-
Die Erfindung betrifft ein computerimplementiertes Verfahren zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen. Die Erfindung betrifft des Weiteren ein System zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen. Die Erfindung betrifft darüber hinaus ein Computerprogramm und einen computerlesbaren Datenträger.
-
Stand der Technik
-
Im Rahmen von Industrie 4.0 bzw. Internet of Things-Anwendungen wie beispielsweise der Überwachung industrieller Systeme werden große Datenströme zwischen Netzwerkvorrichtungen erzeugt.
-
Die Veröffentlichung „Von Big Data zu Smart Data zum digitalen Zwilling“ von Oliver Breuer (11. IFK in Aachen 19.-21.03.2018) offenbart ein mit Sensoren ausgestattetes System, dessen Daten protokolliert werden.
-
Condition Monitoring als differenzierter Ansatz für die vorbeugende Instandhaltung ist nur ein Beispiel. Die wirklichen Unterschiede zwischen konventionellen und intelligenten Systemen liegen im Grad der Konnektivität und den Sensoren, die in den verwendeten Komponenten integriert sind.
-
Im Gegensatz zu einem konventionellen System liefern die in den Komponenten befindlichen Sensoren eines intelligenten Systems Daten, die je nach Vernetzungsgrad ausgewertet werden können. Hierbei ist die Verteilung von Daten in einer industriellen Umgebung eine wesentliche Herausforderung. Es besteht daher ein Bedarf, im Rahmen von Industrie 4.0/loT intelligente Verdichtungsalgorithmen von Big Data bereitzustellen, da die ersten Phasen des Technologiefortschreitens von Industrie 4.0/loT deutlich mehr Sensorik und folglich mehr zu übertragende und zu bearbeitende Daten zur Folge hat.
-
Es bedarf daher einer fokussierten, intelligenten Datennutzung sowie des Bereitstellens minimierter, optimierter Datenflüsse zwischen verschiedenen Netzwerkebenen. Darüber hinaus bedarf es einer Performancesteigerung bzw. Optimierung, d.h. der Erzielung schnellerer Reaktionszeiten auf allen Ebenen sowie schnellerer Datenübertragungen.
-
Die Aufgabe wird mit einem computerimplementierten Verfahren zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen mit den Merkmalen des Patentanspruchs 1 gelöst.
-
Des Weiteren wird die Aufgabe mit einem System zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen mit den Merkmalen des Patentanspruchs 8 gelöst. Darüber hinaus wird die Aufgabe mit einem Computerprogramm mit den Merkmalen des Patentanspruchs 9 und mit einem computerlesbaren Datenträger mit den Merkmalen des Patentanspruchs 10 gelöst.
-
Offenbarung der Erfindung
-
Die vorliegende Erfindung schafft ein computerimplementiertes Verfahren zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen. Das Verfahren umfasst ein Erzeugen eines Datenstroms durch eine auf einer ersten Netzwerkebene angeordneten ersten Netzwerkvorrichtung, insbesondere einen Aktor oder Sensor.
-
Das Verfahren umfasst ferner ein Verdichten des Datenstroms der ersten Netzwerkvorrichtung durch eine erste Verdichtungsebene eines Datenverdichtungsalgorithmus, wobei der verdichtete Datenstrom der ersten Netzwerkvorrichtung an eine zweite Netzwerkvorrichtung einer zweiten Netzwerkebene, insbesondere an eine industrielle Maschine und/oder Anlage, und/oder an eine dritte Netzwerkvorrichtung einer dritten Netzwerkebene, insbesondere ein an loT-Gateway und/oder einen Cloud-Datenspeicher, gesendet wird. Das Verfahren umfasst des Weiteren ein Verdichten des Datenstroms der zweiten Netzwerkvorrichtung durch eine zweite Verdichtungsebene des Datenverdichtungsalgorithmus und/oder des Datenstroms der dritten Netzwerkvorrichtung durch eine dritte Verdichtungsebene des Datenverdichtungsalgorithmus, wobei die erste Verdichtungsebene, die zweite Verdichtungsebene und die dritte Verdichtungsebene des Datenverdichtungsalgorithmus jeweils einen einheitlichen Algorithmus aufweisen.
-
Die vorliegende Erfindung schafft des Weiteren ein System zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen. Das System umfasst Mittel zum Erzeugen eines Datenstroms durch eine auf einer ersten Netzwerkebene angeordnete erste Netzwerkvorrichtung, insbesondere einen Aktor oder Sensor.
