Cyber-Physical Production System (CPPS)

Das Cyber-Physical Production System (CPPS) ist ein System mit sowohl physischen als auch virtuellen Komponenten, das physische Geräte wie Roboter und Fließbänder mithilfe von Cloud Computing steuern kann. Das CPPS ist in der Lage, die virtuelle und die physische Welt zu integrieren, um die Produktion zu verbessern. Ein Beispiel für diese Integration ist die Kombination von 3D-Druck und Robotern zur Herstellung kundenspezifischer Produkte, die die Abhängigkeit von menschlicher Arbeit verringert und umweltfreundlicher ist.

Im Kontext von Industrie 4.0 stellen die Steuerungssysteme und deren Vernetzung mit Aktoren und Sensoren in Maschinen und Produktionssystemen eine der wichtigsten Basistechnologien dar.

Insbesondere durch die Verschmelzung von Informationstechnologien und Steuerungsaufgaben sind neuartige Steuerungsarchitekturen möglich und sinnvoll.

Mit den bestehenden starren Steuerungsarchitekturen und -systemen lassen sich innovative Konfigurations-, Planungs- und Optimierungsalgorithmen nicht umsetzen.

—> Entwicklung einer zukunftsfähigen Steuerungsarchitektur. (Neue Architektur entwickeln soweit nötig und sinnvoll )

Problem: Laufzeit von Maschinen: Buchhaltung 10; Nutzung 15-20

Vernetzung erst seit 10 Jahren ca; dh noch viele Maschinen, die nicht kompatibel sind und die stück für stück umgebaut/ Adaptiert werden

Für eine wirtschaftliche Produktion in turbulenten Märkten sind ständige Anpassungen der Produktion durch Rekonfiguration und Selbstoptimierung der komplexen Automatisierungslösungen zunehmend erforderlich (Bullinger et al. 2003).

Industrie 4.0: Cyber-Physische Produktionssystemen (CPPS) (Reinhart et al. 2013) nehmen Änderungen in Umgebung wahr und passen sich selbstständig an. (Ziel: Reinhart Paper: flexible anpassung und zukünftig bessere Aufstellung )

Dazu ist eine immer stärkere Integration von Intelligenz in Form komplexer Algorithmen in die Steuerungen solcher Systeme notwendig (Keinert und Verl 2012). Bisherige Steuerungen bieten nicht die notwendigen Voraussetzungen und erfordern neue Architekturkonzepte.

Steuerungsarchitektur ist eine Basis-Plattform und stellt Rechenleistung für Algorithmen zur Umsetzung von I. 4.0 zur Verfügung.

Zusätzlich erfordert die Organisation einer solchen intelligenten Produktion neben der Wahrnehmung der Umgebung mit Sensoren eine geeignete Vernetzung der CP(P)S

So sieht es in der Anlage aus; von oben nach unter werden die Sollwerte durchgegeben; Unten tatsächliche Maschinenebene -

Simulation hier = Testbetrieb

1. Produktionsanlauf und Rekonfiguration von Produktionssystemen ist momentan schwierig - herkömmliche statische Steuerungsstruktur muss manuell über vorgegebene Schnittstellen konfiguriert werden - häufig Inkompaltibilität durch unterschiedliche Software

2. Selbstoptimierung von Produktionen bisher nihct vorhanden - keine Steuerbefehle bottom-up kommuniziert und verarbeitet sowie Optima berechnet werden - manuelle Konfiguration auf jeder Ebene nötig

3. Berechnungen komplexer Algorithmen wie Simulationen, Identifikationsverfahren und Signalanalysen, die aufgrund begrenzter Rechenleistung nicht auf der Steuerung berechnet werden können. - Die Rechenleistung muss also nicht permanent zur Verfügung stehen (Nur bei Inbetriebnahe oder Rekonfiguration). Um die Funktionen umzusetzen, ist eine für den Normalbetrieb überdimensionierte Steuerung notwendig.

