Digitalisierung ohne Programmierung

Systems Engineering statt Automatisierungspyramide

Die heutige Datenkommunikation, das Denken und die Methoden im Betrieb eines Unternehmens sind zum großen Teil immer noch durch das hierarchische System der Automatisierungspyramide geprägt. Im Wesentlichen ist sie ein Vehikel, um die Komplexität industrieller Prozesse dadurch zu kapseln, dass man die unterschiedlichen Prozesse im Unternehmen einzelnen Ebenen zuordnet. Die ersten Konzepte dazu kamen bereits in den 1970er-Jahren auf, und bis heute sind mehrere Varianten dazu entwickelt worden. Varianten, wie sie dem RAMI 4.0 zugrunde liegen [8], enthalten sieben Ebenen, während andere nur drei Ebenen aufweisen. In der Standardserie IEC 62264 wird die Automatisierungspyramide, ihre Teile und die Interaktionen umfänglich beschrieben [9].

Gerade die SCADA- und MES-Systeme innerhalb der Automatisierungspyramide erlebten durch ihre „Ordnungsfunktion“ im komplexen Umfeld von Diensten der Industrie 4.0 eine Renaissance. SCADA steht dabei für Supervisory Control and Data Acquisition. Unternehmen nutzen SCADA-Systeme, um Anlagen zu steuern und Daten über deren Betrieb zu erfassen. MES steht für Manufacturing Execution System und dient dem operativen Produktionsmanagement, wird aber zum Beispiel auch für Aufgaben in der Produktionsplanung genutzt. In der Industrie 3.0 hatten beide Systemklassen eine essenzielle Rolle inne. Für den Einsatz in der Industrie 4.0 wurden sie weiterentwickelt, teilweise in Software-Services aufgeteilt und um umfängliche Daten- und Benutzerschnittstellen erweitert.

Um jedoch flexible, hochdynamische und vernetzte Anlagen zu realisieren, muss die strikte Trennung der Ebenen und der Top-Down-Ansatz des Informationsflusses entsprechend der Automatisierungspyramide immer weiter aufgelöst werden, wie Meudt, Pohl und Metternich in [10] herausarbeiten. Eine weitgehend dezentrale und vernetzte Kommunikationsstruktur wird die zentrale Organisation und Steuerung verdrängen. Im Kern bedeutet das, dass man auch in Zukunft Dienste mit Ordnungsfunktion oder besser Orchestrierungsfunktion brauchen wird, die Tage der SCADA- und MES-Systeme aber gezählt sind. Meudt, Pohl und Metternich reihen sich damit in die Aussagen der Plattform Industrie 4.0 in [4] ein und unterstreichen aber auch, dass eine derartige Umsetzung mit großen zeitlichen, technischen (Integration, Cyber-Security usw.) und finanziellen Bemühungen verbunden ist.

Drath et al. machen in [11] deutlich, wie wichtig es ist, sich bei der Digitalisierung nicht nur auf den eigentlichen Betrieb einer Anlage zu fokussieren, sondern den gesamten Entstehungsprozess zu betrachten (von der Konzeption bis zum Betrieb) und durchgängige Informationsflüsse zu realisieren. Bild 1 stellt vereinfacht den Entstehungsprozess einer Anlage sowie dessen Kernkomponenten und deren Beziehungen dar.

Bild 1

Entstehungsprozess einer Anlage (i. A. an [11])

Das in Bild 1 dargestellte Ausführungsmodell interagiert mit der physischen Instanz, die es repräsentiert. Das kann bedeuten, dass es sie beispielsweise steuert, mit neuen Parametern versorgt (um auf Änderungen zu reagieren) oder Zustandsdaten erfasst. Je nach Ausprägung ist es auch mit anderen Diensten vernetzt (z. B KI). Seine Funktionen und Fähigkeiten sind durch das entwickelte Funktionsmodell beschrieben, das im Engineering zu einem Instanzenmodell weiterentwickelt und getestet wurde. Drath et al. unterstreichen in [11] auch, dass damit die eigentliche Innovation durch die Software stattfindet, die letztendlich das Instanzenmodell zur Ausführung bringt und die Interaktion mit der realen Welt sicherstellt.

Mit der funktionsorientierten Entwicklung halten damit auch die Methoden des Systems Engineerings Einzug in die Realisierung von industriellen Anlagen. Und mit dem wachsenden Stellenwert der Software gewinnt auch die Anwendung gängiger Software-Entwicklungsmethoden, wie z. B. das V-Modell [12] und DevOps [13], an Bedeutung.

Die Instanzen- und Ausführungsmodelle sind Ausprägungen von sogenannten digitalen Zwillingen, die hier nach der weitläufigen Definition von Stark et al. verstanden werden [14]: Ein digitaler Zwilling ist eine digitale Repräsentation einer Produktinstanz oder einer Instanz eines Produkt-Service-Systems. Diese digitale Repräsentation beinhaltet ausgewählte Merkmale, Zustände und Verhalten der Produktinstanz oder des Systems.

