A modern gyárak rendkívüli mennyiségű szenzoradatot állítanak elő. A fotoelektromos szenzorok érzékelik a termékeket, a jeladók követik a mozgást, a kamerák ellenőrzik a felületeket, a rezgésszenzorok pedig figyelik a forgó berendezéseket. A hőmérséklet-, nyomás-, távolság-, nyomaték-, sebesség-, pozíció- és akusztikai mérések folyamatosan áramlanak a termelési rendszereken keresztül.

Ennek ellenére sok létesítmény még mindig csak kis részét használja fel ennek az információnak. Egy szenzor állapotot vált, a programozható logikai vezérlő reagál, az eredeti mérés pedig eltűnik a következő gépi ciklusban. A jel elvégzi közvetlen vezérlési feladatát, szélesebb üzemeltetési értéke azonban kihasználatlan marad.

Ez a hiányosság a modern gyártás egyik legfontosabb lehetőségét jelenti. Az üzemek rendkívül hatékonyak lettek a jelek gyűjtésében, sokuk azonban továbbra is kevésbé eredményes e jelek karbantartási információvá, minőségi felismerésekké, folyamatfejlesztésekké és vezetői döntésekké alakításában.

A kihívás nem csupán több szenzor telepítése. Megbízható utat kell kialakítani a fizikai méréstől az üzemeltetési intézkedésig. Ez az út több technikai rétegen halad keresztül, többek között terepi eszközökön, gépvezérlésen, ipari hálózatokon, peremfeldolgozáson, adattároláson, analitikai szoftvereken és vállalati rendszereken.

1. ábra. A modern termelési rendszerek nagy mennyiségű üzemeltetési adatot állítanak elő, amelynek jelentős része azonban soha nem jut túl az alapvető gépvezérlésen.

E rétegek együttműködésének megértése segít a gyártóknak elkerülni az elszigetelt kísérleti projekteket és a széttagolt adatplatformokat. Emellett megelőz egy gyakori hibát is: minden elérhető mérés központi adatbázisba küldését anélkül, hogy előbb meghatároznák, miként támogatja az információ a termelést.

A gyakorlatias szenzoradat-stratégia a gépnél kezdődik, a hálózaton halad keresztül, és felhasználható üzemeltetési analitikával zárul. Minden réteg más célt szolgál. Mindegyiknek megvannak a saját időzítési követelményei, mérnöki korlátai és meghibásodási kockázatai.

A jel és az üzemeltetési információ közötti különbség

A szenzor jele csak akkor válik hasznos információvá, ha a rendszer kontextussal egészíti ki. A 68-as nyers érték önmagában keveset jelent mértékegység, időbélyeg, eszközazonosító, üzemállapot, mérési tartomány és folyamatreferencia nélkül.

Az érték jelenthet 68 Celsius-fokot, 68 millimétert, a motor 68 százalékos terhelését vagy 68 mikrométeres elmozdulást. Még ha a mértékegység ismert is, a mérés értelmezése nehéz maradhat annak ismerete nélkül, hogy a gép éppen mit végzett.

A kontextus különbözteti meg a folyamatanomáliát a normál működéstől. Gyorsítás közben a rezgés növekedése várható lehet. Állandó sebességnél ugyanez a növekedés kiegyensúlyozatlanságra, lazaságra, tengelybeállítási hibára, csapágyromlásra vagy külső mechanikai zavarra utalhat.

A termelési állapot szintén fontos. A tisztítás, a beállítás, a bemelegítés, az üresjárat és a teljes sebességű termelés során rögzített nyomás nem mindig értékelhető ugyanazon határérték alapján. Az üzemállapotot figyelmen kívül hagyó analitika gyakran téves riasztásokat generál.

Ezért a működési analitika többet igényel, mint a múltbeli trendek követése. A rendszernek össze kell kapcsolnia a méréseket a gép üzemmódjával, a termék receptúrájával, a gyártási rendeléssel, az anyagtétellel, a kezelői műveletekkel, a karbantartási előzményekkel és a környezeti feltételekkel.

A jeltől az információig vezető átmenet folyamatként szemlélhető. Az érzékelő először észlel egy fizikai állapotot. Ezután a vezérlő egy vezérlési rutinon belül értelmezi ezt az állapotot. A hálózat továbbítja az adatokat, egy peremhálózati eszköz rendszerezi azokat, egy analitikai platform pedig időbeli összefüggésben értékeli őket.

A végső szinten a mérésnek egy konkrét döntést kell támogatnia. Ez jelentheti egy gép leállítását, egy alapjel módosítását, ellenőrzés ütemezését, egy szerszám cseréjét, egy termék selejtezését vagy egy karbantartási időköz módosítását.

E döntési útvonal nélkül az adatgyűjtés költséges tárolási feladattá válhat. Ezért a sikeres projektek a technológiai beszerzések helyett működési kérdésekkel kezdődnek.

A gépszintű adatok továbbra is a legmagasabb időbeli prioritást élvezik

A gépszinten hat először az érzékelőadat a termelésre. Elsődleges feladata a determinisztikus működés biztosítása. A vezérlőrendszernek kiszámítható időközönként kell beolvasnia a bemeneteket, végrehajtania a logikát és frissítenie a kimeneteket.

Ezen a szinten az alapvető érzékelési termékek továbbra is nélkülözhetetlenek. A fotoelektromos érzékelők megerősítik a termék jelenlétét. Az induktív érzékelők fémtárgyakat észlelnek. A jeladók helyzet- és sebesség-visszacsatolást biztosítanak. A nyomástávadók a pneumatikus és hidraulikus rendszereket felügyelik. A kamerák alkatrészeket vizsgálnak, és irányítják a robotok mozgását.

Ezek az eszközök a fizikai eseményeket elektromos vagy digitális információvá alakítják, amelyet a gépek értelmezni tudnak. Közvetlen céljuk általában egyszerű: ellenőrizni egy feltételt, majd kiváltani a megfelelő választ.

Egy jeladó jelezheti, hogy a szállítószalag elérte a számára előírt pozíciót. A vezérlő ekkor leállítja a hajtást, vagy elindítja a következő lépést. Egy kamera felismerhet egy hibás csomagot, és több állomással később működésbe hozhatja a selejtezőmechanizmust.

Egy közelítésérzékelő megerősítheti, hogy egy munkahenger befejezte a löketét. Egy nyomáskapcsoló megakadályozhatja a gép működését, ha a tápnyomás a biztonságos küszöbérték alá esik. Egy biztonsági érzékelő megszüntetheti a mozgás nyomatékát, amikor a kezelő belép a védett területre.

Ezek a feladatok gyors és megbízható adatkezelést igényelnek. Nem várhatnak felhőplatformra vagy vállalati adatbázisra. A vezérlési reteszeléseknek, a mozgásszabályozási hurkoknak és a gépvédelmi funkcióknak helyben, az automatizálási rendszerben kell maradniuk.

Ez az elkülönítés kritikus fontosságú. Az elemzés támogathatja a vezérlést, de nem okozhat kiszámíthatatlan hálózati késedelmeket az időkritikus gépfunkciókban. A leggyorsabb védelmi és vezérlési döntéseknek a berendezés közelében kell megszületniük.

A gyártóknak ezért kerülniük kell, hogy minden érzékelőadatot azonos módon kezeljenek. Egyes adatok ezredmásodpercek alatt vezérlik a gépeket. Más adatok napokon vagy heteken át támogatják a karbantartási döntéseket. Az architektúrának tükröznie kell ezeket az eltérő időhorizontokat.