4. Mangelnde Sicherheit und Schutz des Prozess-Know-hows gegen ungewollte Zugriffe - Alle zur Steuerung notwendigen Algorithmen liegen lokal auf der Steuerung und müssen durch regelmäßige Sicherheitsupdates geschützt werden

5. Erweiterbarkeit, Aktualität und Zukunftssicherheit: Neue innovative Algorithmen oder Updates auf jede einzelne Steuerung müssen aufwändig manuell aufgespielt und validiert werden. Starke Abhänngigkeit Steuerungssoftware und Steuerungshardware (Hardware 15 Jahre; Software 2-3)

6. Verfügbarkeit, Redundanz und Ersatzteilbevorratung: Jedes Steuerungssystem muss bei einem Defekt aufwändig neu konfiguriert und evtl. programmiert werden (hohe Kosten durch Servicetechniker etc.) I.d.R. Keine automatische Backups (Ersatzteilvorrat: Braucht Ersatzteile für Wartung, absicherung

7. Stabilität und Kompatibilität: Aktualisierungen und Änderungen an einzelnen Komponenten können aufgrund der starren statischen Struktur Fehler an anderer Stelle hervorgerufen werden. (Zusammenhänge, die sich gegenseitig beeinflussen durch inkompatibilität )

8. Bedienbarkeit: nur über die jeweilige spezifische Benutzerschnittstelle vor Ort an der jeweiligen Steuerung (oder vordefiniertem Fernzugriff) - Übergreifende Informationen über mehrere Maschinen hinweg können meist nicht genutzt werden. Dadurch werden die Prozessoptimierungen und Diagnosemöglichkeiten stark eingeschränkt.

9. Datenprotokollierung und Dokumentation: Informationen immer nur an einzelnen Stellen zur Verfügung stehen, wird eine durchgängige lückenlose Dokumentation zur Nachverfolgung von Produktionsverläufen und Qualitätskontrollen erschwert.

10. Kosten: Bei heutigen Werkzeugmaschinen betragen die Kostenanteile für Steuerungstechnik bis zu 10 Prozent. Bei Produktionspausen, wie z. B. 2009 / 2010 durch die Wirtschaftskrise verursacht, stehen hierbei hohe Einsparpotenziale zur Verfügung.

11. Zur Automatisierung von Maschinen und Anlagen werden Steuerungssysteme unterschiedlicher Ausprägung und verschiedener Hersteller eingesetzt. Sie tragen entscheidend dazu bei, effizient und qualitativ hochwertig zu produzieren.

    —> Weiterentwicklung / Optimierung der Steuerungssysteme für komplexe Anlagen (leistungsstark, aber sehr komplex) (Weck und Brecher 2006).

12. Keine ausreichende Rechenleistung im Normalbetrieb - Jede Maschine (Roboter etc.) besitzt eigene abgeschlossene Steuerung. Die Rechenleistung wird im Normalbetrieb kaum voll genutzt, reicht aber für aufwendige Algorithmen (bspw. bei Optimierungsproblemen oder zusätzliche funktionalitäten) nicht aus

13. Skalierung ist bisher nicht möglich.

14. Austausch von Informationen nur über statisch konfigurierte Schnittstellen.

15. Weder Wandelbarkeit durch Rekonfiguration, noch die Möglichkeit zur Selbstoptimierung von Produktionssystemen als Cyber-Physische Systeme ist gegeben.

16. In Produktionsanlagen herrscht eine strikt hierarchische Trennung zwischen einzelnen Steuerungsebenen

17. Steuerung in einer heutigen Produktion erfolgt somit stets top-down - Es werden jeweils ausgehend von Zielwerten und entsprechenden Ist-Werten mittels statischer Algorithmen neue Soll-Wert-Vorgaben für die darunterliegende Ebene berechnet.

18. Separate, fest vorgegebene Benutzerschnittstelle (HMI) im Betrieb und Schnittstelle zu Engineering-Tools für die Inbetriebnahme auf der Maschinenebene. Fernwartung oder z.B. Simulationen auf separaten Rechnern nur über spezielle Schnittstellen.

19. Fest vorgegebenen Funktionsumfang und fest vorgegebene Rechenleistung.

20. Steuerungen immer abgeschlossene Einheiten, die über eine Vielzahl unterschiedlichster Schnittstellen meist statisch konfigurierte Informationen austauschen.

Notiz:

Aktuelle Defizite:

- verschiedene Hersteller / Ausprägungenn --> ineffizienz

- Systeme weiterentwickeln und leistungsstärker machen

- Jede Maschine hat eine abgeschlossene Steuerung

Für aufwendige Algorithmen: kurzfristig mehr Rechenleistung

Zukunft:

Hauptfunktion ist ausgelagert in einer Unternehmens Cloud; die geschützt ist

Sensorik und Aktorik als Source bleibt

Zukünftige cloudbasierte Steuerungssysteme bieten:

− skalierbare Rechenleistung als globale Cloud Ressource, die abhängig von der Komplexität der Algorithmen automatisch zur Verfügung gestellt wird. (komplexität kann hochgefahren und skaliert werden )

− die monolithischen Steuerungen werden dazu aufgebrochen und Teile davon als Services in die Cloud verlagert (Abb. 2). Sie werden modularisiert und mit Mechanismen des Cloud-Computing – etwa globale Datenverarbeitung und Service-Orientierte Softwarearchitekturen (SOA) – erweitert. (monolithisch = es gibt einen Kern ; multiprozessor vs einer ; jetzt skalierbar in Cloud )

Es bleibt lediglich die Sensorik und Aktorik als lokale Ressource vor Ort.

