AI Summary
Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.
Einleitung
Neue Technologien revolutionieren die Art und Weise, wie Hersteller Prozesse miteinander vernetzen und Daten in der Fertigung erfassen.
Zu den vielversprechendsten zählt Edge-Computing.
Edge-Computing ist ein Ansatz zur Verbesserung der Datenaggregation und -verarbeitung, bei dem Rechenressourcen in unmittelbarer Nähe zum Ort der Datenerfassung bereitgestellt werden.
Dieser Leitfaden bietet Ihnen eine Einführung in das Edge-Computing und erläutert, wie Hersteller jeder Größe vom Einsatz von edge devices profitieren können, um ihre IIoT und Maschinenüberwachung Initiativen voranzutreiben.
Kapitel 1: Was ist Edge-Computing?
Unter Edge-Computing versteht man die Verteilung von Rechenaufgaben auf die „Ränder“ eines Netzwerks – also aufGeräte und Ressourcen, die näher an den Netzwerkendpunkten liegen als ein zentrales Rechenzentrum oder eine Cloud.
In der Fertigung können Edge-Computing-Ressourcen Maschinen, Gateways, Protokollkonverter oder andere Arten von industriellen Steuerungen umfassen. In der Fertigung bezieht sich Edge-Computing meist auf den Einsatz eines dedizierten Edge-Geräts.
Durch die Verteilung von Rechenressourcen können Hersteller:
- die Geschwindigkeit der Datenverarbeitung verbessern
- Signal frühzeitig vom Rauschen trennen
- den Zugang zu Daten verbessern
Kapitel 2: Warum Rechenleistung am Netzwerkrand?
Die Philosophie hinter dem Edge-Computing besteht darin, dass es schneller und effizienter ist, Informationen direkt an ihrer Quelle zu verarbeiten.
Überlegen Sie einmal, wie Informationen von einer Industrieanlage zu einem Rechenzentrum gelangen. Die Maschine generiert während des Betriebs Daten –Temperatur, Vibration, Drehzahl, Ressourcenverbrauch usw. Diese Daten müssen wahrscheinlich einer Format- oder Protokollkonvertierung unterzogen werden, damit sie für Ingenieure nutzbar sind. Anschließend werden die Daten entweder an einen lokalen Server oder an eine Cloud-Datenbank weitergeleitet. Wenn sie in die Cloud gesendet werden, müssen sie möglicherweise eine beträchtliche Strecke zu einem oder mehreren geografisch verteilten physischen Servern zurücklegen.
Zwar sind Cloud-Computing und Cloud-Speicher für das industrielle Internet der Dinge unverzichtbar, doch kann dieser Kreislauf aus Datenerzeugung, -verarbeitung und -rückführung zu Problemen hinsichtlich Latenz, Bandbreite und Datenmanagement führen.
Bei sensiblen Fertigungsprozessen kann bereits eine geringe Latenz erhebliche Auswirkungen auf Effizienz und Qualität haben.
Edge-Computing verhindert dies, indem es sicherstellt, dass die Datenverarbeitung in unmittelbarer geografischer und netzwerktechnischer Nähe zum Ort der Datenerstellung erfolgt.
Kapitel 3: Zentralisierte vs. dezentralisierte Netzwerke
Um zu verstehen, warum Edge-Computing in der Fertigung wichtig ist, muss man sich mit einigen Herausforderungen auseinandersetzen, die bei Cloud-Architekturen auftreten.
In der Fertigungsindustrie kommen seit langem zentralisierte Informationsarchitekturen zum Einsatz. In einem zentralisierten System werden die im gesamten Betriebsablauf generierten Informationen auf einem Backbone-Server verarbeitet und gespeichert. Dies war sowohl für die Verarbeitung großer Datenmengen als auch für die Verwaltung sensibler Steuerungsfunktionen von großer Bedeutung.
Mit dem Aufkommen der Cloud hat sich dieses „Rückgrat“ von lokalen Ressourcen zu geografisch entfernten Standorten verlagert. Der Weg, den die Daten auf ihrem Weg in die Cloud zurücklegen, ist jedoch im Wesentlichen derselbe.
Edge-Computing – eine Form des dezentralen Rechnens – ist Teil eines langen Zyklus aus Zentralisierung und Dezentralisierung
Dank der Fortschritte im Bereich Edge-Computing kehrt die Fertigung zu einem dezentralen Modell zurück.
Anstatt die Datenverarbeitung an einem einzigen Standort zu konzentrieren, nutzen dezentrale Systeme wie Edge-Computing die Rechen- und Speicherkapazitäten, die an den Knotenpunkten im gesamten Netzwerk vorhanden sind. Diese Art von Struktur wird als „dezentral“ bezeichnet, da die Berechnungen dort durchgeführt werden, wo ausreichende Ressourcen zur Verfügung stehen. Bei dezentralen Systemen ist die räumliche Nähe ein entscheidender Faktor dafür, wo die Verarbeitung stattfindet.
