IoT-Implementierung: Der Zeitplan vom PoC bis zur Umsetzung

Die Nutzung einer IoT-Enabler-Plattform bringt eine Reihe von Herausforderungen mit sich. Enabler-Plattformen bieten eine vollwertige Infrastruktur und eine Umgebung, in der Unternehmen ihre eigenen IoT-Lösungen entwickeln und IoT-Fälle einrichten können. Sie ermöglichen zwar einen schnelleren Start und eine umfassende IoT-Implementierung mit deutlich geringeren Vorabinvestitionen, doch die Enabler-Plattform entbindet Unternehmen nicht von der Notwendigkeit, ihre Strategien zu entwickeln, einen sorgfältigen Zeitplan zu erstellen und ihre Aktivitäten im Bereich IoT vom Edge bis hin zur Cloud zu koordinieren.

Die Plattform selbst wird nur dann einen Wert generieren, wenn die Unternehmen mit der richtigen Strategie beginnen. Dazu gehört die Entwicklung einer praktikablen Datenstrategie, die Ermittlung des Entwicklungsstands und die Neuausrichtung auf den aktuellen Bedarf.

Identifizierung einer erfolgreichen Datenstrategie

Als Erstes ist die Datenstrategie zu klären. Es müssen Wege gefunden werden, um alle Daten von verschiedenen Endpunkten zu nutzen und die Daten von Maschinen der älteren Generation, von älteren Geräten und von neuen smarten Geräten zu konsolidieren. Sie benötigen also eine Plattform, die Daten von angeschlossenen Geräten, die unterschiedliche Datenformate und eine Vielzahl von Kommunikationsprotokollen verwenden, verarbeiten und vereinheitlichen kann. Die gemeinsame Nutzung von Daten muss von Anfang an in Betracht gezogen werden, damit Sie in der Lage sind, Daten mit Cloud-Systemen und der IT freizugeben.

Ein gutes Verhältnis zwischen Edge und Cloud festlegen

Ein weiterer Teil der Datenstrategie ist die Festlegung eines gesunden Verhältnisses zwischen Edge- und Cloud-Analytik. Die Datenmenge, die am Edge vorverarbeitet werden muss, und die Daten, die für hochwertige IoT-Analysen in der Cloud bestimmt sind, müssen sinnvoll verteilt werden. Das richtige Gleichgewicht zwischen Edge und Cloud wird für jedes Unternehmen und für jeden Business Case anders sein.

Edge-Computing ermöglicht schnellere Reaktionszeiten. Dank der Datenvorverarbeitungsfunktionen am IoT-Edge können Daten schnell erfasst, grundlegende Analysen durchgeführt und sofort Maßnahmen ergriffen werden, und zwar genau dort, wo es am wichtigsten ist. Cloud Computing hingegen ermöglicht eine tiefgreifende Analyse. Die gesammelten IoT-Edge-Daten können mit Daten aus anderen Produktionsstätten oder anderen, nicht IoT-basierten Datenquellen kombiniert werden. Die sich daraus ergebenden Analysen ermöglichen einen besseren Einblick in die Daten und die Erstellung eines größeren Datenüberblicks.

Die schnellen IoT-Analysen am Edge lassen sich am besten mit langfristigen, tiefgreifenden Einblicken in die Daten dank der in der Cloud durchgeführten Analysen kombinieren.

Skalierung der Lösung

Aber selbst wenn alle datenbezogenen und konnektivitätsbezogenen Probleme gelöst sind, muss Ihr Unternehmen immer noch die Herausforderung der Skalierung angehen. Ein PoC im kleinen Maßstab mit einer begrenzten Anzahl von Geräten funktioniert vielleicht ganz gut. Sobald Sie jedoch Tausende von Geräten aus mehreren Produktionsstandorten hinzufügen, sieht die Sache anders aus. Das ist der Grund, warum man so oft von IoT-Projekten hört, die nicht über die PoC-Phase hinauskommen. Die Schwierigkeiten bei einer umfassenden IoT-Implementierung scheinen oft unüberwindbar zu sein.

