21.08.2019

Servicedienstleistungen an Landmaschinen via Video

Kombination aus Edge Computing und Cloud

Edge Computing ist die zentrale Datenverarbeitung am Rande eines Netzwerks, um die Rechenleistung an der richtigen Position zu nutzen. Anders als bei Cloud-Diensten ist damit der Aufwand für eine Infrastruktur relativ hoch. Die Vorteile aus der Kombination von Edge Computing und der Cloud soll das Projekt Invia zeigen. Dabei handelt es sich um einen Protoyp für ein mobiles, cloudgestützes Assistenzsystem zur Nutzung von Landmaschinen.


In einem gemeinsamen Projekt haben das Fraunhofer ESK, Huawei und Holmer das Konzept der vorausschauenden Wartung auf Erntemaschinen übertragen.
Bild: Fraunhofer-Institut ESK

Der Begriff Edge Computing kommt ursprünglich aus der Telekommunikation und wurde vom Standardisierungsgremium European Telecommunications Standards Institute (ETSI) als Mobile Edge Computing definiert. Der Ansatz hat sich über alle Kommunikationslösungen hinweg zu Multiple Access Edge Computing (MEC) entwickelt. Dabei werden Softwarekomponenten aus der Cloud in die Netzwerkperipherie verschoben. Bis heute bestehen eher Konzepte als konkrete Angebote der Netzbetreiber an die Unternehmen, ihre Applikationen für die Basisstation zu entwickeln und einzusetzen. Die Sicherheitsbedenken der Netzbetreiber sind noch zu hoch und bestehende Ansätze der Virtualisierung sind von der Marktreife noch weit entfernt. Edge Computing bedeutet jedoch, dass möglicherweise eine eigene Lösung für jeden Nutzer eingeführt werden muss. Das führt zu einem sehr hohen Wartungsaufwand. Bei Cloud Computing hingegen erfolgt die Datenverarbeitung nicht an den 'Ecken' des Netzwerks sondern zentral an einer Stelle. Dadurch können die bereitgestellten Dienste von vielen Kunden genutzt werden.

Kundenservice per Video

Das Projekt Invia des Fraunhofer ESK, Holmer und fünf weiteren Unternehmen ist für Servicedienstleistungen an Landmaschinen entwickelt worden. Dabei können Maschinenhersteller durch Mobile Edge Computing ihre Dienste während des Betriebs der Maschinen auf dem Feld anbieten. Über herkömmliche Cloudlösungen wären die Leistungen nicht oder nur eingeschränkt möglich. Der Bediener versucht häufig dem Hersteller das Problem an der komplexen Maschine telefonisch zu schildern. In der Folge führt das oft zu hohem Zeitaufwand und zu unnötigen oder nichtigen Außeneinsätzen des Herstellers. Durch das Projekt sollen diese reduziert werden. Per interaktiver, videobasierter Remote-Dienste kann sich der Servicetechniker über das Problem bzw. den Zustand der mobilen Maschine informieren. Anschließend können Bediener und Hersteller so das Problem lösen. Durch die Lösung können verschiedene Videostreams gleichzeitig gemanagt werden. Daneben werden zusätzlich Maschinendaten per CAN erfasst und ebenfalls per Stream an den Servicedesk geleitet.

Fog Computing statt Cloud Computing

Im Rahmen des Projekts hat das Fraunhofer ESK eine Simulationsumgebung erstellt, mit der die Funktionsfähigkeit einer verteilten Anwendung untersucht werden kann. Dazu nutzt es Edge- und Fog-Technologien, bevor der Anwender mit der Implementierung beginnt. Fog Computing stellt somit das verteilte Gegenstück zum zentralisierten Cloud Computing dar. Es kann zudem die Software verteilen, Daten managen oder ein anwendernahes Kommunikationsnetz bereitstellen. Nicht nur die Edge-Ressource ist hier relevant, sondern auch alle Geräte wie das Maschinen-Gateway oder die Endgeräte der Anwender. Zunächst werden Modelle der geplanten Netzwerkstruktur und die Softwarearchitektur nach Knotenanforderungen erstellt. Dazu gehören Rechnerknoten und Kommunikationsverbindungen sowie Softwarekomponenten. Mit Hilfe eines Algorithmus wird anschließend die geeignete Position der Komponenten berechnet. Muss die Bilderkennung deutlich schneller Ergebnisse liefern, als es bei einem Cloud-Dienst möglich wäre, wird die Komponente entweder direkt auf dem Endgerät oder in der Edge platziert. Die Bilderkennung mit sehr hohem Datenbestand, aber geringer zeitlicher Anforderung erfolgt dann in der Cloud. Nach der Platzierung kann die Simulation z.B. überprüfen, welche Ende-zu-Ende-Latenzen sich für die Anwendung ergeben.

Simulation für variierende Kanaleigenschaften

Aktuell ist die Simulation statisch und die Eigenschaften jedes Laufs bleiben so erhalten. Künftig sollen aber auch sich variierende Kanaleigenschaften wie veränderliche Bandbreite oder eine dynamische Platzierung von Softwarekomponenten im Netzwerk analysiert werden. Ohne einen neuen Simulationslauf zu starten. Laut Ergebnissen ist der Aufwand für die Erstellung der Modelle sinnvoll, wenn viele Sensoren und Geräte in einer oder mehreren nebeneinanderliegenden Mobilfunkzellen eingesetzt werden. Auch liegen die Stärken der Simulation weniger in statischen als in dynamischen Szenarien. Dabei werden einerseits die Zahl der Geräte pro Zelle und andererseits zwischen den Zellen gewechselt. Bei statischen, einfachen Softwarearchitekturen kann der Anwender den Aufwand für die Erstellung der Modelle und des Simulationsverlaufs mit den erwarteten Ergebnissen vergleichen. Dabei kann auch eine Simulation sinnvoll sein, wenn z.B. Schwankungen der Dienstequalität auftreten, die nachträglich in einer Simulation analysiert werden können.

Empfehlungen der Redaktion

Adaptive Dienstearchitektur

Neben der Simulationsumgebung hat das Fraunhofer ESK im Projekt auch ein Konzept zur adaptiven Verteilung von Diensten in Edge-Umgebungen zur Laufzeit entwickelt. So wurden hier die einzelnen Dienste einer verteilten, serviceorientierten Anwendung zunächst in Serviceklassen unterteilt. Kriterien für deren Einteilung sind das Zeitverhalten, Safety-Relevanz und der Kommunikationsbedarf des einzelnen Dienstes. Sind die Dienste entsprechend zugeordnet, tritt die sogenannte Edge-Service-Plattform in Aktion. Die Softwareagenten in den beteiligten Komponenten beobachten die aktuelle Auslastung der einzelnen Rechnerknoten und der Kommunikation zwischen den Knoten. Einzelne Dienste können abhängig von Veränderungen gegenüber einem Sollzustand, wie bei Ausfall eines Rechnerknotens neu verteilt werden. So soll das angestrebte Gesamtverhalten wieder erreicht werden. Wie im Projekt Invia deutlich wurde, bietet der Einsatz von Edge Computing klare Vorteile. Zum einen ist die Latenz zwischen Landmaschine und den bereitgestellten Rechnerressourcen gering. Zum anderen kann der Anwender mit Edge Computing Daten vorher verarbeiten, bevor sie in kompakter Form in die Cloud weitergereicht werden. Allerdings erfordert der Einsatz von Edge Computing auch die Installation und Wartung der Dienste in der jeweiligen Edge. Das kann bei vielen Edge-Einheiten und individuellen Diensten sehr schnell zum großen Aufwand werden.

Anzeige