Kapitel 4: Die Beziehung zwischen Edge und Cloud
Auch wenn das Wachstum des Edge-Computing ein Wachstum des dezentralen Rechnens bedeutet, ist es wichtig zu beachten, dass dies nicht bedeutet, dass das Edge-Computing die Cloud ersetzen wird.
Vielmehr stehen der Edge und die Cloud in einer symbiotischen Beziehung zueinander.
Für viele Hersteller ist eine Cloud-Infrastruktur unerlässlich, um sicherzustellen, dass Daten an einem zugänglichen und skalierbaren Ort gespeichert werden. Sie ist notwendig, um den Betrieb mit ausreichender Rechenleistung zu unterstützen, ohne dass hohe Investitionen in lokale Hardware erforderlich sind.
Ohne die Cloud wäre die Logistik der Datenspeicherung, -abfrage und -analyse wesentlich komplizierter. Doch die Gegebenheiten des modernen „ Maschinenüberwachung “ machen Edge-Computing wünschenswert.
So können Hersteller den größtmöglichen Nutzen aus ihren digitalen Initiativen ziehen, indem sie je nach betrieblichen Anforderungen eine Cloud-Infrastruktur mit Edge-Computing kombinieren.
Diese Art von Hybridarchitektur – bei der eine zentralisierte Infrastruktur dezentrale Rechenprozesse unterstützt – wird oft als „Fog Computing“ bezeichnet. Etwas anders ausgedrückt: Mit „Fog“ bringt man die Cloud näher an den Boden.
Tatsächlich deuten die besten Prognosen zur Zukunft der einzelnen Technologien darauf hin, dass das Marktvolumen sowohl für Cloud- als auch für Edge-Lösungen im Laufe des nächsten Jahrzehnts erheblich wachsen wird.
Kapitel 5: Welche Rolle spielen „ Edge Devices “ dabei?
Edge devices Dabei kann es sich um Sensoren, Maschinen mit „ IoT “-Fähigkeit, Gateways oder Einplatinencomputer handeln. Sowohl für kleine als auch für große Hersteller bieten diese eine schnelle und unkomplizierte Möglichkeit, digitale Initiativen zu optimieren. Diese Geräte benötigen nur wenig Strom, haben einen geringen Energieverbrauch und können äußerst kostengünstig sein.
Edge devices sind ein wesentlicher Bestandteil jedes „Maschinenüberwachung “-Systems. Sie sind aus mehreren Gründen wichtig.
Protokollübersetzung – Nicht jede Maschine kommuniziert über dieselben Protokolle. Während neuere Maschinen entweder nativ oder mithilfe von Übersetzungsprodukten wie Kepware über Protokolle wie MTConnect und OPC UA kommunizieren können, sind bei anderen Maschinen Geräte erforderlich, um die Sensordaten für den Endnutzer lesbar zu machen. Insbesondere ältere Maschinen benötigen ein Zwischengerät, um Sensordaten in verwertbare Informationen umzuwandeln. Edge devices kann Informationen von „ IoT “-Sensoren erfassen und in beliebige Protokolle übersetzen, die Sie benötigen, um aus den Daten Erkenntnisse zu gewinnen.
Daten von mehreren Sensoren – In vielen Fällen ist es erforderlich, Daten von mehreren Sensoren gleichzeitig zu erfassen, um die Leistung und den Zustand einer Maschine zu verstehen. Wenn Sie beispielsweise die Ursache für den Ausfall eines Bauteils in einer CNC-Fräsmaschine ermitteln möchten, ist es wichtig, über Daten zu allen Parametern zu verfügen, die zur Verschlechterung eines bestimmten Bauteils beitragen könnten.
Edge devices Sie helfen dabei, Daten von mehreren Sensoren zusammenzuführen, um einen umfassenderen Überblick über den Zustand der Maschine zu erhalten. So können Sie Spekulationen hinter sich lassen und die eigentlichen Ursachen ermitteln.
Daten von mehreren Maschinen – Jede Maschine ist für sich genommen wichtig. Die aussagekräftigsten Erkenntnisse ergeben sich jedoch, wenn die Daten einer einzelnen Maschine mit den Daten einer gesamten Abteilung verglichen werden. Edge devices hilft dabei, Daten aus einer Vielzahl verschiedener Maschinenquellen zu bündeln und zu zentralisieren, wodurch sich die Leistung in Echtzeit leichter nachvollziehen lässt.
Signal von Rauschen filtern – Nicht jede von einer Maschine generierte Information ist nützlich. Edge devices helfen dabei, wichtige Informationen – beispielsweise wenn eine Maschine einen festgelegten Parameter überschreitet oder wenn ein bestimmtes Ereignis erkannt wird – aus der Flut von Daten herauszufiltern, die während der geplanten Betriebszeit anfallen. Zunehmend werden machine learning -Algorithmen auf edge devices ausgeführt, um diesen Filterprozess zu erleichtern.
