Wie die Industrie von IoT profitieren kann

Prozesse, die in der klassischen IT einfacher sind, können im Internet of Things zur Herausforderung werden, denn die Geräte müssen besonders sparsam sein, sind oft schlecht zugänglich und können nicht beliebige Datenmengen versenden. Dies die Gedanken des Moderators Patrik Stampfli zum Einstieg in die Thematik.

Welche Antworten in Form von Datenarchitekturen auf solche Herausforderungen möglich sind, erläuterte Andreas Rüst, ZHAW. Das Schwierige sei, dass man unterschiedliche Technologien wie Funk-, Cloud- und Big-Data-Technologien zusammenbringen muss, was interdisziplinäres Know-how erfordere. Er konstatierte: «One size fits all geht hier nicht. Es kommt auf das Problem und die Randbedingungen an.»

IoT kann sich lohnen

Dann kam die Praxis zum Zug – zunächst die Textilwelt: Rowan Sinden von Uster Technologies erläuterte, wie aus Spinnerei-Messdaten Informationen werden und welche Rolle dabei das IoT spielt. Die Aufgabe: trotz schwankender Rohstoffqualität eine konstant hohe Qualität der Textilien zu erreichen. Bei einem Garn werden deshalb rund 100 Merkmale kontrolliert. Die heterogene Systemlandschaft ist dabei ein grosses Problem, denn die Vernetzung kann aufwendig sein – besonders bei älteren Produktionsanlagen.

Die Testdaten können heute dazu verwendet werden, um zu simulieren, wie die fertigen Stoffe aussehen. Früher musste man Muster herstellen, um das Aussehen prüfen zu können. Mit den Daten lassen sich auch die Ursachen von Qualitätsproblemen schnell finden.

Der Geschäftsleiter von Rey Automation, Michael Rey, ging auf die preisgünstige Datenübertragung mittels LoRa bei Industrial IoT ein. Als Beispiel nannte er Baustellen-Silos, die ihre Füllstände der Zentrale periodisch melden, um die Routen der Lastwagen optimieren und die Wartung planen zu können. Durch die optimierte Ortung vermeidet man auch das Befüllen von Lastwagen mit dem falschen Beton.

Die von Rey gewählten Sensoren werden via Magneten an die Silos angebracht und versenden ihre Daten zweimal täglich, in besonderen Fällen viertelstündlich. Sie kosten rund 90 Fr. Sein Fazit: Musste man früher die Technologie noch entwickeln, hat man diese heute verfügbar und muss nur noch einen Business Case finden.

Plattformen und Möglichkeiten

Anhand anschaulicher Beispiele und Live-Demonstrationen zeigte dann Sascha Corti (Bild) von Microsoft auf, welche IoT-Lösungen Microsoft anbietet oder bald auf den Markt bringen wird. Seine Präsentation befasste sich auch mit der Sicherheit: Geräte, die beispielsweise nur sprechen, aber nicht hören, können nicht für Botnets zweckentfremdet werden. Er zeigte, wie aus Standard-Lösungen individuelle Visualisierungen entwickelt werden. Machine Learning wurde auch erwähnt, im Kontext der Predictive Learning: Wie lassen sich Trends und Muster in den Daten erkennen?

Corti empfahl, mit kleinen Projekten anzufangen, um das System auszuprobieren, und danach auszubauen. Bei Anwendungen mit Aktorik machte er auf die Gefahren durch Latenz oder Kommunikationsunterbrüche aufmerksam.

Um die Kosten mit prognosebasierter Instandhaltung künftig zu senken und die Wartung planbarer zu machen, sammeln Diagnosefahrzeuge der SBB pro Jahr 100 Millionen Messungen zum Schienennetz. Ein relevanter Ansatz bei 6600 km Gleisstrecke und einem Budget für die Erhaltung des Netzes von 800 Mio. CHF. Katharina Mellert, SBB, und Zacharias Kull, Elca, stellten die von ihnen eingesetzte Architektur zur Auswertung grosser Datenmengen mit Hadoop und Spark vor und gingen auf die Stolpersteine auf dem Weg zur prädiktiven Wartung ein. Der örtliche Abgleich der Daten, der nötig ist, um Rückschlüsse auf den Zustand der Geleise ziehen zu können, stellt eine der Herausforderungen dar. Zugleich arbeitet man an der Berücksichtigung weiterer Faktoren wie die Beschleunigung der Züge, um die prädiktive Wartung noch präziser zu machen.