A gépszint határozza meg az adatminőséget is. A helytelen skálázás, az instabil vezetékezés, a rossz rögzítés, a nem megfelelő mintavételi gyakoriság és az eszközök következetlen konfigurációja minden magasabb szintű elemzési réteget szennyezni fog.

Egyetlen szoftverplatform sem képes teljes mértékben kompenzálni a megbízhatatlan terepi méréseket. Irányítópultok létrehozása előtt a mérnököknek meg kell erősíteniük, hogy az érzékelők kiválasztása, telepítése, kalibrálása és karbantartása megfelelő.

Az alapvető érzékelők gyakran több információt tartalmaznak, mint amennyit a PLC felhasznál

A hagyományos vezérlőprogramok gyakran egyetlen logikai feltételre redukálják az érzékelőt. Az eszköz így vagy be-, vagy kikapcsolt; vagy jelen van, vagy nincs jelen; vagy megfelelő, vagy hibás.

Ez a megközelítés számos gépszekvenciánál megfelelő, de további információkat rejthet el. A távolságérzékelő folyamatos mérést adhat, miközben a PLC csak egy kapcsolási küszöbértéket használ. Az intelligens fotoelektromos érzékelő jelezheti a jelerősséget, a szennyezettségi szintet, az üzemi hőmérsékletet és a diagnosztikai állapotot.

Az enkóder a vezérléshez pozícióadatot szolgáltathat, miközben sebességingadozást, gyorsulást, irányt és szinkronizációs adatokat is előállít. A képfeldolgozó rendszer kiadhat megfelelt vagy nem felelt meg eredményt, miközben megőrzi a méretekre, kontrasztra, tájolásra, kódminőségre vagy a hiba helyére vonatkozó méréseket.

A fel nem használt információ fokozatos folyamatváltozásokat tárhat fel. A csökkenő optikai jelerősség a lencse szennyeződésére utalhat. A működtető növekvő mozgási ideje légszivárgást, súrlódást vagy mechanikai megszorulást jelezhet. Az ismételt mozgatás közben növekvő motoráram terhelésváltozásra vagy alkatrészkopásra utalhat.

Ezek a mintázatok ritkán váltanak ki azonnali hibát. Ugyanakkor korai jeleit adhatják a romlásnak. A kulcs az, hogy a mérést megőrizzük, mielőtt a vezérlőprogram egy egyszerű állapotbitté tömöríti.

A gépgyártók újrafelhasználható adatstruktúrák tervezésével támogathatják ezt a célt. Minden fontos eszközhöz definiálni kell a működési állapotot, a parancsot, a visszajelzést, a ciklusszámot, a riasztási állapotot, a folyamatértéket, a diagnosztikai állapotot és az adatminőséget jelző tageket.

Az egységes elnevezés szintén fontos. Az adatok nehezen hasonlíthatók össze, ha az egyik sor a „Motor_Spd”, a másik a „DriveSpeed”, a harmadik pedig a „ConveyorRPM” nevet használja ugyanarra a fogalomra.

A szabványosított eszközmodell csökkenti az integrációs munkát. Emellett segít a karbantartási, üzemeltetési és elemzési csapatoknak az adatok értelmezésében anélkül, hogy minden PLC-programot vissza kellene fejteniük.

A képalkotási és enkóderadatok túlmutathatnak a közvetlen vezérlésen

Az ipari kamerák és a jeladók különösen jól szemléltetik a vezérlési adatok és az analitikai adatok közötti különbséget. Mindkét eszköz támogatja a gép azonnali funkcióit, ugyanakkor mindkettő értékes korábbi bizonyítékokat is szolgáltathat.

Egy 2D-s vagy 3D-s kamera geometriát, színt, kontrasztot, felületi állapotot, orientációt és kódinformációkat rögzíthet. A vezérlőrendszernek lehet, hogy csak egy megfelelt vagy nem felelt meg eredményre van szüksége. A minőségmérnököknek ennél jóval több információra lehet szükségük.

A korábbi vizsgálati adatok megmutathatják, hogy a hibaarányok változnak-e műszakonként, beszállítói tételenként, szerszámfészkenként, gyártási sebességenként vagy környezeti feltételek szerint. A hibás termékek képei támogathatják a gyökérok-elemzést, és segíthetnek a felismerési algoritmusok továbbfejlesztésében.

Ahelyett, hogy korlátlan ideig minden nagy felbontású képet rögzítenének, az üzemek kiválasztott bizonyítékokat tárolhatnak. Ilyenek például az elutasított képek, a tűréshatárokhoz közeli képek, az időszakos referenciafelvételek vagy a kiszámított vizsgálati jellemzők.

A jeladók hasonló lehetőségeket kínálnak. Elsődleges céljuk a pontos pozíció- és sebesség-visszacsatolás. A korábbi mozgásadatok azonban feltárhatják a kialakuló mechanikai problémákat.

A pozícióhiba ismétlődő változásai szíjnyúlásra, tengelykapcsoló-elmozdulásra, holtjátékra vagy terhelésváltozásra utalhatnak. A növekvő beállási idő súrlódásra vagy a szervohangolás romlására utalhat. A rövid sebességingadozások időszakos termékérintkezésre vagy mechanikai interferenciára utalhatnak.

2. ábra. A gépérzékelők azonnali vezérlést tehetnek lehetővé, miközben a terhelés, a pontosság, a kopás és a folyamatstabilitás változásait is feltárják.

Ezekhez az analitikai felhasználási módokhoz megfelelő mintavételi és adatmegőrzési stratégiákra van szükség. Az óránként rögzített egyetlen átlagérték nem tár fel egy rövid mozgási zavart. Ha minden mikroszekundumban rögzítünk adatot korlátlan ideig, az szükségtelen tárolási és hálózati terhelést okoz.

A megfelelő mintavételi gyakoriság a fizikai eseménytől függ. A lassú hőmérséklet-eltolódáshoz elegendő lehet néhány másodpercenként egy minta. A mozgás elemzéséhez sokkal gyorsabb adatgyűjtésre lehet szükség. A rezgésfigyelés hullámforma-adatokat és frekvenciatartománybeli feldolgozást igényelhet.

A mérnöki csapatoknak a meghibásodási módok és a folyamat viselkedése alapján kell kiválasztaniuk a mintavételi gyakoriságot. A több minta nem eredményez automatikusan jobb betekintést.

A reaktív bemenetek állapotjelzőkké alakítása

A gépszintű analitika gyakran azzal kezdődik, hogy a vezérlőrendszerben már rendelkezésre álló adatokból állapotjelzőket hozunk létre. Ezek a jelzők összefoglalják a működést anélkül, hogy felváltanák az eredeti vezérlési funkciót.

Vegyünk egy pneumatikus hengert. A PLC már rögzíti, mikor aktiválódik a kimeneti mágnesszelep, és mikor vált állapotot a véghelyzet-érzékelő. A két időbélyeg közötti különbség adja a löket időtartamát.

A löket időtartamának több ezer cikluson át történő nyomon követése feltárhatja a fokozatos leromlást. A hosszabb kitolási idő alacsony nyomásra, áramlási korlátozásra, tömítéskopásra, szennyeződésre, beállítási hibára vagy növekvő mechanikai ellenállásra utalhat.