Echtzeit-Einblicke – Für viele Hersteller ist „ Maschinenüberwachung “ eine Möglichkeit, die Produktion in Echtzeit zu überblicken. Zwar sind historische Daten wichtig, um die Leistung und den Zustand von Maschinen im Zeitverlauf zu verstehen, doch ist es ebenso nützlich, während der Betriebszeiten Einblick in den Maschinenstatus zu haben. Edge devices ermöglicht es, Daten von Maschinen in visuelle Analyse-Dashboards zu leiten. Indem Maschinendaten über ein Edge-Gerät weitergeleitet werden, können Hersteller auf die Analysen zugreifen, die für Echtzeit-Einblicke erforderlich sind.
Kapitel 6: Wie Edge-Computing die Fertigungsindustrie verändern kann
Um in der Fertigung erfolgreich zu sein, ist es zunehmend erforderlich, Betriebsdaten für die „ kontinuierlicher Verbesserungsprozess “ zu nutzen. Kurz gesagt: Es bedarf eines Programms zur „ Maschinenüberwachung “.
Doch „ Maschinenüberwachung “ reicht nicht immer aus. Fertigungssysteme generieren enorme Datenmengen. Und Daten sind nur dann von Nutzen, wenn sie in einer verwertbaren Form gespeichert und abgerufen werden können.
Von den Herstellern, die die Leistung ihrer Maschinen erfassen, verfügen nur wenige über eine Strategie zum Datenmanagement. Noch weniger (nach einigen Schätzungen 14 %) geben an, keine Probleme damit zu haben, die Fülle der in ihren Fertigungsbereichen generierten Daten zu bewältigen.
Hier kann edge devices helfen.
Edge devices dazu beitragen, dass Ihre Maschinendaten 1.) lesbar, 2.) zugänglich, 3.) sicher und 4.) für die von Ihnen verfolgten KPIs relevant sind.
Kapitel 7: Einsatz von „ Edge Devices “ für „ Maschinenüberwachung “ – A Anwenderbericht
Um zu veranschaulichen, wie edge devices in realen Fertigungskontexten eingesetzt werden kann, schauen wir uns an, wie ein Kunde von „ Tulip “ unser „ IoT “-Gateway nutzt, um Daten von seinen älteren Maschinen zu erfassen.
Dieser Hersteller stand vor einem weit verbreiteten Problem. Obwohl seine älteren Maschinen keine Betriebsstörungen aufwiesen, konnten sie nicht nativ mit dem Internet verbunden werden. Das bedeutete, dass die Leistungsmessung der Maschinen manuell erfolgen musste. In vielerlei Hinsicht waren die Berechnungen der Gesamtverfügbarkeit ( Gesamtanlageneffektivität (OEE) ) fehleranfällig, und bei der Analyse von Engpässen war es schwierig, die eigentlichen Ursachen zu ermitteln.
Um einen besseren Einblick in die Produktion zu gewinnen, setzte dieser Kunde Sensoren von IoT sowie Tulip undedge devices ein, um seine analogen Maschinen in das Netzwerk einzubinden.
Mithilfe von „ edge devices “ und Sensoren konnte dieser Hersteller die Drehzahl und andere wichtige Maschinenparameter messen. Mit geringen Anfangsinvestitionen gelang es ihm, seine Kenntnisse über die Produktionsprozesse so weit zu vertiefen, dass Engpässe erkannt und die Produktionslinien besser ausbalanciert werden konnten. Über das „ IoT “-Gateway kann dieser Hersteller Daten von mehreren Maschinen gleichzeitig erfassen. Mithilfe von „ Tulip Analytics“ fasst der Hersteller diese Informationen in einem visuellen Produktions dashboard zusammen. Nun hat jeder im Fertigungsbereich in Echtzeit einen Überblick über die Produktion.
Durch die Verknüpfung dieser Maschinendaten mit den Leistungsdaten der Mitarbeiter konnten sie ihre Betriebsabläufe aus einer ganzheitlichen Perspektive betrachten, Verbesserungspotenziale identifizieren und genau nachvollziehen, wie die unfertigen Erzeugnisse (WiP) durch ihre Fertigungslinien flossen.
Letztendlich steigerte dieser Hersteller die Produktionsmenge um 15 %. Er hat seine ehrgeizigen Ziele hinsichtlich der Produktionsausweitung erreicht und gleichzeitig die Herstellungskosten gesenkt. Durch die Inbetriebnahme einer bestehenden Anlage gelang es ihm, die Betriebsverfügbarkeit und Transparenz so zu verbessern, dass sich dies spürbar auf das Geschäft auswirkte.
