چگونه دادههای حسگر کارخانه به اطلاعات قابل اقدام تبدیل میشوند
حسگرهای مدرن فراتر از سیگنالهای سوئیچینگ تولید میکنند. این راهنما توضیح میدهد که چگونه لایههای ماشین، شبکه، لبه و سازمان دادههای خام حسگر را به اطلاعات کیفیت، نگهداری و تولید تبدیل میکنند.
کارخانههای مدرن حجم فوقالعادهای از دادههای حسگر تولید میکنند. حسگرهای فوتوالکتریک محصولات را شناسایی میکنند، انکودرها حرکت را ردیابی میکنند، دوربینها سطوح را بازرسی میکنند و حسگرهای ارتعاش تجهیزات چرخان را پایش میکنند. اندازهگیریهای دما، فشار، فاصله، گشتاور، سرعت، موقعیت و صوتی به طور مداوم در سیستمهای تولید جریان دارند.
با این حال بسیاری از تأسیسات هنوز تنها بخش کوچکی از این اطلاعات را استفاده میکنند. یک حسگر وضعیت خود را تغییر میدهد، کنترلکننده منطقی برنامهپذیر پاسخ میدهد و اندازهگیری اصلی در چرخه بعدی ماشین ناپدید میشود. سیگنال وظیفه کنترل فوری خود را انجام میدهد، اما ارزش عملیاتی گستردهتر آن استفاده نشده باقی میماند.
این شکاف یکی از مهمترین فرصتها در تولید مدرن را نشان میدهد. کارخانهها در جمعآوری سیگنالها بسیار توانمند شدهاند، اما بسیاری هنوز در تبدیل این سیگنالها به هوش نگهداری، بینشهای کیفیت، بهبود فرآیند و تصمیمات مدیریتی کمتر مؤثرند.
چالش فقط نصب حسگرهای بیشتر نیست. بلکه ساختن مسیری قابل اعتماد از اندازهگیری فیزیکی تا اقدام عملیاتی است. این مسیر از چندین لایه فنی عبور میکند، از جمله دستگاههای میدانی، کنترل ماشین، شبکههای صنعتی، پردازش لبه، ذخیرهسازی داده، نرمافزار تحلیل و سیستمهای سازمانی.
شکل ۱. سیستمهای تولید مدرن دادههای عملیاتی گستردهای تولید میکنند، اگرچه بسیاری از آنها هرگز فراتر از کنترل پایه ماشین پیش نمیروند.
درک نحوه تعامل این لایهها به تولیدکنندگان کمک میکند از پروژههای آزمایشی جداگانه و پلتفرمهای داده تکهتکه جلوگیری کنند. همچنین از اشتباه رایجی جلوگیری میکند: ارسال همه اندازهگیریهای موجود به یک پایگاه داده مرکزی بدون تعریف قبلی اینکه چگونه اطلاعات از تولید پشتیبانی خواهد کرد.
یک استراتژی عملی دادههای حسگر از دستگاه شروع میشود، از طریق شبکه عبور میکند و با تحلیلهای عملیاتی قابل استفاده پایان مییابد. هر لایه هدف متفاوتی دارد و همچنین نیازمندیهای زمانی، محدودیتهای مهندسی و ریسکهای خرابی خاص خود را دارد.
تفاوت بین سیگنال و اطلاعات عملیاتی
یک سیگنال حسگر تنها پس از افزودن زمینه توسط سیستم به اطلاعات مفید تبدیل میشود. مقدار خام ۶۸ بدون واحد، زمانسنجی، هویت دارایی، وضعیت عملیاتی، دامنه اندازهگیری و مرجع فرآیند معنای کمی دارد.
این مقدار میتواند نشاندهنده ۶۸ درجه سانتیگراد، ۶۸ میلیمتر، ۶۸ درصد بار موتور یا ۶۸ میکرومتر جابجایی باشد. حتی زمانی که واحد مهندسی مشخص است، تفسیر اندازهگیری بدون دانستن کاری که دستگاه انجام میداده دشوار باقی میماند.
زمینه تفاوت بین یک ناهنجاری فرآیندی و عملکرد عادی را مشخص میکند. افزایش ارتعاش در هنگام شتابگیری ممکن است انتظار رود. همان افزایش در سرعت ثابت میتواند نشاندهنده عدم تعادل، شل بودن، ناهماهنگی، خرابی بلبرینگ یا اختلال مکانیکی خارجی باشد.
وضعیت تولید نیز اهمیت دارد. فشاری که در طول تمیزکاری، راهاندازی، گرمکردن، عملیات بیکار و تولید با نرخ کامل ثبت میشود، همیشه نمیتواند با همان حد ارزیابی شود. تحلیلهایی که وضعیت عملیاتی را نادیده میگیرند اغلب هشدارهای کاذب تولید میکنند.
به همین دلیل، تحلیلهای عملیاتی بیش از روندهای تاریخی نیاز دارند. سیستم باید اندازهگیریها را با حالت ماشین، دستور پخت محصول، سفارش تولید، دسته مواد، اقدام اپراتور، تاریخچه نگهداری و شرایط محیطی مرتبط کند.
انتقال از سیگنال به اطلاعات را میتوان به صورت یک توالی دید. حسگر ابتدا یک وضعیت فیزیکی را تشخیص میدهد. سپس کنترلر آن وضعیت را در یک روتین کنترلی تفسیر میکند. یک شبکه دادهها را منتقل میکند، یک دستگاه لبه آنها را سازماندهی میکند و یک پلتفرم تحلیلی آنها را در طول زمان ارزیابی میکند.
در مرحله نهایی، اندازهگیری باید از یک تصمیم خاص پشتیبانی کند. آن تصمیم ممکن است شامل توقف ماشین، تنظیم نقطه تنظیم، برنامهریزی بازرسی، تغییر ابزار، رد محصول یا بازنگری دوره نگهداری باشد.
بدون این مسیر تصمیمگیری، جمعآوری دادهها میتواند به یک تمرین ذخیرهسازی پرهزینه تبدیل شود. بنابراین پروژههای موفق با سوالات عملیاتی شروع میشوند نه خرید فناوری.
دادههای سطح ماشین همچنان بالاترین اولویت زمانی را دارند.
سطح ماشین جایی است که دادههای حسگر برای اولین بار بر تولید تأثیر میگذارند. مسئولیت اصلی آن عملکرد قطعی است. یک سیستم کنترل باید ورودیها را بخواند، منطق را اجرا کند و خروجیها را در یک بازه زمانی قابل پیشبینی بهروزرسانی کند.
در این سطح، محصولات حسگری پایه همچنان ضروری هستند. حسگرهای فوتوالکتریک حضور محصول را تأیید میکنند. حسگرهای القایی اهداف فلزی را شناسایی میکنند. انکودرها بازخورد موقعیت و سرعت را فراهم میکنند. فرستندههای فشار سیستمهای پنوماتیک و هیدرولیک را پایش میکنند. دوربینها قطعات را بازرسی کرده و حرکت رباتیک را هدایت میکنند.
این دستگاهها رویدادهای فیزیکی را به اطلاعات الکتریکی یا دیجیتال تبدیل میکنند که ماشینها میتوانند تفسیر کنند. هدف فوری آنها معمولاً ساده است: تأیید یک وضعیت و فعالسازی پاسخ صحیح.
یک انکودر ممکن است نشان دهد که یک نقاله به موقعیت فرمان داده شده رسیده است. سپس کنترلر حرکت را متوقف میکند یا توالی بعدی را پیش میبرد. یک دوربین ممکن است بسته معیوب را شناسایی کرده و چند ایستگاه بعد مکانیزم رد را فعال کند.
یک حسگر نزدیکی ممکن است تأیید کند که یک سیلندر حرکت خود را کامل کرده است. یک کلید فشار ممکن است از کارکرد ماشین جلوگیری کند وقتی فشار تأمین زیر آستانه ایمن باشد. یک حسگر ایمنی ممکن است گشتاور حرکت را زمانی که اپراتور وارد منطقه محافظت شده میشود، قطع کند.
این وظایف به پردازش دادههای سریع و قابل اعتماد وابسته هستند. آنها نمیتوانند منتظر یک پلتفرم ابری یا پایگاه داده سازمانی بمانند. قفلهای کنترلی، حلقههای حرکت و عملکردهای حفاظت از ماشین باید در سطح محلی سیستم اتوماسیون باقی بمانند.
این تفکیک حیاتی است. تحلیلها میتوانند به کنترل مشاوره دهند، اما نباید تأخیرهای غیرقابل پیشبینی شبکه را در عملکردهای حساس به زمان ماشین وارد کنند. سریعترین تصمیمات حفاظت و کنترل باید نزدیک تجهیزات باشند.
بنابراین تولیدکنندگان باید از برخورد یکسان با همه دادههای حسگر خودداری کنند. برخی دادهها در میلیثانیه ماشینآلات را کنترل میکنند. دادههای دیگر تصمیمات نگهداری را در طول روزها یا هفتهها پشتیبانی میکنند. معماری باید این افقهای زمانی متفاوت را منعکس کند.
لایه ماشین همچنین کیفیت داده را تعیین میکند. مقیاسبندی نادرست، سیمکشی ناپایدار، نصب نامناسب، نرخ نمونهبرداری نامناسب و پیکربندی ناسازگار دستگاه، هر لایه تحلیلی بالاتر را آلوده میکند.