-
Das System umfasst ferner Mittel zum Verdichten des Datenstroms der ersten Netzwerkvorrichtung durch eine erste Verdichtungsebene eines Datenverdichtungsalgorithmus, wobei die Mittel zum Verdichten des Datenstroms der ersten Netzwerkvorrichtung dazu eingerichtet sind, den verdichteten Datenstrom der ersten Netzwerkvorrichtung an eine zweite Netzwerkvorrichtung einer zweiten Netzwerkebene, insbesondere eine industrielle Maschine und/oder Anlage, und/oder an eine dritte Netzwerkvorrichtung einer dritten Netzwerkebene, insbesondere ein loT-Gateway und/oder einen Cloud-Datenspeicher, zu senden.
-
Das System umfasst darüber hinaus Mittel zum Verdichten des Datenstroms der zweiten Netzwerkvorrichtung durch eine zweite Verdichtungsebene des Datenverdichtungsalgorithmus und/oder des Datenstroms der dritten Netzwerkvorrichtung durch eine dritte Verdichtungsebene des Datenverdichtungsalgorithmus, wobei die erste Verdichtungsebene, die zweite Verdichtungsebene und die dritte Verdichtungsebene des Datenverdichtungsalgorithmus jeweils einen einheitlichen Algorithmus aufweisen. Die vorliegende Erfindung schafft darüber hinaus ein Computerprogramm mit Programmcode, um das erfindungsgemäße Verfahren durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.
-
Die vorliegende Erfindung schafft des Weiteren einen computerlesbaren Datenträger mit Programmcode eines Computerprogramms, um das erfindungsgemäße Verfahren durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.
-
Der Begriff Computer umfasst jegliche Recheneinrichtung, unter anderem jedoch nicht ausschließlich unterschiedliche Laufzeitumgebungen, z.B. ein beliebiges Edge-Gerät in einer 14.0 Netzarchitektur.
-
Eine Idee der vorliegenden Erfindung ist es, durch Verwendung eines bionischen Ansatzes, d.h. durch Nachahmung bestehender Lösungen aus der Natur, eine effiziente Datenverdichtung des Datenstroms zwischen Netzwerkvorrichtungen zu ermöglichen. Hierbei soll die Datenverdichtung wie im menschlichen Gehirn durch schnelles und langsames Denken, d.h. eine Steuerung von Abläufen und eine Verarbeitung von Sensorsignalen sowie eine Signalverarbeitung und -weiterleitung ermöglicht werden. Darüber hinaus wird eine Mehrzahl von Verdichtungsebenen definiert, um somit eine effiziente Signalverarbeitung und -weiterleitung vorzusehen.
-
Die Aufteilung des Datenverdichtungsalgorithmus in mehrere Verdichtungsebenen weist den Vorteil auf, dass der Datenverdichtungsalgorithmus auf jeder Ebene, welche die Daten passieren müssen, abläuft. Auf jeder Ebene laufen beispielsweise schnelle und langsame Tasks bzw. Aufgaben. Bei hybriden Mehrachsmaschinen können beispielsweise folgende Ebenen definiert werden: Intelligente Sensorik, Ventilregler, Antriebsregler, übergeordnete Maschinensteuerung und Datenserver bis zur Cloud.
-
Aufsteigende Strukturen sind beispielsweise Knoten, an denen Daten aus mehreren unteren Ebenen zusammengeführt werden und mithilfe des einheitlichen Verdichtungsalgorithmus intelligent verwertet und analysiert werden.
-
Vorteilhafte Ausführungsformen und Weiterbildungen ergeben sich aus den Unteransprüchen sowie aus der Beschreibung unter Bezugnahme auf die Figuren.
-
Gemäß einer bevorzugten Weiterbildung ist vorgesehen, dass der Datenverdichtungsalgorithmus eine erste horizontale Verdichtungsebene, eine zweite horizontale Verdichtungsebene und eine dritte horizontale Verdichtungsebene aufweist, und wobei der Datenverdichtungsalgorithmus eine erste vertikale Verdichtungsebene, eine zweite vertikale Verdichtungsebene und eine dritte vertikale Verdichtungsebene aufweist.
