Teil 1: Herausforderungen und Chancen im
Internet der Dinge
Adaptiv, vorausschauend und in Echtzeit
Das Internet der Dinge (IoT) ist sowohl Geschäftsmodell als auch Technologie, System oder Architektur, deren Kombination das Versprechen zu erfüllen hat, Geschäfte auf eine kluge Weise zu betreiben. Aus dem Zusammenspiel von immer stärker verbreiteter Netzwerk Connectivity und Machine-to-Machine-Kommunikation mit einer stetig steigenden Anzahl von Geräten im Bereich Multi-Core-Processing- sowie Sensortechnologien in Verbindung mit Cloud Computing, sowie rasch wachsenden Datenmengen und Datenanalysen entstehen in vielen Branchen und Unternehmen neue Chancen. Die dabei entstehende IoT-Infrastruktur kann als Basis für das Smart Grid oder intelligente Städte genutzt werden und in anderen Applikationen das Transportwesen oder die Industrieproduktion revolutionieren.
Das Internet der Dinge (IoT) bildet die Grundlage für neue Dienste und Umsatzquellen. Außerdem steigert es die Produktivität und Effizienz vorhandener Infrastruktur, indem es intelligente und selbständige Entscheidungen in Echtzeit treffen kann. Allerdings wirft das IoT auch eine Reihe von Fragen auf: Wie kann das IoT Unternehmen helfen, die Betriebskosten zu senken, neue Umsatzquellen zu erschließen und Innovationen hervorzubringen? Was sind die größten Herausforderungen für Unternehmen, die diese Möglichkeiten nutzen möchten? Wo liegen potenzielle Schwierigkeiten bei der Implementierung? Ein bedeutender Anwendungsfall für das IoT ist die vorausschauende und vorbeugende Wartung. Die Fähigkeit, Anlagenausfälle genau und in Echtzeit diagnostizieren und verhindern zu können, ist ein wesentlicher Vorteil für Unternehmen und entscheidend für wichtige Infrastruktur-Applikationen. Durch den Ausfall von High-Tech-Maschinen und Geräten können hohe Kosten für Reparaturen sowie zusätzliche Produktivitätsverluste entstehen.
Vorausschauende Wartung in Windenergie und Robotik
In der Vergangenheit mussten Techniker routinemäßig und nach vorgegebenen Zeitplänen Diagnosen und vorausschauende Wartungsarbeiten durchführen. Dies ist ein kostspieliger und arbeitsintensiver Prozess, der dennoch nicht sicher stellt, dass zwischen Inspektionsintervallen keine Ausfälle vorkommen. Ein Beispiel im Bereich Erneuerbare Energien sind Windparks – im Extremfall ein Windpark im Meer. Windturbinensysteme enthalten sehr viel Technik einschließlich Generator, Getriebe und viel Elektronik wie Steuerungssysteme zur Einstellung der Rotorblätter und viele andere Parameter. Beim Ausfall eines Elements, z.B. aufgrund von Staub oder kumulativen Schwingungen, entstehen bei weit entlegenen und somit schwer erreichbaren Anlagen sehr hohe Reparaturkosten. Mit Sensoren ausgestattete, vor Ort installierte Systeme können Daten von mehreren Turbinen sammeln. Dies ermöglicht die Durchführung von Fehleranalysen, um vorauszusagen, wann es bei einem System oder einer Komponente aufgrund von Belastungen durch Überhitzung voraussichtlich zu einem Fehlverhalten kommen wird. Dies ermöglicht im Hinblick auf die Wartung eine bessere Entscheidung des Bedienpersonals oder sogar eine autonome Entscheidung des Systems. Falls z.B. die Wahrscheinlichkeit besteht, dass ein Getriebe in einer Turbine ausfällt, kann durch das Umschalten in eine Betriebsart mit geringerer Leistung die mechanische Belastung reduziert und bei einer Effizienz von 80% immer noch mehrere Wochen lang Elektrizität erzeugt werden. Dies ermöglicht eine planmäßige Wartung von mehr als nur einer Turbine gleichzeitig und stellt damit den Wert der Steuerung und Analyse als Schlüsselfunktion für höchst mögliche Leistungsfähigkeit dar. Ein weiteres Beispiel sind Roboter in hochkomplexen und automatisierten Fertigungsstraßen wie etwa in der Automobilindustrie. In diesem Fall arbeiten oft hunderte Roboter zusammen. Der Ausfall eines einzelnen Roboters beeinträchtigt mitunter die gesamte Fertigung und es können hohe Kosten entstehen. Durch das kontinuierliche Sammeln von Bewegungs-, Vibrations- oder Temperaturdaten ist eine vorausschauende Wartung möglich, die einen plötzlichen Produktionsstillstand verhindert und enorme Kosteneinsparungen bedeutet.
Adaptive Analyse: Ein System mit mehreren Teilsystemen
Ein zweiter Anwendungsfall für das Internet der Dinge ist die adaptive Analyse. Dabei wird ein Gesamtsystem oder ein System mit mehreren Teilsystemen betrachtet. Auf der Grundlage der bereits für die vorausschauende Wartung gesammelten Daten ermöglicht die adaptive Analyse, dass Equipment und Geräte enorme Datenmengen analysieren und Entscheidungen in Echtzeit getroffen werden können, um Betriebsabläufe zu optimieren. Bei einem Windpark als Beispiel für die adaptive Analyse läuft die erste Turbine in einer Reihe von Turbinen normalerweise mit optimaler Leistung. Allerdings erzeugt diese erste Turbine Turbulenzen, die sich unter Umständen auf die Effizienz ihres unmittelbaren Nachbarn auswirkt. Indem man bei allen Turbinen die Rotorblätter entsprechend der Windgeschwindigkeit gleich einstellt, wird man wahrscheinlich nicht die optimale Leistungsfähigkeit des Windparks erreichen. Informationen der ersten Turbine, wie z.B. die Einstellung der Rotorblätter und die Rotationsgeschwindigkeit, lassen sich nutzen, um die Parameter der zweiten und weiterer Turbinen einzustellen. So lässt sich der Windpark mit nahezu optimaler Leistung betreiben. Diese Verbesserung wird ausschließlich durch die Feineinstellung verschiedener Parameter ermöglicht. Auf die Installation zusätzlicher Hardware zur Verbesserung der Effizienz oder zur Reduzierung von Verschleiß kann dabei verzichtet werden. Ein ähnlicher Fall lässt sich auch für das Beispiel der mit Robotern automatisierten Fertigung sowie für viele andere automatisierte Prozesse aufzeigen.
