu nutzen.
Über die auf No-Code basierende Orchestrierung der Integration Flows des MSB kann dieser Parame-
ter mit dem zugehörigen Zeitstempel an eine angebundene Datenbank InfluxDB übergeben werden.
Die Visualisierungssoftware Grafana erstellt aus den Daten in der Datenbank eine Liste oder einen
Graphen über die Zustandsänderungen des Förderbandes. Diese repräsentieren dann die Aktivitäts-
zeiten der Maschine.
Die Simulation liefert mit einer auf Seiten GDfindi neu erstellten Schnittstelle über die vom MSB Stan-
dard angebotene RESTful API die Simulationsergebnisse mit den geplanten Aktivitätszeiten der Ma-
schine an den MSB, der diese auf dem gleichen Weg wie oben beschrieben (Integration Flow) an die
Datenbank und das Visualisierungstool liefert (allerdings als Simulationsergebnis mit zukünftigen Zei-
ten).
Wenn die Anlage zu den geplanten Zeiten dann real läuft, können die beiden Zeitreihen auf Überein-
stimmung überprüft werden, Abweichungen festgestellt und angezeigt werden. Dies ermöglicht es
dem Produktionsleiter oder der Unternehmensführung die Ergebnisse zu analysieren und wenn not-
wendig, geeignete Maßnahmen zu treffen, um die beiden Messreihen besser aneinander anzuglei-
chen. Dabei können die Maßnahmen wie beschrieben sehr unterschiedliche Aspekte betreffen, seien
es Änderungen im realen Produktionsprozess, bessere Schulungen von Mitarbeitern oder Änderungen
an Grundlagendaten für die Simulation (z. B. Anpassung von Rüstzeiten).
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 16
Simulation und Iteration“5 Integration und Kooperation zwischen den beteiligten Unternehmen
5.1 Organisatorisches
Organisatorisch wurde das Projekt mit einem Kick-Off Meeting gestartet und mit zweiwöchentlichen
Regelterminen begleitet. In den Regelterminen wurde über den aktuellen Stand gesprochen sowie an-
fangs die Rollenverteilung festgelegt. Die Zwischenergebnisse wurden in verschiedenen Dokumenten
festgehalten oder grafisch veranschaulicht. Neben den Regelterminen gab es einzelne Sondertermine
für akute Arbeiten oder Abstimmungen, sofern der Bedarf da war. So konnte über die gesamte Zeit
zielgerichtet und effizient am Praxispiloten gearbeitet werden. Alle Partner waren außerdem dadurch
stets informiert, wie der Status der aktuellen Entwicklungen ist und welche Termine und Aufgaben
anstehen. Die Fraunhofer OwnCloud wurde dabei als gemeinsame Dateiablage verwendet.
5.2 Technisches
Die technische Entwicklung stützte sich im Wesentlichen auf bereits vorhandene Lösungen. So gab es
mit Virtual Fort Knox, MSB sowie GDfindi bereits etablierte Basislösungen, die dem „ready-to-use“-
Status entsprachen. So war es im ersten Schritt wichtig, die Lösungen in Einklang zu bringen und mit-
einander zu vernetzen. Im nächsten Schritt erfolgte die Realisierung des Simulation Controllers sowie
dessen angebundene InfluxDB und Grafana.
Die technische Umsetzung wurde planmäßig realisiert und von Experten von beiden Unternehmen
tatkräftig unterstützt.
5.3 Strategisches
Die eingesetzte Architektur verfolgt vor allem folgende strategische Ziele in Bezug auf den Endanwen-
der und dessen zukünftige Berücksichtigung:
Optimierung der Prozessabläufe durch die Reduzierung der Reaktionszeit durch einen Soll-/Ist-
Abgleich in Echtzeit;
Kosteneinsparungen durch eine intelligente Reaktion in Echtzeit;
Unterstützung des Produktionsleiters in seinen Entscheidungen auf Basis von Simulationser-
gebnissen;
Fundierte Echtzeitdatenerhebung;
Schließung der Echtzeitschleife zwischen Produktion und Simulation, die zukünftig zu einem
vollständigen PDCA-Zyklus ausgebaut werden kann;
Transparenz der Produktionsprozesse.