Ugyanez a módszer alkalmazható kontaktorokra, szelepekre, indexelőasztalokra, szorítókra, ajtókra, emelőkre és átrakómechanizmusokra is. Számos gépalkatrésznek mérhető válaszideje van.

A ciklusról ciklusra változó értékek szintén informatívak lehetnek. Az átlagos löketidő elfogadható maradhat, miközben a változékonysága növekszik. A növekvő változékonyság instabil levegőellátásra, egyenetlen terhelésre vagy időszakos mechanikai súrlódásra utalhat.

A motor- és hajtásadatok egy másik könnyen hozzáférhető forrást jelentenek. Az áram, a nyomaték, a fordulatszámhiba, a hőterhelés, az üzemórák, az indítások és a hibatörténet már eleve létezhetnek a hajtásban.

A mérnökök ahelyett, hogy azonnal további érzékelőt telepítenének, először megvizsgálhatják a hajtáshálózaton keresztül elérhető diagnosztikai adatokat. Az állandó gépművelet közben növekvő nyomatékigény kopásra vagy a termék megnövekedett ellenállására utalhat.

A kikövetkeztetett jelzőszámokat azonban körültekintően kell értelmezni. A motoráram önmagában nem azonosít konkrét mechanikai hibát. A terhelés változását jelzi. A karbantartó személyzetnek továbbra is szüksége van folyamatismeretre és alátámasztó bizonyítékokra.

A jó analitika szűkíti a vizsgálat körét. Nem tesz úgy, mintha egyetlen jel minden meghibásodást megmagyarázna.

Az élfeldolgozás megakadályozza, hogy a hálózat adatlerakattá váljon

Ahogy a gépek egyre gazdagabb adatokat állítanak elő, az élfeldolgozás egyre értékesebbé válik. Egy éleszköz a forrás közelében dolgozza fel az információkat, mielőtt a kiválasztott eredményeket továbbítaná a magasabb szintű rendszerekhez.

Ez az elrendezés csökkenti a sávszélességigényt, javítja a válaszidőt, és korlátozza a szükségtelen tárolást. Emellett lehetővé teszi a helyi analitika folytatását akkor is, ha a vállalati kapcsolat nem elérhető.

Az élfeldolgozás szűrést, összesítést, normalizálást, tömörítést, eseményérzékelést, protokollátalakítást és helyi megjelenítést végezhet. Kiszámíthat átlagokat, szórásokat, változási sebességeket, ciklusidőket, egységenkénti energiafelhasználást vagy állapotjelzőket.

Rezgésfigyelés esetén egy élfeldolgozó a nagy sebességű hullámforma-adatokat összesített rezgésszintté, csúcsértékekké, frekvenciasávokká és diagnosztikai jellemzőkké alakíthatja. A géphálózatot csak a jelentős eseményeknek vagy az összesített trendeknek kell elhagyniuk.

Egy gépi látási alkalmazás esetében az élen működő réteg tárolhatja az elutasított képeket, miközben a hibatípusokat és a mért értékeket továbbítja. Egy enkódernél kiszámíthatja a pozícióeltérést és a ciklusok ismételhetőségét ahelyett, hogy minden impulzust továbbítana.

Ez a megközelítés azonnali értéket képviselő helyen elérhetővé tartja a nyers adatokat, miközben az értelmezhető jellemzőket más rendszerekhez továbbítja.

Az élen végzett logikának átláthatónak és karbantarthatónak kell maradnia. A nem dokumentált átjáróban elrejtett számítások hosszú távú támogatási problémákat okozhatnak. A mérnököknek minden származtatott értékhez egyértelmű definícióra van szükségük, beleértve a mértékegységeket, a frissítési gyakoriságot, a korlátokat és a visszaállítási feltételeket.

A peremhálózati rétegnek az érvénytelen adatokat is kezelnie kell. A leválasztott érzékelő, az elavult érték, a kommunikációs időtúllépés vagy a mérési tartományon kívüli érték nem jelenhet meg érvényes nullaként.

Az adatminőségi jelzők segítenek a további feldolgozást végző alkalmazásoknak megkülönböztetni a tényleges folyamatállapotokat a műszerhibáktól. E jelzők nélkül az analitika sérült adatokból tanulhat, és félrevezető következtetésekre juthat.

A hálózati réteg összekapcsolja az eszközöket, de nem birtokolja a folyamatot

A kapcsolati réteg információt továbbít az érzékelők, vezérlők, peremhálózati eszközök, felügyeleti rendszerek, historizáló rendszerek és vállalati alkalmazások között. Feladata túlmutat a csomagok továbbításán. Meg kell őriznie az időzítést, az identitást, a minőséget és a biztonságot.

A modern üzemekben ritkán használnak egyetlen kommunikációs szabványt. Egyetlen létesítményben együtt lehet jelen a diszkrét vezetékezés, az analóg jelek, az IO-Link, az Ethernet-alapú ipari protokollok, a soros hálózatok, a fieldbus-rendszerek, a vezeték nélküli eszközök és a gyártóspecifikus interfészek.

Ez a heterogenitás több évtizednyi berendezésberuházás eredménye. Az új analitikai projekteknek általában a modern eszközöket örökölt gépekkel kell összekapcsolniuk, nem pedig egy teljes üzemi architektúrát lecserélniük.

A Sensor Integration Gateway és a Sensor Integration Machine eszközök ennek a kihívásnak egy részét kezelik. Egy átjáró több érzékelőből gyűjthet információkat, majd egy magasabb szintű ipari protokollon keresztül elérhetővé teheti azokat.

Egy IO-Link master például lehetővé teszi, hogy a kompatibilis érzékelők szabványosított pont-pont kapcsolatokon keresztül folyamatértékeket, paramétereket, azonosítási adatokat és diagnosztikai információkat cseréljenek.

Ez a képesség egyszerűsíti az eszközcserét és a konfigurációt. Ahelyett, hogy minden csereérzékelőt manuálisan állítanának be, a vezérlőrendszer vagy a master visszaállíthatja a meghatározott paramétereket.

A Sensor Integration Machine eszközök helyi számítási képességeket biztosítanak. Többféle érzékelőből gyűjthetnek adatokat, feldolgozhatják ezeket, majd egységes formátumban továbbíthatják az információkat szoftverplatformoknak vagy ipari alkalmazásoknak.

Ezek az eszközök aggregátorként, protokollhidakként és peremhálózati számítógépekként működnek. Értékük akkor növekszik, ha az integráció bonyolultságának csökkentésével segítenek, nem pedig egy újabb elszigetelt adatszigetet hoznak létre.

Az ezt a réteget bővítő üzemek áttekinthetik a megfelelő ipari kommunikációs és hálózati komponenseket, amikor átjárókat, távoli eszközöket, vezérlőket és felügyeleti rendszereket integrálnak különböző automatizálási platformokon.

Az IO-Link diagnosztikát biztosít a determinisztikus vezérlés lecserélése nélkül

Az IO-Link különösen hasznos ott, ahol az üzemek több diagnosztikai információt szeretnének kinyerni a hagyományos érzékelőkből és beavatkozókból. Megőrzi az egyszerű, pont-pont eszközkapcsolatot, miközben digitális kommunikációval egészíti ki azt.