هیچ پلتفرم نرمافزاری نمیتواند به طور کامل جبران اندازهگیریهای میدانی غیرقابل اعتماد را انجام دهد. قبل از ساخت داشبوردها، مهندسان باید تأیید کنند که حسگرها به درستی انتخاب، نصب، کالیبره و نگهداری شدهاند.
حسگرهای پایه اغلب اطلاعات بیشتری نسبت به آنچه PLC استفاده میکند دارند
برنامههای کنترل سنتی اغلب یک حسگر را به یک وضعیت بولی کاهش میدهند. دستگاه یا روشن یا خاموش، حاضر یا غایب، قابل قبول یا معیوب میشود.
این رویکرد برای بسیاری از توالیهای ماشین مناسب است، اما میتواند اطلاعات اضافی را پنهان کند. یک حسگر فاصله ممکن است اندازهگیری پیوستهای ارائه دهد حتی زمانی که PLC فقط از یک آستانه سوئیچینگ استفاده میکند. یک حسگر فوتوالکتریک هوشمند ممکن است قدرت سیگنال، سطح آلودگی، دمای عملیاتی و وضعیت تشخیصی را گزارش دهد.
یک انکودر ممکن است موقعیت را برای کنترل فراهم کند و در عین حال دادههای تغییر سرعت، شتاب، جهت و همگامسازی را تولید کند. یک سیستم بینایی ممکن است نتیجه قبول یا رد را صادر کند و در عین حال اندازهگیریهای مربوط به ابعاد، کنتراست، جهت، کیفیت کد یا محل نقص را حفظ کند.
اطلاعات استفاده نشده میتوانند تغییرات تدریجی فرآیند را نشان دهند. کاهش قدرت سیگنال نوری ممکن است نشاندهنده آلودگی لنز باشد. افزایش زمان حرکت عملگر ممکن است نشانه نشت هوا، اصطکاک یا گیرکردگی مکانیکی باشد. افزایش جریان موتور در حرکت تکراری ممکن است تغییرات بار یا فرسودگی قطعات را نشان دهد.
این الگوها به ندرت باعث بروز خطای فوری میشوند. با این حال، میتوانند شواهد اولیهای از خرابی را ارائه دهند. نکته کلیدی حفظ اندازهگیری قبل از فشردهسازی آن توسط برنامه کنترل به یک بیت وضعیت ساده است.
سازندگان ماشین میتوانند با طراحی ساختارهای داده قابل استفاده مجدد، این هدف را پشتیبانی کنند. هر دارایی مهم باید برچسبهای تعریف شدهای برای وضعیت عملیاتی، فرمان، بازخورد، شمارش چرخه، وضعیت آلارم، مقدار فرآیند، شرایط تشخیصی و کیفیت داده داشته باشد.
نامگذاری یکنواخت نیز اهمیت دارد. دادهها زمانی که یک خط از «Motor_Spd»، خط دیگر از «DriveSpeed» و خط سوم از «ConveyorRPM» برای یک مفهوم مشابه استفاده میکند، مقایسهپذیر نیستند.
یک مدل دارایی استاندارد شده، کار یکپارچهسازی را کاهش میدهد. همچنین به تیمهای نگهداری، عملیات و تحلیل کمک میکند تا دادهها را بدون نیاز به مهندسی معکوس هر برنامه PLC تفسیر کنند.
دادههای تصویربرداری و انکودر میتوانند فراتر از کنترل فوری گسترش یابند
دوربینهای صنعتی و انکودرها تفاوت بین دادههای کنترلی و دادههای تحلیلی را به خوبی نشان میدهند. هر دو دستگاه عملکردهای فوری ماشین را پشتیبانی میکنند، اما هر دو میتوانند شواهد تاریخی ارزشمندی تولید کنند.
دوربینهای دو بعدی یا سه بعدی میتوانند هندسه، رنگ، کنتراست، وضعیت سطح، جهتگیری و اطلاعات کد را ثبت کنند. سیستم کنترل ممکن است فقط به نتیجه قبول یا رد نیاز داشته باشد. مهندسان کیفیت ممکن است به اطلاعات بسیار بیشتری نیاز داشته باشند.
دادههای تاریخی بازرسی میتوانند نشان دهند که آیا نرخ نقصها بر اساس شیفت، دسته تأمینکننده، حفره ابزار، سرعت تولید یا شرایط محیطی تغییر میکند یا خیر. تصاویر نقص میتوانند تحلیل علت ریشهای را پشتیبانی کرده و به بهبود الگوریتمهای شناسایی کمک کنند.
به جای ثبت بیپایان هر تصویر با وضوح بالا، کارخانهها میتوانند شواهد انتخابی را ذخیره کنند. نمونهها شامل تصاویر رد شده، تصاویر نزدیک به حد تحمل، تصاویر مرجع دورهای یا ویژگیهای بازرسی محاسبه شده هستند.
انکودرها فرصتهای مشابهی ارائه میدهند. هدف اصلی آنها بازخورد دقیق موقعیت و سرعت است. با این حال، دادههای تاریخی حرکت میتوانند مشکلات مکانیکی در حال توسعه را نشان دهند.
تغییرات مکرر در خطای موقعیت ممکن است نشاندهنده کشش تسمه، حرکت کوپلینگ، بازی دنده یا تغییر بار باشد. افزایش زمان تثبیت ممکن است نشاندهنده اصطکاک یا تنظیم نامناسب سروو باشد. اختلالات کوتاه سرعت ممکن است تماس متناوب محصول یا تداخل مکانیکی را نشان دهد.
شکل ۲. حسگرهای ماشین میتوانند کنترل فوری را پشتیبانی کنند و در عین حال تغییرات بار، دقت، سایش و پایداری فرآیند را نشان دهند.
این کاربردهای تحلیلی نیازمند استراتژیهای مناسب نمونهبرداری و نگهداری دادهها هستند. ثبت یک مقدار متوسط هر ساعت، اختلال کوتاه حرکت را نشان نمیدهد. ثبت دادهها هر میکروثانیه به طور نامحدود، تقاضای غیرضروری برای ذخیرهسازی و شبکه ایجاد میکند.
نرخ نمونهبرداری صحیح به رویداد فیزیکی بستگی دارد. تغییرات آهسته دما ممکن است نیاز به یک نمونهبرداری هر چند ثانیه داشته باشد. تحلیل حرکت ممکن است نیازمند نمونهبرداری بسیار سریعتر باشد. پایش ارتعاش ممکن است نیازمند دادههای موجی و پردازش حوزه فرکانس باشد.
تیمهای مهندسی باید نرخها را بر اساس حالتهای خرابی و رفتار فرآیند انتخاب کنند. نمونههای بیشتر بهطور خودکار بینش بهتری ایجاد نمیکنند.
تبدیل ورودیهای واکنشی به شاخصهای شرایط
تحلیلهای سطح ماشین اغلب با ایجاد شاخصهای شرایط از دادههای موجود در سیستم کنترل آغاز میشود. این شاخصها رفتار را خلاصه میکنند بدون اینکه عملکرد اصلی کنترل را جایگزین کنند.
یک سیلندر پنوماتیک را در نظر بگیرید. PLC قبلاً زمان فعال شدن سلونوئید خروجی و تغییر وضعیت حسگر موقعیت انتهایی را ثبت میکند. تفاوت بین این زمانها نمایانگر زمان حرکت است.
ردیابی زمان حرکت در هزاران چرخه میتواند کاهش تدریجی را نشان دهد. زمان طولانیتر حرکت ممکن است نشاندهنده فشار کم، محدودیت جریان، سایش مهر و موم، آلودگی، ناهماهنگی یا افزایش مقاومت مکانیکی باشد.
روش مشابه برای کنتاکتورها، شیرها، جداول ایندکسینگ، گیرهها، درها، بالابرها و مکانیزمهای انتقال اعمال میشود. بسیاری از اجزای ماشین زمان پاسخ قابل اندازهگیری دارند.
تغییرات چرخه به چرخه نیز میتواند اطلاعاتی باشد. زمان متوسط ضربه ممکن است قابل قبول باقی بماند در حالی که تغییرات آن افزایش مییابد. افزایش تغییرات میتواند نشاندهنده تأمین هوای ناپایدار، بارگذاری نامنظم یا اصطکاک مکانیکی متناوب باشد.
دادههای موتور و درایو منبع دیگری قابل دسترس فراهم میکنند. جریان، گشتاور، خطای سرعت، بار حرارتی، ساعات کار، شروعها و تاریخچه خطا ممکن است قبلاً در داخل درایو وجود داشته باشد.
به جای نصب فوری یک حسگر اضافی، مهندسان میتوانند ابتدا دادههای تشخیصی موجود از طریق شبکه درایو را بررسی کنند. افزایش نیاز به گشتاور در حین عملکرد ثابت ماشین ممکن است نشاندهنده سایش یا مقاومت محصول باشد.
با این حال، شاخصهای استنباط شده باید با دقت تفسیر شوند. جریان موتور به تنهایی یک نقص مکانیکی خاص را شناسایی نمیکند. بلکه تغییر در بار را نشان میدهد. پرسنل نگهداری هنوز به دانش فرآیند و شواهد پشتیبان نیاز دارند.
تحلیل خوب تحقیق را محدود میکند. ادعا نمیکند که یک سیگنال همه خرابیها را توضیح میدهد.