-
Der Datenverdichtungsalgorithmus ist somit in vorteilhafter Weise in der Lage, sowohl horizontale als auch vertikale Datenpfade, d.h. innerhalb einer firmeneigenen Produktionseinrichtung, d.h. vertikal sowie zwischen unterschiedlichen Unternehmens- bzw. Produktionseinrichtungen, d.h. horizontal zu verlaufen.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der Datenverdichtungsalgorithmus eine Filterung und/oder Reduktion des Datenstroms der ersten Netzwerkvorrichtung und/oder des Datenstroms der zweiten Netzwerkvorrichtung durchführt. Somit kann in vorteilhafter Weise eine Vorverarbeitung des von der ersten Netzwerkvorrichtung erzeugten Datenstroms in der ersten Netzwerkebene durchgeführt werden, um ein Datenvolumen in Abhängigkeit einer Datenanforderung der zweiten Netzwerkvorrichtung zu filtern bzw. zu reduzieren.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der Datenverdichtungsalgorithmus den Datenstrom der ersten Netzwerkvorrichtung und/oder den Datenstrom der zweiten Netzwerkvorrichtung in Abhängigkeit einer Ausführungsdauer einer Aufgabe zumindest einer der Netzwerkvorrichtungen in eine erste Kategorie und in eine zweite Kategorie aufteilt. Somit können in vorteilhafter Weise beispielsweise Aufgaben mit kurzer Ausführungsdauer bzw. schnelle Aufgaben priorisiert werden und ein Senden von langsameren Aufgaben zurückgestellt werden.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass die Aufgabe der ersten Kategorie eine geringere Ausführungsdauer als die Aufgabe der zweiten Kategorie aufweist, wobei die erste Kategorie ein trainierter Algorithmus maschinellen Lernens und die zweite Kategorie einen nicht-trainierten Algorithmus aufweist. Der trainierte Algorithmus maschinellen Lernens weist dabei in vorteilhafter Weise eine kürzere Ausführungsdauer als der nicht-trainierte Algorithmus auf. Somit kann zur Gewährleistung einer schnelleren Datenübertragung der Daten der ersten Kategorie eine Priorisierung dieser Daten über der zweiten Kategorie vorgesehen werden.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der Datenverdichtungsalgorithmus zumindest einen Kausalzusammenhang in dem Datenstrom der Netzwerkvorrichtungen zur Datenverdichtung anwendet, wobei aus dem Datenstrom vorgegebene Merkmale extrahiert, gefiltert und/oder reduziert werden. Dabei werden beispielsweise Signale modellbasiert reduziert. Hierbei kommt es beispielsweise zu einem Entfall von Signalen wegen Mehrbestimmung. Alternativ oder zusätzlich können die Signale modellbasiert verdichtet werden.
-
Sind bei einem Servomotor beispielsweise bestimmte Eigenfrequenzen als Fehlerindikator bekannt, werden nur die bekannten Eigenfrequenzen aus dem Signal extrahiert und das Signal somit verdichtet. Eine Druckpulsationsüberwachung wird beispielsweise nur in bestimmten Zyklusphasen und Signallänge anhand einer berechneten Periode bzw. Frequenz durchgeführt und dann die Erfassungsabtastung statistisch bestimmt.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der einheitliche Algorithmus der ersten Verdichtungsebene, der zweiten Verdichtungsebene und der dritten Verdichtungsebene des Datenverdichtungsalgorithmus Datenflüsse zwischen den Netzwerkvorrichtungen derart optimiert, dass in jeder Verdichtungsebene eines Datenpfades des Datenstroms eine empfängerabhängige Datenverdichtung durchgeführt wird.
-
Der einheitliche Algorithmus bzw. Basisalgorithmus optimiert die Datenflüsse somit derart, sodass pro Datenknoten ein maximaler Verdichtungsgrad erreicht wird sowie pro Pfad bzw. über konfigurierbare kritische Pfade ein optimaler Verdichtungsgrad erreicht wird. Zusätzlich kann dabei in vorteilhafter Weise ein optimaler Datenfluss im Gesamtdatennetz sichergestellt werden. Der einheitliche Algorithmus löst hierfür eine mathematische Optimierungsaufgabe abhängig von Anforderungen der Empfänger und möglichen Verdichtungen in einem Knoten.
-
Die beschriebenen Ausgestaltungen und Weiterbildungen lassen sich beliebig miteinander kombinieren.
-
Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Folgenden bezüglich der Ausführungsbeispiele beschriebenen Merkmale der Erfindung.
-
Figurenliste
-
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung.