Wichtig: Modular aufbauen

kann im Unternehmen oder außerhalb des Unternehmens sein

Als Cyber-Physisches System werden eine Maschine, ein Roboter oder ein ganzes Produktionssystem betrachtet (Abb. 3), die durch die Verlagerung der Steuerungsfunktionen in die Cloud einfach mit anderen Maschinen interagieren und ohne Hardwareschnittstellen mit ihnen Informationen über Services austauschen können:

− Maschine ist wandelbar und kann lernend auf ihr Umfeld und die Bediener reagieren

− Sie kann sich schneller und selbstständig an sich ändernde Einflüsse von außen anpassen, ohne manuell durch neue Hardwareverbindungen umkonfiguriert zu werden.

Eine cloudbasierte Steuerung bietet eine geeignete Grundlage für die Vernetzung und Bereitstellung von Rechenleistung für Cyber-Physische Systeme in der Produktionstechnik (Abb. 3).

WAN / LAN: Wide Area Network / Local Area Network

Aktive Netzwerkbrücke: Zugriff über echtzeitfähiges Netzwerk

Machine unten = Ressource

Der Informationsaustausch zwischen Cyber-Physischen Systemen soll zukünftig ohne die Anpassung von Hardwareschnittstellen und Protokollen erfolgen. Die lokale Aktorik und Sensorik der Maschine ist über eine „Aktive Netzwerkbrücke“, welche die Kopplung der Nichtechtzeit von Wide Area Networks (WAN)/Local Area Network (LAN) mit der Echtzeit im Inneren der Maschine übernimmt, mit der Cloud verbunden. (TCPIP - Nichtechtzeit

echtzeitfähigkeit garanieren; zusatz über nichtechtzeit systeme)

Das Feldbussystem zwischen den Automatisierungskomponenten im Inneren der Maschine soll nicht verändert werden.

In der Cloud wird unterschiedliche Hardware über ein Betriebssystem zusammengefasst und zur Verfügung gestellt.

Unterschiedliche Instanzen einer Steuerung können gestartet werden, wobei die dabei instanziierten Module wie NC-Steuerung, Human Machine Interface (HMI), Speicherprogrammierbare Steuerung (SPS), Schnittstelle für Mehrwertdienste und das Communication Module (COM) miteinander kommunizieren. Benötigt ein Modul mehr Rechenperformance, wird diese dynamisch vom Betriebssystem zur Verfügung gestellt. Die Steuerung stellt lediglich einen Service innerhalb der Cloud dar.

*IP 4 und 6 - IP Adressen sind auseggangen - Jetzt neue IP Adressen

1. Skalierbarkeit der Performance der Steuerungen: überdimensionierte Steuerungshardware nicht mehr nötig

2. Zukunftssicherere Anlagen durch Räumliche Änderung der Anlagenanordnung lässt sich einfacher realisieren. Dazu ist eine strikte Trennung zwischen Hardware und Software notwendig. Es kann somit eine längere Verfügbarkeit als bei heutigen Steuerungsplattformen garantiert werden. (Hardware hat eine Schnittstelle nach draußen - so hat man längere Verfügbarkeit ; Software kann man einfach austauschen )

3. Kooperation und Interaktion: Die einzelnen Steuerungsinstanzen der CPS innerhalb der Cloud können durch Services kooperieren und interagieren

   —> Flexibilität der Produktion steigt

4. Flexibilität der Produktion steigt

5. Innovative Bedienkonzepte - Darüber hinaus sind die Vernetzung zwischen CPS, mobilen Geräten und die Interaktion mit dem Bediener (Innovative Bedienkonzepte) deutlich besser umzusetzen.

6. Aufspielen effizienterer Algorithmen (App-Konzept) kann die Produktivität optimieren.

7. Erleichterte Wartung - Weiterhin wird die Notwendigkeit, Hardware für Steuerungen und die zugehörige Firmware zum Nachstellen von Fehlerfällen beim Kunden vorzuhalten, entfallen. Steuerungstechnikprovider können sich direkt auf die Originalsteuerung einloggen und diese diagnostizieren.