پردازش لبه از تبدیل شبکه به انبار داده جلوگیری میکند.
با تولید دادههای غنیتر توسط ماشینها، پردازش لبه ارزش بیشتری پیدا میکند. یک دستگاه لبه اطلاعات را نزدیک به منبع خود پردازش میکند قبل از اینکه نتایج انتخاب شده را به سیستمهای بالاتر ارسال کند.
این ترتیب پهنای باند را کاهش میدهد، زمان پاسخ را بهبود میبخشد و ذخیرهسازی غیرضروری را محدود میکند. همچنین اجازه میدهد تحلیلهای محلی زمانی که اتصال سازمانی در دسترس نیست ادامه یابد.
پردازش لبه میتواند فیلتر کردن، تجمیع، نرمالسازی، فشردهسازی، تشخیص رویداد، تبدیل پروتکل و نمایش محلی را انجام دهد. میتواند میانگینها، انحراف معیار، نرخ تغییر، زمان چرخه، انرژی به ازای واحد یا شاخصهای سلامت را محاسبه کند.
برای پایش ارتعاش، یک پردازنده لبه ممکن است دادههای موج با سرعت بالا را به ارتعاش کلی، مقادیر اوج، باندهای فرکانسی و ویژگیهای تشخیصی تبدیل کند. تنها رویدادهای مهم یا روندهای خلاصه شده باید از شبکه ماشین خارج شوند.
برای یک برنامه بینایی، لایه لبه ممکن است تصاویر رد شده را ذخیره کند در حالی که دستهبندیهای نقص و اندازهگیریها را ارسال میکند. برای یک انکودر، ممکن است انحراف موقعیت و تکرار چرخه را محاسبه کند به جای ارسال هر پالس.
این رویکرد دادههای خام را در جایی که ارزش فوری دارند در دسترس نگه میدارد و در عین حال ویژگیهای معنادار را به سیستمهای دیگر توزیع میکند.
منطق لبه باید شفاف و قابل نگهداری باقی بماند. محاسبات پنهان در یک دروازه بدون مستندات میتواند مشکلات پشتیبانی بلندمدت ایجاد کند. مهندسان به تعاریف واضح برای هر مقدار مشتق شده نیاز دارند، از جمله واحدها، نرخ بهروزرسانی، محدودیتها و شرایط بازنشانی.
لایه لبه همچنین باید دادههای نامعتبر را مدیریت کند. حسگر قطعشده، مقدار قدیمی، تایماوت ارتباط یا اندازهگیری خارج از محدوده نباید بهعنوان صفر معتبر ظاهر شود.
پرچمهای کیفیت داده به برنامههای پاییندستی کمک میکنند تا شرایط واقعی فرآیند را از خرابی ابزار دقیق تشخیص دهند. بدون این پرچمها، تحلیلها ممکن است از دادههای خراب یاد بگیرند و نتایج گمراهکننده تولید کنند.
لایه شبکه دستگاهها را بدون مالکیت فرآیند به هم متصل میکند
لایه اتصال اطلاعات را بین حسگرها، کنترلکنندهها، دستگاههای لبه، سیستمهای نظارتی، تاریخنگارها و برنامههای سازمانی منتقل میکند. هدف آن فراتر از انتقال بستهها است. باید زمانبندی، هویت، کیفیت و امنیت را حفظ کند.
کارخانههای مدرن به ندرت از یک استاندارد ارتباطی استفاده میکنند. یک تأسیسات ممکن است سیمکشی گسسته، سیگنالهای آنالوگ، IO-Link، پروتکلهای صنعتی مبتنی بر اترنت، شبکههای سریال، سیستمهای فیلدباس، دستگاههای بیسیم و رابطهای خاص فروشنده را ترکیب کند.
این ناهمگونی بازتاب سرمایهگذاریهای دههها در تجهیزات است. پروژههای تحلیلی جدید معمولاً باید دستگاههای مدرن را با ماشینهای قدیمی متصل کنند نه اینکه کل معماری کارخانه را جایگزین کنند.
دستگاههای دروازه یکپارچهسازی حسگر و ماشین بخشی از این چالش را برطرف میکنند. یک دروازه میتواند اطلاعات را از چندین حسگر جمعآوری و از طریق یک پروتکل صنعتی سطح بالاتر ارائه دهد.
برای مثال، یک مستر IO-Link به حسگرهای سازگار اجازه میدهد تا مقادیر فرآیند، پارامترها، دادههای شناسایی و تشخیصها را از طریق اتصالات نقطهبهنقطه استاندارد شده تبادل کنند.
این قابلیت جایگزینی و پیکربندی دستگاه را ساده میکند. به جای تنظیم دستی هر حسگر جایگزین، سیستم کنترل یا مستر میتواند پارامترهای تعریفشده را بازیابی کند.
دستگاههای یکپارچهسازی حسگر ماشین قابلیتهای محاسبات محلی اضافه میکنند. آنها میتوانند دادهها را از چند نوع حسگر جمعآوری، پردازش و به صورت قالبی یکنواخت به پلتفرمهای نرمافزاری یا برنامههای صنعتی ارائه دهند.
این دستگاهها بهعنوان تجمیعکنندهها، پلهای پروتکل و کامپیوترهای لبه عمل میکنند. ارزش آنها زمانی افزایش مییابد که پیچیدگی ادغام را کاهش دهند نه اینکه جزیره دادهای جداگانه دیگری ایجاد کنند.
کارخانههایی که این لایه را گسترش میدهند میتوانند هنگام ادغام دروازهها، دستگاههای راه دور، کنترلکنندهها و سیستمهای نظارتی در پلتفرمهای اتوماسیون ترکیبی، قطعات ارتباطات و شبکهسازی صنعتی مناسب را بررسی کنند.
IO-Link تشخیصها را بدون جایگزینی کنترل قطعی اضافه میکند
IO-Link بهویژه در جایی که کارخانهها به اطلاعات تشخیصی بیشتری از حسگرها و عملگرهای معمولی نیاز دارند، مفید است. این فناوری اتصال ساده نقطهبهنقطه دستگاه را حفظ میکند و در عین حال ارتباط دیجیتال را اضافه میکند.
کنترلر میتواند مقدار اصلی فرآیند را همراه با شناسایی دستگاه و اطلاعات وضعیت دریافت کند. بسته به دستگاه، دادههای موجود ممکن است شامل دمای عملیاتی، کیفیت سیگنال، هشدارهای آلودگی، چرخههای سوئیچینگ، مقادیر پیکربندی و رویدادهای تشخیصی باشد.
این اطلاعات اضافی از نگهداری و عیبیابی سریعتر پشتیبانی میکند. تکنسین میتواند سریعتر مسیر نوری مسدود شده را از دستگاه خراب یا مشکل سیمکشی تشخیص دهد.
شناسایی دستگاه همچنین خطاهای جایگزینی را کاهش میدهد. پرسنل نگهداری میتوانند تأیید کنند که مدل نصب شده با پیکربندی مورد نیاز مطابقت دارد.
با این حال، IO-Link به طور خودکار تحلیلهای مفید ایجاد نمیکند. کارخانهها همچنان به برچسبهای ساختاریافته، سیاستهای ذخیرهسازی، اولویتهای آلارم و جریانهای کاری نگهداری نیاز دارند.
جمعآوری هر بایت تشخیصی موجود بدون تعریف هدف آن میتواند تیمهای مهندسی را غرق کند. پروژه باید مشخص کند کدام شرایط نشاندهنده خرابی است، کدام نیاز به اقدام فوری دارد و کدام فقط برای عیبیابی وجود دارد.
یک پیادهسازی عملی ممکن است با چند دستگاه با ارزش بالا آغاز شود. حسگرهایی که در معرض آلودگی، تنظیم مکرر، آسیب مکانیکی یا دسترسی دشوار هستند اغلب قویترین مورد اولیه را ارائه میدهند.
مهندسان سپس میتوانند هشدارهای تشخیصی را با یافتههای واقعی نگهداری مقایسه کنند. این اعتبارسنجی تعیین میکند که آیا اطلاعات رویدادهای مفید را پیشبینی میکند یا صرفاً نویز اضافه میکند.
نرمالسازی دادهها از تبدیل پروتکل مهمتر است.
اتصال دستگاهها از طریق یک پروتکل مشترک تضمین نمیکند که دادههای آنها قابل مقایسه باشد. دو حسگر ممکن است به طور موفقیتآمیز ارتباط برقرار کنند در حالی که از واحدها، مقیاسها، قراردادهای نامگذاری، کدهای وضعیت و نرخ بهروزرسانی متفاوت استفاده میکنند.
یک دستگاه دما ممکن است دما را به صورت عدد اعشاری درجه سلسیوس گزارش دهد. دستگاه دیگر ممکن است عدد صحیحی ارسال کند که نیاز به تقسیم بر ده دارد. دستگاه سوم ممکن است فارنهایت ارائه دهد مگر اینکه به صورت دستی تنظیم شود.
نرمالسازی این تفاوتها را به نمایشهای مهندسی سازگار تبدیل میکند. همچنین تعاریف مشترکی برای وضعیت دارایی، شدت آلارم، کیفیت داده و منبع اندازهگیری ایجاد میکند.
