Intelligente Test- und Messanwendungen

Innovative Sensortechnik in IIoT-Plattformen am Beispiel Fernüberwachung einer Brücke

Mit dem Industrial Internet of Things (IIoT) erwächst eine Variante des IoT, die im produzierenden und industriellen Bereich eingesetzt wird. Dabei sollen riesige Datenmassen und Zustandsinformation für die Weiterverarbeitung in End-to-End-Analytics-Lösungen Produktions- und Anwendungsprozesse optimieren. Verarbeitung, Interpretation und Analyse der Daten sind hierbei von zentraler Bedeutung.

Die Analysten von IDC sehen bis 2025 eine Verzehnfachung der weltweiten Daten auf 163 Zetabyte (163 Mio. Exabyte). Etwa 60 Prozent dieser Daten werden von Unternehmen erzeugt. Während in der letzten Dekade noch die Konvertierung von analogen zu digitalen Daten im Vordergrund lag, steht für die Industrie nun zunehmend der Mehrwert dieser Daten im Fokus. 

Dass das Marktforschungsunternehmen Gartner in seinem aktuellen Magic Quadrant jedoch keinen Marktführer identifiziert, lediglich Innovatoren (PTC, Hitachi, SAP) und diverse Nischenanbieter, zeigt das Potenzial für Hersteller und Herstellerkooperationen. Unternehmen wiederum müssen heute eine genaue Bestands- und Bedarfsanalyse vornehmen und nach Lösungen Ausschau halten, die ihnen in bestimmten Anwendungsbereichen bereits heute einen Mehrwert bieten.

Der Einsatz intelligenter Test- und Messanwendungen ist deshalb ein bedeutender Einsatzbereich vieler IIoT-Anwendungen.

Herausforderungen für Test- und Messanwendungen

Allgemeines Ziel ist es, die betriebliche Effektivität zu erhöhen, flexible Produktionstechniken zu implementieren und Prozesse der Datenerfassung und -verarbeitung zu optimieren. Eine zentrale Rolle spielen dabei in vielen Anwendungsbereichen Sensoren und Sensordaten, die die Datenbasis für Automation und selbstlernende Maschinen liefern. Auch die vorausschauende Wartung ist hier ein wichtiges Thema.

Strukturen und Systeme in Test- und Messanwendungen ändern sich jedoch rasant, entsprechende Datenerfassungssysteme müssen diesen Entwicklungen Schritt halten können, um sich nicht als Investitionssackgasse zu erweisen.

Gleichzeitig gilt: Kein IIoT ohne Analytics. Um schneller und effizienter arbeiten zu können, müssen Daten in Echtzeit überwacht werden, was schnell zu einer Datensammlung von gigantischem Ausmaß führen kann, die kaum mehr effektiv bearbeitet oder gar wirtschaftlich auf einen entfernten Server übertragen und gespeichert werden kann. Die Herausforderung besteht deshalb nicht nur darin, die Daten zu sammeln, sondern die Rohdaten noch am Entstehungsort sinnvoll zu reduzieren, um nur die relevante Information zu übertragenden und damit das Datenvolumen zu begrenzen.

Die Datenverarbeitung muss auch den hohen Anforderungen der Performance, Skalierbarkeit und Security ausgerichtet sein. Zur Effizienzsteigerung bei der Verarbeitung zählen deshalb auch Maßnahmen für die Indexierung, Gruppierung der Daten wie zum Beispiel automatisiertes Labeling (Metadaten, Klassifizierung von Datensätzen) oder statistische Datenreduktion (Mittelwert, Standardabweichung, Minimum, Maximum).

IIoT-Kollaboration im Sensorikumfeld

Während die Global Player noch mit praktikablen Lösungen ringen, legen die etablierten Firmen Gantner Instruments GmbH und die Kelkheimer Althen Mess- und Sensortechnik GmbH bereits konkrete IIoT-Lösungen für industrielle Mess- und Prüftechnik vor.

Als Spezialist für dezentrale Mess- und I/O-Systeme sowie das Messen mechanischer, thermischer und elektrischer Größen steuert Gantner Instruments seine Datenerfassungs- und Konnektivitätslösungen sowie Fernkonfiguration und Auswertesoftware bei. Althen integriert seine hochwertigen Sensoren in die Komplettsysteme und übernimmt die kundenspezifischen Voreinstellungen der Messbereiche, die Einstellung von Justage-Parameter für kalibrierte Sensoren sowie mögliche mathematische Berechnungen und Alarmeinstellungen entsprechend den Kundenanforderungen.

Daraus ergeben sich vielseitige Anwendungsmöglichkeiten, beispielsweise die Überwachung von Materialermüdung in Kernkraftwerken und Kernfusionsanlagen, die Qualitätsüberprüfung des Streckennetzes im öffentlichen Nahverkehr, die Dehnungsmessung an flexiblen Pipeline-Systemen, die vorausschauende Wartung von Maschinen, Anlagen oder auch in mobilen Geräten, etwa in Baumaschinen und Eisenbahnen.

Fernüberwachung einer Brücke

Es lohnt der Blick auf ein konkretes Beispiel, hier das Monitoring einer Brücke. Mit ähnlicher Topologie wären jedoch auch weitere Überwachungen im Infrastrukturbereich denkbar, beispielsweise für Eisenbahn-, Straßen- und Autobahnbrücken, wichtige Gebäude, Staudämme, Deiche oder Industrieanlagen (Raffinerien, Chemie, Windkrafträder, etc.).

Zum Einsatz kommt die Q.series X von Gantner, ein dezentrales, hochflexibles Messsystem in Modulbauweise, welches auch für die DIN-Schienenmontage geeignet ist. Diese typische Bauform eines dezentralen Messsystems bietet ein Höchstmaß an Flexibilität und Schnittstellen. Die beliebige Zusammenstellung von Datenerfassungsmodulen erlaubt eine optimale Anpassung an die Aufgabenstellung und ist für dezentrale Anwendungen bestens geeignet.

