GE: Eine neue Stufe der M2M-Kommunikation
Industrial Internet erfordert Smart statt Big Data
Fortsetzung des Artikels von Teil 1
Die Datenmenge von vornherein in Grenzen halten
Ein Stichwort, das im Zusammenhang mit dem Industrial Internet häufig fällt, lautet Big Data. Wie ist es möglich, aus Big Data Smart Data zu machen oder die Datenmenge schon von vorherein in Grenzen zu halten und nicht allzu »big« werden zu lassen?
Mit größerer Bandbreite und zunehmender Verfügbarkeit von Massenspeichern steigen Übertragungsgeschwindigkeit und Datenvolumen kontinuierlich. Neben dem Sicherheitsproblem stellt sich im Industrial Internet also tatsächlich vor allem die Frage, wie man durch Komprimier-Algorithmen und dezentrale Intelligenz die Datenmenge sinnvoll reduzieren kann. In der Datenarchivierung zeigt sich der Trend, dass man zwar Festplattenplatz zuhauf hat, aber das Datenvolumen exponentiell wächst und die Nutzlast nicht mithält. Trotz schnellerer Übertragung wird also ein gutes Management immer wichtiger.
Welche Maßnahmen sind dafür im Einzelnen erforderlich?
Der erste Schritt ist, darüber nachzudenken, welche Daten wirklich wichtig sind. Nicht jeder Datenpunkt in der SPS ist relevant. Die erfassten Daten sind von vornherein auf das Notwendige zu beschränken. Außerdem müssen Speicherzyklus und Abtastrate dem zu erfassenden Messwert angepasst sein. Unsere Software-Lösung »Proficy Historian« hilft, Datenpunkte zu definieren und die Daten zu komprimieren.
Zweitens ist zu überlegen, welche Messwertänderungen überhaupt registriert werden sollen. Es ist auf jeden Fall sinnvoll, ein Toleranzband festzulegen und die Daten so zu komprimieren, dass nur signifikante Änderungen archiviert werden. Wirklich interessant sind die Daten ja bloß, wenn ein Ereignis, sprich: ein auslösender Faktor, in der Anlage eintritt. In diesem Fall lässt sich die Archivierung starten oder stoppen. Konfigurierbar ist dieses Verhalten in den sogenannten Kollektoren, die in einem Industrie-PC direkt in der Anlage laufen und die erfassten Daten an den »Proficy Historian« übertragen.
Das Archiv befindet sich zunächst in einem Standard-Industrie-PC oder einem Firmen-Historian, lässt sich aber auch in eine Cloud verlagern. Wenn die Daten sehr umfangreich sind, kommt »Proficy Historian HD« ins Spiel, der die Daten in einem sogenannten Hadoop Cluster ablegt und damit das gleichzeitige Durchsuchen eines Datensatzes in mehreren - gegebenenfalls virtuellen - Rechnern ermöglicht. Suchalgorithmen lassen sich damit von mehreren Rechnern parallel durchführen, und Abfragen sind rasch möglich, auch in der Cloud.
Inwieweit verbindet das Industrial Internet also die Automatisierungstechnik und die IT?
Um all das umzusetzen, müssen Automatisierung und IT eng miteinander verknüpft werden. Wir verstehen das Industrial Internet in diesem Zusammenhang als Werkzeug, das schön und gut ist, aber mit vernünftigem Aufwand einsetzbar bleiben muss. Einfachheit ist hier das schlagende Argument.
Für Einfachheit sorgt auch die Lösung »Equipment Insight«: Sie beruht auf einer Excel-Tabelle, in der festgehalten wird, aus welchen Komponenten und Subkomponenten eine Anlage besteht und welche Signale sie liefert. GE Intelligent Platforms pflegt die Excel-Tabelle in einem Server auf Cloud-Basis. Die Industrie-PCs in der Anlage lassen sich mittels Standardkommunikation mit den Anlagen und per Netzwerk in die Cloud einbinden. Im Cloud-Server liegt das Datenmodell, der Cloud-Server bereitet die Daten auf, und dann müssen nur noch Zugriffsrechte definiert werden, damit die berechtigten Mitarbeiter mit ihren Mobile Devices auf den Cloud-Server zugreifen und die vorbereiteten Zustandsdaten abrufen können.
Spielt OPC UA (Unified Architecture) dabei schon eine Rolle?
OPC UA ist der nächste Schritt, der die Konfiguration der Anwendungen wesentlich vereinfachen wird – wir unterstützen den Standard schon jetzt. Das Problem liegt darin, dass OPC-UA-Anwendungen noch nicht unbedingt herstellerübergreifend möglich sind. So manche Anlagenkomponente beherrscht bislang kein OPC UA.
- Industrial Internet erfordert Smart statt Big Data
- Die Datenmenge von vornherein in Grenzen halten