هویت دارایی نیازمند توجه ویژه است. یک پایگاه داده باید بین حسگر فیزیکی، محل نصب آن، تجهیزاتی که نظارت میکند و فرآیند تولیدی که آن تجهیزات پشتیبانی میکنند تمایز قائل شود.
ممکن است یک حسگر جایگزین شود در حالی که محل اندازهگیری تغییر نکند. تحلیل تاریخی باید در طول جایگزینی ادامه یابد، اما سوابق نگهداری باید دستگاه اصلی و جایگزین را شناسایی کنند.
همزمانسازی زمان به همان اندازه اهمیت دارد. دادههای چندین کنترلر زمانی که ساعتهای آنها به طور قابل توجهی متفاوت باشد، نمیتوانند به دقت ارزیابی شوند. تحلیل توالی، بازسازی رویداد و مطالعات علت و معلول به زمانسنجیهای قابل اعتماد وابستهاند.
تأسیسات باید یک استراتژی همگامسازی زمان سازگار تعریف کنند. آنها همچنین باید مستند کنند که آیا زمانسنجیها از حسگر، کنترلکننده، درگاه، سرور یا پایگاه داده نشأت میگیرند.
تاخیرهای شبکه میتوانند ترتیب رویدادها را تحت تأثیر قرار دهند. مقداری که ابتدا به سرور میرسد ممکن است اولین مقدار در فرآیند نباشد. زمانسنجیهای منبع به حفظ ترتیب واقعی کمک میکنند.
شکل ۳. دادههای سطح شبکه زمانی ارزشمند میشوند که چندین دستگاه زمانبندی، زمینه، نامگذاری و اطلاعات کیفیت سازگار را به اشتراک بگذارند.
ظرفیت شبکه باید با مورد استفاده داده هماهنگ باشد
حجم دادههای حسگر میتواند به سرعت افزایش یابد. چند بیت وضعیت ترافیک شبکه کمی ایجاد میکند. چندین دوربین با وضوح بالا، شکل موجهای ارتعاش و اندازهگیریهای حرکت سریع نیازهای بسیار متفاوتی ایجاد میکنند.
کارخانهها باید حجم دادهها را قبل از استقرار محاسبه کنند. این محاسبه باید شامل نرخ نمونهبرداری، اندازه مقدار، تعداد دستگاهها، سربار پروتکل، دوره نگهداری، افزونگی و رشد مورد انتظار باشد.
دادهها همچنین باید بر اساس فوریت طبقهبندی شوند. یک فرمان کنترلی نیازهای زمانی متفاوتی نسبت به روند نگهداری هفتگی دارد. ترکیب آنها بدون تقسیمبندی میتواند هم عملکرد و هم امنیت سایبری را تهدید کند.
طراحی شبکه صنعتی ممکن است شامل مناطق جداگانه برای کنترل ماشین، ترافیک نظارتی، جمعآوری تاریخچه، دسترسی مهندسی و یکپارچهسازی سازمانی باشد.
سوئیچهای مدیریتشده، کنترل کیفیت خدمات، افزونگی و نظارت بر ترافیک میتوانند قابلیت اطمینان را بهبود بخشند. با این حال، فناوری جایگزین مستندسازی نمیشود. مهندسان همچنان به نمودارهای شبکه دقیق، فهرست دستگاهها، تخصیص پورتها، سوابق فرمویر و پیکربندیهای پشتیبان نیاز دارند.
کارخانهها همچنین باید رفتار در هنگام از دست رفتن ارتباط را تعریف کنند. یک ماشین نباید به دلیل عدم دسترسی به سرور تحلیلی ناامن شود.
کنترل محلی باید مطابق طراحی ماشین ادامه یابد. درگاهها باید در صورت لزوم دادهها را بافر کنند، شکافهای ارتباطی را علامتگذاری کنند و پس از اتصال مجدد همگامسازی را بازیابی کنند.
دادههای گمشده باید قابل مشاهده باقی بمانند. پر کردن بیصدا شکافها با مقادیر قبلی میتواند روندهای نادرست ایجاد کند. برنامههای تحلیلی باید بین یک فرآیند پایدار و دورهای که اندازهگیری معتبری در دسترس نبوده است، تمایز قائل شوند.
امنیت سایبری با محدود کردن اتصالات غیرضروری آغاز میشود
هر مسیر داده جدید میتواند پیامدهای عملیاتی و امنیت سایبری بالقوه ایجاد کند. اتصال شبکه حسگر به نرمافزار سازمانی میتواند دستگاههایی را که قبلاً جدا بودند، در معرض خطر قرار دهد.
یک معماری امن از تقسیمبندی، رابطهای کنترلشده، دسترسی احراز هویتشده، مجوزهای حداقل امتیاز و مسیرهای ارتباطی نظارتشده استفاده میکند.
پلتفرمهای تحلیلی معمولاً برای پردازش دادهها به دسترسی خواندنی نیاز دارند. آنها نباید بهطور خودکار اجازه تغییر منطق کنترلکننده، پارامترهای حسگر، تنظیمات درایو یا محدودیتهای ایمنی را دریافت کنند.
دسترسی نوشتن باید محدود و توجیه شده باشد. یک موتور پیشنهاد ممکن است تغییر نقطه تنظیم را پیشنهاد دهد، اما یک لایه کنترل تأیید شده باید آن تغییر را اعتبارسنجی و اعمال کند.
دسترسی نگهداری از راه دور نیازمند انضباط مشابهی است. دسترسی موقت، احراز هویت چندعاملی، ثبت فعالیتها و رویههای تصویب تعریف شده ریسک را کاهش میدهند.
مدیریت دستگاه نیز یک نگرانی دیگر است. حسگرها و دروازههای هوشمند ممکن است شامل فرمویر، رابطهای وب، مدارک، گواهیها و فایلهای پیکربندی باشند. این داراییها نیازمند فهرستبندی و مدیریت چرخه عمر هستند.
رمزهای عبور پیشفرض و فرمویر بدون مدیریت میتوانند پروژه تحلیل بهخوبی طراحی شده را تضعیف کنند. کارخانهها باید دستگاههای لبه و حسگرهای هوشمند را در برنامه امنیت فناوری عملیاتی خود بگنجانند.
امنیت نباید پس از استقرار اضافه شود. مناطق شبکه، جریان دادهها، نقشهای کاربری، روشهای پشتیبانگیری و رویههای بازیابی باید در حین توسعه معماری تعریف شوند.
لایه سازمانی اندازهگیریها را با نتایج کسبوکار مرتبط میکند
لایه تحلیل سازمانی دادههای حسگر را در چندین ماشین، خطوط تولید یا تأسیسات به کار میگیرد. هدف آن صرفاً نمایش داشبوردهای بیشتر نیست. باید رفتار تجهیزات را با نتایج عملیاتی قابل اندازهگیری مرتبط کند.
نمونهها شامل کاهش زمان توقف، بهبود بازده، کاهش مصرف انرژی، طول عمر بیشتر دارایی، کاهش نیروی کار نگهداری، عیبیابی سریعتر و نرخهای تولید پایدارتر است.
در این سطح، دادههای حسگر ممکن است با سیستمهای اجرای تولید، سیستمهای مدیریت نگهداری رایانهای، پایگاههای داده کیفیت، برنامههای تولید، سیستمهای موجودی و پلتفرمهای برنامهریزی منابع سازمانی ترکیب شوند.
زمینه اضافی امکان پرسشهای ارزشمندتری را فراهم میکند. به جای پرسیدن اینکه آیا موتور داغ میشود، کسبوکار میتواند بپرسد آیا افزایش دما با نوع محصول، سرعت تولید، شرایط محیطی، تاریخچه نگهداری یا مصرف انرژی همبستگی دارد یا خیر.
به جای شمارش محصولات رد شده، تحلیلگران میتوانند دستههای نقص را بر اساس دسته مواد، دستورالعمل ماشین، وضعیت ابزار، شیفت کاری یا تأمینکننده شناسایی کنند.
تحلیلهای سازمانی همچنین از مقایسه بین داراییهای مشابه پشتیبانی میکند. یک کارخانه ممکن است بیست پمپ مشابه داشته باشد. یک پمپ ممکن است در شرایط عملیاتی مشابه، انرژی بیشتری مصرف کند، لرزش بیشتری داشته باشد یا نیاز به نگهداری مکررتر داشته باشد.
این مقایسه میتواند مشکلاتی را نشان دهد که محدودیتهای هشدار ثابت از آنها غافل میمانند. ممکن است پمپ زیر آستانه هشدار خود باقی بماند در حالی که عملکرد آن بهطور قابل توجهی بدتر از همتایانش است.
با این حال، مقایسه نیازمند دادههای نرمالشده و زمینه عملیاتی دقیق است. داراییها نباید بدون در نظر گرفتن سرعت، بار، سیال فرآیندی، چرخه کاری و شرایط محیطی رتبهبندی شوند.
نگهداری پیشبینانه با تعریف حالتهای خرابی آغاز میشود
نگهداری پیشبینانه همچنان یکی از رایجترین کاربردهای تحلیل حسگرها است. همچنین یکی از مواردی است که اغلب به اشتباه درک میشود.
هدف پیشبینی هر خرابی با دقت کامل نیست. هدف عملی تشخیص زودهنگام تخریب معنادار برای بهبود تصمیمات نگهداری است.
