Übersicht

Die Manufacturing Data Engine (MDE) ist eine End-to-End-Lösung, die in Kombination mit Manufacturing Connect (MC) eine skalierbare und nahtlose Verbindung zwischen der Werkshalle und der Cloud ermöglicht.

MDE bietet eine vorkonfigurierte Infrastruktur ohne Code Google Cloud , die Daten von industriellen Geräten in der Cloud aufnehmen, verarbeiten und speichern kann, basierend auf der Konfiguration des Nutzers. Sobald die Maschine und die verarbeiteten Daten in Google Cloudverfügbar sind, können Sie Google Cloud -Tools und -Technologien verwenden, um daraus Mehrwert zu generieren.

Die Erfassung von Industriedaten war bisher ein komplexer und kostspieliger Prozess, der unnötige Zeit und Kosten für jeden cloudbasierten Anwendungsfall für das Management von Industrieinformationen verursacht. MDE ist eine flexible Lösung, die diesen Prozess verkürzt, effizienter und besser planbar macht.

MDE deckt den gesamten Prozess der Erfassung, Kontextualisierung, Speicherung und Nutzung von Werksdaten in der Cloud ab. Zusammen mit Manufacturing Connect (MC) wird die Lösung auch direkt auf die Datenquelle ausgeweitet – die Maschinen und Systeme in der Werkshalle, unabhängig vom Automatisierungsanbieter.

MDE wird als Paketlösung bereitgestellt. Über ein Script werden alle erforderlichen Komponenten und der Integrationscode in IhremGoogle Cloud -Projekt bereitgestellt. So können Sie die Architektur flexibel an Ihre Anforderungen anpassen und erweitern.

Fertigungslösungen

MDE ist eine Kernkomponente in einer Reihe von miteinander verbundenen Fertigungslösungen. Einige andere Komponenten können unabhängig voneinander funktionieren, aber ihre wahre Stärke liegt in der Integration. Diese Komponenten bilden zusammen eine umfassende Fertigungsdatenplattform. Daten werden erhoben, verarbeitet, analysiert und verwendet, um Erkenntnisse zu gewinnen und die operative Leistung zu verbessern.

Fertigungslösungen – Übersicht

Die End-to-End-Suite besteht aus Komponenten, die von Google entwickelt wurden, und Komponenten, die von Litmus Automation exklusiv für Google entwickelt wurden.

  • Manufacturing Data Engine: Sie dient als Erfassungs-, Transformations- und Speicherebene der Suite. MDE bietet einen sicheren, effizienten und zuverlässigen Data Lake mit allen Fertigungsinformationen und dient als Daten-Hub für alle Anwendungsfälle, um Fertigungsinformationen zu verbinden und darauf zuzugreifen.

  • Manufacturing Connect (MC): Cloud-Komponente zur Remote-Verwaltung aller Manufacturing Connect Edge-Instanzen (MCe). Sie dient auch als Weboberfläche für die Konfiguration der MDE-Lösung. Weitere Informationen finden Sie in der MC-Dokumentation (wird in neuem Tab geöffnet).

  • Manufacturing Connect Edge (MCe): Edge-zu-Cloud-Gateway, das mehr als 270 industrielle Kommunikationsprotokolle in standardisierte Pub/Sub-Nachrichten übersetzen kann. Weitere Funktionen sind die Verarbeitung am Edge und Speichermöglichkeiten. Weitere Informationen finden Sie in der MCe-Dokumentation (wird in neuem Tab geöffnet).

  • Manufacturing Analytics and Insights: Eine vorgefertigte LookerML-Integration mit MDE. So kann Looker sofort als BI-Tool verwendet werden, um MDE-Fabrikdaten zu analysieren.

  • Anomalieerkennung für Maschinen: basiert auf der Time Series Insights API.

  • Visual Inspection AI: Eine Edge-Lösung, die auf der Cloud Vision API basiert.