A vezérlő a fő folyamatértéket az eszközazonosítóval és az állapotinformációkkal együtt fogadhatja. Az eszköztől függően az elérhető adatok közé tartozhat az üzemi hőmérséklet, a jelminőség, a szennyeződésre vonatkozó figyelmeztetés, a kapcsolási ciklusok száma, a konfigurációs értékek és a diagnosztikai események.

Ez a kiegészítő információ támogatja a karbantartást és felgyorsítja a hibaelhárítást. A technikus gyorsabban meg tudja különböztetni az eltömődött optikai utat a meghibásodott eszköztől vagy vezetékezési problémától.

Az eszközazonosítás a csere során elkövetett hibákat is csökkenti. A karbantartó személyzet ellenőrizheti, hogy a beszerelt modell megfelel-e az előírt konfigurációnak.

Az IO-Link azonban önmagában nem hoz létre hasznos elemzéseket. Az üzemeknek továbbra is strukturált címkékre, tárolási szabályzatokra, riasztási prioritásokra és karbantartási munkafolyamatokra van szükségük.

Ha minden elérhető diagnosztikai bájtot összegyűjtünk anélkül, hogy meghatároznánk a célját, az túlterhelheti a mérnöki csapatokat. A projektnek meg kell határoznia, mely állapotok jeleznek romlást, melyek igényelnek azonnali beavatkozást, és melyek szolgálnak kizárólag hibaelhárítási célokat.

A gyakorlati megvalósítás néhány nagy értékű eszközzel kezdődhet. A szennyeződésnek, gyakori beállításnak, mechanikai sérülésnek vagy nehéz hozzáférésnek kitett érzékelők gyakran a legerősebb kezdeti indokot jelentik.

A mérnökök ezután összevethetik a diagnosztikai figyelmeztetéseket a tényleges karbantartási megállapításokkal. Ez az ellenőrzés határozza meg, hogy az információ hasznos eseményeket jelez-e előre, vagy csupán zajt ad hozzá.

Az adatok normalizálása fontosabb a protokollátalakításnál

Az eszközök közös protokollon keresztüli csatlakoztatása nem garantálja, hogy adataik összehasonlíthatók. Két érzékelő sikeresen kommunikálhat egymással, miközben eltérő mértékegységeket, skálákat, elnevezési konvenciókat, állapotkódokat és frissítési gyakoriságokat használ.

Az egyik hőmérsékletmérő eszköz lebegőpontos értékként adhatja meg a Celsius-fokban mért hőmérsékletet. Egy másik tizeddel osztandó egész számot küldhet. Egy harmadik pedig Fahrenheitben szolgáltathat adatot, hacsak manuálisan át nem konfigurálják.

A normalizálás ezeket az eltéréseket egységes mérnöki reprezentációkká alakítja. Emellett közös definíciókat hoz létre az eszközállapotra, a riasztások súlyosságára, az adatminőségre és a mérési forrásra vonatkozóan.

Az eszközazonosság különös figyelmet igényel. Az adatbázisnak meg kell különböztetnie egymástól a fizikai érzékelőt, annak telepítési helyét, az általa felügyelt berendezést és azt a gyártási folyamatot, amelyet a berendezés támogat.

Előfordulhat, hogy egy érzékelőt kicserélnek, miközben a mérési hely változatlan marad. A korábbi adatokat a csere előttiekkel és azutániakkal együtt kell elemezni, a karbantartási nyilvántartásoknak azonban továbbra is azonosítaniuk kell az eredeti és a cserekészüléket.

Az időszinkronizálás ugyanolyan fontos. Több vezérlő adatai nem értékelhetők pontosan, ha az óráik jelentősen eltérnek egymástól. A sorrendelemzés, az események rekonstrukciója és az ok-okozati vizsgálatok megbízható időbélyegektől függnek.

A létesítményeknek egységes időszinkronizációs stratégiát kell meghatározniuk. Azt is dokumentálniuk kell, hogy az időbélyegek az érzékelőtől, a vezérlőtől, az átjárótól, a szervertől vagy az adatbázistól származnak-e.

A hálózati késleltetések befolyásolhatják az események sorrendjét. Az a szerverre előbb beérkező érték nem feltétlenül a folyamatban is előbb következett be. A forrásból származó időbélyegek segítenek megőrizni a tényleges sorrendet.

3. ábra. A hálózati szintű adatok akkor válnak értékessé, amikor több eszköz összehangolt időzítást, kontextust, elnevezést és minőségi információkat oszt meg.

A hálózati kapacitásnak az adatfelhasználási esethez kell igazodnia

Az érzékelőadatok mennyisége gyorsan növekedhet. Néhány állapotbit minimális hálózati forgalmat generál. Több nagy felbontású kamera, rezgésjelalak és gyors mozgásmérés már teljesen eltérő követelményt támaszt.

Az üzemeknek a bevezetés előtt ki kell számítaniuk az adatmennyiséget. A számításnak ki kell terjednie a mintavételi gyakoriságra, az érték méretére, az eszközök számára, a protokoll többletterhelésére, a megőrzési időre, a redundanciára és a várható növekedésre.

Az adatokat sürgősség szerint is osztályozni kell. Egy vezérlési parancsnak más időzítési követelményei vannak, mint egy heti karbantartási trendnek. Szegmentálás nélküli keverésük egyaránt veszélyeztetheti a teljesítményt és a kiberbiztonságot.

Az ipari hálózat kialakítása külön zónákat foglalhat magában a gépvezérlés, a felügyeleti forgalom, a történeti adatgyűjtés, a mérnöki hozzáférés és a vállalati integráció számára.

A menedzselhető switchek, a szolgáltatásminőség-szabályozás, a redundancia és a forgalomfelügyelet javíthatják a megbízhatóságot. A technológia azonban nem helyettesíti a dokumentációt. A mérnököknek továbbra is pontos hálózati diagramokra, eszközleltárakra, portkiosztásokra, firmware-nyilvántartásokra és biztonsági mentésként használt konfigurációkra van szükségük.

Az üzemeknek a kommunikáció megszakadásakor követendő működést is meg kell határozniuk. Egy gép nem válhat veszélyessé azért, mert egy analitikai szerver nem érhető el.

A helyi vezérlésnek a gép kialakításának megfelelően továbbra is működnie kell. Az átjáróknak szükség esetén pufferelniük kell az adatokat, jelölniük kell a kommunikációs kieséseket, és újracsatlakozás után helyre kell állítaniuk a szinkronizációt.

A hiányzó adatoknak láthatónak kell maradniuk. A hiányok korábbi értékekkel való csendes kitöltése hamis trendeket eredményezhet. Az analitikai alkalmazásoknak meg kell különböztetniük a stabil folyamatot attól az időszaktól, amikor nem állt rendelkezésre érvényes mérés.

A kiberbiztonság a szükségtelen kapcsolatok korlátozásával kezdődik

Minden új adatútvonal potenciális üzemeltetési és kiberbiztonsági következményekkel jár. Egy érzékelőhálózat vállalati szoftverhez csatlakoztatása olyan eszközöket is hozzáférhetővé tehet, amelyek korábban elszigeteltek voltak.

A biztonságos architektúra hálózati szegmentálást, szabályozott interfészeket, hitelesített hozzáférést, minimális jogosultságokat és felügyelt kommunikációs útvonalakat alkalmaz.