یک پروژه قوی با دارایی و حالت خرابی تعریف شده آغاز میشود. مهندسان باید شناسایی کنند که قطعه چگونه خراب میشود، چه تغییرات فیزیکی قبلاً رخ میدهد و کدام اندازهگیریها میتوانند آن تغییرات را تشخیص دهند.
برای یاتاقان، اطلاعات مفید ممکن است شامل لرزش، دما، سرعت، وضعیت روانکاری و بار باشد. برای فیلتر، اختلاف فشار ممکن است واضحترین شاخص باشد. برای سیستم پنوماتیک، افت فشار و زمان حرکت عملگر ممکن است نشانه نشت باشند.
برای اتصال الکتریکی، افزایش دما تحت بار ممکن است نشاندهنده افزایش مقاومت باشد. برای پمپ، لرزش، فشار، جریان، جریان موتور و شرایط فرآیند ممکن است نیاز به ارزیابی ترکیبی داشته باشند.
وقتی حالت خرابی درک شد، تیم میتواند ویژگیها و محدودیتهای مناسب را انتخاب کند. سیستم ممکن است از آستانههای ثابت، نرخ تغییر، انحراف آماری، مقایسه همتا، تحلیل فرکانس یا مدلهای یادگیری ماشین استفاده کند.
روشهای ساده اغلب نتایج قوی ارائه میدهند. یک حد روند بهوضوح تعریف شده ممکن است مفیدتر از مدل پیچیدهای باشد که پرسنل نگهداری قادر به تفسیر آن نیستند.
مدلها باید تصمیمات قابل توضیح را نیز پشتیبانی کنند. تیم نگهداری بیشتر احتمال دارد اقدام کند وقتی سیستم افزایش لرزش در فرکانس خاص و افزایش دمای یاتاقان را شناسایی کند.
امتیاز سلامت کلی که از ۸۲ به ۷۴ کاهش مییابد، ارزش تشخیصی کمتری دارد مگر اینکه عوامل مؤثر قابل مشاهده باشند.
مدیریت آلارم تعیین میکند که آیا تحلیلها اعتماد ایجاد میکنند یا خیر.
سیستم تحلیل زمانی که هشدارهای بیش از حد ایجاد میکند به سرعت اعتبار خود را از دست میدهد. تیمهای نگهداری وقتی بیشتر هشدارها نیاز به اقدام ندارند، شروع به نادیده گرفتن اعلانها میکنند.
بنابراین هر هشدار باید معنای مشخص، اولویت، مالک، پاسخ و مسیر تشدید تعریف شده داشته باشد. پیام باید دارایی، وضعیت، شواهد پشتیبان و بازرسی پیشنهادی را مشخص کند.
هشدارها باید وضعیت فرآیند را نیز در نظر بگیرند. هشدار جریان کم ممکن است زمانی که دستگاه در حالت بیکار است بیاهمیت باشد. سطح بالای لرزش ممکن است در طول گذار کوتاه راهاندازی انتظار رود.
منطق پایداری و تأخیر میتواند آلارمهای مزاحم را کاهش دهد. با این حال، تأخیرها نباید شکستهای سریعالوقوع را پنهان کنند. پیکربندی صحیح به فرآیند و ریسک بستگی دارد.
کارخانهها باید عملکرد هشدارها را پیگیری کنند. معیارهای مفید شامل نرخ مثبت کاذب، نرخ رویدادهای از دست رفته، زمان پاسخ، یافتههای تأیید شده، جلوگیری از توقف و اقدامات نگهداری ایجاد شده است.
بازخورد از تکنسینها ضروری است. پس از بازرسی، تکنسین باید ثبت کند که آیا هشدار یک وضعیت واقعی را شناسایی کرده است، کدام قطعه تحت تأثیر قرار گرفته و چه اقدامی انجام شده است.
این بازخورد آستانهها و مدلها را بهبود میبخشد. همچنین تاریخچه ارزشمندی ایجاد میکند که رفتار حسگر را با یافتههای فیزیکی مرتبط میسازد.
بدون بازخورد، تحلیلها از واقعیت نگهداری جدا میمانند. پلتفرم ممکن است به تکرار همان نتیجه نادرست ادامه دهد.
تحلیل کیفیت میتواند انحراف فرآیند را قبل از افزایش نرخ رد تشخیص دهد.
تحلیل حسگر محدود به نگهداری تجهیزات نیست. همچنین میتواند تغییراتی که بر کیفیت محصول تأثیر میگذارند را شناسایی کند.
کنترل کیفیت سنتی اغلب بر نتایج بازرسی نهایی تمرکز دارد. محصول یا قبول میشود یا رد. زمانی که نرخ رد افزایش مییابد، فرآیند زیرین ممکن است ساعتها در حال انحراف بوده باشد.
ترکیب دادههای بازرسی با شرایط ماشین میتواند هشدار زودتری فراهم کند. تغییر تدریجی ابعاد ممکن است با سایش ابزار، دمای ماشین، تغییر فشار، خواص مواد یا حرکت فیکسچر مرتبط باشد.
سیستمهای بینایی میتوانند موقعیت، اندازه، جهت و طبقهبندی نقص را ارائه دهند. حسگرهای فرآیند میتوانند اطلاعات دما، فشار، سرعت، نیرو و موقعیت را اضافه کنند.
سپس تحلیلها میتوانند تعیین کنند کدام متغیرها قبل از ظاهر شدن نقص تغییر میکنند. هدف فقط توضیح رد محصول پس از تولید نیست، بلکه کنترل فرآیند قبل از عبور خروجی از حد مشخصات است.
برای مثال، یک خط بستهبندی ممکن است به تولید مهر و مومهای قابل قبول ادامه دهد در حالی که توزیع دمای فک مهر و موم کمتر یکنواخت میشود. روند زمان بازیابی دما ممکن است نشاندهنده کاهش کارایی هیتر یا آلودگی باشد.
نگهداری میتواند قبل از افزایش خرابیهای مهر و موم، تجهیزات را بررسی کند. این مداخله هم کیفیت و هم در دسترس بودن تولید را محافظت میکند.
کنترل آماری فرآیند در این کاربردها همچنان ارزشمند است. محدودیتهای کنترل میتوانند تغییرات غیرمعمول را حتی زمانی که اندازهگیریها در محدوده مشخصات محصول باقی میمانند، نشان دهند.
محدودیتهای مشخصات خروجی قابل قبول را تعریف میکنند. محدودیتهای کنترل آماری نشان میدهند که آیا فرآیند به طور مداوم رفتار میکند یا خیر. اشتباه گرفتن این مفاهیم میتواند اقدام اصلاحی را به تأخیر بیندازد.
دادههای انرژی زمانی که بر اساس تولید نرمالسازی شوند، مفیدتر میشوند.
نظارت بر انرژی کاربرد عملی دیگری برای دادههای حسگر و کنترلکننده فراهم میکند. موتورها، درایوها، هیترها، کمپرسورها و تجهیزات میتوانند الگوهای مصرف را آشکار کنند.
تنها انرژی کل به ندرت عملکرد را توضیح میدهد. نرخ تولید، نوع محصول، حالت عملکرد، شرایط محیطی و بارگذاری تجهیزات باید در نظر گرفته شوند.
یک دستگاه ممکن است در شیفت کند انرژی کمتری مصرف کند اما انرژی بیشتری به ازای هر واحد تولید شده استفاده کند. دستگاه دیگری ممکن است مصرف کل بالاتری نشان دهد زیرا خروجی قابل توجهی بیشتری تولید میکند.
معیارهای مفید شامل کیلوواتساعت به ازای هر واحد، مصرف هوای فشرده به ازای هر چرخه، استفاده از بخار به ازای هر دسته و توان اوج در عملیات خاص است.
دادههای درایو میتوانند نشان دهند که آیا موتورها بسیار کمتر یا نزدیک به بار مورد انتظار خود کار میکنند. اندازهگیریهای فشار و جریان میتوانند به شناسایی هدررفت هوای فشرده کمک کنند. دادههای دما و زمان کار میتوانند نشان دهند که آیا سیستمهای گرمایشی در دورههای طولانی بیکار بودن فعال باقی میمانند یا خیر.
تحلیلهای انرژی باید به اقدام عملیاتی منجر شود. پاسخهای ممکن شامل کاهش زمان بیکاری، تعمیر نشتها، تنظیم فشار، ترتیبدهی تجهیزات با بار بالا، بهینهسازی پروفایلهای شتاب و تغییر روشهای گرمکردن است.
کارخانهها باید اطمینان حاصل کنند که تغییرات صرفهجویی در انرژی کیفیت، ایمنی یا عمر تجهیزات را کاهش نمیدهد. تنظیم فشار پایینتر ممکن است هوای فشرده را ذخیره کند اما باعث حرکت ناپایدار عملگر شود.
بهترین بهبودها تعادل بین انرژی، توان عملیاتی، قابلیت اطمینان و نیازهای محصول را برقرار میکنند.
نمونهای از نقاله نشان میدهد چگونه چندین لایه داده با هم کار میکنند
یک نقاله را در نظر بگیرید که محصولات را بین ایستگاههای بستهبندی حمل میکند. در سطح ماشین، یک حسگر فوتوالکتریک هر محصول را تشخیص میدهد. یک انکودر حرکت تسمه را ردیابی میکند و یک درایو سرعت را کنترل میکند.