8. Prozessoptimierung - Bessere Planung durch Simulation optimaler ergbenisse

9. Skalierbarkeit der Rechenleistung - Bei Inbetriebnahme ist dann teilweise eine hohe Rechenleistung für die Simulation oder Kompilierung notwendig, die aber später im Betrieb nicht mehr oder nur zeitweise benötigt wird. Die Rechenleistung in der Cloud kann für jedes CPS frei skaliert werden.

10. Möglichkeiten der Fehlerdiagnose, beispielsweise zum Zwecke des verbesserten Herstellerservices - Durch Aufbau einer ausreichenden Datenbasis

11. Möglichkeit Backup der gesamten Steuerung zu erzeugen, um so im Fehlerfall ein Reservesystem zu starten

12. Darstellen von Informationen kann besser an die Benutzer_innen angepasst werden, da die Informationen nicht mehr nur von jeweils einer Steuerung verfügbar sind.

13. Ein Backupsystem, bzw. Redundanzen über mehrere Server hinweg, erhöht die Verfügbarkeit und Sicherung der Steuerungsalgorithmen und der gewonnenen Ergebnisse.

14. Sicherheit - Auf den einzelnen CPS sind so wenig sensible Daten wie möglich temporär gespeichert. Die Zugriffsicherheit ist daher für die Cloud und die Kommunikation mit den CPS zu gewährleisten.

    (Möglichkeit schützenswerte Information Zentral zu schützen; so haben einzelne Anlagen nicht mehr den Wert ; Infos Zentral schützen )

15. Der Schutz der Prozessparameter und die Anwendung zeitgemäßer Sicherheitsmechanismen (Security) werden durch das flexible Steuerungskonzept ermöglicht. B

Neben den Vorteilen einer cloudbasierten Steuerung für Maschinen und Anlagen müssen allerdings die strengen Anforderungen der Produktionstechnik, wie

− Echtzeitfähigkeit

− Verfügbarkeit

− und funktionale Sicherheit

weiterhin erfüllt werden können.

( *Echtzeitfähigkeit = Berechnung nicht nur richtig; bis zu festgelegtem Termin erhält man Information; garantiert rechtzeitig korekte Auswertung - Kapazität Warnungen auszuführen (bsp Airbag; bremse, ...) Netzwerk muss garantieren kritischenn Anfragen zu übertragen - Sennsorverarbeitung und Verfügbarkeit wichtig )

Real time Data wird auf allen ebenen vorsortiert; und dann weitergeleitet;

Kapazitäten werden nach Prioritäten weitergegeben

Echtzeit

Nihct echtzeit

Zum verteilen brauche ich Echtzeit;

Durch Cloud kann es immer zu verzögerungen kommen

Gibt Störungen

Wenn WLAN eingesetzt wird: noch mehr störungen durch überlastungen ect

Konkurrenzlose Stärken von MindSphere

• Installierte Basis von Millionen von Siemens-Geräten weltweit (30 Mio. Automatisierungssysteme, 70 Mio. genutzte Smart Meter, 800 000 verbundene Produkte, z. B. Züge)

• Transfer von fachbezogenem Know-how in vertikal- spezifische Analyse-Apps

• Integrierte Betriebsdaten mit digitalem Zwilling zur Optimierung von Simulation und Engineering (modellbasierte Analyse)

• Plug-and-Play-Konnektivität zur schnellen Anbindung von Assets ohne Programmierung

• Ecosystem mit breit gefächerter Fachkompetenz und horizontalen IT-Fähigkeiten

Ecosystem: Gedanken von Apps und anderen Anwendungen

Siemens kommt von unten; vertikal spezifisch

SAP zB entlag SupplyChain

Vergleich Karten vs Auto Navi ( Autonavi = echtzeit auswertungen)

HANA = High Performance ANalytical Appliance

SAP HANA ist eine Plattform für das Datenmanagement, die Transaktionen und

Analysen auf einer einzigen, singulären Datenkopie im Hauptspeicher verarbeitet.

Durch den Einsatz der in-Memory-Technologie entfällt die Unterscheidung zwischen

OLTP (Online Transaction Processing) und OLAP (Online Analytic Processing).

Während klassisch getrennte, spezialisierte Systeme für transaktionale und analytische

Funktionen erforderlich sind, wir mit der in-Memory-Technologie beides in einem System realisiert.

