Die Firma TRACTO ist ein Spezialmaschinenbauer und hat im Rahmen der Neuentwicklung ihrer Bohrgerätefamilie Grundodrill eine zentrale IoT–Plattform vorkonzipiert, an die ausgelieferte Maschinen im Feld Metriken und Zustandsdaten nahezu in Echtzeit senden.

Abbildung 1: GRUNDODRILL - Die neue Generation (Quelle: www.tracto.com)

Ausgangssituation und Herausforderung

Unzureichende Nutzung und Analysemöglichkeiten der Maschinendaten

• Keine Pufferung von Maschinendaten bei lückenhafter Netzanbindung
• Keine Übermittlung von Loginformationen (Maschinen–Zustandsdaten)
• Keine Darstellung wichtiger Metriken und Kennlinien aus dem Betrieb

Unzureichende Skalierung / Nachteilige Kostenstruktur / Starre Prozesse

• Keine dynamische und elastische Skalierung der Cloud-Ressourcen auf Basis konkreter Metriken wie Abfragezahlen und Datenvolumen
• Hohe statische Betriebskosten der Infrastruktur durch Einsatz komplexer, nicht dauernd erforderlicher Services (z.B. Azure Service Fabric)
• Aufwendige, nur teilautomatisierte Integrations- und Deployment-Prozesse und folglich keine schnellen Releases für Bugfixes oder Features

Lösungsbeitrag und Umsetzung

Abbildung 2: neue Cloud - Infrastruktur

• Implementierung eines leichtgewichtigen Datenpuffers auf der Maschine, der Daten adaptiv (je nach Bandbreite und Auslastung der Leitung) überträgt, sobald eine Netzverbindung besteht
• Erfassung zusätzlicher Logdaten (erweiterte Zustandsinformationen wie Betriebszustände oder Fehlerprotokolle) neben elementaren Maschinen- und Sensordaten
• Ergänzung der Cloud – Services um einen sog. Elastic–Stack (www.elastic.co), der optimal geeignet ist für die prognostizierte Menge an Maschinendaten (ca. 30MB pro Tag und Maschine) und schnelle und effiziente Aggregationen und Visualisierungen erstellt
• Neben der Nutzung des Analysetools Kibana für technische Experten stellt die zusätzliche Anbindung von Microsoft Power BI an die Maschinen- und Zustandsdaten den Produkt- und Service-Teams in der Linienorganisation bei TRACTO vorselektierte Informationen aus dem Feld in Dashboards und Berichten zur Verfügung
• Mit Hilfe des parallel integrierten Azure IoT–Hubs (Azure Device Twin) ist eine unkomplizierte Verwaltung der individuellen Maschinenkonfigurationen möglich
• Die bestehenden Entwicklungs- und Deployment-Prozesse für Maschinen wurden abgelöst durch parametrisierte Pipelines auf Basis von Microsoft Azure DevOps mit dem Ziel agiler Freigabezyklen sowohl für Bugfixes als auch für Releases
• Mit demselben Ziel agilerer Freigabezyklen wurden die bestehenden Softwarekomponenten der Cloud-Services hin zu einer stärker modularen Servicestruktur umgebaut (Microservices und Microfrontends)
• In einem zusätzlichen Schritt wurden benötigte Service- und Infrastruktur-Ressourcen der Azure-Cloud modularisiert, so dass sie mit Hilfe von Hashicorp Terraform (Infrastructure as Code) automatisch und transparent verwaltet werden können

Ergebnisse und Ausblick

• Vollständige Analysefähigkeit der Maschinendaten in Elastic/Kibana sowie über Power BI. Die Grundlagen für weitere datenzentrierte Kundenangebote sowie stärkerer Einsatz von automatischen Lernverfahren (Machine Learning) sind bereitet.
• Configuration Management und Produkt-Datenbank für die Provisionierung der Maschinen über Nutzung des Azure IoT Hubs sowie volle Remote-Servicefähigkeit. In Verbindung mit Machine Learning rückt Predictive Maintenance in den Blick.
• Optimierte Entwicklungs- und Deployment-Prozesse für Maschine und Cloud-Services verringern die Durchlaufzeit und erhöhen die Qualität von Auslieferungen drastisch. Die Betriebskosten konnten deutlich gesenkt und dynamisiert werden.

„Mit colenio verfügen wir über einen Servicepartner, der unsere Sprache spricht und unsere Werte wie unbedingte Qualitätsorientierung teilt. Die Mitarbeiter von colenio sind Experten von der Maschinen- und Cloud-Architektur über die Software-Entwicklung bis zur optimalen Betriebsführung unserer Online-Services. Im gemeinsamen Team gelingen uns auf diese Weise spürbare Fortschritte und Innovationen für unsere Kunden.“

Meinolf Rameil (Geschäftsführer Forschung & Entwicklung)

Weitere spannende Links zur Story:

Elastic Customer Story

IoT Use Case Podcast