SmartFactory-Demonstrator, Bild: IBM

IBM zeigte auf der Hannover Messe zusammen mit Partnern den SmartFactory-Demonstrator, der weltweit ersten herstellerübergreifenen modularen Industrie-4.0-Anlage. Bild: IBM

Bei Problemen muss die Produktion sofort unterbrochen werden, um Folgefehler zu vermeiden. Das kann nur gelingen, wenn einzelne Module in einer Anlage jederzeit ohne Verluste abgeschaltet werden können. Dafür muss die nahtlose Kommunikation von Maschinen oder Fertigungsmodulen untereinander gewährleistet werden. Sie erst schafft die Voraussetzung, dass Maschinen jederzeit im Produktionsprozess ausgetauscht oder modifiziert, ihre Daten im Verbund analysiert sowie für eine effektive Prävention aufbereitet werden können – das ist Plug & Produce in Höchstform.

Der Beitrag der IBM zum SmartFactory-Demonstrator, der weltweit ersten herstellerübergreifenden modularen Industrie-4.0-Anlage, macht genau dies möglich. Das Ziel ist es, nicht nur ein aktuelles Zustandsbild der SmartFactory zu zeigen, sondern auch eine zentrale Kontrollmöglichkeit mit Durchgriff auf alle Module der Anlage zu schaffen. Es stehen dabei folgende Aspekte im Fokus:

  • vertikale und horizontale Integration, um Daten aus den Maschinen und anderen relevanten Systemen zu extrahieren.
  • Sammlung aller relevanten Daten in einer Zeitreihen-Datenbank, dem so genannten Data Historian.
  • Einsatz von intelligenten mathematischen und analytischen Modellen, mit denen aus der (deterministischen) Vergangenheit gelernt wird.Die damit gewonnenen Muster und Regeln können dann für eine effektive Prävention genutzt werden.

Der Integration Layer

IBM-Ansatz Smart Factory, Bild: IBM
IBM sorgt in der Smart Factory für eine sichere Datenversorgung und Datenanalyse. Bild: IBM

Die Datenintegration erfolgt über die IBM Integration Bus Software. Sie schafft einheitliche Schnittstellen zu Modulen und Infrastruktur. Dieser Integration Layer erlaubt die Sammlung verschiedener Informationen, wie dynamische Energiedatenanzeige, Betriebszustand und -modus, Daten zur Produktverfolgung sowie weitere Informationen, die im Produktionskontext entstehen. Die Software bereitet sie zudem in einem einheitlichen Format zur späteren Anzeige oder Analyse auf.

Die Datenanalyse, im konkreten Fall wird mit IBM Cognos und IBM SPSS gearbeitet, greift auf diese im so genannten Data Historian gesammelten Daten zu. Die Analyse schafft die Voraussetzungen für folgende Fähigkeiten: den Produktionsleitstand in Echtzeit führen, Topologie-Veränderungen aktuell visualisieren, im Sinne einer vorausschauenden Instandhaltung präventiv eingreifen sowie eine nutzerspezifische Sicht auf die Anlage gewährleisten. Darüber hinaus erlaubt die Sammlung historischer Daten aus der Anlage einen vereinfachten Zugriff auf Anlagendokumentationen für den Wartungsfall.

Basis für den SmartFactory-Demonstrator ist das mit allen Modulherstellern vereinbarte OPC-UA-Standard-Protokoll, mit dem die Modul- und Produktdaten über die OPC-UA-Input-Knoten des IBM Integration Bus im Data Historian gespeichert werden können. Daraus ergeben sich folgende Vorteile:

  • schnellere und gezieltere Prävention
  • flexible Produktionsplanung nahezu in Echtzeit
  • höhere Produktqualität
  • einfachere Interaktionen, beispielsweise bei der Wartung
  • die Möglichkeit herstellerübergreifender Produktionsprozesse

Darüber hinaus wurde mit dieser zentralen Integrationsschicht gleichzeitig ein Security Gate geschaffen, das einerseits die Kommunikation der Maschinen untereinander ohne sicherheitsbedingte Unterbrechungen gewährleistet, andererseits aber unautorisierte Zugriffe von außen nahezu unmöglich macht.

Die „mitdenkende“ Fabrik

Kognitiven, lernenden Systemen wie Watson gehört die Zukunft. Sie sind in der Lage, Daten beliebiger Herkunft und Form zu verarbeiten und mit Menschen in natürlicher Sprache zu interagieren. Dabei folgen sie dem Prinzip „verstehen, lernen und bewerten“ und bedienen sich eines breiten Spektrums bereits etablierter und neuer IT-Techniken. Diese reichen von Datenanalysen, natürlicher Sprachverarbeitung und neuronalen Netzwerken bis hin zu traditionellem maschinellem Lernen. Zudem arbeiten lernende Systeme mit Wahrscheinlichkeitshypothesen – sind also nicht deterministisch – wägen ab und schlagen unterschiedliche Optionen vor.

Diesem Prinzip folgend, ist auch die Entwicklung „mitdenkender“, kognitiver Fabriken vorstellbar. In einer solchen Cognitive Factory könnten dynamisch bereitgestellte Informationen direkte Einblicke in die Fertigungssysteme vermitteln und damit jederzeit ein aktuelles, zentrales Zustandsbild der Anlage ermöglichen. Dabei geht es um eine Kollaboration mit Maschinen, Robotern und Anlagen, die über aktuell diskutierte Verfahren wie „Pick-by-Light“ beziehungsweise Online-Baukarten hinausgeht – bidirektional, multimedial und intelligent. Darüber hinaus könnte sie Hilfestellung bei der Bewertung von Zwischenfällen und Problemen geben. Etwa ob es notwendig ist, eine Anlage tatsächlich abzuschalten, ein Modul auszutauschen oder Maßnahmen zur vorausschauenden Instandhaltung zu ergreifen. Zudem wird die kognitive Fabrik, ausgestattet mit zusätzlicher Security Intelligence, Hacker-Angriffe schneller erkennen und Sicherheitsexperten beratend zur Seite stehen.

Industrie 4.0 - Beispielfertigung in der SmartFactoryKL (Quelle: SmartFactory Kaiserslautern

Hintergrundwissen

IBM und Watson

1997 gelang es einem Grossrechner erstmals, in einem Mensch-gegen-Maschine-Wettbewerb zu gewinnen. Der IBM Rechner mit dem Namen Deep Blue war in der Lage 200 Millionen mögliche Schachzüge pro Sekunde zu berechnen und schaffte es so, in einem Schachwettbewerb den damaligen Weltmeister Garry Kasparov zu besiegen. „Watson“ verfügt nicht nur über mehr Rechenkapazität, sondern beruht auch auf einem fundamental neuen Ansatz: die Architektur ist darauf ausgelegt, die natürliche menschliche Sprache (im konkreten Fall Englisch) zu verstehen, deren Wörter und Kontext zu analysieren, diese Informationen schnell zu verarbeiten und so präzise Antworten auf Fragen in natürlicher Sprache auszugeben. Das System bildet den Beginn einer neuen Entwicklungsrichtung, deren Ziel es ist, lernende Computersysteme für unterschiedlichste Einsatzbereiche zu konzipieren. Diese Computer sind in der Lage, selbstständig Informationen aus Daten zu gewinnen und Schlüsse zu ziehen. Damit nähert sich dieses Computersystem den kognitiven Fähigkeiten des Menschen und birgt damit enormes Potenzial für zukünftige Anwendungen in Wirtschaft und Gesellschaft.