Die Komponenten der Fertigungssuite sind so konzipiert, dass sie nahtlos zusammenarbeiten. Sie haben eine gemeinsame Konfiguration und sind semantisch interoperabel, was für einen reibungslosen Datenfluss und ein einheitliches Verhalten in der gesamten Suite sorgt. Sie haben jedoch auch die Möglichkeit, diese Komponenten einzeln zu verwenden, je nach Ihren spezifischen Anforderungen.

MDE und die restlichen Komponenten sind konfigurierbar. Nutzer können ihre spezifischen Datenanforderungen definieren und das System passt sich an diese Spezifikationen an, ohne dass der zugrunde liegende Code der Lösung geändert werden muss. Die Konfiguration kann über die MC-Benutzeroberfläche, die eigenständige MDE-Weboberfläche oder die MDE-Konfigurations-API aktualisiert werden.

Hauptvorteile

Die wichtigsten Vorteile von MDE:

  • Amortisationszeit: Schnelle Bereitstellung in Standardumgebungen Google Cloud. Die Maschinenanbindung (falls noch nicht vorhanden) kann auch schnell über MC eingerichtet werden.
  • Skalierbarkeit: Nützlich von Proof of Concepts (PoCs) bis hin zu globalen Unternehmensbereitstellungen in Hunderten von Fabriken.
  • Effizienz: Wenn Daten einmal in MDE als „Abstraktionsebene für die Fabrik“ erfasst werden, können alle Anwendungsfälle über MDE gesteuert werden. Die präzise Steuerung von Speicher und Verarbeitung ermöglicht kosteneffiziente Setups.
  • Volle Flexibilität: Funktioniert mit jedem Edge-Stack. Es ist lediglich erforderlich, dass Daten direkt oder über eine MQTT-Bridge (Message Queuing Telemetry Transport) in Pub/Sub eingehen. Außerdem sind benutzerdefinierte Definitionsparser erforderlich, um eingehende Datenschemas dem MDE-Standard zuzuordnen.
  • Anpassungsfähigkeit: Da MDE vollständig in Ihrem eigenen Google Cloud -Mandantenprojekt bereitgestellt wird, sind alle MDE-Komponenten (z. B. Pub/Sub, Dataflow und BigQuery) transparent und können so verwendet werden, als hätten Sie die Plattform selbst erstellt.
  • Eigentum: Da alle Komponenten von MDE in IhremGoogle Cloud Mandantenprojekt bereitgestellt werden, behalten Sie die volle Kontrolle über Ihre Daten und die Verarbeitung.
  • Erweiterbarkeit: Alle Google Cloud Integrationen (z. B. BigQuery-Connectors) sind standardmäßig mit MDE nutzbar. Sie können außerdem MDE-spezifische Erweiterungen für bestimmte Anwendungsfälle aktivieren, die von Google oder Partnern entwickelt wurden, und eigene Erweiterungen erstellen.
  • Kostengünstig: Für die Verwendung von MDE fallen keine zusätzlichen Kosten an. Sie zahlen nur für Ihre Cloud-Nutzung, die für PoCs auf einem minimalen Niveau beginnt. Die Verwendung von MC verursacht jedoch zusätzliche Kosten. Weitere Informationen finden Sie unter MC Cloud Marketplace.

Anwendungsfälle

Produktionsplanung, Auftragsverfolgung, Fortschritt und Prozessparametersteuerung sind Anwendungsfälle, die in der Regel von Automatisierungssystemen abgedeckt werden. Wir möchten solche Systeme ergänzen und nicht ersetzen. Mit Google Cloud erhalten Sie wertvolle neue Informationen, die in Ihre bestehenden Automatisierungssysteme wie SCADA eingespeist werden können. So können Sie Maßnahmen ergreifen und die Gesamtanlageneffektivität (OEE) und andere wichtige KPIs verbessern.

