Companion Specifikations-konform per Framework

OPC UA im Überblick
OPC UA im Überblick – Bild: ISW der Universität Stuttgart

In Zeiten von Industrie 4.0 ist die Interoperabilität zwischen Komponenten in industriellen Bereichen, etwa zwischen Sensoren, Steuerungssystemen und Manufacturing Execution Systems, von entscheidender Bedeutung. Der standardisierte Informationsaustausch ist eine wichtige Säule, die die Open Platform Communications Unified Architecture (OPC UA) durch die Spezifikation eines standardisierten Informationsmodells, Kommunikationsmodells und Konformitätsmodells zu erreichen gesucht.

OPC UA definiert zwei Konzepte für den Datentransfer: Client/Server und Pub/Sub (Abb. 1). Die Daten werden in einem Informationsmodell gespeichert, auf das über eine Reihe von Diensten zugegriffen werden kann. Das Informationsmodell legt fest, wie Daten übertragen werden, wie das zugrundeliegende Datenmodell aussieht und was die grundlegenden Modellierungsregeln sind. Darüber hinaus spezifiziert OPC UA einige Basis-Informationsmodelle, wie Alarms and Conditions, Data Access oder Historical Access, die durch Companion Specifications (CS) referenziert und erweitert werden. Companion Specifications werden hauptsächlich entwickelt, um festzulegen, wie OPC UA in spezifischen Umgebungen wie etwa bestimmten Anlagen eingesetzt werden soll.

Ein Problem der OPC UA CSen ist, dass sowohl Domänenwissen als auch Wissen über OPC UA für die Implementierung erforderlich sind. Mitarbeiter mit diesen komplementären Fähigkeiten sind jedoch selten. Ein Problem, das auch für die Implementierung von OPC UA-Servern, die CSen umsetzen, gilt. Denn hierfür sind zusätzlich Programmierkenntnisse erforderlich.

Entwicklung vereinfacht

Daher profitieren Entwickler von CS-konformen OPC UA-Servern von vereinfachten Methoden zur Entwicklung der entsprechenden Software. Hier kommt der Ansatz für ein Open-Source-Framework für OPC UA-Server für CSen ins Spiel. Dieses Framework bietet eine intuitive API, indem OPC UA-Informationsmodelle mittels C++ instanziiert und mit verschiedenen Datenquellen verknüpft werden können.

Technische Betrachtung

Die Bibliothek OpcUaLib des ISWs enthält zwei zentrale Elemente, die die Implementierung von OPC UA-Servern vereinfachen. Zum einen wird durch Operator-Overloading in Kombination mit einer Klasse für asynchrone Variablen (AsyncVarX) eine intuitive API bereitgestellt. Zum anderen lassen sich mittels der ExternalValue-Klasse Adapter zu externen Datenquellen wie ADS realisieren.

Die AsnycVariable-Klasse ermöglicht es, mit den C++-Variablen, die letztendlich durch den OPC UA-Server nach außen freigegebene werden, wie mit gewöhnlichen C++-Variablen zu interagieren. Der aktuelle Variablenwert wird bei Änderungen automatisch in einen Speicherbereich übertragen, der für die Kommunikation mit OPC UA genutzt wird. Dabei wird auch ein Zeitstempel aktualisiert, um den Zeitpunkt der letzten Aktualisierung zu dokumentieren. Diese Trennung zwischen interner und externer Darstellung des Wertes ist wichtig, um sowohl Performance als auch Datenintegrität sicherzustellen. Eine weitere zentrale Funktionalität ist die Bereitstellung eines Lese-Callbacks, das vom OPC UA-Server genutzt wird, um auf den Variablenwert zuzugreifen. Dieses Callback ermöglicht es, den gespeicherten Wert effizient und ohne unnötige Kopien an externe Clients zu übertragen. Gleichzeitig können Anpassungen vorgenommen werden, um spezielle Datentypen oder zusätzliche Anforderungen zu berücksichtigen. Die Klasse unterstützt darüber hinaus Mechanismen zur Initialisierung und Anpassung der Variablen, einschließlich der Konfiguration von Metadaten wie Zeitstempeln und Statusinformationen. Dies erleichtert die Integration in OPC UA-Server und bietet die Flexibilität, die für spezifische Anwendungsfälle erforderlich ist.