Az analitikai platformoknak általában olvasási hozzáférésre van szükségük az adatok feldolgozásához. Nem kaphatnak automatikusan engedélyt a vezérlőlogika, az érzékelőparaméterek, a hajtásbeállítások vagy a biztonsági határértékek módosítására.

Az írási hozzáférést korlátozni és indokolni kell. Egy ajánlómotor javasolhatja egy alapjel módosítását, de egy jóváhagyott vezérlési rétegnek kell ellenőriznie és alkalmaznia a módosítást.

A távoli karbantartási hozzáférés hasonló szigorúságot igényel. Az ideiglenes hozzáférés, a többtényezős hitelesítés, a tevékenységek naplózása és a meghatározott jóváhagyási eljárások csökkentik a kockázatot.

Az eszközkezelés szintén fontos kérdés. Az intelligens szenzorok és átjárók firmware-t, webes felületeket, hitelesítő adatokat, tanúsítványokat és konfigurációs fájlokat tartalmazhatnak. Ezekhez az eszközökhöz nyilvántartásra és életciklus-kezelésre van szükség.

Az alapértelmezett jelszavak és a nem felügyelt firmware alááshatják egy egyébként jól megtervezett analitikai projektet. Az üzemeknek a peremhálózati eszközöket és az intelligens szenzorokat is be kell vonniuk az operatív technológiai biztonsági programjukba.

A biztonságot nem szabad a bevezetés után hozzáadni. A hálózati zónákat, az adatáramlásokat, a felhasználói szerepköröket, a biztonsági mentési módszereket és a helyreállítási eljárásokat már az architektúra kialakításakor meg kell határozni.

A vállalati réteg összekapcsolja a méréseket az üzleti eredményekkel

A vállalati analitikai réteg a szenzoradatokat több gépen, gyártósoron vagy telephelyen alkalmazza. Célja nem pusztán több irányítópult megjelenítése. Össze kell kapcsolnia a berendezések viselkedését a mérhető üzemeltetési eredményekkel.

Ilyen például az állásidő csökkentése, a kihozatal javítása, az energiafogyasztás mérséklése, az eszközök élettartamának növelése, a karbantartási munkaerőigény csökkentése, a hibaelhárítás felgyorsítása és a stabilabb gyártási ütem.

Ezen a szinten a szenzoradatok összekapcsolhatók a gyártásirányítási rendszerekkel, a számítógépes karbantartásirányítási rendszerekkel, a minőségügyi adatbázisokkal, a gyártási ütemtervekkel, a készletkezelő rendszerekkel és a vállalati erőforrás-tervezési platformokkal.

A további kontextus értékesebb kérdések feltevését teszi lehetővé. Ahelyett, hogy azt kérdeznék, túlmelegszik-e egy motor, a vállalat azt vizsgálhatja, hogy a hőmérséklet-emelkedések összefüggnek-e a terméktípussal, a gyártási sebességgel, a környezeti feltételekkel, a karbantartási előzményekkel vagy az energiafelhasználással.

Az elutasított termékek számbavétele helyett az elemzők azonosíthatják, hogy mely hibakategóriák fordulnak elő az anyagtétel, a géprecept, a szerszám állapota, a műszak vagy a beszállító szerint.

A vállalati analitika a hasonló eszközök összehasonlítását is támogatja. Egy üzem húsz hasonló szivattyút működtethet. Az egyik szivattyú hasonló üzemeltetési körülmények között több energiát fogyaszthat, erősebben vibrálhat, vagy gyakoribb karbantartást igényelhet.

Ez az összehasonlítás olyan problémákat is feltárhat, amelyeket a rögzített riasztási határértékek nem észlelnek. A szivattyú a riasztási küszöbérték alatt maradhat, miközben a hasonló berendezéseknél jelentősen rosszabbul teljesít.

Az összehasonlításhoz azonban normalizált adatokra és pontos üzemeltetési kontextusra van szükség. Az eszközöket nem szabad a fordulatszám, a terhelés, a technológiai folyadék, a munkaciklus és a környezeti feltételek figyelembevétele nélkül rangsorolni.

A prediktív karbantartás a meghatározott meghibásodási módokkal kezdődik

A prediktív karbantartás továbbra is a szenzoranalitika egyik leggyakoribb alkalmazása. Ugyanakkor ez az egyik leggyakrabban félreértett terület is.

A cél nem az, hogy minden meghibásodást tökéletes pontossággal előre jelezzünk. A gyakorlati cél az érdemi állapotromlás kellően korai felismerése a karbantartási döntések javítása érdekében.

Egy erős projekt meghatározott eszközzel és meghibásodási móddal kezdődik. A mérnököknek azonosítaniuk kell, hogyan hibásodik meg az alkatrész, milyen fizikai változások következnek be előtte, és mely mérések képesek ezeket a változásokat érzékelni.

Egy csapágy esetében hasznos információ lehet a rezgés, a hőmérséklet, a fordulatszám, a kenési állapot és a terhelés. Egy szűrőnél a differenciálnyomás adhatja a legegyértelműbb jelzést. Egy pneumatikus rendszer esetében a nyomáscsökkenés és a működtető elem mozgási ideje szivárgásra utalhat.

Egy elektromos csatlakozás esetében a terhelés alatti hőmérséklet-emelkedés a növekvő ellenállásra utalhat. Egy szivattyúnál szükség lehet a rezgés, a nyomás, az áramlás, a motoráram és a folyamatfeltételek együttes értékelésére.

A meghibásodási mód megértése után a csapat kiválaszthatja a megfelelő jellemzőket és határértékeket. A rendszer alkalmazhat rögzített küszöbértékeket, változási ütemeket, statisztikai eltérést, összehasonlítást hasonló eszközökkel, frekvenciaelemzést vagy gépi tanulási modelleket.

Az egyszerű módszerek gyakran erős eredményeket nyújtanak. Egy egyértelműen meghatározott trendhatár hasznosabb lehet, mint egy összetett modell, amelyet a karbantartó személyzet nem tud értelmezni.

A modelleknek a magyarázható döntéseket is támogatniuk kell. A karbantartási csapat nagyobb valószínűséggel cselekszik, ha a rendszer egy meghatározott frekvencián növekvő rezgést és a csapágy hőmérsékletének emelkedését azonosítja.

Egy 82-ről 74-re csökkenő általános állapotérték kevésbé hasznos diagnosztikai szempontból, hacsak nem láthatók a hozzájáruló tényezők.

A riasztáskezelés határozza meg, hogy az analitika kivívja-e a bizalmat

Egy analitikai rendszer gyorsan elveszíti hitelességét, ha túl sok riasztást generál. A karbantartási csapatok elkezdik figyelmen kívül hagyni az értesítéseket, amikor azok többsége nem igényel intézkedést.

Ezért minden riasztásnak meghatározott jelentéssel, prioritással, felelőssel, válaszlépéssel és eszkalációs útvonallal kell rendelkeznie. Az üzenetnek azonosítania kell az eszközt és az állapotot, meg kell adnia az alátámasztó bizonyítékokat, valamint az ajánlott ellenőrzést.

A riasztásoknak a folyamat állapotát is figyelembe kell venniük. Az alacsony áramlásra vonatkozó figyelmeztetés lényegtelen lehet, amikor a gép üresjáratban van. A magas rezgésszint egy rövid indítási átmenet során várható lehet.

A perzisztencia- és késleltetési logika csökkentheti a zavaró riasztások számát. A késleltetések azonban nem rejthetik el a gyorsan kialakuló meghibásodásokat. A megfelelő konfiguráció a folyamattól és a kockázattól függ.

