Herzlich Willkommen beim beam-Verlag in Marburg, dem Fachverlag für anspruchsvolle Elektronik-Literatur.


Wir freuen uns, Sie auf unserem ePaper-Kiosk begrüßen zu können.

Aufrufe
vor 9 Monaten

EF 2019

Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik

Messen/Steuern/Regeln

Messen/Steuern/Regeln Bild 4: Durch einen integrierten KI-Algorithmus wird ein Sensor in die Lage versetzt, die internen Sensorrohdaten verschiedener Sensorelemente (x [0], x [1], … , x [n]) mit Hilfe eines Machine-Learning-Modells bzw. neuronalen Netzwerks in Echtzeit zu bewerten und eine bestimmte Information am Ausgang zu liefern, zum Beispiel an Hand der Eingangsdaten zwischen den drei Betriebszuständen OK, Kritisch und Fehler zu unterscheiden und jedem Zustand einen entsprechenden Ausgangswert zuzuordnen. kann. Hinsichtlich einfacher Sensorelemente, zum Beispiel Temperatur, Luftfeuchte, Druck und einer überschaubaren Sensorfusion mag diese Vorgehensweise noch funktionieren. Für zukünftige smarte Sensoren, die aus den Rohdaten verschiedener Sensorelemente mit Hilfe deskriptiver und prognostizierender Datenanalysen oder neuronaler Netze quasi in Echtzeit komplexe Zustände und Muster sicher erkennen und daraus Ausgangswerte ableiten, hingegen nicht. Auf Grund der Komplexität entstehen dann Sensoren, die lediglich Rohdaten mit Hilfe geeigneter Protokolle direkt an Edge- oder Cloudsysteme weitergeben (Sensor-to-Cloud-Lösungen mit einem Sensordaten-Streaming). Die eigentliche Informationsgewinnung wird in andere Ebenen ver lagert, weil dort leistungsfähige Rechnerplattformen und entsprechende Services (z. B. spezielle Algorithmen zur Datenanalyse wie Super vised Machine Learning, Deep Learning und hochkomplexe Convolutional Neural Networks mit umfangreichen Trainingsdatenbeständen) zur Verfügung stehen. Das setzt allerdings entsprechend schnelle Kommunikationsverbindungen (Ethernet, 4G, in Zukunft 5G), eine leistungsfähige Energieversorgung und einen kontinuierlichen Ausbau der Internetbandbreite voraus. Ein gravierender Nachteil ist, dass die aus den Sensordaten gewonnenen Informationen nicht direkt an der Kommunikationsschnittstelle des Embedded Systems zur Verfügung stehen, sondern in der Edge bzw. Cloud. Des Weiteren ist dieses Verfahren nicht für zeitkritische Sensordatenauswertungen geeignet. Mehr als ein Sensorelement In der Industrie- und Prozessautomatisierung existieren unzählige Sensoren mit entsprechenden Gehäusen für raue Einsatzbedingungen, die einen internen Aufbau gemäß Bild 1 bzw. Bild 2 