Konkret werden aus der Q.series X Module für den Anschluss der Sensoren (Q.bloxx-XL A108, Q.bloxx-XL A101) und den Controller (Q.station-XB) für den Anschluss und das Handling der Module sowie für Berechnungen und Übertragung in die Cloud eingesetzt.

Komplettiert wird das System im aktuellen Beispiel mit dem 3-achsialen ASC 5511LN-Beschleunigungsaufnehmer von Althen, der mit den Q.series X-Modulen verbunden wird. Zusätzlich zur Beschleunigung wird die Temperatur, die Luftfeuchtigkeit (stellvertretend für Bausubstanzfeuchtigkeit in der Brücke) und ein Potentiometer (stellvertretend für eine Wegmessung der Dehnungsfuge der Brücke) überwacht.

IIoT-Daten im Ergebnis

Das IIoT-Komplettsystem ermöglicht die komfortable Fernüberwachung in nahezu Echtzeit. Aus der Analyse der Daten über einen längeren Zeitraum sind Veränderungen der Struktur ebenso wie Materialermüdungen zu erkennen. Ebenso können Rückschlüsse auf mögliche Defekte und damit auch auf die restliche Betriebszeit einer Brücke gezogen werden. Die Althen-Sensoren werden derzeit mit drei verschiedenen Geschwindigkeiten ausgelesen.  Sie liefern Daten über die Gantner-Infrastruktur in die Cloud, mit einer Messrate von mit 10 Hz, 1 kHz, 10 kHz.

Effektive Datenerhebung und Vorauswertung

Es wurden auch bereits Tests mit der höchst möglichen Messgeschwindigkeit von 100 kHz durchgeführt. Diese Messgeschwindigkeiten sind jedoch in der Realität derzeit nicht unbedingt erforderlich und würden die Anforderungen an die Bandbreite und Serverkapazitäten unnötig erhöhen. Sie zeigen aber gleichzeitig die Zukunftssicherheit der Plattform hinsichtlich Performance und Skalierbarkeit.

Eine Beschränkung und Vorauswertung sind auch bei der bestehenden Konfiguration sinnvoll, da sich schon bei wenigen Sensoren aus den Rohdaten große Datenmengen ergeben. Aus einem Sensor, welcher 24 Stunden am Tag mit 1.000 kHz Schwingungen messen würde, ergäben sich beispielsweise pro Tag ca. 345 GB und im Jahr etwa 126 TB. Auf das Anwendungsbeispiel mit 15 Messwerten bezogen, entspräche dies 1.892 TB an Rohdaten im Jahr.

Entsprechend erfolgt eine Vorauswertung auf Basis von Algorithmen nach entsprechender Konfiguration bereits im Controller vor Ort (EDGE Computing), aber auch in der Cloud, um das Datenvolumen entsprechend zu reduzieren. Die Übergabe der Clouddaten an externe Analyseprogramme ist ebenfalls möglich, sowohl über das klassische CSV-Format, als auch über eine vollständige, integrierbare API-Schnittstelle. Selbst alte, bereits vorliegende Datensätze lassen sich über einen CSV-Upload vollständig in die neuen, aktuellen Datensätze integrieren, verarbeiten und im selben Interface visualisieren.

Eine weitere Möglichkeit zur Datenreduktion bietet die event-basierte Datenerfassung. Je nach Konfiguration der Parameter kann auch eine Speicherung der Daten mit Vor- und Nachtriggerbedingungen ausgelöst werden. Dies hilft ebenfalls das Datenvolumen gering zu halten, da die Daten nur für den Fall gespeichert werden, dass ein bestimmtes Ereignis aufgetreten ist. So sind im Falle eines Fehlers hochauflösende Daten sofort verfügbar.

Des Weiteren kann auch aus der Ferne jederzeit über die Cloudserver ein Update der Controller vorgenommen werden. So können beispielsweise die Datenvorauswertung flexibel angepasst oder Kalibrierungswerte und Sensoreinstellungen des Systems aktualisiert werden.

Derartige IIoT-Konstruktionen bleiben selbstverständlich nicht auf ein Bauwerk beschränkt, sondern sind über die Cloudanbindung und die Nutzung entsprechender Analytics-Anwendungen nahezu unbegrenzt skalierbar. Vorstellbar ist beispielsweise ein Dienstleister aus dem Bereich Geo-Monitoring, der eine Vielzahl von Brücken bzgl. Belastung und Beschädigungen zeitsynchron zu überwachen hat. Mit der Lösung von Althen und Gantner kann er sämtliche Sensoren auf allen Brücken aus der Ferne überwachen, bei Überschreitung definierter Schwellen (z.B. Dehnung oder zu hohe Schwingungsamplituden) Alarme versenden und entsprechend aus der Ferne eingreifen, z.B. über die Schaltung variabler Geschwindigkeitsanzeigen.

Der Dienstleister kann damit seinem Kunden einen hohen Mehrwert anbieten: vorausschauende Wartung, schnelle Schadensbegrenzung bei überschaubaren Kosten. Ein schneller, ortsunabhängiger Fernzugriff auf die eingebundenen Anlagen reduziert den Bedarf an zeitaufwendigen und kostenintensiven Vor-Ort-Prüfungen deutlich. Und das Gute: Spezifische IIoT-Anwendungen sind keine Zukunftsmusik, sie sind notwendige Realität auf dem Weg zu dem, was IDC „Data Age 2025“ nennt. Denn bis dahin, so die Marktforscher, sollen 30 Prozent aller Daten in Realtime-Anwendungen genutzt werden.