Der Praxispilot sollte vor allem aufzeigen, dass in Virtual Fort Knox flexibel weitere externe Services
miteingebunden werden können. Das gleiche gilt für GDfindi, der durch seinen Cloud-Charakter ein-
fach in andere Cloud-Plattformen integriert werden kann, um daraus gewinnbringende Ergebnisse zu
erzielen und die Produktion geeignet zu unterstützen.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 17
Simulation und Iteration“5.4 Rechtliches
Für die Zusammenarbeit innerhalb des Praxispiloten wurden von allen Beteiligten die Cloud Mall BW-
Teilnahmebedingungen unterzeichnet. Diese Regeln umfassen die Zusammenarbeit im Projekt und As-
pekte der Vertraulichkeit, den Umgang mit Ergebnissen und Einräumung von Nutzungsrechten, die
Vorgehensweise bei Veröffentlichungen sowie Gewähr und Haftung bei der Durchführung des Praxispi-
loten. Außerdem wurden die Datenschutzerklärungen sowie die Nutzung des Logos auf der Cloud Mall
BW-Webseite von allen Partnern unterzeichnet.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 18
Simulation und Iteration“6 Resümee
6.1 Rolle der Cloud
Mit der Entwicklung des Simulation Controllers und der Integration der Anlage sowie der Simulations-
software GDfindi konnte ein neuer Ansatz geschaffen werden, um einen Soll-/Ist-Vergleich zu realisie-
ren und die Rolle des Einsatzes von Simulation weiter zu stärken. Die Cloud-Architektur von VFK liefert
dabei die nötigen Werkzeuge, um die software-orientierten Lösungen mit minimalem Aufwand zu in-
tegrieren.
Der Aufwand für die Integration hat einen einmaligen Charakter und Folgeprojekte profitieren vom
Lerneffekt des gegenwärtigen Projektes. Die Integration der Dienste auf der Cloud generiert neue in-
terdisziplinäre Wertschöpfungen mit weitreichenden Vorteilen in Richtung Automatisierung und Effi-
zienz. Es ist absehbar, dass die Integration der Virtual Fort Knox-Plattform und GDfindi eine neue
Cloud-basierte SaaS hervorbringt, wovon andere MSB-basierte Dienste profitieren können.
6.2 Lessons Learned
Folgende Punkte konnten aus dem Projekt von allen Teilnehmern gelernt werden:
Eine frühzeitige Konzeptfinalisierung ist wesentlich für den Projekterfolg.
Ausreichend Puffer einplanen für möglicherweise unvorhergesehene technische Probleme.
Die Etablierung eines Regeltermins ist wesentlich für den aktuellen Status.
Die Dokumentierung von Zwischenergebnissen sorgt für eine notwendige Transparenz und
regt weitere Diskussionen an.
In Zeiten von Home-Office können die Projekte durch Tools wie MS Teams oder Zoom weiter-
hin erfolgreich bearbeitet werden.
Erfahrungen der Anbindung von GDfindi an MSB über eine RESTful-Schnittstelle ermöglichen
die Detaillierung der Anleitung für die MSB-Anbindung, sodass Folgeprojekte davon profitieren
können.
6.3 Ausblick
Durch die Natur eines Piloten sind hier erste Ansätze geschaffen worden, um Simulationsdaten mit
Realdaten vergleichen zu können. In weiteren Entwicklungen können mehr Daten aus Anlagen erfasst
werden und es kann an einer automatisierten Simulationserstellung gearbeitet werden.
Erste Anpassungen und Erweiterungen zwischen VFK AG und Lexer Research GmbH sind bereits in Pla-
nung, sodass GDfindi ein weiterer sinnvoller Service in der Landschaft von Virtual Fort Knox wird und
von Produktionsunternehmen eingesetzt werden kann.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 19
Simulation und Iteration“Für die Zukunft ist geplant, dass das System eine intelligente Reaktion auslösen kann, die der Betriebs-
leitung hilft, in Echtzeit eine optimale Entscheidung zu treffen sowie im Vergleich zu herkömmlichen
Verfahren erhebliche Kosten einsparen wird.