PLC از این ورودیها برای حفظ فاصله محصولات و هماهنگی تجهیزات پاییندستی استفاده میکند. این عملکرد کنترل فوری باید قطعی باقی بماند.
همان سیگنالها میتوانند از تحلیلهای عملیاتی پشتیبانی کنند. زمانبندی محصولات امکان محاسبه توان عملیاتی واقعی را فراهم میکند. دادههای انکودر تغییر سرعت را نشان میدهد. گشتاور درایو بار مکانیکی در حال تغییر را نشان میدهد.
اگر گشتاور به تدریج افزایش یابد در حالی که توان عملیاتی ثابت است، ممکن است نقاله دچار اصطکاک شده باشد. علل ممکن شامل ناهماهنگی تسمه، سایش یاتاقان، آلودگی یا تماس مکانیکی است.
اگر فواصل تشخیص محصول نامنظم شود در حالی که سرعت تسمه ثابت بماند، مشکل ممکن است از بالادست باشد. اگر سرعت انکودر نوسان کند در حالی که فرمان درایو ثابت است، بررسی ممکن است بر بار مکانیکی یا عملکرد درایو متمرکز شود.
یک دستگاه لبه میتواند توان عملیاتی، تغییر فاصله، گشتاور متوسط و رویدادهای غیرعادی را محاسبه کند. شبکه این شاخصها را به یک سیستم ثبت داده یا پلتفرم تحلیلی منتقل میکند.
سیستم سازمانی میتواند عملکرد را بر اساس شیفت، قالب محصول و سفارش تولید مقایسه کند. سوابق نگهداری میتوانند تأیید کنند که آیا افزایش گشتاور پیش از خرابیهای قبلی نقاله بوده است یا خیر.
حسگر اصلی هنوز یک وظیفه ساده تشخیص را انجام میدهد. معماری گستردهتر آن تشخیص را به شواهدی درباره توان عملیاتی، قابلیت اطمینان و هماهنگی فرآیند تبدیل میکند.
تجهیزات CNC از ترکیب دادههای بار، حرکت و کیفیت بهرهمند میشوند
فرآیند ماشینکاری CNC نمونهای پیچیدهتر ارائه میدهد. سیستم کنترل در حال حاضر سرعت اسپیندل، نرخ تغذیه، موقعیت محور، خنککننده، تعویض ابزار و قفلهای ایمنی را مدیریت میکند.
اندازهگیریهای اضافی ممکن است شامل بار اسپیندل، جریان موتور، لرزش، انتشار صوتی، دما و نتایج بازرسی ابعادی باشد.
بار اسپیندل میتواند شرایط برش را نشان دهد، اما تفسیر آن نیاز به زمینه دارد. بار بالاتر ممکن است نشاندهنده دستهای از مواد سختتر، افزایش عمق برش، سایش ابزار، تجمع تراشه یا پارامترهای نادرست فرآیند باشد.
ترکیب بار با هویت ابزار، مرحله برنامه، ماده، نرخ تغذیه و لرزش تصویر واضحتری ایجاد میکند.
مشکل در حال توسعه ابزار ممکن است به صورت افزایش بار اسپیندل، ارتعاش بیشتر، زمان چرخه طولانیتر و انحراف تدریجی ابعادی ظاهر شود. هیچیک از این شاخصها به تنهایی علت را ثابت نمیکنند.
با هم میتوانند بازرسی هدفمند قبل از شکستن ابزار یا تولید ضایعات گسترده را تحریک کنند.
مقایسه تاریخی همچنین به بهینهسازی تعویض ابزار کمک میکند. فواصل تعویض ثابت ممکن است ابزارهای قابل استفاده را دور بیندازد یا اجازه دهد ابزارهای فرسوده بیش از حد باقی بمانند.
تعویض مبتنی بر وضعیت میتواند بهرهوری ابزار را بهبود بخشد و در عین حال کیفیت را حفظ کند. تصمیمگیری باید همچنان شامل محدودیتهای مهندسی و شواهد بازرسی باشد.
برای عملیات ماشینکاری حساس، سیستم ممکن است دادههای با وضوح بالا را در اطراف رویدادهای غیرعادی نگه دارد. تولید معمولی میتواند از شاخصهای خلاصه شده برای کنترل نیاز به ذخیرهسازی استفاده کند.
خطوط بستهبندی اهمیت زمینه محصول را نشان میدهند.
تجهیزات بستهبندی اغلب چندین فرمت محصول را در یک خط پردازش میکنند. حسگرها حضور، موقعیت، سطح پر شدن، برچسبها، درپوشها، مهرها، کدها و ابعاد بستهبندی را نظارت میکنند.
نرخ هشدار که به نظر تصادفی میآید ممکن است پس از تفکیک دادهها بر اساس فرمت قابل فهم شود. یک حسگر ممکن است در یک بستهبندی بهطور قابل اعتماد عمل کند اما در محصولی بازتابنده، شفاف یا نامنظم مشکل داشته باشد.
بنابراین اطلاعات دستورالعمل ضروری میشود. تحلیل باید بداند کدام محصول، بستهبندی، سرعت و تنظیم دستگاه فعال بوده است.
افزایش نرخ رد بلافاصله پس از تغییر ممکن است نشاندهنده تنظیم نادرست باشد. افزایش تدریجی در طول یک دوره تولید طولانی ممکن است آلودگی، تغییر دما یا سایش مکانیکی را نشان دهد.
تصاویر دیداری میتوانند نشان دهند که آیا محل نقص یکسان تکرار میشود یا خیر. دادههای انکودر میتوانند تعیین کنند که آیا ردها با موقعیت خاصی از دستگاه یا جزء دوار مرتبط هستند یا نه.
تیمهای نگهداری و تولید میتوانند از این اطلاعات برای تمایز خطاهای تجهیزات از مشکلات تنظیم، تغییرات مواد و محدودیتهای حسگر استفاده کنند.
تحلیل همچنین ممکن است در انتخاب حسگر راهنمایی کند. دستگاهی که در کارتنهای مات عملکرد خوبی دارد ممکن است برای ظروف شفاف مناسب نباشد.
تحلیل نمیتواند اصل حسگری ضعیف را اصلاح کند. اما میتواند شواهدی ارائه دهد که فناوری انتخاب شده با کاربرد مطابقت ندارد.
تجهیزات دوار نیازمند اندازهگیریهایی هستند که با فیزیک مطابقت داشته باشند.
ماشینآلات دوار نشان میدهند که چرا انتخاب حسگر باید بر اساس فیزیک خرابی باشد. پمپها، فنها، کمپرسورها، توربینها و موتورها ممکن است دچار عدم تعادل، ناهماهنگی، شل بودن، آسیب بلبرینگ، رزونانس، سایش و ناپایداری مرتبط با فرآیند شوند.
مقادیر کلی ارتعاش غربالگری مفیدی ارائه میدهند، اما برخی مشکلات نیاز به اطلاعات موج و فرکانس دارند. دادههای مرجع سرعت نیز ممکن است برای مرتبط کردن اجزای ارتعاش با چرخش شفت لازم باشد.
روندهای دما میتوانند در تشخیص کمک کنند، اگرچه دما اغلب دیرتر از ارتعاش تغییر میکند. فشار فرآیند، جریان، بار و سرعت عملکرد به تفکیک خطاهای مکانیکی از تغییرات عادی عملکرد کمک میکنند.
یک پمپ ممکن است به دلیل کارکرد در منطقه فرآیندی نامطلوب، لرزش بیشتری داشته باشد. تعویض یک یاتاقان این شرایط عملیاتی را اصلاح نمیکند.
برای این داراییها، پایش وضعیت باید دانش ماشینآلات را با دادههای فرآیند ترکیب کند. معماری ممکن است شامل سختافزار حفاظتی اختصاصی، سیستمهای پایش وضعیت، اطلاعات PLC و نرمافزار نگهداری سازمانی باشد.
کارخانههایی که این معماری گستردهتر را ارزیابی میکنند باید حفاظت ماشینآلات را از تحلیلها متمایز کنند. سیستمهای حفاظتی باید به سرعت و به طور قابل اعتماد به شرایط خطرناک پاسخ دهند. سیستمهای تحلیلی از تشخیص، برنامهریزی و بهینهسازی پشتیبانی میکنند.
عملکردها میتوانند اطلاعات را به اشتراک بگذارند، اما مسئولیتهای آنها باید به وضوح تعریف شده باقی بماند.
محل قرارگیری مجموعه محصولات SICK در زنجیره دادهها
شرکت SICK دستگاههایی در چندین بخش از معماری دادههای حسگر ارائه میدهد. مجموعه محصولات آن شامل حسگرهای فوتوالکتریک، دستگاههای شناسایی، انکودرها، محصولات بینایی ماشین، دروازههای یکپارچهسازی، کامپیوترهای لبه و نرمافزارهای تحلیلی است.
در سطح ماشین، حسگر مجاورت فوتوالکتریک W10 پیکربندی محلی را با عملکردهای حسگری قابل تطبیق ترکیب میکند. رابط لمسی آن میتواند راهاندازی را در شرایطی که شرایط کاربرد تغییر میکند یا چند رفتار تشخیص لازم است، ساده کند.
خانواده Lector85x از خواندن کد مبتنی بر تصویر و برنامههای شناسایی پشتیبانی میکند. چنین سیستمهایی میتوانند اطلاعات رمزگشایی شده را همراه با دادههای تصویر و کیفیت که برای تحلیل لجستیک و تولید مفید است، ارائه دهند.
