Sensordaten aus SPS-Systemen in der Cloud

Ziel war es, Sensordaten aus vorhandenen speicherprogrammierbaren Steuerungen (SPS) in Echtzeit in die Cloud zu übertragen, um sie dort für Predictive-Maintenance-Szenarien verfügbar zu machen. Dabei sollte ein Demonstrator entstehen, der die technische Machbarkeit belegt und eine Grundlage für spätere Industrieanwendungen schafft.

Umsetzung:
Ein Demonstrationsgerät wurde so konzipiert, dass es typische Sensorwerte (z. B. Temperatur, Vibration, Druck) aus SPS-Systemen in Echtzeit überträgt. Die Anbindung an die Azure Cloud erfolgte über einen IoT Hub mit nachgelagerten Azure Functions zur Vorverarbeitung der Datenströme.

Ein auf Anomalieerkennung spezialisierter Machine-Learning-Algorithmus analysierte die eingehenden Daten auf potenzielle Störungen. Erkenntnisse wurden visuell aufbereitet und für Analysen und Alerts bereitgestellt.
Das Projekt zeigte exemplarisch, wie auch ältere Steuerungstechnik über moderne Cloud-Services mit KI kombiniert werden kann, um Anlagenverfügbarkeit zu erhöhen und Wartungskosten zu reduzieren.