Aufgabe:
Die zentrale Aufgabe war verschiedene Parameter einer Maschine zu überwacht und per Edge-Device an eine Analyseplattform zu übertragen. Die Datenmenge kann sehr hoch sein (Werte im Sekundentakt). Wichtig war hier neben der Grenzwertüberwachung auch ein nachgelagertes KI-Modell welches mögliche Abnutzungen oder Tendenzen in den Daten meldet / überwacht.
Herausforderung:
Die größte Herausforderung war die große Datenmenge. Zwar wurde die hier vorgestellte Lösung nur auf zwei Maschinen ausgerollt, doch sollte das Backend die Möglichkeit bieten einfach zu skalieren falls man die gesamte Produktion einbinden möchte. Eine weitere Herausforderung war die Erkennung von Abnutzung auf den angebunden Maschinen. Da ein Ausfall extrem kostenintensiv ist, war keinerlei Datenbasis für ein solches Szenario vorhanden.
Lösung:
Nachdem ein entsprechendes Edge-Gerät (Link zu Revolution Pi) definiert, entwickelt und getestet wurde konnte die nötige Infrastruktur aufgesetzt werden. Da keine entsprechenden Ressourcen vorhanden waren haben wir uns mit dem Kunden darauf verständig die Lösung komplett in der Cloud bei Amazon Webspace zu betreiben. Zentral war hier der Open-Source Ansatz bei verwendeter Software. Daher wurde Kafka als Stream-Anwendung für die Daten verwendet, welche alle ankommenden Daten direkt auf Abweichungen analysiert.
Resultat:
Neben einem nun Parameter abhängigen Rüstungszyklus profitiert der Kunden nun auch von zuvor nicht bekannten Eigenschaften der Produktionsprozesse.
Der zuvor auf feste Intervalle festgesetzte Werkzeugtausch war zwar zuverlässig mit Hinblick auf die Ausfall Quote, doch bietet der neue Ansatz die selbe Zuverlässigkeit, spart darüber hinaus aber wertvolles Geld, da noch intaktes Werkzeug nicht nur aufgrund eines abgelaufenen Zeitintervalls getauscht wird.