-
Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die dargestellten Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
-
Es zeigen:
- 1 ein Ablaufdiagramm eines computerimplementierten Verfahrens zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen gemäß einer bevorzugten Ausführungsform der Erfindung;
- 2 ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung;
- 3 ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung;
- 4 ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung;
- 5 eine schematische Darstellung eines Systems zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung.
-
In den Figuren der Zeichnungen bezeichnen gleiche Bezugszeichen gleiche oder funktionsgleiche Elemente, Bauteile oder Komponenten, soweit nichts Gegenteiliges angegeben ist.
-
1 zeigt ein Ablaufdiagramm eines computerimplementierten Verfahrens zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen gemäß einer bevorzugten Ausführungsform der Erfindung.
-
Das Verfahren umfasst ein Erzeugen S1 eines Datenstroms D durch eine auf einer ersten Netzwerkebene E1 angeordnete erste Netzwerkvorrichtung 10, insbesondere einen Aktor oder Sensor.
-
Das Verfahren umfasst ferner ein Verdichten S2 des Datenstroms D der ersten Netzwerkvorrichtung 10 durch eine erste Verdichtungsebene V1 eines Datenverdichtungsalgorithmus A, wobei der verdichtete Datenstrom D der ersten Netzwerkvorrichtung 10 an eine zweite Netzwerkvorrichtung 20 einer zweiten Netzwerkebene E2, insbesondere eine industrielle Maschine und/oder Anlage, und/oder an eine dritte Netzwerkvorrichtung 30 einer dritten Netzwerkebene E3, insbesondere ein loT-Gateway und/oder einen Cloud-Datenspeicher 40, gesendet wird S3.
-
Die dritte Netzwerkebene E3 kann alternativ beispielsweise ein internes Rechenzentrum, eine private Cloud und/oder eine Cloud-on-premises sein.
-
Das Verfahren umfasst überdies ein Verdichten S4 des Datenstroms D der zweiten Netzwerkvorrichtung 20 durch eine zweite Verdichtungsebene V2 des Datenverdichtungsalgorithmus A und/oder des Datenstroms D der dritten Netzwerkvorrichtung 30 durch eine dritte Verdichtungsebene V3 des Datenverdichtungsalgorithmus A, wobei die erste Verdichtungsebene VI, die zweite Verdichtungsebene V2 und die dritte Verdichtungsebene V3 des Datenverdichtungsalgorithmus A jeweils einen einheitlichen Algorithmus aufweisen.
-
Eine Anzahl von Verdichtungsebenen ist beliebig erweiterbar, in der vorliegenden Ausführungsform sind nur beispielhaft drei Ebenen genannt. Insbesondere in dezentralen 14.0 Netzwerkstrukturen sind die Vernetzungen nicht ausschließlich hierarchaisch. Vielmehr können die Verdichtungsebenen nach dem Rekursivitäts- und Einbettungsprinzip modularisiert werden.
-
2 zeigt ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung.
-
Der Datenverdichtungsalgorithmus A weist eine erste horizontale Verdichtungsebene Via, eine zweite horizontale Verdichtungsebene V2a und eine (in 3 gezeigte) dritte horizontale Verdichtungsebene V3a auf. Ferner weist der Datenverdichtungsalgorithmus A eine erste vertikale Verdichtungsebene V1b, eine zweite vertikale Verdichtungsebene V2b und eine (in 3 gezeigte) dritte vertikale Verdichtungsebene V3b auf.
-
Der Datenverdichtungsalgorithmus A führt eine Filterung und/oder Reduktion des Datenstroms D der ersten Netzwerkvorrichtung 10 und/oder des Datenstroms D der zweiten Netzwerkvorrichtung 20 durch.
-
Jeweilige Transformationsmatrizen TR1a bis TR5a führen eine Datenverdichtung in der ersten horizontalen Verdichtungsebene V1a und jeweilige Transformationsmatrizen TR11a bis TR17a führen eine Datenverdichtung in der zweiten horizontalen Verdichtungsebene V2a durch.
-
Ebenso führen jeweilige Transformationsmatrizen TR1b bis TR3b eine Datenverdichtung in der ersten vertikalen Verdichtungsebene V1b und jeweilige Transformationsmatrizen TR11b bis TR16b eine Datenverdichtung in der zweiten vertikalen Verdichtungsebene V2b durch.
-
3 zeigt ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung.