Die ideale industrielle IoT-Plattform wird diese Hürden überwinden, indem sie den unternehmensweiten Datenzugriff ermöglicht. Dadurch erhalten Sie volle Transparenz über die gesamte Wertschöpfungskette und eine vollständige Konnektivität aller industriellen Anlagen und Systeme. Für den Betrieb bedeutet dies eine ununterbrochene Datenerfassung und Datenverarbeitung in Echtzeit.

Die Folge ist eine nahtlose Data Journey bis hin zu fortschrittlichen Analysen in der Cloud, der Erstellung von Modellen für maschinelles Lernen und der sofortigen Bereitstellung von KI-Modellen über das Internet, um nur einige zu nennen.

PoC / Pilot-Bereitstellung

Mit der Record Evolution Plattform für IoT & AI können Sie schnell mit Ihrem PoC beginnen. Die Ergebnisse werden in weniger als zwei Monaten sichtbar. Sie beginnen mit nur einem Edge-Gerät zur Erfassung, Transformation und Analyse der Daten. Dann visualisieren Sie in Dashboards und generieren erste Erkenntnisse, indem Sie die Standard-KPIs betrachten. Auf diese Weise testen Sie das Terrain, um sicherzustellen, dass Ihre umfassenden IoT-Implementierungen vom Edge bis zur Cloud funktionieren.

Einsatz in der Produktion

Nach Abschluss der Pilotphase beginnen Sie mit dem Aufbau eines ausgereiften Anwendungsfalls. Dazu gehören Maschinen in der Produktion, das Ausrollen einer produktionsreifen IoT-Anwendung und die Festlegung der richtigen KPIs. In der Produktionsphase sammeln Sie Daten über den gesamten Produktionsstandort. Auf diese Weise leiten Sie Entscheidungen auf der Grundlage von IoT-Analysen ab und integrieren eine Vielzahl von lokalen und Cloud-Systemen. Auf diese Weise testen Sie, ob Ihr IoT-Einsatz unter realen Bedingungen funktioniert. Und Sie können sehen, wie die bestehenden Abläufe dadurch verbessert werden.

Scale-Out-Implementierung

In der Scale-Out-Phase verlagern Sie Ihre IoT-Implementierung an verschiedene Produktionsstandorte. Sie verwalten mehrere heterogene Geräte über eine einzige IoT-Geräte-Management-Suite zur Orchestrierung von Anwendungen und Geräten. Außerdem überwachen Sie die Leistung der Lösung und optimieren sie bei Bedarf.

Die Vorteile

• Eine einfache, sofortige Einrichtung und kein Programmieraufwand erforderlich,
• Anschluss jedes Docker-fähigen IoT-Geräts oder -Einrichtung mit nur wenigen Klicks, keine Programmierung,
• Die Online- und Offline-Rollouts Over-the-Air erfolgen sofort auf Knopfdruck,
• Einrichten einer Datenquelle und Beginn des Datenstreaming in die Plattform in nur wenigen Minuten,
• Einen praktikablen PoC zu entwickeln, der ein echtes Problem löst,
• Die Daten weiter zu optimieren, um sie besser zu verstehen und Trends zu erkennen,
• Verbindung mit zusätzlichen Datenquellen, um die bestehenden Anwendungsfälle zu erweitern,
• Praktikable Metriken für die vorausschauende Wartung, die Erkennung von Anomalien, die Verfolgung von Anlagen, die Gesamtausrüstung, die Effektivität, die betriebliche Effizienz und viele andere Standardszenarien festzulegen,
• Warnmeldungen für Betriebszeit, Ausfallzeit und andere benutzerdefinierte Verhaltensparameter einrichten, Engpässe und Ausreißer identifizieren,
• Modelle für maschinelles Lernen erstellen, diese als IoT-Apps verpacken und über das Internet an den IoT-Edge ausrollen. Alles in einer einzigen, kontinuierlichen Geste.
• Nahtlose Integration mit den typischen Cloud-Systemen, einschließlich AWS, Microsoft Azure, Google Cloud und anderen,
• Volle Datentransparenz und -zugänglichkeit erreichen: Sie werden Daten im gesamten Unternehmen gemeinsam nutzen und mit IoT-Ingenieuren und Data Scientists zusammenarbeiten, um schnellere Ergebnisse zu erzielen.

Ihr Ansprechpartner: