FiC banar väg för industri 4.0

2016 gav sig SSF-finansierade forskningsprojektet Future Factories in the Cloud på att lösa några betyd­ande tekniska utmaningar i utvecklingen av nästa generations industri. I år presenterar de flera spännande resultat.

Programvara i molnet och förmågan att snabbt få in nya produkter kommer att vara en av de största konkurrensfördelarna för svensk industri i framtiden. Men med ökad automatisering, fler smarta lösningar och en strid ström av enorma mängder data, finns utmaningar att hantera. Styrning av industriella realtidsprocesser från molnet ger flera fördelar, men ställer stränga krav på låg och förutsägbar fördröjning mellan molnet och maskinerna.
Det kräver snabbare, stabilare och mer pålitliga system för både överföring och beräkning av data än vad som finns idag.
De senaste fem åren har forskningsprojektet Future Factories in the Cloud (FiC) banat väg för sådan teknik. Projektet är finansierat av SSF och har genomförts i samverkan mellan Mälardalens högskola, Chalmers och Uppsala universitet. Projektet har arbetat nära industrin, bland annat för att kunna använda skarpa data och digitala simuleringsmodeller baserade på verkliga produktionsmiljöer.
– Vi har tagit fram nya metoder och verktyg som kan bidra till effektivare, flexiblare och mer förutsägbara system. Vi har bland annat fokuserat på områdena funktionssäkerhet, förutsägbara dataflöden och effektiv resursallokering, säger Hans Hansson, projektledare och professor i realtidssystem vid Mälardalens högskola.

Tryggare funktionssäkerhet
Vid Mälardalens högskola har Hans Hansson och hans kollegor tagit fram ett verktyg för att lättare bedöma och garantera funktionssäkerheten hos automatiserade tillämpningar, till exempel samverkande fordon och robot­armar.
– Det behövs en redundans i systemet och möjligheten att bevisa att det inte händer något farligt om något går fel. Det är inte minst en utmaning när flera maskiner och enheter samarbetar, berättar Hans Hansson.
För att kunna säkerställa att säkerhetsnivån i ett system är på en acceptabel nivå har de utvecklat en simuleringsbaserad metod. Med hjälp av så kallade digitala tvillingar av industriella system kan de samla in data från simulerade scenarier.
– Vi har till exempel arbetat med självkörande dumprar i en bergtäkt, där vi kunnat utforska fel och risker hos olika maskiner och enheter.

Förutsägbara fördröjningar
Snabbare internet har gjort det möjligt att köra tidskritiska tillämpningar i molnet. Men internet innebär också fördröjningar i nästintill oförutsägbara variationer. Det gör dataflödet oberäkneligt och kan leda till instabilitet hos tillämpningarna.
Vid Uppsala universitet har Per Gunningberg, professor i datakommunikation vid Institutionen för informationsteknologi, arbetat med verktyg som kan mäta fördröjningar mellan en tillämpning i molnet och en användare eller maskin.
– Det vi mäter är variationer i fördröjningar vilket är en väldigt viktig faktor för att skapa förutsägbarhet för styrsystem i molnet, förklarar Per Gunningberg.– En del programvara för styrsystem kan finnas i molnet, men andra delar behöver finnas närmare tillämpningarna när fördröjningarna blir för långa. Då kan en så kallad Edge-server placerad mellan tillämpningen och molnet vara lösningen. Vårt verktyg kan mäta avstånd och överföringshastigheter på ett sätt som gör det möjligt att avgöra vilka delar som bäst placeras var. Det gör att en industriplanerare kan bygga upp en optimal infrastruktur efter faktiska förutsättningar, säger han.

Effektivare databearbetning
Vid Chalmers har Marina Papatriantafilou, docent vid Institutionen för data- och informationsteknik, fokuserat på metoder för snabb och kontinuerlig bearbetning av data. Metoderna riktar sig till exempel mot datatunga tillämpningar som smarta elnät, självkörande bilar och automatiserade fordon i produktionsmiljöer. De kännetecknas av sensorer som ger stora mängder data. Dessa data genereras kontinuerligt, vilket bearbetningen måste kunna hantera. Idag är möjligheterna att hantera sådan data tekniskt begränsade.
– För att kunna dra nytta av de enorma mängder data som genereras från olika sensorer behöver de också bearbetas parallellt, i ”streams”, i den takt de genereras. Vi har utvecklat metoder som delar upp beräkningarna så att vissa beräkningar sker i Edge-servrar, och andra i molnet. Och vi kan göra det med god balans mellan kvalitet och hastighet vilket inte varit möjligt tidigare, säger Marina Papatriantafilou.