Automatisierung : Steuerungstechnik: Nothalt

IoT oder industrielle Kommunikation ist momentan medial weniger gefragt, ist womöglich alles auserzählt? „Stimmt, den Eindruck kann man bekommen. Es reden jetzt alle über Machine Learning (ML), KI oder neuronale Netze, aber das funktioniert nur mit Daten, die wir bereitstellen können“, erklärt Myriam Jahn, Geschäftsführerin des Kölner Unternehmens Q-loud im Interview für das Kundenmagazin der Hannover Messe. Die Probleme in der Kommunikation sind aber weiter präsent. „Wir haben zu viele Protokolle, zu viele Standards und zu viele proprietäre Systeme. Da ist Skalierbarkeit für neue Geschäftsmodelle oder Produkte sehr schwierig.“ Kaum einer traut sich an die bestehenden Prozesse im eigenen Unternehmen oder im Kundenunternehmen heran.

Jahn spricht offen weiter: „Wir haben da jahrelang geschlafen und uns unsere Pfründe gesichert. Der Mittelstand entdeckt Datenanalyse jetzt für sich. Und das muss unkompliziert gehen. Und Umsatz bringen.“ Das schätzen ihre Kunden an ihr: Ehrlich sagen, was ist, was geht. „Langsam denken Steuerungs- oder IT- Anbieter um.“ Sie würden merken, dass immer mehr Automatisierer den Weg an der Steuerung vorbeigehen. Attacke kann sie auch. „Die Steuerung bleibt wichtig, aber die Mehrwerte der Digitalisierung können auch ohne SPS gehoben werden“, ist sich Jahn sicher.

Mit ihrem Unternehmen Q-loud will sie also die OT (operationelle Technologie)-Welt mit den ITlern versöhnen? „Zusammenbringen.“ Q-loud ist ein Unternehmen der QSC AG – ein IT-Unternehmen mit Telekommunikationswurzeln. Jahn baut Q-loud von der OT-Seite auf. Sie bringt die Kolleginnen und Kollegen in den Kundenprojekten zusammen. Das Unternehmen setzt auf vorhandener Hard- und Software auf und adaptiert diese an die Digitalisierungsanforderungen mithilfe skalierbarer Technologie.

Die Rheinländer setzen direkt am Sensor der Maschine an. Die gemeinsame „Sprache“ von Maschinen und IT-Welt stellen die Entwickler von Q-loud sicher. Sie ermöglichen nicht nur Sensordaten und Steuerbefehle Ende-zu-Ende verschlüsselt mit einer Plattform auszutauschen, sondern bilden auch die neuen Geschäftsmodelle der Automatisierer skalierbar in der Plattform ab. Um bestehende Geräte und Maschinen zu vernetzen, können beliebig viele Maschinen mit Software in der Cloud verwaltet und für die neuen Geschäftsmodelle sogar abgerechnet werden. Q-loud liefert Konnektivität und Verschlüsselung, aber auch die notwendige Flexibilität und Skalierbarkeit für ein neues Geschäftsmodell. Neue Services können nicht nur angeboten, sondern auch von den mittelständischen Kunden mit ihren Kunden monatlich abgerechnet werden.

„Die Steuerung sorgt dabei weiter für Safety an der Maschine.“ Keine Angst vor den Steuerungsanbietern, die an ähnlichen Projekten arbeiten? „Wir beherrschen beide Welten – IT und OT“, erklärt Jahn selbstbewusst. Und die Kunden, bleiben die nicht bei ihren bisherigen Anbietern ganz nach dem Motto „Never change a winning team“? „Wir entwickeln in 100 Tagen einen funktionierenden Prototypen. Das überzeugt viele Mittelständler und wir tasten dabei die bestehende Infrastruktur nicht an. Wir setzen neue Prozesse für die Digitalisierung auf.“ Eine skalierbare Lösung mit neuen Geschäftsprozessen steht nach noch einmal neun Monaten.

