Стратегия и стандарты определяют ценность ваших больших данных

Дэймон Томпсон, менеджер по продуктам автоматизации - Северная Америка, Beckhoff Automation

Разблокировка и использование реальной ценности данных остается в первую очередь на уме у инженеров в компаниях, стремящихся извлечь выгоду из технологий промышленного Интернета вещей (IIoT) и больших данных. Однако «то, что кажется мусором одному, для другого настоящее сокровище», как гласит старая пословица. Это справедливо в отношении данных о машинах и производстве, поскольку приоритеты машиностроителя могут сильно отличаться от информации, наиболее желательной для конечного пользователя.

Первые шаги, необходимые для определения типов данных, наиболее необходимых для каждого применения, заключаются в определении ключевых проблем бизнеса и производства, которые должна решить технология IIoT. Имея это в виду, компания затем должна создать план для хранения и анализа данных, чтобы генерировать идеи, которые поддерживают непрерывные усилия по улучшению работы компании.

На стороне конечного пользователя это может включать широкий спектр типов информации, включая такие категории, как прямые, косвенные или производные данные, в зависимости от поставленных целей. Прямые или «необработанные» данные могут включать данные от датчиков в полевых условиях. Эти данные не отфильтрованы, и часто даже не были преобразованы в технические единицы. Косвенные данные будут включать такие значения, как температура двигателя или вибрация в технических единицах, и, возможно, будут отфильтрованы. Производные данные или цифры, полученные из сбора данных и последующих расчетов, могут включать такие показатели, как общая эффективность оборудования (OEE).

Приоритеты данных для конечных пользователей, машиностроителей

Чаще всего конечный пользователь обычно стремится оптимизировать пропускную способность и общую эффективность завода, сравнивая производственные линии на предприятии или оптимизируя операции посредством инициатив по управлению цепочками поставок (SCM). Эти усилия позволяют компании вносить позитивные изменения, такие как смена производственного цикла, просто чтобы максимизировать пропускную способность и ассортимент продукции. Другая стратегия может заключаться в реализации ориентированных на будущее концепций, таких как динамическое распределение производства и объектно-ориентированное производство, при котором завод с поддержкой интернета вещей (IoT) может автономно перемещать этапы производства на основе доступности линии / модуля машины или других факторов.

С другой стороны, у машиностроителей может быть другая повестка дня относительно типов требуемых данных и того, как наилучшим образом внедрить IIoT в свои операции. По нашему опыту, машиностроители используют данные для повышения производительности машин или предлагают услуги по профилактическому обслуживанию. Эти компании углубляются в детали работы отдельных машин, используя надежное аналитическое программное обеспечение, такое как TwinCAT IoT от Beckhoff. Инструменты анализа помогают создавать модели данных, которые помогают инженерам определять идеальные переменные работы машины и распознавать возможные области для улучшения с точки зрения механических, электронных и программных компонентов.

Преимущества аналитики данных для промышленной автоматизации

Новые аналитические решения также предоставляют множество новых функций, которые могут обеспечить идеальное сочетание высокопроизводительной и экономически эффективной работы. Например, высокоуровневое аналитическое программное обеспечение, работающее на платформе управления на базе ПК, циклически регистрирует данные, используя скорость современных промышленных протоколов Ethernet для сбора машинных данных в режиме реального времени, каждый цикл ПЛК. Это может включать в себя такие данные, как производительность системы движения, максимальный крутящий момент, температуру двигателя и синхронизацию состояния машины, среди других источников.

Собранные данные затем могут быть использованы для принятия решений о спецификациях компонентов машины для устранения любых выявленных недостатков. Кроме того, машиностроители часто требуют, чтобы совокупные метаданные сопровождали «обычные» данные в качестве средства для корреляции множества переменных в оптимизации машин. Например, рабочие температуры машины могут отслеживаться в течение длительного периода времени, но изготовитель машины может также использовать сопровождающие метаданные для выявления общего состояния машины, когда происходят скачки или падения температуры.

Аналитические инструменты в программном обеспечении автоматизации на базе ПК помогают создавать модели данных, которые помогают инженерам определять идеальные переменные работы машины и возможные области для улучшения.

Установленные большие данные, стандарты и протоколы IoT

Структуры данных и стандарты важны для обеспечения соответствия отрасли и представляют собой важный первый шаг к регулируемым методам сбора и передачи данных. В конечном счете, поскольку IoT и облачные технологии продолжают проникать на промышленные рынки, усилия по стандартизации данных и протоколов будут становиться все более важными факторами, обеспечивающими соответствие и функциональную совместимость. Рабочие группы, состоящие из компаний и организаций, таких как OPC Foundation и Microsoft, ведут работу по стандартизации протокола IoT, подчеркивая потребность в улучшенном сборе и передаче данных в системах более высокого уровня при сохранении определенных структур данных и прав доступа к данным.

Все больше компаний также начинают использовать установленные протоколы IoT, такие как MQTT, для передачи данных на информационные панели инженерного персонала и лиц, принимающих решения. Эти протоколы определяют механизм передачи данных, канал, по которому данные могут перемещаться с места на место, будь то в локальной базе данных или в публичном или частном облаке. Формат записанных данных, содержащихся внутри, не определен протоколом, что позволяет упаковывать данные в нейтральном формате, таком как JSON (Java String Object Notation) или в более компактном формате, таком как двоичный. Несмотря на свое происхождение, этот легкий формат обмена данными прост для создания и понимания промышленными органами управления и обеспечивает совместимость для многих облачных платформ, программных пакетов среднего уровня и аналитических пакетов на рынке.

В настоящее время многие компании используют установленные протоколы IoT, такие как MQTT и AMQP, для передачи данных на информационные панели инженерного персонала и лиц, принимающих решения.

Эта стандартизация форматов данных представляет собой еще один важный шаг на пути к растущей конвергенции ИТ и автоматизации. Это также гарантирует, что промышленные устройства представляют все данные в широко используемом формате, чтобы их можно было проанализировать, чтобы найти реальную ценность, где бы она ни была. Сегодня доступны аппаратные и программные средства, которые могут помочь генерировать более действенные данные, независимо от индивидуальных приоритетов и направлений деятельности компании.