Edge, Fog und Cloud in der Produktion Klare Sicht auf nebulöses Computing

Daten - Teile von Texten, Bilder, rohe Bits und Bytes, die dem Menschen bestimmte Dinge sagen und zeigen, von den Höhlenmalereien bis zum gedruckten Wort: eine Verständnishilfe, die ohne angemessene Verarbeitung nicht funktioniert. Für diese Verarbeitung sind ein Gehirn oder ein Computer erforderlich.

Warum? Datenmengen können riesig sein, und der Versuch, sie auf eine verarbeitbare Größe zu reduzieren, kann zu Informationsverlusten führen. Daher ist eine Zusammenfassung der Daten im weiteren Sinne mit einem gewissen Bezug zu Herkunft und Inhalt hilfreich. Hier kommt das Fog Computing zum Einsatz.

Was ist Fog Computing?

Wenn die Verarbeitung in der Cloud von leistungsfähigen Servern ausgeführt wird, reduziert das die Kosten für einen ebenso leistungsfähigen Computer vor Ort und optimiert die Maschinenkosten. Zu einem gewissen Grad sinken auch die Entwicklungskosten, weil Cloud Computing die passende Software als Service bereitstellt (SaaS). Punkte wie regelmäßige Backups und valide Wiederherstellungsmechanismen sind eindeutige Vorteile des Cloud Computings, aber es fallen auch regelmäßig Kosten für Dinge wie die Bandbreitennutzung und die gespeicherte Datenmenge an.

Fog heißt im Gegensatz zu Cloud im Prinzip „bodennah“. In der Produktion versteht man hier Computing an der realen Schnittstellen-Ebene am äußeren Rand (Edge) des industriellen Netzwerks. Wie der Name schon andeutet, entspricht Fog Computing der Verarbeitung direkt „an“ den Daten, aber die Rechnereinheit sitzt nah am Rand oder am Punkt der Datenerfassung. Im Gegensatz zum Cloud Computing unterliegt das alles im Wesentlichen der Steuerung durch den Applikationsentwickler, und der Aufwand bleibt normalerweise auch am Entwickler hängen. Hier geht es nicht nur um die Implementierung ins System, auch müssen zusätzliche Dienste wie die Konnektivität und Backups ebenfalls aufrecht erhalten werden.

Fog Computing bei CNC

Betrachten wir als Beispiel einen CNC-Automaten, der über Sensoren verfügt, die verschiedene Datenpunkte überwachen. Das sind die zu verarbeitende Materialgröße, die Geschwindigkeit der Fräsen, die Temperatur der Fräsen, die Materialtemperatur sowie die Position des Fräskopfes und der Strombedarf bei dessen Bewegung. Diese Datenpunkte sind der Kreis in der Welt, in welcher die CNC-Maschine arbeitet. Aber was können wir mit ihnen noch erreichen?

Diese Verarbeitung nahe am Netzwerkrand (Edge) muss in Echtzeit stattfinden, aber es sind nur kleinere Applikationen dafür nötig, entsprechend erfolgt die Datenverarbeitung in kleineren „Brocken“. Solche Aufgaben erledigen kleine RISC-basierte Computer wie Moxas IA260- oder UC-8100-Serie, die außerdem – sofern erforderlich - drahtlos arbeiten. Die Fog Computer selbst können Daten aus der realen Welt in Standardformaten wie digitalem E/A oder serielle Pakete empfangen, aber mit Netzwerkkonnektivität können sie auch digitale Datenformate wie Modbus-/ Feldbusdaten von seriell-zu-Ethernet-Konvertern oder E/A-Modulen empfangen.

Kann hierbei noch irgendetwas optimiert werden, um die Gesamtherstellungskosten zu minimieren? Nehmen wir die Temperatur der Fräse. Wenn das Profil des verarbeiteten Materials und die Temperatur der Fräse statistisch analysiert werden, können wir eine Annahme über die Materialtemperatur treffen. Von dort aus können wir die Geschwindigkeit der Maschine steuern, die Frästiefe, und den maximalen Verschleiß der Fräse für den ausgeführten Prozess. Und es lässt sich sicherstellen, dass die Materialtemperierung nicht vom Fräsprozess selbst beeinflusst wird. Mit dieser Methode lässt sich dann ein gewisses Niveau der zustandsorientierten Überwachung des Werkzeugs als auch des Materials erzielen.

