München, Starnberg, 13. Nov. 2017 - Zur Umsetzung von Smart Manufacturing das Data Management am 5-Phasen-Modell von NetApp orientieren. Ein Gastbeitrag...
Zum Hintergrund: Die Automobilbranche befindet sich im Umbruch. Damit das Auto von morgen weiterhin gut ankommt, soll es wenig Ressourcen verbrauchen, kaum oder keine Abgase ausstoßen, die Lärmbelastung reduzieren und so zu einer nachhaltigen Mobilität beitragen. Deshalb investiert die Automobilindustrie in den digitalen Wandel: Das weltweite Investitionsvolumen für 2015 bezifferte das Beratungshaus Frost & Sullivan auf rund 19,57 Milliarden US-Dollar. Schätzungen von März 2017 zufolge sollen die Ausgaben für die fortschreitende Digitalisierung und die Weiterentwicklung der Technologien bis 2020 bereits auf 82 Milliarden US-Dollar steigen.
Beim Smart Manufacturing nimmt die Automobilbranche derzeit eine Vorreiterrolle ein. Lässt sie sich aber beim autonomen und vernetzten Fahren abhängen, greifen bald die Mechanismen des digitalen Darwinismus, denn die IT-Giganten dieser Welt mit Google & Co. stehen schon in den Startlöchern. Geht es nach Dr. Stefan Ebener, Strategy & Innovation Manager bei NetApp (1), müssen OEMs und Zulieferer jetzt ihre IT-Architekturen flexibel und skalierbar machen und ein effizientes Datenmanagement etablieren. Sonst droht ihnen, nur noch das Auto als mobile Plattform bereitzustellen, auf der dann andere ihre digitalen Dienste anbieten – und damit Geld verdienen. Im nachfolgenden Beitrag beschreibt Dr. Ebener an Hand des sog. 5-Phasen-Modells von NetApp, wie ein effizientes Datenmanagement helfen kann, Smart Manufacturing umzusetzen.
Vorausschauende Analyse und Qualitätssicherung
„OEMs setzen schon jetzt produktive Lösungen ein, die Smart Manufacturing vorantreiben. Beispielsweise senden vernetzte Fertigungsstraßen Sensordaten, die analysiert und genutzt werden, um die Wartung des Maschinenparks oder Produktionsprozesse zu optimieren. Wer solche Projekte im Umfeld von Smart Manufacturing umsetzen möchte, sollte sich an dem 5-Phasen-Modell orientieren, das der Datenmanagementspezialist NetApp entwickelt hat. Dabei gliedert sich der Weg der Daten durch die Fabrik in die (fünf) Prozessschritte Collect (Sammeln), Transport (Transportieren), Store (Speichern), Analyze (Analysieren) und Archive (Archivieren).
Effizientes Datenmanagement
Ist die Route der Daten innerhalb einer Fabrik geklärt, sollte das verwendete Betriebssystem genauer unter die Lupe genommen werden. Der Betrieb von Smart Manufacturing erleichtert sich erheblich durch ein Betriebssystem, mit dem sich die Daten unkompliziert zwischen verschiedenen Speicherlösungen verschieben oder spiegeln lassen. Effizienz ist beim Verwalten der Daten ebenso gefragt, wenn die Analyse auf Datenbanken wie NoSQL zugreift.
In vielen Anwendungsszenarien verlagern sich zudem Workloads in die Cloud. Datenprozesse aus dem eigenen Rechenzentrum nahtlos in die Cloud zu integrieren, lässt sich beispielsweise mit der Data Fabric realisieren. Das Konzept der Data Fabric setzt ein solides Fundament aus hochperformanten, skalierbaren und einfach zu administrierenden Speichern voraus. Aufgrund dieser Kriterien drängen sich in den meisten Anwendungsfällen schnelle Flash-Systeme auf.
