Blog per Mail folgen

Damit Sie nie wieder Blog Posts von uns versäumen!

Praxisbeispiel MES mit Cloud First Konzept

MES Praxisbeispiel

Industrie 4.0 beginnt erst dort, wo die wachsenden Datenmassen intelligent verknüpft und für neue Prozesse und Services bereitgestellt werden können. Und das nicht nur in einmalig festgelegten Bahnen, sondern auf eine Weise, die Veränderungen und Erweiterungen schnell und mit begrenztem Aufwand ermöglicht. Dafür braucht es einen komplexen Unterbau auf Seiten der IT-Infrastruktur. Mit den richtigen Tools
und dem richtigen Wissen ist dieses Problem jedoch beherrschbar.

In diesem Beitrag beschäftigen wir uns wie MES in einem Cloud First Konzept in der Praxis umgesetzt werden kann. Das MES besteht in einer Container Architektur aus verschiedenen Komponenten (Microservices). Beispielsweise aus einem ShopFloor Service, einem Label-Print Service und einer Produktionsplanung. Die Produktionsplanungskomponente ist im Sinne einer solchen Cloud-Plattform zunächst einmal ebenfalls nur eine Funktion, die aber spezifische Eigenschaften mitbringt und daher in einen eigenen Container abgebildet wird.

In so einem Container sind beispielsweise die Business-Logik und ein eigenes User-Interface integriert. Die Persistenz des Containers wird auf andere Services ausgelagert, für strukturierte Daten eine Datenbank und für Blobs ein Object Store. Auf diese Weise wird die Anwendung sehr nahe am Use-Case ausgerichtet.

Für die Planung muss der Produktionsplanungs-Container auf die vorhandenen Aufträge zugreifen können, deren Daten ursprünglich im ERP erfasst worden sind. Diese Daten werden über die Kafka-Plattform bezogen und dann von der Produktionsplanung redundant aber in einer optimierten Form gespeichert. So kann jeder Service festlegen, welche Felder indexiert werden – anders als in einer zentralen Datenbank mit fester Datenstruktur. Kafka wird nur für den Transport der Daten verwendet, nicht aber für interaktive Abfragen.

Echzeitfähig mit Events

Da Aufträge „just in time“ produziert werden, stellt die Produktionsplanung extremen Echtzeitanforderungen. In der Praxis werden Änderungen zum Teil sehr kurzfristig erteilt. Dies in der Planung rechtzeitig zu berücksichtigen gelingt nur, wenn das System eventbasiert arbeitet.

Stand heute ist eine der Aufgaben des MES, für eine hohe Auslastung des Shop-Floors zu sorgen. Das heißt, alle Aufträge sollen möglichst effizient auf die Maschinen in der Produktion verteilt werden. Diese Optimierung erfolgt durch eine Berechnung, die jedoch immer wieder neu angestoßen werden muss, wenn kurzfristig Aufträge geändert oder zurückgestellt werden.

Beim „Cloud first“-Konzept erzeugen Auftragsänderungen jeweils Events auf der Kafka-Kommunikationsschicht. Diese lösen ihrerseits die Funktion der Neuberechnung aus, natürlich unter Berücksichtigung der unterschiedlichen Ressourcen in der Produktion: manche Maschinen können nur bestimmte Aufträge produzieren, andere nicht oder nicht so effizient. Solche Daten liegen innerhalb des Containers als zentraler Maschinenstamm vor, anders als im Legacy-System, in dem die unterschiedlichen Maschinenkonfigurationen nur verteilt vorhanden waren.

Optimierung der Auslastung

Die zu produzierenden Aufträge kombiniert mit den Maschineneigenschaften können als Ausgangslage für die Berechnung einer Matrix dienen, die die unterschiedlichen Kombinationen von Aufträgen und geeigneten Maschinen umfasst. Diese Matrix bildet wiederum den Input für einen evolutionären Optimierung Algorithmus, der über Mutationen und Kombinationen der besten Lösungen in mehreren Stufen die optimale Auftragsverteilung findet.

Optimierung der Disposition

Ein weiteres Feld, bei dem eine Optimierung per Algorithmus zum Tragen kommt, ist die Disposition, und hier insbesondere die Routenplanung. Für einfache Anforderungen genügen Standard-Algorithmen. Müssen jedoch sehr viele Variablen berücksichtigt werden, wird die Aufgabe schnell zu einem komplexen mathematischen Problem. Hier könnte in Zukunft Cloud Computing neue Lösungsansätze eröffnen, indem ein evolutionärer Algorithmus mit Methoden des Machine-Learning, die als Cloud-Services zur Verfügung stehen, kombiniert wird.

Ebenfalls in der Disposition angesiedelt ist die Aufgabe, bestimmte Werkstücke in einer festgelegten Reihenfolge anzuliefern und entsprechend auf dem LKW zu beladen, so dass bei der Entnahme beim Kunden nicht erst umsortiert werden muss. Wird die Auftragsreihenfolge bereits in der Optimierung der Produktion berücksichtigt, dann kann das „just in time“-Prinzip besser erfüllt werden. Im Idealfall kommt die Ware direkt aus der Produktion auf den LKW. Das lohnt sich in mehrfacher Hinsicht: Die produzierten Werkstücke gelangen schneller zum Kunden und es wird weniger Lagerfläche benötigt. Auch aufwändige Lagerprozesse fallen weg.

Dynamische Generierung von Maschineninstruktionen

Zugleich sind Verwaltung und Konfiguration des Maschinenparks mit diesem System zentralisiert, was zum einen das Management erleichtert, zum anderen die Erfassung und Visualisierung von Optimierung und Auslastung der Gesamtanlage. Zudem ermöglicht es dem Produktionsverantwortlichen darauf Einfluss zu nehmen.

Die Bearbeitung eines Auftrags erfordert spezifische Maschineninstruktionen oder beispielsweise bei CNC-Maschinen einen spezifischen Programmcode. Dieser kann sogar je nach eingesetzter Maschine unterschiedlich ausfallen. Für spezifische Maschinentypen sind Maschinentreiber Services zuständig, die automatisiert aus dem anstehenden Auftrag genau den jeweils passenden Code oder das passende Rezept für die gewählte Maschine erzeugt. Dieser wird dann auf die Maschine hochgeladen und der Auftrag abgearbeitet.

Auch an dieser Stelle zeugt sich die hohe Flexibilität des modularen Container-Konzepts. Wird im Shop-Floor eine neue Maschine mit anderer Technik installiert, die bislang nicht unterstützt wurde, muss die bisherige Steuerung der übrigen Maschinen nicht angetastet werden. Die IT fügt lediglich einen weiteren Container hinzu, der die neue Technikplattform ansteuern kann, und hinterlegt deren Daten im Maschinenstamm, so dass die Optimierungsberechnung und die Auftragsverwaltung die neue Maschine mit einbeziehen. So können auch Losgrößen 1 mit einem Maschinenpark unterschiedlicher Zusammensetzung effizient produziert werden.

Umgekehrt muss durch diese einfache Nachrüstmöglichkeit bei der Gestaltung des Shop-Floors nicht länger Rücksicht genommen werden auf bestehende Systeme. Ein Wechsel des Maschinenherstellers oder der Steuerungstechnik ist zumindest in Hinblick auf die Produktionsplanung unproblematisch.

 

Mehr zu diesem Thema finden Sie in diesem Whitepaper: 

Whitepaper Cloud First