Az üzemeknek nyomon kell követniük a riasztások teljesítményét. Hasznos mérőszám például a téves pozitív riasztások aránya, a kihagyott események aránya, a reakcióidő, a megerősített megállapítások, az elkerült állásidő és a létrehozott karbantartási intézkedések száma.

A technikusok visszajelzése alapvető fontosságú. Az ellenőrzés után a technikusnak rögzítenie kell, hogy a riasztás valódi állapotot azonosított-e, melyik alkatrész érintett, és milyen intézkedés történt.

A visszajelzés javítja a küszöbértékeket és a modelleket. Emellett értékes előzményeket hoz létre, amelyek összekapcsolják az érzékelők viselkedését a fizikai vizsgálatok eredményeivel.

Visszacsatolás nélkül az elemzés elszakad a karbantartás valóságától. A platform továbbra is ugyanazt a pontatlan következtetést ismételheti.

A minőségelemzés még a selejtarány növekedése előtt felismerheti a folyamat eltérését

Az érzékelőadatok elemzése nem korlátozódik a berendezések karbantartására. A termékminőséget befolyásoló változásokat is azonosíthat.

A hagyományos minőség-ellenőrzés gyakran a késztermék ellenőrzési eredményeire összpontosít. Egy termék vagy megfelel, vagy nem. Mire a selejtarány növekedni kezd, a háttérben zajló folyamat órák óta eltérhetett a megszokottól.

Az ellenőrzési adatok és a gépállapotok kombinálása korábbi figyelmeztetést tehet lehetővé. A méretek fokozatos eltolódása összefügghet a szerszámkopással, a gép hőmérsékletével, a nyomás változásával, az anyagtulajdonságokkal vagy a befogókészülék elmozdulásával.

A látórendszerek információt szolgáltathatnak a hiba helyéről, méretéről, irányultságáról és osztályáról. A folyamatérzékelők hőmérsékleti, nyomás-, sebesség-, erő- és pozícióadatokkal egészíthetik ki ezeket.

Az elemzések ezután meghatározhatják, mely változók változnak meg a hiba megjelenése előtt. A cél nem csupán a gyártás utáni selejt okának magyarázata, hanem a folyamat szabályozása még azelőtt, hogy a kimenet átlépné a specifikációs határértéket.

Egy csomagolósor például továbbra is elfogadható zárásokat készíthet, miközben a zárópofák hőmérséklet-eloszlása egyenetlenebbé válik. A hőmérséklet helyreállási idejének trendje a fűtőelem romlására vagy szennyeződésre utalhat.

A karbantartás még azelőtt ellenőrizheti a berendezést, hogy a tömítések meghibásodása növekedne. A beavatkozás a minőséget és a termelés rendelkezésre állását egyaránt védi.

A statisztikai folyamatszabályozás ezekben az alkalmazásokban is értékes marad. A szabályozási határértékek szokatlan ingadozást jelezhetnek akkor is, ha a mérések a termékspecifikációkon belül maradnak.

A specifikációs határértékek az elfogadható kimenetet határozzák meg. A statisztikai szabályozási határértékek azt jelzik, hogy a folyamat következetesen működik-e. A két fogalom összekeverése késleltetheti a korrekciós intézkedéseket.

Az energiadatai hasznosabbá válnak, ha a termeléshez viszonyítva normalizálják őket

Az energiafelügyelet az érzékelők és vezérlők adatainak egy másik gyakorlati felhasználási lehetőségét kínálja. A motorok, hajtások, fűtőberendezések, kompresszorok és közműrendszerek fogyasztási mintázatokat tárhatnak fel.

A teljes energiafogyasztás önmagában ritkán magyarázza meg a teljesítményt. Figyelembe kell venni a gyártási ütemet, a terméktípust, az üzemmódot, a környezeti feltételeket és a berendezés terhelését.

Egy gép egy lassú műszak alatt kevesebb energiát fogyaszthat, miközben az elkészült egységenkénti energiafelhasználása magasabb. Egy másik gép nagyobb teljes fogyasztást mutathat, mert lényegesen több terméket állít elő.

Hasznos mutatók többek között az egységenkénti kilowattóra-felhasználás, a ciklusonkénti sűrített levegő fogyasztása, a tételenkénti gőzfelhasználás és az egyes műveletek során mért csúcsteljesítmény.

A hajtások adatai megmutathatják, hogy a motorok jóval a várható terhelés alatt vagy ahhoz közel működnek-e. A nyomás- és áramlásmérések segíthetnek a sűrített levegő veszteségeinek lokalizálásában. A hőmérséklet- és üzemidőadatok jelezhetik, hogy a fűtőrendszerek hosszabb üresjáratok alatt is aktívak maradnak-e.

Az energiaelemzésnek üzemeltetési intézkedésekhez kell vezetnie. A lehetséges válaszok közé tartozik az üresjárati idő csökkentése, a szivárgások javítása, a nyomás beállítása, a nagy terhelésű berendezések működésének összehangolása, a gyorsulási profilok optimalizálása vagy a bemelegítési eljárások módosítása.

Az üzemeknek ellenőrizniük kell, hogy az energiatakarékos módosítások nem csökkentik-e a minőséget, a biztonságot vagy a berendezés élettartamát. Az alacsonyabb nyomásbeállítás takaríthat meg sűrített levegőt, de instabillá teheti a működtetőelem mozgását.

A legjobb fejlesztések egyensúlyt teremtenek az energiafelhasználás, az átbocsátás, a megbízhatóság és a termékkövetelmények között.

Egy szállítószalagos példa megmutatja, hogyan működik együtt több adatréteg

Vegyünk példaként egy csomagolóállomások között termékeket szállító szállítószalagot. Gépszinten egy fotoelektromos érzékelő észlel minden terméket. Egy jeladó követi a szalag mozgását, egy hajtás pedig szabályozza a sebességet.

A PLC ezeket a bemeneteket használja a termékek közötti távolság fenntartására és a későbbi berendezések összehangolására. Ennek az azonnali vezérlési funkciónak determinisztikusnak kell maradnia.

Ugyanezek a jelek az üzemeltetés elemzését is támogathatják. A termékek időbélyegei lehetővé teszik a tényleges átbocsátás kiszámítását. A jeladó adatai felfedik a sebességingadozást. A hajtás forgatónyomatéka jelzi a változó mechanikai terhelést.

Ha a forgatónyomaték fokozatosan nő, miközben az átbocsátás állandó marad, a szállítószalagban súrlódás alakulhat ki. Lehetséges ok a szalag elállítódása, a csapágykopás, a szennyeződés vagy a mechanikai érintkezés.

Ha a termékészlelési időközök szabálytalanná válnak, miközben a szalag sebessége stabil marad, a probléma a folyamat korábbi szakaszából eredhet. Ha a jeladási sebesség ingadozik, miközben a hajtásparancs állandó marad, a vizsgálat a mechanikai terhelésre vagy a hajtás teljesítményére összpontosíthat.

Az élhálózati eszköz kiszámíthatja az átbocsátást, a távolság változását, az átlagos forgatónyomatékot és a rendellenes eseményeket. A hálózat ezeket a mutatókat egy historizáló vagy elemzési platformra továbbítja.