Computing auswählen

Nimmt man das System als Gesamt­einheit, stellt sich die Frage, wie die Einzelheiten der erforderlichen Verarbeitung zu definieren sind und wie sich die Systemteile effizient nutzen lassen. Folgende Parameter sind bei der Wahl Fog oder Cloud zu berücksichtigen:

• Beim Fog oder Edge sind es die Steuerungs- und Überwachungsdaten der echten Welt, die transportiert werden. Dafür muss der zyklische Parameter bestimmt werden: die Zykluszeit muss für die Systemgenauigkeit ausreichend sein, aber auch für die automatische Erfassung von Fehlern sowie für die Aspekte ihrer Bewältigung.

• Jegliche Verarbeitung, die im Fog stattfindet, muss in der Performance ausreichen, um die gewünschten Ergebnisse zu erzielen.

• Auf die Systemeffizienz einwirkende Latenz und Jitter, herbeigeführt durch die genutzten Transportprotokolle.

• In Richtung der Cloud die ausreichende Pufferung und lokale Speicherung, die Konnektivitätsausfälle für kleine Zeitintervalle verhindern kann.

• In der Cloud ist das Niveau an Information zu erreichen, das genutzt werden muss, um die gewünschten Anforderungen des ersten Punkts zu erreichen.

Jetzt ist erkennbar, dass es die Möglichkeit gibt, einen verteilten Managementprozess zu gestalten, der das System überwacht. Hierfür wird ein Großteil der Datenumwandlung im Fog durchgeführt, so dass Informationen statt Rohdaten in die Cloud weitergegeben werden. Das reduziert den erforderlichen Durchsatz und vereinfacht die Analyse und Visualisierung.

Beispiel Flugzeugbetrieb

Wie sieht das also alles in der realen Welt aus? Betrachten wir den Flugzeugbetrieb. Das ist heutzutage ein gutes Beispiel für die verteilte Steuerung und Überwachung, da viele Länder ihre Flugzeugverwaltung bereits in ein zentrales System migriert haben oder gerade dabei sind. Zwei wichtige Aspekte sind dabei das Wetter und die Position des Flugzeugs. Flugzeuge sind nur in der Luft profitabel. Das Wetter wird langfristig zyklisch überwacht. Da das Wetter in der Höhe wichtig ist, nicht das am Boden, werden sowohl Daten von Satelliten als auch von Wetterstationen betrachtet.

Das Flugzeug selbst könnte jedoch sein eigenes Wetter mithilfe des Radars und der Drucksensoren überwachen und einen präziseren, lokalen Überblick an die Steuerungszentralen senden. Die Steuerungszentrale hätte die Wetterinformationen dann nicht nur als 2D-Objekt, sondern auch als 3D-Modell. Radare am Boden im ganzen Land überwachen den Luftraum, und ihre Daten könnten hinzugefügt werden, um 3D-Positionsinformationen bereitzustellen, welche die Positionsangaben anderer Sensoren am Flugzeug selbst und jene von externen Geräten validieren.

Durch die Verteilung der Überwachung zwischen den Flugzeugen, Flughäfen und lokalen Positionen kann die Information, die Fluglotsen zur Verfügung gestellt wird, als sehr sauber und akkurat angesehen werden. Auch hier liefert der Fog statt Rohdaten wieder Informationen. Information - das Zusammenfügen und in den Kontext setzen mehrerer Datenpunkte - wird Rohdaten vorgezogen.

Fog Computing greifbar

Die detaillierte Umwandlung in Informationen am Netzwerkrand (Edge) ist somit der Ort, an dem sich der Fog befindet. Die Umwandlung klärt eigentlich den Nebel im System auf – und erleichtert den Blick auf das erforderliche übergeordnete Bild oder die nötige Steuerung. So wird ein maximaler Ressourceneinsatz möglich, wie die Reduzierung der Bandbreite für den Informationstransport in die Cloud oder die Unterstützung der Peer-zu-Peer-Nutzung bereits abgeleiteter Informationen im Edge-Bereich.