aufweisen und somit lediglich ein einziges Sensorelement haben. Die Mehrzahl dieser Sensoren ist vermutlich innerhalb einer Control Loop direkt mit einer Steuerung verbunden. Jeder einzelne Sensor ist in einer solchen Anwendung für eine bestimmte Messaufgabe vorgesehen. Ein Drucksensor bestimmt den Druck in pneumatischen Systemen und liefert einen Messwert zur Steuerung. Ein DIN 10816-konformer Schwingungssensor analysiert die Ausgangsspannungen eines Piezo- Sensorelements an einem Antriebselement mit Hilfe einer FFT sowie weiterer Algorithmen und liefert ein 4 – 20 mA-Ausgangssignal an die Antriebssteuerung. Ein Radaroder Ultraschallsensor bewertet den Füllstand einer Flüssigkeit in einem Behälter und überträgt einen zur aktuellen Füllstandshöhe korrespondierenden Messwert an eine Prozesssteuerung usw. IoT-Sensoren benötigen auf Grund der speziellen Aufgabenstellungen und der damit verbundenen Datenqualität in der Regel mehrere Sensorelemente, die ein gemeinsames Embedded System nutzen, dass vielfach lediglich aus einem einzigen Chip (System-on-Chip) besteht. Beispiele zur Orientierung gibt es viele, siehe beispielweise den Thingy:52 von Nordic Semiconductor stellvertretend für eine Kategorie von IoT- Sensoren, die in erster Linie für Wearable Applikationen entwickelt wurden. Im Bereich der Smart Home IoT- Sensoren mit Wi-Fi Communication Interface oder der Umweltsensoren mit 4G-basierten Mobile Network bzw. LPWA Communication Interface findet man ähnliche Beispiele. Interner Aufbau Der interne Aufbau solcher IoT- Sensoren unterscheidet sich primär durch die zum Einsatz kommenden Sensorelemente, die jeweilige Verbindung zum Embedded System und die technischen Daten des Communication Interface (Sensor Interface) zur Daten weitergabe an andere Systeme und Plattformen. Sekundär bedeutungsvoll sind je nach Anwendungsbereich die Spannungsversorgung und das Gehäuse. Insofern findet man am Markt IoT-Sensoren mit unterschiedlichen Kombinationen aus Sensorelementen, Messverfahren, Communication Interface Technologien, Spannungsversorgungssystemen und Gehäusebauformen. Vom IoT-Sensor mit Temperatur-, Luftfeuchtigkeit- und Luftdruck-Sensorelementen, der batteriebetrieben per IEEE 802.15.4 Wireless Communication Interface mit einem Gateway verbunden ist, bis zur Power-over-Ethernet- (PoE-) Variante, die mittels OPC UA Sensordaten direkt an eine ERP- oder MES-Software in der IT übermittelt, die Variantenvielfalt ist beachtlich und wird ständig erweitert. 46 Einkaufsführer Produktionsautomatisierung 2019