-
Der Datenverdichtungsalgorithmus A wendet zumindest einen Kausalzusammenhang in dem Datenstrom D der Netzwerkvorrichtungen 10, 20, 30 zur Datenverdichtung an. Aus dem Datenstrom D vorgegebene Merkmale werden extrahiert, gefiltert und/oder reduziert. Der einheitliche Algorithmus der ersten Verdichtungsebene VI, der zweiten Verdichtungsebene V2 und der dritten Verdichtungsebene V3 des Datenverdichtungsalgorithmus A optimiert Datenflüsse zwischen den Netzwerkvorrichtungen 10, 20, 30 derart, dass in jeder Verdichtungsebene V1, V2, V3 eines Datenpfades des Datenstroms D eine empfängerabhängige Datenverdichtung durchgeführt wird.
-
Der Datenstrom D kann beispielsweise von einer der ersten Netzwerkvorrichtungen 10 an eine der zweiten Netzwerkvorrichtungen 20 an oder von einer der Netzwerkvorrichtungen 10 direkt an eine der dritten Netzwerkvorrichtungen 30 und/oder einen Cloud-Datenspeicher 40 gesendet werden.
-
4 zeigt ein Ablaufdiagramm des computerimplementierten Verfahrens zur Verdichtung des Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung.
-
Der Datenverdichtungsalgorithmus A teilt den Datenstrom D der ersten Netzwerkvorrichtung 10 und/oder den Datenstrom D der zweiten Netzwerkvorrichtung 20 in Abhängigkeit einer Ausführungsdauer einer Aufgabe zumindest einer der Netzwerkvorrichtungen 10, 20, 30 in eine erste Kategorie K1 und in eine zweite Kategorie K2 auf.
-
Die Aufgabe der ersten Kategorie K1 weist eine geringere Ausführungsdauer als die Aufgabe der zweiten Kategorie K2 auf, wobei die erste Kategorie K1 einen trainierten Algorithmus maschinellen Lernens und die zweite Kategorie K2 einen nicht-trainierten Algorithmus aufweist.
-
Der trainierte Algorithmus maschinelles Lernen beruht auf statistischen Modellen. Die Aufgabe mit geringerer Ausführungsdauer bzw. schnelle Task kann ein angelerntes ML-Modell sein. Die Aufgabe mit längerer Ausführungsdauer bzw. langsame Tasks ist ein konventioneller Algorithmus aus z.B. klassischer Regelungstechnik oder ein modellbasierter Ansatz mit Identifikationsmethoden. Alternativ kann die Aufgabe mit längerer Ausführungsdauer bzw. langsame Tasks beispielsweise ein Anlernen der ML Modelle/Algorithmen umfassen.
-
Ein mögliches Anwendungsszenario ist, dass während des Lernens der konventionelle Algorithmus angewandt wird und nach Abschluss des Lernens der angelernte ML-Algorithmus die betreffende Funktion übernimmt.
-
Die Aufgabe mit geringerer Ausführungsdauer ist hierbei gekennzeichnet durch eine Definition von Aktionen bzw. Diensten mit hoher Priorität wie beispielsweise Warnungen, Fehlermeldungen und/oder oder system- oder sicherheitsrelevante Dienste auf jeder Ebene, die initiiert werden und für die eine maximale Informationsmenge erforderlich sind, sodass dann auf dieser Ebene ein Teil der Daten verfällt bzw. nicht weitergeleitet wird.
-
Diese Aktionen beruhen auf einer Mustererkennung, d.h. keinen komplexen rechenintensiven Algorithmus bzw. keinen modelbasierten Algorithmus. Die Muster werden aufgrund der Erfahrungen mit logischen Zusammenhängen oder statistischen Modellen gebildet.
-
Die Aufgabe mit geringerer Ausführungsdauer ist hierbei gekennzeichnet durch Anwendung von Kausalzusammenhängen zur Verdichtung, welche auf modellbasierten oder auf Data-Mining Methoden basieren. Ferner ist die Aufgabe mit geringerer Ausführungsdauer gekennzeichnet durch Bildung eines Merkmales bzw. einer Information aus mehreren Signalen und Weiterleitung des gebildeten Merkmals bzw. der Information und anschließende Vernichtung der dafür verwendeten Daten.
-
Die Gesamtnetzdatenflüsse sind gekennzeichnet durch Auswahl minimierter Datenmengen pro Merkmal bzw. Information, d.h. Anwendung von Optimierungsalgorithmen mit der Zielfunktion Minimierungsaufgabe mit der Kennzahl Datenmenge pro Information.
