Ist die industrielle Cloud machbar? - AWS re:Invent AWS Cloud für Fertigung und Industrie

Ist die industrielle Cloud machbar?

Es ist schon eine Weile her, dass ich zum ersten Mal hörte: “Versuche nicht, die Herausforderungen von Fabriken mit Bürolösungen zu lösen”. Mehrere Jahrzehnte, um genau zu sein, aber es ist immer noch eine gültige Regel, und hin und wieder höre ich mich das zu einigen der Cloud-Befürworter sagen, die industrielle Umgebungen noch nicht ganz verstanden haben. Als Analyst und Berater mit einem starken Hintergrund und Netzwerk in der industriellen Infrastruktur und Fertigung bin ich sozusagen immer am Edge, wenn es um industrielle Cloud-Anwendungen geht (das Wortspiel ist beabsichtigt). Ist die industrielle Cloud machbar?

Meine Priorität für AWS re:Invent 2021 ist es natürlich, Lösungen für Fertigungs- und Industrieumgebungen zu identifizieren, mit denen Kunden eine digitale Transformation einleiten können, und mich zu Gesprächen mit der großen Mehrheit der industriellen Entscheidungsträger zu inspirieren, die der Cloud in ihren Fabriken immer noch skeptisch gegenüberstehen. All dies folgt der goldenen Regel “Versuche nicht, die Herausforderungen in der Fabrik mit Bürolösungen zu lösen”.

Während einer Breakout-Session für die DACH-Region stellte Continental seine auf AWS aufgebaute Lösungsplattform vor, und ich konnte die Kritiker bereits flüstern hören: “Ja, aber das ist nicht der Betrieb der Fabrik”. Das ist richtig. Obwohl es die Zuverlässigkeit von Cloud-Lösungen demonstriert, ist es immer noch nicht in die Hauptschlagader der Fabrikautomation eingebettet.

Das AWS DACH-Team brauchte nicht lange, um meinen Wunsch nach einer echten industriellen Anwendung aus ihrem Ökosystem zu erfüllen. Im Digital Builders Showroom wurde eine ML-basierte Leckerkennung für Tanks und Rohre demonstriert, und mein Herz für die Industrieautomation begann viel schneller zu schlagen.

Leckerkennung ist eine Herausforderung, und viele haben versucht, diese Nuss zu knacken, zum Beispiel mit neuronalen Netzen. Das Problem: Das Training dauert ewig, und die Erkennungsmodelle sind sehr spezifisch. Wir sprechen hier nicht von sehr plötzlichen Lecks, bei denen ein Tank oder ein Rohr platzen würde. Wir sprechen von den langsamen, schleichenden Lecks, die sich im Laufe der Zeit entwickeln und unter dem Radarschirm bleiben.

Denken Sie zum Beispiel an Pressluft. Pressluft ist in vielen industriellen Prozessen unverzichtbar, und obwohl “Luft umsonst” ist, ist die für die Bereitstellung von Pressluft erforderliche Energie nicht kostenlos. Kompressoren sind energiehungrig und erzeugen viel Wärme. Pressluft ist teure Luft! Undichte Pressluft ist eine reine Verschwendung von Geld und Energie.

Lecks treten überall auf. Kupplungen und Schläuche leiden unter Verschleiß. Auch die Wärme tut ihnen nicht gut. Die Leckagen sind schwer zu erkennen, weil sie eine relativ kleine Variation des industriellen Kompressionsverbrauchs und -musters darstellen. Der Unterschied liegt in der sehr geringen Verzögerung bei der Druckverfügbarkeit oder in dem sehr langsamen Druckabfall. Schwer zu erkennende Vibrationen können ein deutlicher Indikator für Lecks sein. Sogar das Geräusch eines Druckluftlecks ist sehr deutlich, aber in einer industriellen Umgebung auch sehr schwer zu erkennen.

Mit der richtigen Mischung aus Sensoren, Daten und maschinellem Lernen kann ein Leckerkennungsmodell für Druckluft erstellt werden, das auch die Hunderte von sehr kleinen Lecks erfasst, die sich zu einer Menge verschwendeter Energie und Geld summieren. Der Vorteil des AWS-Ökosystems besteht darin, dass dies mit verfügbaren Services aufgebaut werden kann und die Lernkurven und Modelle zwischen Einrichtungen und Standorten ausgetauscht werden können.

Ein praktisches Beispiel hierfür wäre, dass eine bestimmte kurze Vibration in Kombination mit einem bestimmten langsamen und geringen Druckabfall von einem Wartungsteam als undichte Kupplung bestätigt wird. Die Cloud-fähige ML-Plattform verteilt diese Identifizierung auf alle Instanzen. Während die ML-Engines weiter lernen und die Erkennung verfeinern, lernt sie auch aus den Fällen, in denen die Analysen ein potenzielles Leck erkannt haben, die zuständigen Wartungsteams dies aber nicht bestätigen konnten.

Dies ist nur ein praktisches Beispiel dafür, wie die Cloud-Technologie Lösungen für Industrie- und Fertigungsumgebungen bereitstellen kann, ohne zu versuchen, die Herausforderungen der Fabrik mit Bürolösungen zu lösen. Die industrielle Cloud ist machbar! Wir müssen nur darauf achten, dass wir die richtigen Lösungen und Partner auswählen!

Eine gute Möglichkeit, mit der digitalen Transformation in der Fertigung zu beginnen, sind die Online-Schulungen von Dr. ir Johannes Drooghaag:

1 thought on “Ist die industrielle Cloud machbar?”

  1. Pingback: USE CASE Industrielles ML und Cloud in der Fertigung - AWS re:Invent

Leave a Comment