Messen/Steuern/Regeln Bild 5: Derzeitige Sensor-to-Cloud-Lösungen, die einen KI-Algorithmus in der Cloud nutzen, erzeugen einen sehr großen Daten-Overhead: Um in einem Cyber-Physical-System mit Hilfe eines 32x32-Bit-RGB-Image- Sensors zwischen 10 verschiedenen Objekten unterscheiden zu können, werden jeweils 3.072 Bits in die Cloud übertragen. Die Antwort an den Aktor besteht lediglich aus 4-Bit-Nutzdaten. Mit einem integrierten KI-Algorithmus könnte der Sensor die Objekte an Hand eines zuvor geladenen Modells selbstständig identifizieren und die 4-Bit-Klassifizierung direkt an den Aktor übermitteln. Vielseitige Kommunikationsschnittstelle Die Kommunikationsschnittstelle (Communication Interface) eines IoT-Sensors muss in erster Linie die hier folgenden Aufgaben erfüllen: 1. Die Sensordaten oder aus den Sensordaten gewonnene Informationen müssen an andere Systeme weitergeleitet werden (primäre Funktion eines Sensor- Daten-Interface) 2. Über eine spezielle Schnittstellenfunktion ist sowohl die Konfiguration als auch die Kalibrierung am Einsatzort des Sensors zu ermöglichen (primäre Funktion der Setup-Benutzerschnittstelle); 3. Anfordern und Durchführen von Updates (z. B. Firmware, Security, Machine Learning-Modelle) aus einer sicheren Quelle (sekundäre Funktion eines Sensor-Daten- Interface) 4. Implementierung einer fälschungssicheren digitalen Identität (Root of Trust für den Empfänger der Sensordaten). Die jeweiligen Eigenschaften des Communication Interface eines bestimmten IoT-Sensors hängen in erster Linie vom Anwendungsbereich ab. In Smart Home-Anwendungen ist das Communication Interface zur Datenweitergabe zum Beispiel als Wi-Fi- oder ZigBee-Funkschnittstelle ausgelegt. Wi-Fi eignet sich über einen Software-enabled Access Point (SoftAP) Mode auch als Setup UI, um per Webbrowser mit einem PC, Smartphone oder Tablet auf den Sensor zuzugreifen und Einstellungen vorzunehmen. Bei einer ZigBee-Schnittstelle zur Daten weitergabe ist z. B. zusätzlich eine USB- oder NFC-Schnittstelle für die Konfiguration und Kalibrierung erforderlich. Ein IoT-Sensor für Wearable- oder E-Bike-Applikationen nutzt in der Regel hingegen ein Bluetooth Low Energy (BLE)-basiertes Communication Interface, um die Messwerte an eine Smartphone- App zu übermitteln. In Gegenrichtung werden von der App über die gleiche Funkschnittstelle sowohl Setup- als auch Kalibrierungsdaten an den Sensor übertragen. Künstliche Intelligenz eingebettet Durch Spamfilter in E-Mail-Programmen und die Sprachassistenten von Amazon, Apple, Google, Microsoft sowie anderen Anbietern sind Produkte mit integrierten Algorithmen aus dem Umfeld der künstlichen Intelligenz (KI) nach und nach zu Massenanwendungen geworden. Die Entwicklung der KI wird von Forschern inzwischen sogar als Universal technologie angesehen und hinsichtlich der zu erwartenden Auswirkungen auf eine Stufe mit den Erfindungen der Dampfmaschine, Elektrizität und dem Verbrennungsmotor gestellt. Nicht nur selbstfahrende PKWs, LKWs, Flurförderfahrzeuge, Drohnen und Roboter, sondern praktisch alles, was mindestens einen Microchip enthält, wird in Zukunft auch KI-basierte Funktionen haben. Gleiches gilt für Anwendungssoftware: Jede Smartphone-App, PC-Tabellenkalkulation oder Enterprise-IT-Anwendung beinhaltet früher oder später auch KI-Algorithmen – in vielen Fällen ist das sogar schon längst Stand der Technik. Diese Entwicklung wird auch die Eigenschaften von Sensoren nachhaltig verändern. Zurzeit findet man zahlreiche Sensor-to-Cloud-Anwendungen, die Sensor rohdaten einfach in eine Cloud streamen. Alle weiteren Schritte, von der Datenaufbereitung bis zur eigentlichen Informationsgewinnung, erfolgen dann in der Cloud-Plattform unter Zuhilfenahme kostenpflichtiger Services. Viele Echtzeitanwendungen, wie beispielsweise autonom agierende Maschinen, aber auch die Nutzung von LPWA-Funkverbindungen (LoRa, NB-IoT, Sigfox u.a.), sind mit solchen Konzepten nicht möglich. Andere Anwendungen lassen sich auf Grund der Cloud-Betriebskosten oder rigoroser Sicherheitsvorgaben mit solchen Lösungsansätzen ebenfalls nicht umsetzen. Insofern hat das angesprochene AMA-Dokument zwar ein beachtliches Orientierungspotenzial in Bezug auf die Sensorrohdaten und deren direkte Weitergabe. Es fehlt hingegen nahezu vollständig der Bezug zur KI. Zukünftige Sensoren für IoT- und Industrie-4.0-Anwendungen werden vollständige Verarbeitungsketten mit Sensorrohdatenerfassung, Datenvorverarbeitung, KI-basierter Datenanalyse und Informationsweitergabe beinhalten. Am Sensorausgang steht dann direkt die gewünschte Information in Echtzeit und nicht mehr der Messwert eines Sensorelements zur Verfügung. Link zur kostenpflichtigen AMA- Studie Sensor Technologien 2022 https://www.ama-sensorik.de/studie-kaufen/ ◄ Einkaufsführer Produktionsautomatisierung 2019 47