انکودرهای AFS/AFM60 بازخورد موقعیت را برای کاربردهای کنترل حرکت فراهم میکنند. ارزش عملیاتی آنها میتواند فراتر از موقعیت باشد وقتی رفتار سرعت، جهت، همگامسازی و اطلاعات تشخیصی حفظ شود.
در سطح اتصال، SIG200 میتواند دستگاههای IO-Link را به شبکههای اتوماسیون گستردهتر متصل کند. این ترتیب اجازه میدهد مقادیر فرآیند و تشخیصها فراتر از اتصالات حسگرهای فردی منتقل شوند.
دستگاههای SIM4x00 ظرفیت پردازشی اضافی برای یکپارچهسازی حسگرها فراهم میکنند. آنها میتوانند اطلاعات را جمعآوری کنند، برنامههای محلی را اجرا کنند و نتایج پردازش شده را به سیستمهای دیگر منتقل کنند.
در سطح نرمافزار، Field Analytics از جمعآوری و نمایش دادههای تولید پشتیبانی میکند. Logistics Diagnostic Analytics بر عملکرد و نظارت بر سلامت سیستمهای شناسایی خودکار تمرکز دارد.
این محصولات جهتگیری گستردهتری از بازار را نشان میدهند. تولیدکنندگان حسگر به طور فزایندهای بیش از دستگاههای اندازهگیری فیزیکی ارائه میدهند. آنها اکنون ابزارهای یکپارچهسازی، پردازش لبه، مدیریت دستگاه و خدمات نرمافزاری را عرضه میکنند.
تولیدکنندگان باید هر لایه را به طور مستقل ارزیابی کنند. داشتن یک مجموعه کامل، نیاز به رابطهای باز، معماری قابل نگهداری، کنترلهای امنیت سایبری و یکپارچهسازی با سیستمهای موجود را از بین نمیبرد.
شکل ۴. حسگرهای قابل تنظیم میتوانند تشخیص معمول اشیاء را با اطلاعات تنظیم و تشخیص برای استفاده عملیاتی گستردهتر ترکیب کنند.
معماری PLC و PAC همچنان مرکز تحلیل حسگر است
با وجود علاقه روزافزون به فناوریهای لبه و ابر، PLC یا PAC همچنان مرکز اکثر معماریهای داده کارخانه است. این دستگاه اطلاعات ضروری درباره وضعیت ماشین، توالی، آلارمها، دستورالعملها، فرمانها و قفلها را در اختیار دارد.
مقادیر حسگر بدون زمینه کنترلر اغلب دشوار برای تفسیر هستند. PLC میداند که آیا ماشین در حال راهاندازی، کار، توقف، خطا، مسدود شدن، گرسنگی یا در حال نگهداری است.
به همین دلیل، یکپارچهسازی تحلیل باید شامل روشی کنترل شده برای نمایش دادههای مرتبط کنترلر باشد. مهندسان باید از دسترسی کنترلنشده به هر برچسب داخلی اجتناب کنند.
یک رابط تعریف شده امنیت و قابلیت نگهداری را بهبود میبخشد. همچنین از وابستگی برنامههای تحلیلی به متغیرهای موقتی برنامه که ممکن است در اصلاحات آینده تغییر کنند جلوگیری میکند.
کارخانههایی که اطلاعات ماشین را به سیستمهای نظارتی یا سازمانی گسترش میدهند، میتوانند هنگام نگهداری، گسترش یا استانداردسازی لایه کنترل پشتیبان جمعآوری دادههای حسگر، سیستمهای PLC و PAC سازگار را بررسی کنند.
برنامه کنترل ممکن است شاخصهای سطح اول مفید را نیز محاسبه کند. مثالها شامل زمان چرخه، مدت زمان مسدود شده، مدت زمان گرسنگی، فرکانس خطا، پاسخ عملگر، شمارش تولید و شمارش رد است.
این محاسبات نباید کنترلر را بیش از حد بارگذاری کنند. پردازش سیگنال با سرعت بالا، تحلیل تصویر و مدلهای پیچیده ممکن است در سختافزار اختصاصی قرار گیرند.
معماری زمانی بهترین عملکرد را دارد که هر جزء وظیفهای متناسب با زمانبندی، قابلیت اطمینان و نیازهای نگهداری خود انجام دهد.
یک استقرار عملی با یک سؤال ارزشمند آغاز میشود
برنامه تحلیل حسگر نیازی نیست با کل کارخانه شروع شود. میتواند با یک سؤال عملیاتی که ارزش قابل اندازهگیری دارد آغاز شود.
مثالها شامل شناسایی دلیل توقف نقاله، تشخیص نشت در سیستم پنوماتیک، کاهش ردهای نادرست، افزایش عمر ابزار یا پیشبینی تعویض فیلتر است.
گام اول تعریف تصمیم است. تیم باید مشخص کند چه کسی از اطلاعات استفاده خواهد کرد و چه اقدامی میتواند انجام دهد.
گام دوم نقشهبرداری دادههای مورد نیاز است. حسگرهای موجود، برچسبهای کنترلر، تشخیصهای درایو، سوابق تولید و تاریخچه نگهداری ممکن است بخش زیادی از شواهد را فراهم کنند.
گام سوم اعتبارسنجی کیفیت اندازهگیری است. مهندسان باید نصب حسگر، مقیاسبندی، زمانسنجها، مقادیر گمشده و زمینه عملیاتی را بررسی کنند.
گام چهارم ایجاد یک خط داده محدود است. فقط اندازهگیریهای مورد نیاز برای مورد استفاده باید در ابتدا جمعآوری شوند.
گام پنجم تعیین یک خط مبنا است. سیستم باید تغییرات طبیعی در محصولات، سرعتها، شیفتها و شرایط محیطی را مشاهده کند.
گام ششم تعریف منطق تشخیص است. این ممکن است شامل آستانهها، قوانین آماری، روندها یا یک مدل ساده باشد.
گام هفتم ادغام نتیجه در جریان کاری نگهداری یا تولید است. یک داشبورد به تنهایی به ندرت عملیات را تغییر میدهد.
گام هشتم اعتبارسنجی تأثیر کسبوکار است. تیم باید نتیجه را با زمان توقف، نیروی کار، ضایعات، توان عملیاتی یا هزینه نگهداری مقایسه کند.
پس از اثبات ارزش، معماری میتواند به داراییهای اضافی گسترش یابد. نامگذاری قابل استفاده مجدد، قالبها و مدلهای داده استقرار بعدی را کارآمدتر میکنند.
پروژههای رایج شکست میخورند زیرا با پلتفرم شروع میشوند.
بسیاری از ابتکارات تحلیلی با انتخاب نرمافزار قبل از تعریف مشکل عملیاتی شروع میشوند. تیمها یک پلتفرم نصب میکنند، هزاران برچسب را متصل میکنند و سپس به دنبال کاربردهای مفید میگردند.
این رویکرد اغلب داشبوردهای جذابی ایجاد میکند بدون ارزش عملیاتی پایدار. کاربران ممکن است آنها را به طور مختصر مشاهده کنند، اما نمایشها تصمیمات را تغییر نمیدهند.
شکست رایج دیگر نادیده گرفتن کیفیت داده است. مقیاسبندی نادرست، زمانبندیهای ناسازگار، وضعیتهای تولید گمشده و تغییرات برچسب مستندسازی نشده میتوانند تحلیل را بیاعتبار کنند.
پروژهها همچنین زمانی شکست میخورند که پرسنل نگهداری و عملیات را حذف کنند. دانشمندان داده ممکن است الگوهای آماری را تشخیص دهند بدون اینکه رفتار ماشین پشت آنها را بفهمند.
برعکس، تکنسینهای باتجربه ممکن است مکانیزمهای خرابی را درک کنند اما به شواهد تاریخی دسترسی نداشته باشند. پروژههای قوی هر دو دیدگاه را ترکیب میکنند.
پیچیدگی بیش از حد خطر دیگری ایجاد میکند. یک مدل پیشرفته ممکن است نیاز به پشتیبانی مداوم، آموزش مجدد و تفسیر تخصصی داشته باشد. یک شاخص سادهتر ممکن است بیشتر ارزش را با هزینه چرخه عمر کمتر فراهم کند.
پروژههای پایلوت همچنین میتوانند به سیستمهای جدا شده دائمی تبدیل شوند. آنها روی یک ماشین باقی میمانند زیرا معماری، نامگذاری، امنیت و مالکیت هرگز برای مقیاس طراحی نشده بود.
پایلوتهای موفق باید هم مورد استفاده و هم روش استقرار را آزمایش کنند. تیم باید بیاموزد چگونه دستگاهها پیکربندی میشوند، چگونه برچسبها ایجاد میشوند، چگونه دسترسی کنترل میشود و چگونه مدلها نگهداری میشوند.
مالکیت داده باید در سراسر بخشهای مهندسی تعریف شود.
تحلیل حسگرها مرزهای سازمانی سنتی را درمینوردد. مهندسان کنترل منطق ماشین را مدیریت میکنند. تیمهای فناوری اطلاعات سرورها و شبکههای سازمانی را مدیریت میکنند. تیمهای نگهداری مالک قابلیت اطمینان تجهیزات هستند. تیمهای تولید مالک خروجی هستند.