Eigner weist in [15] darauf hin, dass ein digitaler Zwilling drei Elemente braucht:

• das physische Produkt in der realen Welt,

• seinen digitalen Doppelgänger in der virtuellen Welt und

• die Informationen, die beide miteinander verbinden.

Aus Gründen der Performance oder wegen technischer Randbedingungen kann es aber notwendig sein, die Anwendungen und Ausprägung von digitalen Zwillingen je nach Phase im Entstehungsprozess anders zu gestalten. So kann es zum Beispiel im operativen Betrieb der Performance wegen durchaus Sinn ergeben, einen hierfür optimierten digitalen Zwilling einzusetzen [15].

Industrial Metaverse und Brückenschlag in die Realität

Mit der Nutzung des digitalen Zwillings über den Entstehungsprozess hinweg sind zwei weitere Handlungsfelder verbunden:

• ■ Brückenschlag zwischen der realen und der virtuellen Welt sowie

• ■ realistische Simulation und Visualisierung hochkomplexer Anlagenabläufe.

Zum Brückenschlag gibt es mittlerweile eine Vielzahl von Standards, die hier Einsatz finden können. OPC UA, MQTT, REST usw. beschreiben normierte Zugriffsmechanismen bzw. Standardkonnektoren auf physische Instanzen im Internet der Dinge. Auch Kombinationen von Schnittstellenstandards sind möglich. In [16] beschreiben Blöcher, Althoff, Kobzan und Hendel beispielsweise, wie man die Spezifikationen der IEEE 802.1 Time-Sensitive Networking (TSN) Task Group und OPC UA so kombinieren kann, dass ein hochperformanter Informationsfluss ermöglicht wird.

Gerade für die virtuelle Inbetriebnahme ganzer Anlagen, aber auch bei Änderungsevaluierungen oder dem Betriebsmonitoring ist eine möglichst realistische Simulation unabdingbar. In diesem Zusammenhang wird in jüngster Zeit die Realisierung eines Industrial Metaverse immer öfters erwähnt [17]. Da das Industrial Metaverse derzeit aber noch nicht genügend definiert und wissenschaftlich durchdrungen ist, sind die Diskussionen und Beträge dazu derzeit sehr divers. Gelingt es mit dem Industrial Metaverse jedoch, eine Technologie zu schaffen, in der die Grenzen zwischen der realen und der virtuellen Welt quasi aufgehoben werden, dann eröffnet das völlig neue Möglichkeiten, was die Planung, die (Re-)Konfiguration und den Betrieb industrieller Anlagen angeht. Erste Umsetzungen werden derzeit evaluiert [6].

Vom Digitalen Zwilling zum Microservice

Wenn man jedoch, wie in Bild 1 dargestellt, die funktionsorientierte Planung ins Zentrum der Aufmerksamkeit stellt, und man aus den resultierenden digitalen Zwillingen smarte Microservices ableitet, die über Standardkonnektoren die physischen Instanzen direkt ansprechen und steuern, dann zeichnet sich eine Lösung ab. Dabei ermöglicht der modellgetriebene Ansatz auch die schnelle Reaktion auf Änderungen und deren direkte Umsetzung in der Realität.

Microservices sind ein Architekturmuster der Informationstechnik, bei dem komplexe Anwendungen aus unabhängigen Prozessen generiert werden [18]. Und da diese Microservices beliebig orchestriert werden können, kann man sie auch zur Steuerung von industriellen Anlagen benutzen und mit weiteren (dezentralen) Diensten kombinieren. So zum Beispiel mit KI-Diensten, die auf Basis von aktuellen Maschinensignalen Ausfallwahrscheinlichkeiten oder Parameteränderungen aufgrund von Werkzeugverschleiß berechnen.

Bis hier hin ist man jedoch immer noch auf der Ebene der Informationstechnologie, der Services und Betriebssysteme. Zwar bekommt man damit die oben beschriebene Forderung nach der Resilienz und der Wandlungsfähigkeit industrieller Anlagen in den Griff, es zahlt aber nicht auf die Herausforderung des Fachkräftemangels ein, im Gegenteil.

Durch Low-Code/No-Code dem Fachkräftemangel entgegnen

Low-Code/No-Code-Entwicklungsplattformen können hier einen Ausweg bieten, wie z. B. Simon in [19] schreibt. Es sind Umgebungen mit visueller Oberfläche, in der Anwender:innen schnell Softwarelösungen per Drag and Drop modellieren können, ohne eine Zeile Softwarecode schreiben oder gar eine Programmiersprache beherrschen zu müssen. Das Angebot und die Nachfrage nach derartigen Plattformen sind aufgrund des Mangels an qualifizierten Softwareentwicklern und Fachkräften sowie der Notwendigkeit, die Durchlaufzeiten für Softwareentwicklungsprojekte zu verringern, über die letzten Jahre massiv gewachsen.