Vorteile:

− Hochentwickelte In-Memory-Verarbeitung ohne Latenzzeiten

− Erkenntnisgewinn in Echtzeit aus Big Data und dem Internet der Dinge (Alles direkt in Echtzeit zur Verfügung; nihct mehr historisch schauen, wie letzter Monat gelaufen ist sondern hat es direkt )

− Integriertes Datenmanagement für mehr Skalierbarkeit und weniger Komplexität (Konzentration auf das wesentliche )

− Unterstützung moderner Anwendungen, die Geodaten und Streaming-Daten verarbeiten ohne die Daten in das ERP laden zu müssen.

Vorteile - betriebswirtschaftlicher sicht:

− Echtzeit Interaktionen; schnellere Anpassungen im Betrieb führen zu Vorteilen im Wettbewerb.

− Einfachheit des Datenbanklayouts ermöglicht eine schnellere Datenerfassung und bringt erhebliche Verbesserungen im Berichtswesen mit sich.

− Vorausschauende Analysen und Simulationen gewähren ein Ausblick in die Zukunft.

− Verringerung der IT-Landschaft reduziert die IT-Betriebskosten um 37 %.

Muss man nachrechnen; bietet potenzial, ist aber auch teuer, dennoch kann es attraktiv sein (alles über 10-15% ist attraktiv)

Nachteile:

− Hohe Herstellerabhängigkeit (und Kosten ndahinter; wenn alles aus einer HAnd wird es schwieriger zu wechseln; Welche Schnittstellen gibt es; )

− Relativ hohe Lizenz- und Wartungsgebühren

− Relativ geringe Verbreitung und entsprechend geringe öffentlich zugängliche Wissens- und Erfahrungsbasis (Usergroups, Blogs, Communities) gegenüber klassischer Datenbanklösungen. (Konservative Unternehmen)

Definition:

Online-Transaction-Processing (OLTP), Online-Transaktionsverarbeitung, auch Echtzeit-Transaktionsverarbeitung, bezeichnet ein Benutzungsparadigma von Datenbanksystemen und Geschäftsanwendungen, bei dem die Verarbeitung von Transaktionen direkt und prompt, also ohne nennenswerte Zeitverzögerung, stattfindet.

Definition:

Zur Navigation springen Zur Suche springen

Online Analytical Processing (OLAP) wird neben dem Data-Mining zu den Methoden der analytischen Informationssysteme gezählt. OLAP wird weiterhin den hypothesengestützten Analysemethoden zugeordnet. Der Analyst muss vor der eigentlichen Untersuchung wissen, welche Anfragen er an das OLAP-System stellen möchte. Seine Hypothese wird dann durch das Analyseergebnis bestätigt oder widerlegt. OLAP-Systeme bilden in diesem Zusammenhang oft die technologische Grundlage für aktuelle Business-Intelligence-Anwendungen. Typische Einsatzszenarien für entsprechende OLAP-Systeme sind u. a. das Berichtswesen und Analyse, aber auch Planung und Budgetierung in folgenden Bereichen: Controlling, Finanzabteilungen, Vertrieb, Produktion, Personal und Management Unternehmenssteuerung.

OLAP-Systeme beziehen ihre Daten entweder aus den operationalen Datenbeständen eines Unternehmens oder aus einem Data-Warehouse (Datenlager). Der Einsatz eines Data-Warehouse verhindert, dass die Analysedaten mit den transaktionsorientierten Datenbeständen in Kontakt kommen und die Leistungsfähigkeit beeinträchtigt wird. Ebenso ist die Leistung eines OLAP-Systems von der verwendeten Datenhaltungsform und deren Anbindung an den Analyse-Client abhängig.

Im Gegensatz zum Online Transaction Processing (OLTP) steht hier die Durchführung komplexer Analysevorhaben im Vordergrund, welche ein sehr hohes Datenaufkommen verursachen. Das Ziel ist, durch multidimensionale Betrachtung dieser Daten ein entscheidungsunterstützendes Analyseergebnis zu gewinnen. Als besondere Zielgruppe wird hier das Management in seiner Rolle als Entscheidungsträger genannt.

− Derzeitige Steuerungssysteme haben Defizite, insb. in Hinblick auf Vernetzung, Datenaustausch und Rechenkapazität (Lebensdauer der Software ist kürzer als die der Hardware;

Schneller Wandel, ... )

− Die Anforderungen an Stabilität, Sicherheit und Verfügbarkeit sind hoch

− Echtzeitanforderungen und breite Vernetzung müssen abgestimmt sein