-
Sind bei einem Servomotor beispielsweise bestimmte Eigenfrequenzen als Fehlerindikator bekannt, werden nur die bekannten Eigenfrequenzen aus dem Signal extrahiert und das Signal somit verdichtet.
-
Generell wird somit lediglich eine Anomalie bzw. ein Merkmal anstatt einem gesamten Datensatz gesendet, was die eigentliche Verdichtung darstellt.
-
Ein weiteres Beispiel kann es sein, dass in der Laufzeitumgebung ein Modell, beispielsweise ein Digital Twin identifiziert wird, dann jedoch weder das Modell noch die Daten, sondern nur eine Modell ID und die dazugehörigen identifizierten Modellparameter gesendet werden, wodurch die Verdichtung erfolgt.
-
Ein weiteres Beispiel kann darin begründet sein, dass man in der Laufzeitumgebung einen Datenverlauf bzw. eine Zeitreihe eines Maschinenzyklus identifiziert und nur die dazugehörigen codierten Zyklusmerkmale anstelle der vollumfänglichen Daten sendet, auf deren Basis der Empfänger dann den Zyklus rekonstruieren kann, ohne sämtliche Zeitabläufe zu benötigen.
-
Des Weiteren weist der Datenverdichtungsalgorithmus A einen Schlaf-Modus auf, in welchem ein Lernen und eine Selbstoptimierung durchgeführt werden. Ein Backup ungefilterter Daten wird hierbei für Lernalgorithmen und Modelloptimierung verwendet. Eine Modelloptimierung und Synchronisation kann dabei beispielsweise an Tagen einer Betriebsruhe durchgeführt werden.
-
Die Modelloptimierung erfolgt mittels Identifikationsmethoden und Data-Mining in Analogie zur Bionik, insbesondere einem maschinellen Nachahmen von einem menschlichen Erfahrungsaufbau. Erfahrungen werden dabei priorisiert. Die hoch priorisierten Erfahrungen dienen zur schnellen Erkennung kritischer Zustände auf der jeweiligen Ebene vor der Datenverdichtung und zur entsprechenden Ableitung von Aktionen.
-
Erkannte Muster oder bestätigte Modelle werden auf Basis der Wiederholhäufigkeit gewichtet. Ferner erfolgt eine Selektion aufgrund der Gewichtungen sowie eine Verknüpfung bzw. Erweiterung des Datenverdichtungsmodells um die neu erkannten Muster oder Korrelationen und Kausalitäten mittels Data-Mining.
-
5 zeigt eine schematische Darstellung eines Systems zur Verdichtung eines Datenstroms zwischen Netzwerkvorrichtungen gemäß der bevorzugten Ausführungsform der Erfindung. Das System umfasst Mittel 11 zum Erzeugen eines Datenstroms D durch eine auf einer ersten Netzwerkebene E1 angeordnete erste Netzwerkvorrichtung 10, insbesondere einen Aktor oder Sensor.
-
Das System umfasst ferner Mittel 12 zum Verdichten des Datenstroms D der ersten Netzwerkvorrichtung 10 durch eine erste Verdichtungsebene V1 eines Datenverdichtungsalgorithmus A, wobei die Mittel 12 zum Verdichten des Datenstroms D der ersten Netzwerkvorrichtung 10 dazu eingerichtet sind, den verdichteten Datenstrom D der ersten Netzwerkvorrichtung 10 an eine zweite Netzwerkvorrichtung 20 einer zweiten Netzwerkebene E2, insbesondere eine industrielle Maschine und/oder Anlage, und/oder an eine dritte Netzwerkvorrichtung 30 einer dritten Netzwerkebene E3, insbesondere ein loT-Gateway und/oder einen Cloud-Datenspeicher 40, zu senden. Die dritte Netzwerkebene E3 kann alternativ beispielsweise ein internes Rechenzentrum, eine private Cloud und/oder eine Cloud-on-premises sein.
-
Das System umfasst des Weiteren Mittel 13 zum Verdichten des Datenstroms D der zweiten Netzwerkvorrichtung 20 durch eine zweite Verdichtungsebene V2 des Datenverdichtungsalgorithmus A und/oder des Datenstroms D der dritten Netzwerkvorrichtung 30 durch eine dritte Verdichtungsebene V3 des Datenverdichtungsalgorithmus A, wobei die erste Verdichtungsebene VI, die zweite Verdichtungsebene V2 und die dritte Verdichtungsebene V3 des Datenverdichtungsalgorithmus A jeweils einen einheitlichen Algorithmus aufweisen.