Bei Manufacturing Execution Systems (MES) verfolgen Unternehmen unterschiedliche Ansätze. Einige behalten ihr bestehendes On-Premise-MES bei, während andere auf cloudbasierte Lösungen umstellen. MDE ist eine solide Grundlage, um bei Bedarf schnell wichtige MES-Funktionen zu implementieren.

Die durch MDE ermöglichten Anwendungsfälle lassen sich hauptsächlich in drei Kategorien einteilen:

  • Analyseanwendungsfälle: Kombinieren Sie MDE mit Google Cloud Data Analytics-Produkten, um Berichte zu erstellen, KPIs zu berechnen und Echtzeit-Dashboards mit Daten zu erstellen, die vom Fertigungsbereich gestreamt werden.
  • Anwendungsfälle für maschinelles Lernen: Nutzen Sie Google Cloud Produkte und Plattformen für maschinelles Lernen (ML), um ML-Modelle zu erstellen, zu trainieren und auszuführen, die relevant sind, um jeden Aspekt des Fertigungsprozesses zu optimieren.
  • Anwendungsfälle für die Integration: Fertigungsdaten mit Digital-Twin-Lösungen oder anderen Unternehmenssystemen verbinden, um eine integrierte Ansicht der Fertigungsdaten mit anderen im Unternehmen verfügbaren Perspektiven zu erhalten.

Leistungsspektrum

MDE bietet die folgenden Funktionen:

  • Datenaufnahme: Entweder aus MC oder einem anderen kommerziellen oder proprietären Edge-Stack.
  • Edge-Datenverarbeitung: MCe verarbeitet und speichert Daten lokal für die sofortige Analyse.
  • Cloud Data Integration: MC wandelt Daten in MQTT- und Pub/Sub-Nachrichten um und lässt sich nahtlos in Google Cloudeinbinden.
  • Syntaktische Standardisierung: Es werden standardmäßige Datenspeicherschemas für eine Vielzahl von Datentypen verwendet, wodurch die Wiederverwendbarkeit der Daten für verschiedene Anwendungsfälle wie die folgenden gefördert wird:
    • Self-Service-Analysen für Betriebsleiter und Wartungspersonal.
    • Vollständig verwaltete, ML-basierte Anomalieerkennung, die für einzelne Sensorstreams aktiviert werden kann (automatisches Fingerprinting, keine Einrichtung erforderlich).
  • Semantische Flexibilität: Nutzt eine integrierte Engine zur Kontextualisierung von Daten, um eingehende Sensor- oder Variablendatenstreams optional anzureichern. So können mehrere nutzerdefinierbare Kontextualisierungsperspektiven auf Grundlage der folgenden Standards erstellt werden:
    • ISA-95-Hierarchie
    • Digital Twins Definition Language (DTDL)
    • OPC Unified Architecture-Begleitspezifikationen (OPC UA)
    • Asset Administration Shell (AAS)
  • Datentransformation und ‑anreicherung: Daten werden gemäß benutzerdefinierten Schemas zugeordnet, transformiert und in den Kontext gesetzt.
  • Echtzeitanalysen: Berechnet Streaminganalysen und ‑transformationen basierend auf Nutzerkonfigurationen.
  • Datenspeicherung und Ausgabe: Verarbeitet Daten in BigQuery, Bigtable und Cloud Storage und gibt sie in Pub/Sub aus.
  • Monitoring und Verwaltung: Bietet eine benutzerfreundliche Oberfläche zum Überwachen und Verwalten der gesamten Lösung.
  • Flexible Konfiguration: Bietet eine einfache Schnittstelle zum Konfigurieren von Datenflüssen und Verarbeitungspipelines.
  • Über API und Weboberfläche zugänglich: für programmatischen Zugriff, Automatisierung und Verwaltung.