Hier wird anhand eines ungeplanten Ausfalls einer Station eine der Optionen der intelligenten Reaktion
beschrieben: Das System detektiert durch den Soll-/Ist-Abgleich den ungeplanten Ausfall der Station
in Echtzeit und initiiert folgende Prozesse. Das System ruft den aktuellen Stand der Produktion (z. B.
von ERP) ab und aktualisiert das Modell der Produktion. Mit dem aktualisierten Modell der Simulation
werden mehrere Szenarien des alternativen Produktionsplans simuliert, um eine bestmögliche Strate-
gie zu erarbeiten. Dabei wird die Funktion der PVDO (Parameter Variation Driven Simulation) von
GDfindi die Automatisierung erleichtern, die in einem definierten Lösungsraum automatisch Simulati-
onsmodelle erstellt und mehrere Simulationen durchführt. Die Betriebsleitung erhält eine Auswahl von
bestmöglichen Optionen und kann anhand von zugehörigen GANTT-Charts der Simulation überprüfen,
welche Option aus der Sicht der Betriebsleitung bevorzugt wird. Damit wird der Nachteil beseitigt, dass
derzeit die automatisierte Planung der Produktion nicht adaptiv ist und nicht variabel dem Ist-Stand
der Produktion angepasst werden kann.
Mit der Automatisierung ist die echtzeitfähige Schleife über Virtual Fort Knox, MSB und GDfindi kos-
tengünstig einsetzbar und kann diese Leistung als eine SaaS Dritten auf der Cloud-Plattform Virtual
Fort Knox zur Verfügung stellen.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 20
Simulation und Iteration“7 CMBW-Projektdarstellung
Im Gemeinschaftsprojekt Cloud Mall Baden-Württemberg (Cloud Mall BW) werden Potenziale und
Möglichkeiten von Cloud Computing für den Mittelstand in Baden-Württemberg identifiziert und aus-
geschöpft. Kleinen und mittleren Cloud-Serviceanbietern und -anwendern wird ein Rahmen geboten,
um untereinander Kooperationen zu schließen, das eigene Netzwerk zu stärken und dadurch aktiv
Wettbewerbsvorteile auszubauen. Kooperative Ideen kleiner und mittlerer Cloud-Service oder Cloud-
Plattformanbieter werden gezielt in Praxispiloten vorangetrieben und personell und fachlich vom
Cloud Mall BW-Projektteam unterstützt.
Das Gemeinschaftsprojekt wird vom Ministerium für Wirtschaft, Arbeit und Wohnungsbau Baden-
Württemberg gefördert. Beteiligt sind das Fraunhofer-Institut für Arbeitswirtschaft und Organisation
(IAO), das Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA), sowie das Institut für
Enterprise Systems an der Universität Mannheim (InES) und bwcon research GmbH (bwcon). Unter-
auftragnehmer des Projekts sind Trusted Cloud und das Institut für Arbeitswissenschaften und Tech-
nologiemanagement (IAT) der Universität Stuttgart. In der Projektzeit ist die Durchführung von bis zu
vierzig Praxispiloten geplant.
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 21
Simulation und Iteration“8 Kontakt
Gerne können die Vertreter der Praxispilotpartner bei Fragen und Anmerkungen zum Praxispilot oder
zu Inhalten direkt angesprochen werden:
Virtual Fort Knox AG
www.virtualfortknox.de
Jörg Junge
joerg.junge@virtualfortknox.de
Lexer Research GmbH/Lexer Research Inc.
www.lexer.co.jp/en
Dr. Mahito Ando
mahito.ando@lexer.co.jp
CMBW - Projektleiter des Praxispiloten
CMBW Partner
Andreas Schlereth
andreas.schlereth@ipa.fraunhofer.de
Weitere Information zum Thema Praxispiloten finden Sie unter der Projektwebsite:
https://cloud-mall-bw.de/
Cloud Mall BW – Transferdokumentation „EASI: Cloud-basierte Echtzeitdaten-Analyse durch 22
Simulation und Iteration“Sie können auch lesen
