Maisernte

Maisernte: bei einer Leistungsbetrachtung weichen die Praxiswerte oft um 40 bis 60 Prozent vom Idealwert ab. Vernetzung könnte hier weiterhelfen. Bild: Claas

Cyber-physikalische Systeme, Vernetzung, Resilienz, Marktplätze, Architekturen, Selbstorganisation, Adaption: Diese Begriffe, die sich alle unter dem Oberthema Industrie 4.0 subsummieren lassen, sind auch in der Landwirtschaft bekannt, und es gibt durchaus Agrartechnik-Experten, die von Landwirtschaft 4.0 sprechen.

Das Ziel der landtechnischen Industrie ist jedoch nicht die Industrialisierung der Landwirtschaft. Vielmehr sollen die Landwirte ihre Maschinen und ebenso Ressourcen wie Dünger, Saatgut und so weiter durch intelligente Prozesse effizienter und wirtschaftlicher einsetzen.

Der zentrale Treiber für diese Entwicklung lässt sich auf einen ganz einfachen Nenner bringen: Derzeit leben über sechs Milliarden Menschen auf der Erde. Im Jahr 2025 werden es rund acht Milliarden sein. Nahrung ist die Grundlage ihres Lebens. Daher kann man die Landtechnik wohl als einen der wichtigsten Wirtschaftszweige der Welt betrachten. Aus diesem Grund werden Landmaschinen verstärkt mit intelligenten Technologien ausgerüstet, um untereinander zu kommunizieren und Arbeitsprozesse automatisch abstimmen zu können. Damit verbessern sich Produktivität und Effizienz im gesamten Produktionsprozess.

Immer gut für (technische) Revolutionen

Schon immer war die Landtechnik beziehungsweise Landwirtschaft gut für Revolutionen. So sind die vorangehenden Umbrüche entweder direkt dort angesiedelt, oder die Landwirtschaft liefert prägnante Beispiele – zum Beispiel den Dampfpflug (erste Industrielle Revolution), den Schlachthof Chicago (Mechanisierung, zweite Industrielle Revolution) und die Isobus-Steuerungen (dritte Industrielle Revolution).

Der Einsatz mobiler Arbeitsmaschinen in der Landwirtschaft unterliegt den gleichen wirtschaftlichen und verfahrenstechnischen Betrachtungen wie der Einsatz von Produktionsmaschinen in der Industrie. Wichtiges Ziel ist auch hier eine Minimierung von Stückkosten, beim Mähdrescher sind dies zum Beispiel die Kosten je gedroschener Tonne Getreide.

Der Natur unterworfen

Ertragskalibrierung

Beispielanwendung der neu entwickelten Architektur: „Automatisierte Ertragsmesskalibrierung“. Bild: Claas

Landwirtschaftliche Abläufe sind jedoch fundamental anderen Bedingungen unterworfen als jene in der Industrie: Während in der Industrie das Produktionsumfeld weitgehend an die jeweiligen Erfordernisse des Prozesses angepasst wird, muss sich die Landwirtschaft den herrschenden lokalen Gegebenheiten anpassen. Adaptionsfähigkeit an dynamische und teilweise nicht vorhersagbare Veränderungen ist deshalb eine Kernkompetenz.

Welche Folgen dies hat, zeigt sich zum Beispiel bei der Leistungsbetrachtung landwirtschaftlicher Arbeitsmaschinen. Maschinen sind durch eine installierte Leistung gekennzeichnet, die zwar nicht wie in der Prozessindustrie (zum Beispiel Turbinen) formal genannt werden kann, sich aber unter Idealbedingungen tendenziell darstellen lässt. Beim Vergleich von Ergebnissen aus Idealbedingungen mit solchen aus alltäglichen Situationen ist zu erkennen, dass in der Praxis häufig nur 40 bis 60 Prozent der installierten Leistung erreicht werden. Die Ursachen dafür sind vielfältig:

  • Die Umgebungsbedingungen wie Befahrbarkeit und pflanzenspezifische Merkmale, zum Beispiel Ertrag und Feuchte, sind nicht genau bekannt und heterogen, der Materialfluss im Prozess somit nicht genau vorhersagbar.
  • Die Anpassung der Maschineneinstellung an die wechselnden Umgebungsbedingungen erfordert eine hohe Expertise bei den Bedienern. Ausgeprägte Saisonalität erfordert immer neue Lernvorgänge. Zahlreiche Maschinenbediener werden nur in Arbeitsspitzen beschäftigt.
  • Viele landwirtschaftliche Prozesse wie zum Beispiel die Ernte können nur kooperativ erfolgen und erfordern somit einen hohen Abstimmungsaufwand. Bei mangelnder Transparenz ist die Abstimmung erschwert, als Ergebnis entstehen unproduktive Wartezeiten.

Ziel: Verbesserte Steuerung der Prozesse

Im Rahmen des Projektes Rumors im Spitzencluster it‘s OWL haben die Fachhochschule der Wirtschaft (FHDW) Paderborn und das Unternehmen Claas Modelle und Architekturen entwickelt, um bessere Lösungen für diese Schwachstellen zu finden. Ziel war es, alle Phasen des unternehmerischen Handelns, also Planung, Steuerung und Dokumentation von Prozessen, umfassend zu verbessern.

Weil die Vielzahl möglicher Systemzustände und deren Dynamik ein Schlüsselmerkmal landwirtschaftlicher Prozesse darstellen, wurde zunächst ein Ansatz für die Modellierung von Umweltsituationen entwickelt (Kontextmodell), das eine formalisierte Darstellung ermöglicht. Auf dieser Grundlage erfolgten Entwicklungen in drei Richtungen.