Komponenten

high-level-architecture

MDE umfasst die folgenden Komponenten:

  • Configuration Manager: Verwaltet die Nutzerkonfigurationen und stellt sie anderen Lösungskomponenten zur Verfügung.
  • Message Mapper: Verarbeitet eingehende Nachrichten und klassifiziert sie in Quellnachrichtenklassen. Außerdem werden Whistle-Transformationen durchgeführt.
  • Metadata Manager: Verwaltet Metadaten-Buckets und -Instanzen und ist an der Verarbeitung von Datensätzen beteiligt.
  • Cloud Storage-Bucket für Batch-Aufnahme: Bucket zum Hochladen von Dateien für die Batch-Aufnahme.
  • Cloud Storage Reader: Verantwortlich für das Lesen von Batchdaten aus Dateien, die in Cloud Storage hochgeladen wurden.
  • Cloud Storage Writer: Verantwortlich für das Schreiben von Rohquellmeldungen in das Cloud Storage-Archiv sowie von verarbeiteten Datensätzen in das Cloud Storage-Ziel.
  • Bigtable Writer: Verantwortlich für das Schreiben von Datensätzen in die Bigtable-Senke.
  • BigQuery Writer: Verantwortlich für das Schreiben von Datensätzen in die BigQuery-Senke.
  • Pub/Sub-Themen: Pub/Sub ist der Message Broker von MDE, der zum Weiterleiten von Nachrichten zwischen den verschiedenen Komponenten der Lösung verwendet wird. Es werden mehrere Themen und Abos erstellt, damit das Routing der eingehenden Nachrichten gemäß der Nutzerkonfiguration erfolgt. Alle Nachrichten gehen im System über das Thema input-messages ein.
  • Datenbanken und Speicher: MDE verwaltet BigQuery-Datasets, Bigtable-Tabellen und Cloud Storage-Objekte.
  • Federation API: MDE bietet eine API für den Zugriff auf alle Datenrepositories über eine gemeinsame Schnittstelle. So können Nutzer ihre Daten unabhängig davon abfragen, wo sie gespeichert sind, und mit derselben Konfigurationssprache spezifische Abfragen für die Fertigungsinformationen erstellen.

Data Engine in der Fabrik

Normalerweise reicht eine MDE-Instanz für alle Fabriken aus. Die zugrunde liegenden Google Cloud Komponenten wie Pub/Sub sind global und skalierbar, um diesen Ansatz zu ermöglichen. Falls Sie trotzdem mehrere Instanzen bereitstellen möchten,unterstützen Google Cloud -Datenbankprodukte wie BigQuery auch den globalen Datenzugriff über mehrere Instanzen. Die Manufacturing Connect Edge-Instanzen (MCe) werden in der Regel auf Fabrikebene als Gateways bereitgestellt. Mehrere MCs können über die integrierte NATS-Integration miteinander verbunden werden.

MES für Maschinenleistung, Ereignisse und Rückverfolgbarkeit verwenden

MDE ergänzt Ihr bestehendes MES-System, anstatt es zu ersetzen. Sie wird als Datenquelle und ‑senke verwendet. MDE erhält wichtige Kontext- oder Metadaten (z. B. aktives Rezept, Zeitpläne, Ereignisse usw.) und verwendet diese Datenpunkte als Tags, ähnlich wie Sensorwerte. Diese Kontextdaten sind erforderlich, um die Maschinensensordaten zu interpretieren. Das erwartete Sensormuster hängt beispielsweise vom Rezept ab. Das heißt, was die Maschine produziert. Die MDE-Ausgabe (z. B. ML-Vorhersagen) kann absolut wieder in das MES integriert werden, z. B. für Benachrichtigungen.

Einbindung von MQTT in MDE

Es gibt mehrere Optionen auf dem Google Cloud Marktplatz, die unter anderem vom Anbieter des MQTT-Brokers abhängen. HiveMQ bietet beispielsweise eine Pub/Sub-Erweiterung. Sie können auch eine eigene benutzerdefinierte MQTT-Bridge erstellen oder Dataflow verwenden.