Ipari kapcsolódás és DataOps: A gyártási adatok értékének felszabadítása

A gyártók nehezen férnek hozzá és használják az adatokat különböző gépek és protokollok között. A Kepware-hez hasonló kapcsolódási platformok és a HighByte-hoz hasonló DataOps megoldások kombinálás...

Amikor az adatok léteznek, de kihasználatlanok maradnak

A gyártósorok másodpercenként hatalmas mennyiségű adatot generálnak. Ennek nagy része azonban a vezérlőkben, érzékelőkben és régi berendezésekben reked. A mérnökök gyakran több időt töltenek az adatok kinyerésével, mint azok tényleges felhasználásával.

Ez a kihívás egy új megközelítést formált. Ahelyett, hogy egyetlen rendszerre kényszerítenénk mindent, a gyártók ma már összekapcsolhatósági szoftvereket és DataOps platformokat kombinálnak. Együtt alakítják át a töredezett jeleket használható működési intelligenciává.

Ipari adatfolyam-diagram, amely a nyers gépi jelek átalakulását mutatja használható betekintéssé

A nyers gépi jelek átalakítása strukturált és használható termelési intelligenciává.

Az adatkorlát lebontása

Miért nehéz hozzáférni a gépi adatokhoz

A legtöbb gyártósor több évtized berendezéseit ötvözi. Egy modern vezérlő mellett régi rendszerek működnek, amelyek teljesen eltérő protokollokat használnak. Minden eszköz a saját nyelvén kommunikál.

Ez a sokszínűség technikai szűk keresztmetszetet teremt. A mérnököknek több kommunikációs szabványt kell érteniük, csak hogy alapértékeket tudjanak kinyerni.

A nyers regiszterektől a jelentőségteljes információig

Még a kapcsolat létrejötte után is hiányzik az adatokból a kontextus. Egy regiszterérték önmagában nem magyarázza a teljesítményt, minőséget vagy hatékonyságot. A rendszereknek értelmezésre van szükségük, mielőtt az elemzés lehetségessé válik.

Struktúra nélkül az adatok nem támogathatják a műszerfalakat, jelentéskészítő eszközöket vagy mesterséges intelligencia alapú alkalmazásokat.

Két rendszer, két felelősség

Az összekapcsolhatósági platformok kezelik a gépi kommunikációt

Az összekapcsolhatósági szoftver a megbízható adatgyűjtésre fókuszál. A saját protokollokat szabványos formátumokká, például OPC UA vagy MQTT formátummá alakítja.

Ez a megközelítés megszünteti az egyedi kódolás szükségességét. A mérnökök előre elkészített illesztőprogramokkal csatlakozhatnak különböző PLC platformokhoz, beleértve a Siemens automatizálási rendszereket vagy az Allen-Bradley vezérlőket.

A DataOps platformok alakítják át a jeleket betekintéssé

Miután az adatok elérhetővé válnak, a DataOps platformok struktúrát és jelentést adnak hozzájuk. A nyers bemeneteket termelési mutatókká szervezik, mint például áteresztőképesség, állásidő és minőségi arányok.

Ez az átalakítás lehetővé teszi az üzleti rendszerek számára, hogy az ipari protokollok ismerete nélkül fogyasszák az adatokat.

Összehasonlító diagram az összekapcsolhatósági platform és a DataOps rendszer szerepéről az ipari adatarchitektúrában

Az összekapcsolhatósági és DataOps platformok megosztják a felelősségeket a hatékonyság és skálázhatóság javítása érdekében.

Az adatfolyam megtervezése

Szabványosítás a peremhálózaton

Az összekapcsolhatósági platformok egységes struktúrákba normalizálják az adatokat. Ez biztosítja, hogy a későbbi rendszerek egységes adatcsomagokat kapjanak a gép eredetétől függetlenül.

Ez megkönnyíti a SCADA, MES és felhőalapú elemző platformokkal való integrációt is.

Működési kontextus modellezése

A DataOps rendszerek működési kontextust alkalmaznak. A jeleket gépállapotokhoz, gyártósorokhoz és terméktípusokhoz rendelik.

Ez a lépés elszigetelt adatpontokat alakít át teljes működési történetté.

Peremfeldolgozás csökkenti a rendszerterhelést

Ahelyett, hogy a nyers adatokat a felhőbe küldenék, a DataOps platformok helyben dolgozzák fel az információkat. Kulcsfontosságú mutatókat számolnak ki még az átvitel előtt.

Ez csökkenti a sávszélesség használatát és javítja a döntéshozatal válaszidejét.

Ipari adatfolyam, amely elkülöníti az összekapcsolhatósági réteget az adatfeldolgozó rétegtől

Az adatgyűjtés és feldolgozás szétválasztása javítja a rendszer átláthatóságát és teljesítményét.

Valós alkalmazás egy gyártósoron

Vegyünk például egy csomagolósort, amely több gépből áll. Minden egység saját adatfolyamot generál különböző protokollok használatával.

Az összekapcsolhatósági platform összegyűjti és szabványosítja ezeket a jeleket. A DataOps platform pedig egyetlen termelési modellbe egyesíti őket.

A kezelők világos kimeneteket kapnak, mint például a termelési darabszám, selejtarány és gépteljesítmény. Nincs szükség kézi értelmezésre.

Munkafolyamat-diagram, amely az ipari adat átalakulását mutatja a gépszinttől az elemző rendszerekig

A strukturált munkafolyamatok zökkenőmentes adatáramlást tesznek lehetővé a gépektől az elemző platformokig.

Hol változtatja meg ez a megközelítés az ipart

A gyártórendszerek a valós idejű döntéshozatali modellek felé mozdulnak el. Az adatoknak gyorsabban kell mozogniuk és több jelentést kell hordozniuk.

Az összekapcsolhatóság és az adatmodellezés szétválasztása lehetővé teszi, hogy minden réteg önállóan fejlődjön. Ez a rugalmasság támogatja a hosszú távú skálázhatóságot.

Emellett összhangban áll a peremfeldolgozás és a digitális átalakulási stratégiák trendjeivel.

Gyakorlati nézőpont a terepről

Mérnöki szempontból ez az architektúra egy régóta fennálló hatékonysági problémát old meg. A hagyományos projektek minden szinten nagyfokú testreszabást igényeltek.

A felelősségek megosztásával a csapatok csökkentik a fejlesztési időt és javítják a rendszer megbízhatóságát. Az eredmény egy tisztább és könnyebben karbantartható adat-infrastruktúra.

Véleményem szerint ez a modell lesz a modern üzemek szabványa. Tükrözi, hogyan kell az ipari rendszereknek működniük egy adatvezérelt környezetben.

Szerző: Michael Turner, ipari rendszerelemző. 12 év tapasztalat az automatizálási integráció és ipari szoftverarchitektúra területén. Korábbi projektjei között szerepelnek Siemens PLC telepítések és Schneider Electric SCADA rendszerintegráció.

Hozzászólás írása

Felhívjuk a figyelmedet, hogy a hozzászólásokat jóvá kell hagyni a közzétételük előtt.