Hans-Michael Krause arbeitet für einen dieser Steuerungsanbieter, der an ähnlichen Projekten bastelt. Bosch Rexroth ist sein Arbeitgeber. „Viele SPS-Systeme sind sicherlich bedingt durch ihre Software-Architektur (spezielle Echtzeit-Betriebssysteme, spezielle Programmiersprachen, schlechte Kompatibilität zu IT-Systemen) nicht mehr technologisch gesehen das Maß der Dinge und können mit der schnellen Entwicklung der IT-Welt nicht mithalten. Man darf aber die riesige installierte Basis der SPS-Anwendungen und das vorhandene Wissen bei den SPS-Programmierern und Service-Technikern, bei den Maschinenbauern und Endanwendern nicht ignorieren.“

Krause und sein Team von Bosch Rexroth haben deshalb ctrlX AUTOMATION entwickelt und verbinden nach eigenen Aussagen damit die klassische SPS-Welt mit modernsten IT-Technologien und nutzen alle Ressourcen. „So setzen wir auf ein Echtzeit-Linux auf und packen alle Funktionen inkl. der Steuerungs- Runtime in Software-Container (=Apps), die flexibel erweitert werden können. Auch in fünf oder zehn Jahren lassen sich so Funktionen nachrüsten.“ Für die klassischen SPS-Programmierer gibt es weiterhin die Programmierumgebung, die sie gewohnt sind (CoDeSys-basiert), IT-Experten können sich Apps in ihrer Lieblings-Umgebung (Phyton, Java) erstellen und auf der SPS-Steuerung ausführen. Sämtliche Steuerungsinformationen und -variablen inklusive der angeschlossenen Geräte befinden sich im Data Layer, der ähnlich eines Message Bus aus der IT-Welt aufgebaut ist. Zusätzlich bekomme die Steuerung IT-Security-Funktionen, damit sie mit der IT-Welt sicher kommunizieren könne, heißt es bei Bosch Rexroth.

„Die SPS-Steuerung und die damit verbundenen Automationsgeräte sind für den Maschinenbauer und Endanwender ein riesiger Datenschatz, den man mit externen Edge-Devices und Sensorik nicht so einfach heben kann. Man muss jedoch bei der Auswahl der Komponenten auf ein modernes Automatisierungssystem setzen. Bei vorhandenen Maschinen können über die Gateway-Funktionen des Systems auch diese Eigenschaften nachgerüstet bekommen“, erklärt Krause.

Kann die SPS also KI? Krause: „Neuronale Netzwerke kann sie auf jeden Fall so ausführen. Das haben wir bereits auf kleinen IPC gemacht und werden wir nun auf der neuen ctrlX-Steuerung direkt ermöglichen. Die Netzwerke laufen parallel zur SPS-Anwendung und Feldbus-Echtzeit-Kommunikation.“

Und auch Beckhoff setzt auf Machine Learning. Auf der Hannover Messe präsentierten die Ostwestfalen dieses Jahr Twincat Machine Learning. Durch diese nahtlos in die Steuerungstechnik integrierte Lösung für ML erhalte der Maschinenbauer die optimale Grundlage zur Steigerung der Maschinen-Performance – zum Beispiel durch vorausschauende Wartung, Selbstoptimierung von Prozessabläufen oder eigenständiges Erkennen von Prozess-Anomalien, hieß es damals. Grundidee des maschinellen Lernens ist, Lösungen für bestimmte Aufgaben nicht mehr durch klassisches Engineering zu erarbeiten und in einen Algorithmus zu überführen. Vielmehr soll der gewünschte Algorithmus anhand von beispielhaften Prozessdaten erlernt werden. Auf diese Weise lassen sich leistungsfähige Modelle trainieren. Für die Automatisierungstechnik soll dies neue Möglichkeiten und Optimierungspotenziale etwa in den Bereichen prädiktive Wartung und Prozesssteuerung, Anomalie-Detektion, kollaborative Roboter, automatisierte Qualitätskontrolle und Maschinenoptimierung erschließen.

Das jeweilige Modell wird innerhalb eines der gängigen ML-Frameworks, wie zum Beispiel Matlab oder TensorFlow, trainiert und anschließend über das standardisierte Austauschformat ONNX (Open Neural Network Exchange) zur Beschreibung von trainierten Modellen in die Twincat-Runtime importiert. Diese bietet dafür folgende neue Funktionen: Machine Learning Inference Engine für klassische ML-Algorithmen, wie Support Vector Machine und Principal Component Analysis, und Neural Network Inference Engine für Deep Learning und Neuronale Netze, wie Multilayer Perceptrons und Convolutional Neural Networks.

Die Inferenz, das bedeutet die Ausführung eines trainierten ML-Modells, sei als Twincat-TcCOM-Objekt direkt in Echtzeit möglich, und zwar bei kleinen Netzen mit einer Reaktionszeit des Systems von unter 100 μs (Twincat-Zykluszeit 50 μs), versichert Beckhoff. Aufrufbar sind die Modelle sowohl über die PLC, C/C++-TcCOM- Interfaces als auch über eine zyklische Task.

Die Industrie verändert sich, neue Technologien kommen auf den Markt, die SPS entwickelt sich weiter und muss sich auch neuen Wettbewerbern stellen.