Edge Cloud Continuum for Production

Die intelligente Nutzung von Produktionsdaten bietet enormes Potenzial, um Prozesse in der industriellen Fertigung zu optimieren: Von automatisiertem Werkzeugwechseln bei Verschleiß über das automatisierte Aussortieren von Ausschussteilen bis hin zu dynamischen Parameteranpassungen für mehr Effizienz und Präzision. Werkzeugmaschinen liefern die entscheidenden Daten dafür. Sie erzeugen kontinuierlich wertvolle Informationen über Werkzeug- oder Bauteilzustand. Die Herausforderung besteht darin, diese Daten effizient zu erfassen, zu verarbeiten und Erkenntnisse daraus abzuleiten.

Mit dem Forschungs- und Entwicklungsprojekt »Edge Cloud Continuum for Production« (ECC4P) entwickelt der Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT erstmals eine ganzheitliche Lösung, die gezielt die Herausforderungen automatisierter Produktionsprozesse wie der Zerspanung (Fräsen, Bohren), dem Wälzschleifen und der Umformung in den Blick nimmt. ECC4P unterstützt fertigende Unternehmen dabei, ihre Produktionsprozesse zu überwachen, zu steuern, zu dokumentieren und zu automatisieren – von der Erfassung sensibler Prozessdaten am lokalen Edge-Gerät über das KI-Training in der Cloud bis hin zu intelligenten Anpassungen von Abläufen vor Ort.

Von der Maschine in die Cloud und wieder zurück

ECC4P vereint in einem Kreislauf die Vorteile zweier Technologieansätze. Die Verarbeitung von Daten in Edge-Geräten nahe am Sensor ermöglicht schnelle Reaktionszeiten und lokale Datenkontrolle, während Cloud-Computing in zentralen Rechenzentren die nötige Skalierbarkeit für komplexe Analysen bereitstellt. Daten werden automatisiert genau dort verarbeitet, wo es am effizientesten ist.

An den Maschinen erfassen intelligente, drahtlose Sensorsysteme Parameter wie Temperatur, Vibration oder Druck. Ein Edge Industrial PC fusioniert die gesammelten Sensordaten mit den generellen Maschinendaten und kann bei Bedarf regulierend eingreifen. Die fusionierten Daten werden anschließend vor Ort für die Verarbeitung durch anwendungsspezifische Machine-Learning-Modelle aufbereitet, um sie über standardisierte Schnittstellen weiter zu verwerten. Dabei handelt es sich um automatisierte »Pipelines«, die speziell für das Training und die Weiterentwicklung anwendungsspezifischer ML-Modelle entwickelt wurden.

Das Training dieser Modelle erfolgt in der Cloud, da dort mehr Rechenkapazität als an der Edge zur Verfügung steht. Die so trainierten Algorithmen sind fähig, Muster zu erkennen, Abweichungen wie Produktionsfehler zu identifizieren und Vorhersagen beispielsweise über den Werkzeugverschleiß zu treffen.

Nach Abschluss des Trainings in der Cloud werden die Algorithmen mit ihren Entscheidungsregeln und Vorhersagemodellen von der Cloud wieder auf den Edge IPCs appliziert. Im regulären Produktionsbetrieb wertet die KI lokal Messdaten aus, interpretiert sie und nimmt auf Basis des erlernten Wissens automatisch Anpassungen bei Vorschub oder Drehzahl vor.

Die gesammelten und verarbeiteten Daten und Modelle bleiben zu jeder Zeit unter der Kontrolle des Dateneigentümers. Mithilfe von Datenraum-Technologien wie beispielsweise dem EDC (Eclipse Dataspace Connector) wird sichergestellt werden, dass die Daten beim Teilen mit berechtigten Geschäftspartnern nur gemäß der vereinbarten Datennutzungsregeln genutzt werden.

Durch automatisierte Sicherheitsaudits und Schwachstellenanalysen werden die Edge- und Cloudinfrastrukturen kontinuierlich auditiert, um die Einhaltung von Sicherheits- und Compliancestandards zu gewährleisten,

Ein modularer, praxisnaher Ansatz für die Fertigung

ECC4P bietet die nötige Infrastruktur für eine vernetzte Gesamtarchitektur, stellt gleichzeitig aber auch die Komponenten für alle Teilschritte vom Monitoring bis zum Regelkreis zur Verfügung. Im Baukastenprinzip können sie an bestehende Strukturen angebunden werden. Dazu gehören:

• Die Software-Infrastruktur der Edge für echtzeitfähige Erfassung und Synchronisierung hochfrequenter Messsignale.
• Die prozessnahen, hochsensitiven Sensorsysteme »smartGRIND« (für Wälzschleifen), »smartTOOL« (für Fräsen, Bohren und Schleifen) und »smartNOTCH« (für Metallumformung in Pressen). Über ein Gateway können diese mit dem IPC, mit der Maschinensteuerung oder mit separaten Monitoringsystemen kommunizieren.
• Die »LinkedFactory«-Lösung als eine flexible Datenarchitektur zur Verwaltung von produkt-, prozess- und maschinenbezogenen Produktionsdaten.
• Anwendungsspezifische KI-Algorithmen zur prozessparallelen Datenauswertung.
• Eclipse-Dataspace-Konnektoren (EDC) für einen einfachen, sicheren und souveränen Transfer von ausgewählten Messdaten in die Cloud.
• Automatisierte Prüfung von Security-Compliance Regeln auf den Edge- und Cloud-Infrastrukturen.
• Eine automatisierte MLOps-Pipeline, die in der Cloud anwendungsspezifische KI-Modelle (nach-)trainiert, testet und validiert.
• Ein nutzerfreundliches Live-Dashboard zur Visualisierung der Daten.

Michael Fritz, Leiter der Geschäftsstelle Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT: »Mit ECC4P bietet der Fraunhofer CCIT eine wissenschaftlich-technische Lösung, die aus der intensiven Forschung verschiedener Fraunhofer-Institute zum Edge-Cloud-Continuum entstanden ist – und die in Zukunft kontinuierlich ausgebaut und weiterentwickelt wird. Dazu gehören vertrauenswürdige IoT-Technologien im Bereich der Sensorik ebenso wie innovative Methoden des maschinellen Lernens oder sichere Datenräume. Der Fraunhofer CCIT vereint die wissenschaftlichen Erkenntnisse, das Know-how und die Lösungskompetenz dieser Bereiche und kann damit die gesamte digitale Wertschöpfungskette als neutraler Technologielieferant für Industrieunternehmen unterstützen.«