Fachzeitschriften

7-2019
7-2019
3-2019
2-2019
3-2019

hf-praxis

7-2019
6-2019
5-2019
4-2019
3-2019
2-2019
1-2019
Best_Of_2018
12-2018
11-2018
10-2018
9-2018
8-2018
7-2018
6-2018
5-2018
4-2018
3-2018
2-2018
1-2018
EF 2018/2019
12-2017
11-2017
10-2017
9-2017
8-2017
7-2017
6-2017
5-2017
4-2017
3-2017
2-2017
1-2017
EF 2017/2018
12-2016
11-2016
10-2016
9-2016
8-2016
7-2016
6-2016
5-2016
4-2016
3-2016
2-2016
1-2016
2016/2017
12-2015
11-2015
10-2015
9-2015
8-2015
7-2015
6-2015
5-2015
4-2015
3-2015
2-2015
1-2015
12-2014
11-2014
10-2014
9-2014
8-2014
7-2014
6-2014
5-2014
4-2014
2-2014
1-2014
12-2013
11-2013
10-2013
9-2013
8-2013
7-2013
6-2013
5-2013
4-2013
3-2013
2-2013
12-2012
11-2012
10-2012
9-2012
8-2012
7-2012
6-2012
4-2012
3-2012
2-2012
1-2012

PC & Industrie

7-2019
6-2019
5-2019
4-2019
3-2019
1-2-2019
EF 2019
EF 2019
12-2018
11-2018
10-2018
9-2018
8-2018
7-2018
6-2018
5-2018
4-2018
3-2018
1-2-2018
EF 2018
EF 2018
12-2017
11-2017
10-2017
9-2017
8-2017
7-2017
6-2017
5-2017
4-2017
3-2017
1-2-2017
EF 2017
EF 2017
11-2016
10-2016
9-2016
8-2016
7-2016
6-2016
5-2016
4-2016
3-2016
2-2016
1-2016
EF 2016
EF 2016
12-2015
11-2015
10-2015
9-2015
8-2015
7-2015
6-2015
5-2015
4-2015
3-2015
2-2015
1-2015
EF 2015
EF 2015
11-2014
9-2014
8-2014
7-2014
6-2014
5-2014
4-2014
3-2014
2-2014
1-2014
EF 2014
12-2013
11-2013
10-2013
9-2013
8-2013
7-2013
6-2013
5-2013
4-2013
3-2013
2-2013
1-2013
12-2012
11-2012
10-2012
9-2012
8-2012
7-2012
6-2012
5-2012
4-2012
3-2012
2-2012
1-2012

meditronic-journal

3-2019
2-2019
1-2019
5-2018
4-2018
3-2018
2-2018
1-2018
4-2017
3-2017
2-2017
1-2017
4-2016
3-2016
2-2016
1-2016
4-2015
3-2015
2-2015
1-2015
4-2014
3-2014
2-2014
1-2014
4-2013
3-2013
2-2013
1-2013
4-2012
3-2012
2-2012
1-2012

electronic fab

2-2019
1-2019
4-2018
3-2018
2-2018
1-2018
4-2017
3-2017
2-2017
1-2017
4-2016
3-2016
2-2016
1-2016
4-2015
3-2015
2-2015
1-2015
4-2014
3-2014
2-2014
1-2014
4-2013
3-2013
2-2013
1-2013
4-2012
3-2012
2-2012
1-2012

Haus und Elektronik

3-2019
2-2019
1-2019
4-2018
3-2018
2-2018
1-2018
4-2017
3-2017
2-2017
1-2017
4-2016
3-2016
2-2016
1-2016
4-2015
3-2015
2-2015
1-2015
4-2014
3-2014
2-2014
1/2014
4-2013
3-2013
2-2013
1-2013
4-2012
3-2012
2-2012
1-2012

Mediadaten

2019 deutsch
2019 english
2019 deutsch
2019 english
2019 deutsch
2019 english
2019 deutsch
2019 english
2019 deutsch
2019 english
© beam-Verlag Dipl.-Ing. Reinhard Birchel