بدون مالکیت واضح، مشکلات بین بخشها جابجا میشوند. یک مقدار گمشده ممکن است به عنوان مشکل شبکه، مشکل کنترلکننده، مشکل پایگاه داده یا مشکل حسگر بدون بررسی هماهنگ تلقی شود.
تأسیسات باید مسئولیت دستگاههای میدانی، رابطهای کنترلکننده، دروازهها، زیرساخت شبکه، پایگاههای داده، برنامههای تحلیلی، امنیت سایبری و پشتیبانی کاربران را تعریف کنند.
آنها همچنین باید رویههای مدیریت تغییر را تعیین کنند. تغییر نام یک برچسب PLC یا جایگزینی یک حسگر میتواند بر داشبوردها و مدلها تأثیر بگذارد.
تعاریف داده نیاز به مستندسازی کنترلشده دارند. واحدها، مقیاسبندی، منبع، نرخ بهروزرسانی، وضعیت کیفیت و استفاده مورد نظر باید در طول چرخه عمر سیستم در دسترس باقی بمانند.
مالکیت همچنین به نتایج تحلیلی نیز اعمال میشود. یک مدل نباید بدون فرآیند بازبینی توافقشده به طور خودکار کار نگهداری ایجاد کند.
برنامهریزان نگهداری، مهندسان قابلیت اطمینان و سرپرستان تولید ممکن است به سطوح مختلفی از اطلاعات نیاز داشته باشند. همان وضعیت میتواند به صورت نمای تشخیصی دقیق برای مهندسان و درخواست اقدام مختصر برای سرپرستان ظاهر شود.
معیارهای عملکرد باید تصمیمات را اندازهگیری کنند، نه حجم دادهها.
تعداد حسگرهای متصل معیار قابل اعتمادی برای موفقیت نیست. تعداد برچسبهای پایگاه داده، داشبوردها یا ترابایتهای ذخیرهشده نیز چنین نیست.
معیارهای بهتر نتایج عملیاتی را اندازهگیری میکنند. اینها ممکن است شامل کاهش زمان توقف ناخواسته، کاهش ضایعات، بهبود بازدهی مرحله اول، طول عمر بیشتر قطعات، کاهش زمان عیبیابی یا کاهش رویدادهای نگهداری اضطراری باشد.
برای نگهداری پیشبینی، کارخانهها میتوانند اندازهگیری کنند که سیستم چقدر زمان هشدار میدهد و آیا آن هشدار برنامه نگهداری را تغییر میدهد یا خیر.
برای تحلیلهای کیفیت، میتوانند اندازهگیری کنند که آیا انحراف فرآیند قبل از رد محصول شناسایی شده است یا خیر. برای پروژههای انرژی، میتوانند مصرف به ازای واحد قابل قبول را اندازهگیری کنند.
عملکرد تحلیلها باید شامل پذیرش کاربران نیز باشد. سیستمی که از نظر فنی دقیق است وقتی اپراتورها و تکنسینها به آن اعتماد نداشته یا استفاده نکنند، ارزش محدودی دارد.
پیگیری یافتههای تأییدشده یک حلقه بازخورد مؤثر فراهم میکند. هر هشدار میتواند به عنوان دقیق، نادقیق، نامشخص یا دیگر مرتبط طبقهبندی شود.
این فرآیند به تدریج برنامه را بهبود میبخشد. همچنین به مدیریت کمک میکند تا تحلیلهای امیدوارکننده را از پروژههایی که نیاز به بازطراحی دارند تشخیص دهد.
هوش مصنوعی بهترین عملکرد را پس از تثبیت پایه دادهها دارد.
هوش مصنوعی میتواند روابط پیچیده در دادههای بزرگ را شناسایی کند. این میتواند از تشخیص ناهنجاری، طبقهبندی تصویر، پیشبینی و بهینهسازی فرآیند چندمتغیره پشتیبانی کند.
با این حال، هوش مصنوعی نیاز به اندازهگیریهای قابل اعتماد و زمینه مهندسی را از بین نمیبرد. دادههای ضعیف مدلهای ضعیف تولید میکنند، حتی اگر الگوریتم پیشرفته باشد.
کارخانهها باید پیش از معرفی مدلهای پیشرفته، هویت دارایی، زمانبندیها، وضعیتهای عملیاتی، واحدها و شاخصهای کیفیت را بهطور منسجم تعیین کنند.
دادههای آموزشی باید شرایط عملیاتی واقعی را نمایندگی کنند. مدلی که فقط در طول تولید پایدار آموزش دیده باشد ممکن است هر راهاندازی را غیرعادی طبقهبندی کند.
تغییرات تجهیزات نیز میتواند رفتار دادهها را تغییر دهد. موتور، حسگر، ابزار، دستورالعمل یا استراتژی کنترل جدید ممکن است نیاز به بازبینی مدل داشته باشد.
برنامههای هوش مصنوعی نیاز به مدیریت چرخه عمر دارند. تیمها باید عملکرد مدل را نظارت کنند، نسخهها را ثبت کنند، انحراف را بررسی کنند و رفتار جایگزین را تعریف نمایند.
تفسیر انسانی همچنان اهمیت دارد. مهندسان باید بفهمند کدام اندازهگیریها بر نتیجهگیری تأثیر میگذارند و آیا نتیجه با رفتار فیزیکی مطابقت دارد یا خیر.
هوش مصنوعی بیشترین ارزش را زمانی دارد که نیروی انسانی باتجربه را تقویت کند. میتواند مجموعه دادههای بزرگ را غربال کند و الگوهای غیرمعمول را شناسایی نماید. سپس مهندسان و تکنسینها آن الگوها را با دانش تجهیزات مرتبط میکنند.
کارخانه آینده از دادههای انتخابی و زمینهدار استفاده خواهد کرد
کارخانههای آینده دادههای بیشتری تولید خواهند کرد زیرا حسگرها، بینایی ماشین، تشخیصهای تعبیهشده و دستگاههای متصل همچنان گسترش مییابند.
مزیت رقابتی از جمعآوری همه چیز حاصل نخواهد شد. بلکه از انتخاب اطلاعات درست، حفظ زمینه آن و اتصال آن به تصمیمات عملیاتی به دست خواهد آمد.
سیستمهای سطح ماشین همچنان کنترل سریع و قطعی را فراهم خواهند کرد. دستگاههای لبه دادههای حجیم را نزدیک تجهیزات پردازش میکنند. شبکههای صنعتی اطلاعات نرمالشده را از طریق رابطهای امن منتقل میکنند.
پلتفرمهای سازمانی رفتار تجهیزات را با سوابق تولید، کیفیت، انرژی و نگهداری ترکیب خواهند کرد. تحلیلها تغییراتی را شناسایی میکنند که سیستمهای فردی به تنهایی نمیتوانند ببینند.
موثرترین معماریها لایهای باقی خواهند ماند. آنها از انتقال عملکردهای حساس به زمان به سیستمهایی که نمیتوانند پاسخ لازم را تضمین کنند، اجتناب خواهند کرد.
آنها همچنین مسئولیتپذیری انسانی را حفظ خواهند کرد. اپراتورها، تکنسینها، مهندسان و مدیران درک خواهند کرد که چگونه توصیههای تحلیلی بر فرآیند تأثیر میگذارد.
دادههای حسگر به عنوان یک اندازهگیری فیزیکی آغاز میشوند. ارزش آنها با افزودن زمینه، تاریخچه و معنای عملیاتی توسط سیستم افزایش مییابد.
یک حسگر فوتوالکتریک میتواند همچنان یک آشکارساز ساده حضور باشد. همچنین میتواند به اندازهگیری ظرفیت، شناسایی آلودگی، تحلیل فاصله محصولات و کاهش زمان عیبیابی کمک کند.
یک انکودر میتواند همچنان دستگاه موقعیت باشد. همچنین میتواند مشکلات تکرارپذیری، سایش مکانیکی، خطاهای همزمانی و تغییرات بار ماشین را آشکار کند.
یک دوربین میتواند همچنان ابزاری برای بازرسی قبول یا رد باشد. همچنین میتواند الگوهای نقص، تغییرات مواد، انحراف فرآیند و فرصتهای کاهش ضایعات را نشان دهد.
تفاوت در معماری و هدف است. وقتی کارخانهها حسگرها، کنترل، شبکه، پردازش لبه و تحلیل سازمانی را حول نیازهای عملیاتی تعریفشده متصل میکنند، ورودیهای خام به هوش عملی تبدیل میشوند.
این تحول نیازی به خودکار شدن هر دستگاه ندارد. بلکه نیازمند این است که هر اندازهگیری مهم به افرادی و سیستمهایی برسد که قادر به اقدام بر اساس آن هستند.
درباره نویسنده
دنیل مرسر | خبرنگار ارشد سیستمهای صنعتی
دنیل مرسر دارای ۱۳ سال تجربه در زمینه پوشش کنترل صنعتی، معماری دادههای کارخانه و برنامههای عملکرد دارایی است. سابقه او شامل یکپارچهسازی میدانی و تحلیل فنی مرتبط با پلتفرمهای کنترل راکول اتوماسیون، زیمنس، هانیول، بکهوف اتوماسیون و امرسون است. او بر رابطه عملی بین حسگرها، سیستمهای PLC، شبکههای صنعتی، استراتژی نگهداری و نرمافزارهای تولید تمرکز دارد.