X/TWITTER: #BCOL24

[vc_row][vc_column][vc_column_text]

Session 04 – Industrial IoT – Vom Gateway zum Datenspeicher zur Visualisierung ins Dashboard

[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text][/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row][vc_column width=”1/3″][vc_column_text]

Referent

[/vc_column_text][/vc_column][vc_column width=”2/3″][vc_column_text][/vc_column_text][om_speakers filter=”id” ids=”2241″][/vc_column][/vc_row][vc_row][vc_column width=”1/3″][vc_column_text]

Zusammenfassung

[/vc_column_text][/vc_column][vc_column width=”2/3″][vc_column_text]Am Beispiel einer Sortieranlage von Leichtverpackungen (Gelber Sack) führt Joshua Coordes vor, wie Daten von den vor Ort eingesetzten Maschinen und Förderbändern genutzt werden können. Grundlage war ein Auftrag des Unternehmens an SWMS, mit einem Volumen von 15-25 Arbeitstagen.

Als Datenquellen stehen 20 Nahinfrarot-Trenngeräte, 2 SCADA-Server und weitere Datenquellen zur Verfügung. Die Datenbereitstellung erfolgte über OPC (Open Platform Communications) DA (Data Access) und UA (Unified Architecture). Der Auftrag wird in folgenden Schritten abgearbeitet:

  1. Anforderungsaufnahme und Konzepterstellung: Mit dem Unternehmen wird besprochen, welche Daten verfügbar sind und erfasst werden, wie die Daten übertragen werden, genutzt und gespeichert werden sollen.
  2. Entwicklung des Gateways und der IoT-Cloud: Daten unterschiedlicher Maschinen werden in die Cloud übertragen.
  3. Inbetriebnahme und Tests vor Ort: U.a. um festzustellen, welche Daten relevant sind.
  4. Erstellung von ersten Auswertungen und Dashboards zur Visualisierung: Im vorliegenden Fall sind das Tabellen und Grafiken zu Materialverteilung auf den Förderbändern, Durchsatz pro Zeitraum, Materialzusammensetzung, Temperatur, Störungen zu erfassen etc.
  5. Projektübergabe an den Auftraggeber zur Weiterbearbeitung im Unternehmen

 

Ziel ist es, Prozesse in Vergangenheit und Gegenwart zu analysieren, Abweichungen und Störungen zu erkennen, ggf. Anpassungen an Maschinen vorzunehmen, die Qualität zu beurteilen oder Standorte zu vergleichen. Auf der Basis der Daten ist es auch möglich, eine KI zu trainieren.

Sinnvoll und wichtig ist eine Verknüpfung der maschinell erhobenen Daten mit dem Knowhow der Mitarbeiter*innen.

Ergänzende Datenquelle kann eine Bilderkennung mithilfe von Kamera und Sensorik sein, was zum Teil schon in den Maschinen integriert ist.

Diese Art der Datenaufbereitung ist für diverse Produktionsprozesse sinnvoll und für mittlere bis kleinere Unternehmen geeignet. Vorteil ist u.a. eine 24/7-Datenerfassung.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width=”1/3″][vc_column_text]

Statements

[/vc_column_text][/vc_column][vc_column width=”2/3″][/vc_column][/vc_row][vc_row][vc_column width=”1/3″][vc_column_text]

Medien

[/vc_column_text][/vc_column][vc_column width=”2/3″][/vc_column][/vc_row]