Diese Technologie ermöglicht eine für Anwender:innen intuitiv verstehbare, modellgetriebene Realisierung von Digitalisierungslösungen. Alles, was der/die Anwender:in sieht, ist eine benutzerfreundliche grafische Oberfläche (englisch: Graphic User Interface (GUI)), die es ihm/ihr ermöglicht, Komponenten zu modellieren und/oder aus Bibliotheken einzubinden, diese entsprechend zu orchestrieren, weitere Dienste über Schnittstellen und Konnektoren zu integrieren, das Ganze zu testen und zur Ausführung zu bringen. Anwender:innen können dabei jederzeit die Modelle und Konnektoren verändern, ergänzen, neu anordnen etc., und wiederholt testen, bis das Ergebnis wie erwartet funktioniert.

Angewendet auf die Industrie, könnten so entsprechend eingearbeitete Planer:innen und Anlagenbediener:innen ohne Programmierkenntnisse digitale Zwillinge modellieren, sie im gewünschten Prozess orchestrieren, über Konnektoren mit den physischen Instanzen verbinden, testen und ausführen (vgl. Bild 1). Da die Modelle jederzeit änderbar sind, ist auch die Möglichkeit geschaffen, direkt auf Änderungen zu reagieren und damit aktiv für Flexibilität, Resilienz und Wandlungsfähigkeit zu sorgen. Wie weiter oben beschrieben kann man zudem auf die bewährten Methoden des Systems Engineerings und DevOps zurückgreifen und so die agile Realisierung industrieller Anlagen vorantreiben.

Die Möglichkeit, die Digitalisierung industrieller Anlagen ohne Programmierkenntnisse agil voranzutreiben, stellt einen erheblichen Innovationssprung dar.

Stufenkonzept zur Digitalisierung

Wie eingangs beschrieben, ist es bei der Umsetzung in der industriellen Praxis immer nötig, die durch die Digitalisierung gewonnene Vorteile schnell im jeweiligen Unternehmen präsentieren zu können. Das kann durch ein stufenweises Vorgehen erreicht werden (Bild 2). Die Stufen bauen zwar aufeinander auf, je nach Ausgangssituation und Ziel des anwendenden Unternehmens können jedoch auch Stufen übersprungen und/ oder variiert werden.

Bild 2

Stufenkonzept zur Digitalisierung in der betrieblichen Praxis

Die Stufe 1 zielt darauf, in ersten ausgesuchten Anlagen ein flexibles Monitoring zu realisieren. Dazu werden die ursprünglich oftmals als Blackboxes realisierten Anlagen mit ihren Funktionen und Abläu

fen untersucht, die notwendigen digitalen Zwillinge modelliert, nach Prozessvorgaben orchestriert, und schließlich über Standardkonnektoren mit den physischen Instanzen verbunden. Das Ergebnis ist Transparenz über die Daten und Zustände im oftmals heterogenen Shopfloor-Umfeld, die kontextspezifisch erfasst, ausgewertet und visualisiert werden können.

Stufe 2 nutzt die Ergebnisse von Stufe 1. Hier werden die digitalen Zwillinge mit mehr Intelligenz hinsichtlich Fertigungsqualität und Prozessoptimierung angereichert. Neben dem Monitoring können so auch KI-basierte Algorithmen eingebettet und beispielsweise Use Cases zum Predictive Maintenance realisiert werden. Außerdem werden Ausfallzeiten reduziert, indem beispielsweise die Fehlerfrüherkennung erhöht wird.

Während Stufe 1 auf der herstellerneutralen Verbindung der virtuellen mit der realen Welt beruht und auf Zustandsmonitoring und Auswertungen zielt, liegt der Fokus von Stufe 2 auf der Optimierung von Wertströmen. Stufe 3 baut darauf auf. Es werden dabei die in den vorherigen Stufen gemachten Erfahrungen und Ergebnisse auf ganze Fabriken übertragen. Orchestrierte intelligente digitale Zwillinge übernehmen die Steuerung. Da der zugrundeliegende modellgetriebene Ansatz jederzeit Änderungen ermöglicht, geht mit der Stufe 3 die Realisierung der resilienten Fabrik einher.

Zuletzt steht die Stufe 4. Sie zielt auf die Vernetzung, Orchestrierung und Visualisierung von Abläufen sowie das Testen und Steuern resilienter Anlagen und Fabriken über alle Grenzen hinweg (z. B. Anpassungen aufgrund von Produktänderungen und/oder Lieferengpässen, Produktionsverlagerungen, Lastausgleiche).