Die zweite Kernfunktionalität der Klasse ExternalValue ermöglicht es, Callbacks zu registrieren, die bei Eintreten eines Events aufgerufen werden. So lässt sich z.B. realisieren, dass sobald sich der Wert einer ADS-Variable geändert hat, der entsprechende Wert umgerechnet und im OPC UA-Server sichtbar gemacht wird.

Das Framework im Einsatz.
Das Framework im Einsatz. – Bild: ISW Institut für Steuerungstechnik der

Das Framework in der Anwendung

Abbildung 2 zeigt einen Quellcodeauszug, bei dem die API genutzt wird, um einen OPC UA-Server für die Machine Tools (Werkzeugmaschinen)-CS zu erstellen. Der Code beschreibt eine Anwendung, die Daten einer Maschinensteuerung per ADS-Protokoll einsammelt und per OPC UA verfügbar macht. Dabei werden eine OPC UA-Instanz der Maschine erstellt, Variablen-Nodes angelegt und Daten zwischen der externen Datenquelle über ADS und dem OPC UA-Server synchronisiert.

Zu Beginn wird der OPC UA-Server gestartet und ein spezieller Namespace mit einer URI (Uniform Resource Identifier) für Maschineninstanzen definiert. Innerhalb dieses Namespaces wird eine Maschineninstanz erstellt, wobei spezifische Knoten, wie der Beispielknoten KeyframeCount, hinzugefügt werden. Die Integration zwischen internen C++-Variablen und OPC UA erfolgt durch asynchrone Variablen (AsyncVarUint32_t). Eine solche Variable wird im Programm definiert, mit einem OPC UA-Knoten verbunden und initialisiert. Änderungen an dieser Variablen in der Anwendung werden automatisch im OPC UA-Server reflektiert, ohne Mehraufwand für die Synchronisation. Dies ermöglicht eine Änderung der Variablen durch einfache Zuweisungen.

Darüber hinaus zeigt der Code, wie eine externe Datenquelle über ADS angebunden wird. Die Werte aus der Steuerung werden mit der Mapping-Funktion automatisch in den OPC UA-Server übertragen, sobald sich die Daten ändern. Dies ermöglicht eine Kopplung mit nur wenigen Code-Zeilen und unterstützt auch Transformationen oder Umrechnungen, falls nötig.

Fazit

Der Code illustriert die Umsetzung einer OPC UA-Integration mit Hilfe des Frameworks. Die Features der automatischen Datenbindung sowie die einfache Erstellung von Mappings zwischen externen Datenquellen wie ADS und OPC UA-Knoten reduziert den Implementierungsaufwand und erhöht die Zuverlässigkeit des Systems. Die Synchronisation findet automatisch im Hintergrund statt.



  • Mehr Cyberangriffe, weniger Plagiatsfälle

    Mehr Cyberangriffe, weniger Plagiatsfälle

    Rund ein Viertel der Maschinen- und Anlagenbauer berichtet von signifikanten Cybersicherheitsvorfällen in den vergangenen zwei Jahren. Plagiatsfälle gingen in diesem Zeitraum hingegen zurück.

    mehr lesen: Mehr Cyberangriffe, weniger Plagiatsfälle

  • Stand der OT-Sicherheit

    Stand der OT-Sicherheit

    Ein neuer Bericht von ABI Research und Palo Alto Networks über den Stand der OT-Sicherheit hat ergeben, dass im vergangenen Jahr eines von vier Industrieunternehmen angab, seinen Betrieb aufgrund eines…

    mehr lesen: Stand der OT-Sicherheit

  • Forschungsbeirat und Plattform Industrie 4.0 bleiben bei 4.0

    Forschungsbeirat und Plattform Industrie 4.0 bleiben bei 4.0

    Im Rahmen der Hannover Messe 2024 haben der Forschungsbeirat Industrie 4.0 sowie die Plattform Industrie 4.0 Stellung zum Umgang mit dem Begriff ‚Industrie 5.0‘ genommen.