Dass Smart Manufacturing bereits gut umgesetzt wird, zeigt ein Beispiel aus der Praxis: NetApp hat 2016 einen Autohersteller dabei unterstützt, ein Predictive-Maintenance-Szenario an einem Standort zu implementieren. Dieser verwendet die ausgelesenen Maschinendaten dazu, die Ausfallzeiten der Anlagen drastisch zu reduzieren. Als Ergebnis spart der Hersteller 16 Millionen Euro im Jahr.
Größtes Innovationspotenzial im Automotive-Sektor
Während die Automobilindustrie die Vorreiterrolle für das Umsetzen von Smart Manufacturing einnimmt, hat sie bei den Mobilitätskonzepten der Zukunft noch Nachholbedarf – dabei steckt gerade hier enormes Potenzial. Ein Beispiel dafür ist Vehicle Driving Experience. Dieser Begriff bezieht sich auf die Entwicklungen für das autonome und vernetzte Fahrzeug. In diesen beiden Anwendungsfeldern finden die größten Innovationen im Automobil-Sektor statt.
Autohersteller nutzen derzeit Test- und Serienfahrzeuge, um die nächste Stufe des autonomen Autos zu erreichen. Die Kernelemente im digitalen Ökosystem für das autonome Fahren sind neuronale Netze, die sich über Deep-Learning-Algorithmen verbessern, und sogenannte HD-Maps. Die Karten liefern ein dreidimensionales Abbild von der gesamten Umgebung des Autos, wofür eine einzige Kamera pro Sekunde 150 Megabit Daten produziert. Damit neuronale Netze intelligent entscheiden, ist ein Training der Algorithmen nötig.
Abb. 1: Pictures of the Future - The Magazine for Research and Innovation. Digital Factory - Manufacturing’s Digital Dividend (Bildquelle: SIEMENS)
Effiziente Datenverarbeitung und -verwaltung
Die Entwickler legen ihren Fokus bei den intelligenten Systemen auf das Thema Effizienz. Einzelne IT- und Software-Komponenten im Auto, in der Cloud und im Rechenzentrum müssen intelligent interagieren – und zwar im gesamten Datenflussmodell. Daher ist es sinnvoll, dass ein Fahrzeugsystem nur die Daten überträgt, die sich verändern. Die Abweichungen liefern den Stoff, neue Algorithmen zu berechnen. Nur das Ergebnis davon wird dann ins Auto zurückgespielt.
Wie wichtig Effizienz in der Datenverarbeitung und beim Datenmanagement ist, unterstreicht die Dimension, in welcher sich die Datenmengen für das autonome Fahren bewegen: Ein autonomes Google-Fahrzeug soll ein Gigabyte an Daten pro Sekunde erzeugen. Ein Bundesbürger fährt im Schnitt 114 Stunden pro Jahr Auto, dabei würde ein halbes Petabyte Daten anfallen. Bei 45,8 Millionen Pkw auf deutschen Straßen ergibt sich allein für den deutschen Raum eine unvorstellbare Zahl von 22,9 Zettabyte pro Jahr. Ein sauberes Übertragen und Auswerten der Informationen lässt sich nur mit kosteneffizienten und bandbreitenschonenden Datenmanagementlösungen bewerkstelligen. Die Bandbreite wird immer der stetig wachsenden Datenmenge hinterherhinken, die autonome und vernetze Autos produzieren. Dieser limitierende Faktor macht es umso notwendiger, an der Effizienz der intelligenten Systeme zu arbeiten.
Tesla macht gerade vor, wohin die Reise gehen könnte. Jetzt ist die gesamte Branche der Autobauer gefordert – sonst droht ihnen ein ähnliches Schicksal wie anderen Industriegiganten, die den Wandel in ihrem Sektor verschlafen haben, und heute oft nur noch als Negativbeispiel dienen.“
(1) Dr. Stefan Ebener, Strategy & Innovation Manager (Bildquelle: NetApp)