Problemstellung:

Im industriellen Umfeld ist ein reibungsloser Betrieb der Fertigungsmaschinen essentiell für den unternehmerischen Erfolg. Um den aktuellen Zustand zu überwachen sowie Fehler frühzeitig zu erkennen ist der Einsatz von Real Time Analytics und Monitoring vorteilhaft.

3D-Drucker verfügen über eine Vielzahl an Sensoren, welche während eines Druckvorgangs große Mengen an Daten in Form von Metriken erfassen. Diese werden teils im Millisekundentakt generiert. Die aktuelle Lösung wird den Anforderungen an die momentane Menge und Komplexität der Daten nicht gerecht.  In der Praxis ist der vollständige Mehrwert der Daten häufig noch nicht bekannt, weshalb sich im Laufe der Zeit neue Anforderungen an eine Architektur ergeben. Im Zuge dessen ist die Modularität und Erweiterbarkeit der Zielarchitektur besonders wichtig.

Um diese Herausforderungen zu bewältigen wird im Zuge des Projekts eine vollständige Referenzarchitektur erarbeitet. Diese umfasst den kompletten Anwendungsfall von der Entstehung der Daten über die Speicherung, der Filterung bis hin zur Visualisierung.

Lösungsansatz:

Basierend auf Open Source Software wurde eine neue Architektur entwickelt, die sich auf folgende Kernpunkte konzentriert:

Hardware: Die zur Verfügung stehende Infrastruktur besteht aus Raspberry Pis der 4. Generation. Die Lösung ist entsprechend Ressourcen-optimiert und kann auf unterschiedlichen Prozessorarchitekturen betrieben werden.

Skalierbarkeit: Die Applikationen werden in Containern in einem Kubernetes-Cluster betrieben. Demnach ist die Architektur frei skalierbar und kann sowohl On-Premise als auch in der Cloud betrieben und portiert werden.

Modularität: Der modulare Aufbau der Architektur ermöglicht den beliebigen Austausch einzelner Komponenten. So lassen sich beispielsweise auch Cloud-Services anstelle von Datenbank und Visualisierungslösung einsetzen. Dieser Aufbau ermöglicht zudem die beliebige Erweiterung um zukünftige Anwendungsgebiete, ohne dass die bereits implementierte Architektur obsolet wird.

Usecase optimierte Technologien: Jede eingesetzte Technologie liefert einen klar definierten Mehrwert zur Problemstellung. Ein Customizing des Funktionsumfangs wird demnach nicht benötigt.

• NodeRed: Edge-Komponente zur Zusammenführung unterschiedlicher Maschinenstandards und Transformation der Daten
• Mosquitto: MQTT-Broker zur Bereitstellung der Daten für beliebig viele Konsumenten im IT-Umfeld
• influxDB: Timeseries Database mit umfangreichem Feautureset zur Auswertung von Maschinendaten
• Grafana: Interaktives und frei konfigurierbares Visualisierungstool

Studierende:

• Simon Hausenblas
• Julian Scheben
• Lukas Hintermeier
• Julian Schmidt