    mehr lesen: Forschungsbeirat und Plattform Industrie 4.0 bleiben bei 4.0

  • Maschinenbau rechnet nicht mit Konjunkturerholung

    Maschinenbau rechnet nicht mit Konjunkturerholung

    Besorgt blicken die Entscheidungsträger im Maschinen- und Anlagenbau auf die konjunkturelle Entwicklung in Deutschland.

    mehr lesen: Maschinenbau rechnet nicht mit Konjunkturerholung

  • Sprint zur Cyber Resilience Act-Konformität

    Sprint zur Cyber Resilience Act-Konformität

    Wie erfüllt Open Source Software die Anforderungen des europäischen Cyber Resilience Act? Auf Basis etablierter Prozesse wollen die Apache Software Foundation, die Blender Foundation, die OpenSSL Software Foundation, die PHP…

    mehr lesen: Sprint zur Cyber Resilience Act-Konformität

  • Wie KI und Mensch im Team zusammenarbeiten

    Wie KI und Mensch im Team zusammenarbeiten

    In einer neuen Expertise mit dem Titel ‘künstliche Intelligenz und industrielle Arbeit’ des Forschungsbeirats Industrie 4.0 zeigen das Fraunhofer IEM und das Fraunhofer IML Gestaltungsoptionen und Handlungsfelder auf, wie KI…

    mehr lesen: Wie KI und Mensch im Team zusammenarbeiten

  • VDMA: -7% für europäische Bildverarbeitungsindustrie

    VDMA: -7% für europäische Bildverarbeitungsindustrie

    Basierend auf den neuesten VDMA-Umfragen, verzeichnete die europäische Bildverarbeitungsindustrie 2023 einen Umsatzrückgang von 7%. Die VDMA Fachabteilung Machine Vision rechnet mit einem weiteren Umsatzrückgang von 3% für das laufende Jahr.

    mehr lesen: VDMA: -7% für europäische Bildverarbeitungsindustrie

  • Industrie noch zurückhaltend bei Manufacturing-X

    Industrie noch zurückhaltend bei Manufacturing-X

    Manufacturing-X ist vielen Unternehmen zwar ein Begriff. Allerdings haben sich bisher die meisten Industrieunternehmen noch nicht näher mit dem Datenökosystem befasst.

    mehr lesen: Industrie noch zurückhaltend bei Manufacturing-X

  • 159.000 offene Stellen in Ingenieurberufen

    159.000 offene Stellen in Ingenieurberufen

    Die Zahl der offenen Stellen in Ingenieurberufen bewegt sich im vierten Quartal 2023 weiter auf hohem Niveau. Besonders Berufsfelder mit Klimaschutz- und Digitalisierungsbezug weisen im aktuellen VDI/IW-Ingenieurmonitor eine hohe Engpasskennziffer…

    mehr lesen: 159.000 offene Stellen in Ingenieurberufen

  • Infosys übernimmt In-tech

    Infosys übernimmt In-tech

    In-Tech wird Teil von Infosys. Dies gaben die Unternehmen am Donnerstag bekannt. Der Abschluss der Übernahme wird für das zweite Quartal 2024 erwartet.

    mehr lesen: Infosys übernimmt In-tech

  • Materialverfügbarkeit nähert sich dem Vor-Corona-Niveau

    Materialverfügbarkeit nähert sich dem Vor-Corona-Niveau

    Die deutsche Industrie hat kaum noch mit Materialknappheit zu kämpfen. Laut Ifo Institut bewegt sich die Materialverfügbarkeit in Richtung Vor-Corona-Niveau.

    mehr lesen: Materialverfügbarkeit nähert sich dem Vor-Corona-Niveau

  • KI mit synthetischen Daten anlernen

    KI mit synthetischen Daten anlernen

    Technologien auf Basis künstlicher Intelligenz (KI) benötigen Trainingsdaten. Diese zügig und in ausreichender Stückzahl zu generieren, stellt Anwender in der verarbeitenden Industrie oft vor Herausforderungen. Das Fraunhofer IGD arbeitet daher…

    mehr lesen: KI mit synthetischen Daten anlernen