Vernetzung kooperierender Arbeitsmaschinen

Claas Maisernter

Mit Hilfe der Simulation wurde analysiert, wie die Lücke zwischen realisierter und installierter Leistung zustande kommt. Bild: Claas

Ein Teilprojekt war die Entwicklung einer Architektur zur Förderung der informationstechnischen Vernetzung kooperierender Arbeitsmaschinen. Diese Maschinen verfügen schon heute über zahlreiche Assistenzsysteme wie zum Beispiel Vorfahrtregler und Lenksysteme zur Optimierung von Prozessen. Sie sind jedoch auf einzelne Maschinen beschränkt.

Mit der im Projekt entwickelten Architektur ist es möglich, Maschinen im Prozess miteinander zu vernetzen, um deren kooperatives Verhalten zu verbessern. Sie erscheinen damit als einheitliches, verteiltes Produktionssystem.

Kern der Entwicklung ist ein dienstorientierter Ansatz mit einem Kontextmanager, der Datenverarbeitungs- und Kommunikationsprozesse in Abhängigkeit der aktuellen Situation ausführt und dem Bediener Zustände und Ereignisse in der Maschinenflotte transparent macht. Beispiele sind:

  • Darstellung von Erntemaschinen-Füllstandinformationen für Transportfahrzeuge (Maschine-zu-Maschine, M2M) und darauf abgestimmte Transportsteuerung. Transportfahrzeuge sind zur richtigen Zeit am richtigen Ort. Stillstandzeiten werden reduziert.
  • Das Verhalten von Zählern wird über den Kontext gesteuert (zum Beispiel Feld erreicht, Dreschwerk eingeschaltet). Somit können Prozessdaten entsprechend den Anforderungen nachfolgender Geschäftsprozesse, zum Beispiel Fakturierung, geliefert werden. Administrative Prozesse werden vereinfacht oder automatisiert.
  • Die Beziehung von Arbeitsmaschinen wird aus dem Kontext ermittelt. Die M2M-Kommunikation wird auf Grundlage erkannter Beziehungen gesteuert und gesichert.
  • Vorteilhafte Maschineneinstellungen lassen sich in geschlossenen Benutzergruppen verteilen und von Partnern zur Verbesserung nutzen.
  • Messeinrichtungen können durch Integration externer Messergebnisse kalibriert werden, zum Beispiel Ertragsmesseinrichtung durch elektronische Wiegeprotokolle von Fahrzeugwaagen.

Die Maschine als Agent

Für die in landwirtschaftlichen Produktionsprozessen eingesetzten Maschinen einschließlich ihrer Bediener findet sich in der Informatik eine interessante Analogie: die der Agenten.

Agenten sind programmatisch ausführbare Komponenten, die über eine gewisse Eigenständigkeit in ihrem Verhalten verfügen und sich autonom, reaktiv oder proaktiv verhalten können. Sie können weiterhin selbstständig auf Änderungen der Umwelt reagieren und sogar lernfähig sein.

Daher ist es naheliegend, Arbeitsmaschinen und Bediener als Agenten zu implementieren, um auf diese Weise technisches und menschliches Verhalten nachzubilden. Im Rahmen einer darauf aufbauenden Agenten-basierten Simulation wurden typische Ernteprozesse modelliert, um Schwachstellen im Prozess zu identifizieren und situationsbezogene Verbesserungsmöglichkeiten zu ermitteln.

Mit Hilfe der Simulation konnte im ersten Schritt die Leistungslücke zwischen realisierter und installierter Leistung nachvollzogen werden. Im Rahmen einer Parametervariation wurden konkrete Konfigurationen ermittelt, die eine Verbesserung der Leistung in der Mechanisierungskette bis nahe an die installierte Leistung ermöglichen.

Die agentenbasierte Simulation eröffnet im Sinne von Industrie 4.0 zahlreiche neue Möglichkeiten:

  • Die Auswirkungen neuer Maschinenfunktionen und Prozessmodelle auf Geschäftsprozesse können in einer frühen Phase des Entwicklungszyklus anschaulich erlebbar gemacht werden.
  • Die Simulation liefert belastbare Empfehlungen bei der Planung auszuführender Prozesse, insbesondere wenn vorhandene Umgebungsinformationen und individuelle Stammdaten der Maschinen integriert werden.

Neuartige Dienstleistungen entwickeln

Das Spitzencluster-Projekt Rumors hat damit, obwohl nicht im klassischen Industrieumfeld angesiedelt, eine Middleware entwickelt, die weitreichende Ideen von Industrie 4.0 aufgreift. Sie setzt somit Impulse, die auch für die Industrie von Interesse sein dürften, insbesondere wenn hohe Mobilität und geringer Determinismus eine Rolle spielen. Eine Diensteplattform benötigt eine Entwicklungsmethodik, um neuartige Dienste zu erstellen, verfügbar zu machen und im Betrieb zu optimieren.

Die Entwicklung einer Middleware, wie sie in it‘s-OWL-Rumors durchgeführt wurde, bietet die Chance, bestehende Vorgehensmodelle effizienter und passender für den betrieblichen Alltag vieler Unternehmen zu gestalten.

Simulationsverfahren

Simulationsverfahren bilden dabei neben einer Separation der unterschiedlichen Zeitskalen von Hardware- und Software-Entwicklung einen wesentlichen Bestandteil. do

Autoren: Thilo Steckel, Claas; Prof. Dr. Willi Nüßer, FHDW Paderborn