A vállalati rendszer műszakonként, termékformátumonként és gyártási rendelésenként összehasonlíthatja a teljesítményt. A karbantartási nyilvántartások megerősíthetik, hogy a növekvő forgatónyomaték megelőzte-e a korábbi szállítószalag-meghibásodásokat.

Az eredeti érzékelő továbbra is egyszerű észlelési feladatot végez. A szélesebb architektúra ezt az észlelést a teljesítményre, a megbízhatóságra és a folyamat összehangolására vonatkozó bizonyítékká alakítja.

A CNC-berendezések profitálnak a terhelési, mozgási és minőségi adatok kombinálásából

A CNC-megmunkálási folyamat összetettebb példát kínál. A vezérlőrendszer már kezeli az orsó fordulatszámát, az előtolási sebességet, a tengelypozíciót, a hűtőfolyadékot, a szerszámcseréket és a biztonsági reteszeléseket.

További mérések lehetnek például az orsóterhelés, a motoráram, a rezgés, az akusztikus emisszió, a hőmérséklet és a méretellenőrzés eredményei.

Az orsóterhelés jelezheti a forgácsolási körülményeket, értelmezéséhez azonban összefüggésekre van szükség. A nagyobb terhelés oka lehet keményebb anyagtétel, nagyobb fogásmélység, szerszámkopás, forgácsfelhalmozódás vagy helytelen technológiai paraméter.

A terhelés, a szerszám azonosítója, a programlépés, az anyag, az előtolási sebesség és a rezgés együttes vizsgálata tisztább képet ad.

A szerszám kialakulóban lévő hibája az orsóterhelés növekedésében, a nagyobb rezgésben, a hosszabb ciklusidőben és a méretek fokozatos eltolódásában jelentkezhet. Ezen mutatók egyike sem bizonyítja önmagában az okot.

Együtt célzott ellenőrzést indíthatnak, még mielőtt a szerszám eltörne vagy jelentős mennyiségű selejtet termelne.

A korábbi adatok összehasonlítása a szerszámcsere optimalizálását is segíti. A rögzített csereintervallumok használható szerszámokat selejtezhetnek ki, vagy túl sokáig üzemben hagyhatják a kopott szerszámokat.

Az állapotfüggő csere javíthatja a szerszámkihasználtságot, miközben védi a minőséget. A döntésnek továbbra is figyelembe kell vennie a mérnöki határértékeket és az ellenőrzési bizonyítékokat.

A kritikus megmunkálási műveleteknél a rendszer nagy felbontású adatokat őrizhet meg a rendellenes események környezetéből. A rutinszerű gyártás összesített mutatókat használhat a tárhelyigény szabályozására.

A csomagolósorok jól mutatják a termékkörnyezet jelentőségét

A csomagolóberendezések gyakran számos termékformátumot kezelnek ugyanazon a gyártósoron. Az érzékelők a jelenlétet, a pozíciót, a töltési szintet, a címkéket, a kupakokat, a zárásokat, a kódokat és a csomagolás méreteit figyelik.

A véletlenszerűnek tűnő riasztási arány érthetővé válhat, ha az adatokat formátum szerint különítjük el. Előfordulhat, hogy egy érzékelő az egyik csomagoláson megbízhatóan működik, de egy fényvisszaverő, átlátszó vagy szabálytalan termékkel nehézségei vannak.

Ezért a receptinformáció alapvető fontosságúvá válik. Az analitikai rendszernek ismernie kell, hogy melyik termék, csomagolás, sebesség és gépbeállítás volt aktív.

A selejtarány közvetlenül az átállás után tapasztalható emelkedése helytelen beállításra utalhat. A hosszú gyártási folyamat során fokozatosan növekvő arány szennyeződésre, hőmérséklet-eltolódásra vagy mechanikai kopásra utalhat.

A képfelvételek megmutathatják, hogy ugyanazon a helyen ismétlődik-e a hiba. A jeladó adatai meghatározhatják, hogy a selejtek egy adott géppozícióhoz vagy forgó alkatrészhez kapcsolódnak-e.

A karbantartási és gyártási csapatok ezen információk segítségével megkülönböztethetik a berendezés hibáit a beállítási problémáktól, az anyagváltozásoktól és az érzékelők korlátaitól.

Az elemzés az érzékelő kiválasztását is segítheti. Egy átlátszatlan kartondobozokon jól működő eszköz nem feltétlenül alkalmas átlátszó tartályokhoz.

Az analitika nem tudja kijavítani a nem megfelelő érzékelési elvet. Azt azonban bizonyíthatja, hogy a kiválasztott technológia nem felel meg az alkalmazásnak.

A forgó berendezésekhez a fizikának megfelelő mérések szükségesek

A forgó gépek jól szemléltetik, miért kell az érzékelők kiválasztásának a meghibásodások fizikáját követnie. A szivattyúknál, ventilátoroknál, kompresszoroknál, turbináknál és motoroknál kiegyensúlyozatlanság, tengelybeállítási hiba, meglazulás, csapágykárosodás, rezonancia, súrlódás és folyamatból eredő instabilitás alakulhat ki.

Az összesített rezgési értékek hasznos szűrést tesznek lehetővé, de egyes problémák feltárásához hullámforma- és frekvenciainformációra is szükség van. A fordulatszám-referenciaadatokra szintén szükség lehet ahhoz, hogy a rezgéskomponenseket a tengely forgásához lehessen kapcsolni.

A hőmérsékleti trendek támogathatják a diagnózist, bár a hőmérséklet gyakran később változik, mint a rezgés. A folyamatnyomás, az áramlás, a terhelés és az üzemi fordulatszám segít elkülöníteni a mechanikai hibákat a normál üzemi ingadozásoktól.

Egy szivattyú erősebben vibrálhat, ha az optimális folyamatüzemi tartományától távol működik. A csapágy cseréje nem szüntetné meg ezt az üzemállapotot.

Ezeknél a berendezéseknél az állapotfelügyeletnek a gépismeretet a folyamatadatokkal kell ötvöznie. Az architektúra tartalmazhat dedikált védelmi hardvert, állapotfelügyeleti rendszereket, PLC-információkat és vállalati karbantartási szoftvereket.

Az ezt a szélesebb architektúrát értékelő üzemeknek meg kell különböztetniük a gépvédelmet az analitikától. A védelmi rendszereknek gyorsan és megbízhatóan kell reagálniuk a veszélyes körülményekre. Az analitikai rendszerek a diagnosztikát, a tervezést és az optimalizálást támogatják.

A funkciók megoszthatják egymással az információkat, de a felelősségi köröket egyértelműen kell meghatározni.

A SICK termékportfóliójának helye az adatáramlásban

A SICK az érzékelőadat-architektúra több részén kínál eszközöket. Portfóliója fotoelektromos érzékelőket, azonosítóeszközöket, jeladókat, gépi látástechnikai termékeket, integrációs átjárókat, peremszámítógépeket és analitikai szoftvereket foglal magában.

Gépszinten a W10 fotoelektromos közelítésérzékelő a helyi konfigurációt rugalmas érzékelési funkciókkal kombinálja. Érintőképernyős kezelőfelülete egyszerűsítheti a beállítást ott, ahol az alkalmazási feltételek változnak, vagy többféle érzékelési viselkedésre van szükség.

