Honderd lasers automatisch vanuit de cloud besturen
In het cluster ‘Internet of Production’ (IoP) hebben 200 wetenschappers van RWTH Aachen University samen met Fraunhofer ILT een datacenter opgezet voor het besturen en monitoren van industriële processen. Het concept hiervoor is gebaseerd op een project voor het besturen van lasersystemen. Dit is ontwikkeld bij Fraunhofer ILT en maakt gebruik van de open source software Kubernetes. Een overeenkomend systeem, waarmee de software voor nieuwe lasers automatisch en op afstand in slechts enkele minuten kan worden geïnstalleerd, draait al twee jaar met succes op het instituut.
In het IoP-cluster wordt gewerkt aan besturingssystemen in de cloud voor de productie van de toekomst. (Tekening: Martin Riedel/Internet of Production)
Een ultrakorte puls laser is een complex systeem waarmee praktisch elk materiaal met micrometer nauwkeurigheid kan worden weggenomen. Talrijke sensoren controleren de machine en het laserproces. Evenzo veelzijdig is de software die de componenten bestuurt en de data van de sensoren uitleest. In de industriële productie worden zulke systemen vaak parallel ingezet, vijftig stuks naast elkaar is niet uitzonderlijk. Maar hoe kunnen deze efficiënt worden geïnstalleerd? En hoe kan men ze centraal besturen?
Open source software
Wetenschappelijk medewerker Moritz Kröger van de RWTH Aachen University stond precies voor deze vragen. “Met de gebruikelijke programmeerbare besturingen kan men een apparaat heel goed beheersen, maar niet een dozijn of zelfs honderd tegelijk.” Voor het perspectief 50 tot 100 lasers te besturen, nieuwe software voor deze systemen te installeren en realtime data te analyseren, waren de gebruikelijke concepten duidelijk niet toereikend.
De oplossing? “We hebben de machinebesturing volledig nieuw geprogrammeerd”, aldus Kröger. “Zo konden we vanaf het begin inzetten op beproefde open source software, die ons veel meer comptabiliteit en ontwikkelingsmogelijkheden voor gespreide systemen biedt.” Hiermee kunnen laserbewerkingsprocessen, waarbij bijvoorbeeld rekening moet worden gehouden met data van scannerbesturingen, sensordata uit verschillende bronnen en analysedata in het lopende proces, bestuurd en geoptimaliseerd worden. Het project is gestart in 2018. Ondertussen loopt het besturingssysteem bij Fraunhofer ILT stabiel in de Beta-fase.
De Kubernetes software wordt bijvoorbeeld ingezet bij de besturing van ultrakorte puls lasers. Wetenschappers onderzoeken momenteel het automatisch analyseren van meetdata.
Potentieel onderkend
In de kern van het datacenter loopt Kubernetes, een open source software, die automatisch toepassingsprogramma’s op gespreide computersystemen kan afspelen, opschalen en onderhouden. Kubernetes is oorspronkelijk ontworpen door Google en wordt door leidende platforms zoals Microsoft Azure, IBM Cloud, Red Hat OpenShift, Amazon EKS, Google Kubernetes Engine en Oracle OCI ondersteund. Op de RWTH Aachen University heeft men het potentieel al herkend. Al in 2019 werd het concept van Fraunhofer ILT voor een datacenter van de universiteit overgenomen. In het IoP-cluster wordt daar gewerkt aan de digitalisering van productietechniek.
Doelstellingen zijn een versterkte en vereenvoudigde domeinen-overstijgende samenwerking en een realtime en betrouwbare bundeling van alle relevante data uit verschillende bronnen tegen de achtergrond van cyber-fysieke systemen en Industrie 4.0. Er doen meer dan 35 universiteiten en andere onderzoeksinstellingen mee alsmede de Fraunhofer instituten FIT, ILT en IPT. In een adviesraad zijn meer dan 50 bedrijven en organisaties vertegenwoordigd, afkomstig uit de automotive en lucht- en ruimtevaartindustrie, machine- en apparatenbouw en de softwarebranche.
Automatische analyse meetdata
Zowel in het datacenter van de RWTH Aachen University als ook bij Fraunhofer ILT worden de systemen ingezet en continu doorontwikkeld. De geautomatiseerde verdeling van software en de analyse van de applicaties in de ultrakorte puls lasers installaties functioneren betrouwbaar. “In vijf minuten kunnen we de soft- en hardware verbinding voor een nieuwe laser inrichten, inclusief de integratie in de cloud”, verklaart Kröger de actuele situatie.
Momenteel wordt onderzoek gedaan naar automatische analyse van meetdata. Het doel is data van een zo groot mogelijk aantal systemen samen te brengen en grafisch voor gebruikers klaar te zetten. In de toekomst zal het proces op de lasersystemen worden geoptimaliseerd uit data in het bereik van de kunstmatige intelligentie via machinaal leren.
