Einige Beispiele zur Umsetzung komplexer Funktionen:
- Es lassen sich komplexe Aufgaben automatisieren, wie z.B. die Überwachung von Maschinenparametern oder die Optimierung von Produktionsprozessen.
- Große Datenmengen können analysiert und ausgewertet werden, um Trends und Muster zu erkennen und Prozesse zu optimieren.
- Durch die Integration von Python-Modulen für Machine Learning können Maschinenparameter und -daten analysiert werden, um Vorhersagen und Empfehlungen für die Optimierung der Maschinenleistung zu treffen.
- Daten sind aus verschiedenen Quellen und Systemen integrierbar, um ein umfassendes Bild der Maschinenleistung und -produktivität zu erhalten.
Datenmodelle einlesen und mit Python-Modulen koppeln
Um Datenmodelle bzw. Companion Specs mit Python-Modulen auf dem IBH Link UA zu koppeln, wird zunächst das gewünschte Companion Spec oder Datenmodell in das Projekt auf dem IBH Link UA eingebunden. Dazu kann das entsprechende XML-File über den Webserver des IBH Link UA hochgeladen werden. Die OPC Foundation hat Datenmodelle für eine Vielzahl von Branchen spezifiziert. Für die Industrieautomatisierung etwa gibt es Datenmodelle für die Automatisierung von Produktionsanlagen und Maschinen, wie Maschinensteuerung, Überwachung und Diagnose, sowie Produktionsprozessverwaltung und Energiemanagement. Die Datenmodelle können mit speziellen Nodeset-Tools (UAModeler – ein kostenpflichtiges Werkzeug von Unified Automation oder Siome – eine Freeware von Siemens) erstellt werden und beschreiben die Schnittstelle, über die die Daten ausgetauscht werden sollen.
Nachdem das Datenmodell auf dem IBH Link UA verfügbar ist, kann aus dem Modell ein Python Programmgerüst erzeugt werden. Nun kann der Python-Code geschrieben werden, der auf die Daten des Datenmodells zugreifen soll. Hierfür sind verschiedene Python-Module verwendbar. Der Code kann über die beschriebene Schnittstelle auf die Daten des Modells zugreifen. Schließlich wird der Python-Code in den IBH Link UA geladen. Jetzt lassen sich die Daten aus dem Datenmodell in Python verarbeiten. Hierfür können verschiedene Python-Module verwendet werden, z.B. für die Datenanalyse oder die Steuerung von Maschinenprozessen.
SPS mit SQL-Datenbanken kombinieren
Eine weitere Möglichkeit ist eine Datenbankverwaltung. Ohne in das Steuerungsprogramm einzugreifen, lassen sich SPS mit SQL-Datenbanken kombinieren. Die Datenbankverwaltung im Kontext des IBH Link UA bezieht sich auf die Verwaltung von Daten, die von einem OPC UA-Server erfasst und gespeichert werden. Diese Daten können beispielsweise Prozessdaten oder Alarm- und Ereignisdaten sein. Um dies zu erreichen, wird mit Python der Datenbankzugriff programmiert. Dadurch kann die SPS über den IBH Link UA eine Verbindung zur SQL-Datenbank herstellen und Daten senden. Die Daten lassen sich in der Datenbank speichern und von anderen Anwendungen verwenden. Zudem ist es möglich, SQL-Funktionen auf OPC-Variablen anzuwenden, indem die Variablenwerte in eine SQL-Abfrage einbezogen werden. Beispielsweise kann der aktuelle Wert einer OPC-Variablen abgerufen und ihn in eine SQL-Abfrage einbezogen werden, um andere Variablenwerte zu aktualisieren oder um Daten in eine Datenbank zu schreiben.
Alte Steuerungen in neue Konzepte einbinden
Da sich diese Funktionen auch mit z.B. alten S5-Steuerungen realisieren lassen, können im Zuge von Digitalisierungsmaßnahmen auch diese alten Komponenten in ein neues Konzept mit eingebunden werden. Eine Möglichkeit besteht darin, mit dem IBH Link UA eine OPC UA-Schnittstelle an der S5-Steuerung nachzurüsten. Der IBH Link UA fungiert dann als Brücke zwischen der S5 und dem OPC UA-Client und ermöglicht die Übertragung von Daten zwischen beiden Systemen.