A Lector85x termékcsalád támogatja a képalapú kódolvasási és azonosítási alkalmazásokat. Az ilyen rendszerek a dekódolt információk mellett olyan kép- és minőségi adatokat is szolgáltathatnak, amelyek hasznosak a logisztikai és gyártási elemzéshez.

Az AFS/AFM60 jeladók helyzet-visszacsatolást biztosítanak a mozgásvezérlési alkalmazásokhoz. Működési értékük túlmutathat a helyzeten, ha megőrzik a sebességviselkedésre, az irányra, a szinkronizációra és a diagnosztikára vonatkozó információkat.

A SIG200 a csatlakoztathatóság szintjén képes összekapcsolni az IO-Link-eszközöket szélesebb automatizálási hálózatokkal. Ez az elrendezés lehetővé teszi, hogy a folyamatértékek és a diagnosztikai adatok az egyes érzékelőkapcsolatokon túlra is eljussanak.

A SIM4x00 eszközök további feldolgozási kapacitást biztosítanak az érzékelők integrációjához. Információkat gyűjthetnek, helyi alkalmazásokat futtathatnak, és a feldolgozott eredményeket más rendszerekkel kommunikálhatják.

Szoftveres szinten a Field Analytics támogatja a gyártási adatok gyűjtését és megjelenítését. A Logistics Diagnostic Analytics az automatizált azonosítórendszerek teljesítményének és állapotának felügyeletére összpontosít.

Ezek a termékek szélesebb piaci irányt szemléltetnek. Az érzékelőgyártók egyre gyakrabban kínálnak többet a fizikai mérőeszközöknél. Ma már integrációs eszközöket, peremfeldolgozást, eszközkezelést és szoftverszolgáltatásokat is nyújtanak.

A gyártóknak továbbra is minden réteget önállóan kell értékelniük. A teljes körű portfólió nem szünteti meg a nyílt interfészek, a karbantartható architektúra, a kiberbiztonsági vezérlők és a meglévő rendszerekkel való integráció szükségességét.

4. ábra. A konfigurálható érzékelők a rutinszerű tárgyészlelést beállítási információkkal és diagnosztikával kombinálhatják a szélesebb körű üzemeltetési felhasználás érdekében.

A PLC- és PAC-architektúra továbbra is központi szerepet tölt be az érzékelőanalitikában

Az edge- és felhőtechnológiák iránti növekvő érdeklődés ellenére a PLC vagy PAC továbbra is központi szerepet tölt be a legtöbb gyári adatarchitektúrában. Alapvető információkat tartalmaz a gép állapotáról, a sorrendről, a riasztásokról, a receptúrákról, a parancsokról és a reteszelésekről.

A vezérlői környezet nélküli érzékelőértékeket gyakran nehéz értelmezni. A PLC tudja, hogy a gép indítás, működés, leállás vagy hiba állapotában van-e, illetve blokkolt, anyaghiányos vagy karbantartás alatt áll-e.

Ezért az analitikai integrációnak szabályozott módszert kell biztosítania a releváns vezérlőadatok közzétételére. A mérnököknek kerülniük kell az összes belső címkéhez való ellenőrizetlen hozzáférést.

A meghatározott interfész javítja a biztonságot és a karbantarthatóságot. Emellett megakadályozza, hogy az analitikai alkalmazások olyan ideiglenes programváltozóktól függjenek, amelyek a későbbi módosítások során megváltozhatnak.

Azok az üzemek, amelyek a gépadatokat felügyeleti vagy vállalati rendszerekbe továbbítják, megvizsgálhatják a kompatibilis PLC- és PAC-rendszereket az érzékelőadatok gyűjtését támogató vezérlési réteg karbantartásakor, bővítésekor vagy szabványosításakor.

A vezérlőprogram hasznos első szintű mutatókat is kiszámíthat. Ilyen például a ciklusidő, a blokkolt állapot időtartama, az anyaghiányos állapot időtartama, a hibák gyakorisága, a működtetőelem válaszideje, a gyártási darabszám és a selejtek száma.

Ezek a számítások nem terhelhetik túl a vezérlőt. A nagy sebességű jelfeldolgozás, a képelemzés és az összetett modellek dedikált hardverhez tartozhatnak.

Az architektúra akkor működik a legjobban, ha minden komponens az időzítésének, megbízhatóságának és karbantartási igényeinek megfelelő feladatot végzi.

A gyakorlati bevezetés egy értékes kérdéssel kezdődik

Egy érzékelő-analitikai programnak nem kell egy teljes gyárral kezdődnie. Elindulhat egyetlen olyan üzemeltetési kérdéssel, amelynek mérhető értéke van.

Ilyen például annak azonosítása, hogy miért áll le egy szállítószalag, szivárgás észlelése pneumatikus rendszerben, a téves selejtezések csökkentése, a szerszám élettartamának meghosszabbítása vagy a szűrőcsere előrejelzése.

Az első lépés a döntés meghatározása. A csapatnak azonosítania kell, ki fogja felhasználni az információt, és milyen intézkedést tehet.

A második lépés a szükséges adatok feltérképezése. A meglévő érzékelők, vezérlőcímkék, hajtásdiagnosztika, gyártási nyilvántartások és karbantartási előzmények már önmagukban is biztosíthatják a szükséges bizonyítékok jelentős részét.

A harmadik lépés a mérési minőség ellenőrzése. A mérnököknek meg kell vizsgálniuk az érzékelők telepítését, a skálázást, az időbélyegeket, a hiányzó értékeket és az üzemeltetési környezetet.

A negyedik lépés egy korlátozott adatfolyam létrehozása. Kezdetben csak a felhasználási célhoz szükséges méréseket kell gyűjteni.

Az ötödik lépés az alapállapot meghatározása. A rendszernek meg kell figyelnie a termékek, sebességek, műszakok és környezeti feltételek közötti normál ingadozást.

A hatodik lépés az észlelési logika meghatározása. Ez küszöbértékeket, statisztikai szabályokat, trendeket vagy egy egyszerű modellt foglalhat magában.

A hetedik lépés az eredmény integrálása egy karbantartási vagy termelési munkafolyamatba. Egy műszerfal önmagában ritkán változtatja meg a működést.

A nyolcadik lépés az üzleti hatás igazolása. A csapatnak össze kell hasonlítania az eredményt az állásidővel, a munkaerőköltséggel, a selejttel, az átbocsátással vagy a karbantartási költséggel.

Az érték igazolása után az architektúra további eszközökre is kiterjeszthető. Az újrafelhasználható elnevezések, sablonok és adatmodellek hatékonyabbá teszik a későbbi bevezetést.

A gyakori projektek azért vallanak kudarcot, mert a platformmal kezdődnek

Számos analitikai kezdeményezés azzal kezdődik, hogy a működési probléma meghatározása előtt kiválasztják a szoftvert. A csapatok telepítenek egy platformot, több ezer címkét csatlakoztatnak, majd hasznos alkalmazásokat keresnek.

Ez a megközelítés gyakran tetszetős műszerfalakat hoz létre tartós működési érték nélkül. A felhasználók rövid ideig megtekinthetik őket, de a kijelzők nem változtatják meg a döntéseket.

Egy másik gyakori hiba az adatminőség figyelmen kívül hagyása. A helytelen skálázás, az inkonzisztens időbélyegek, a hiányzó termelési állapotok és a nem dokumentált címkeváltozások érvényteleníthetik az elemzést.

A projektek akkor is kudarcot vallanak, ha kihagyják a karbantartási és üzemeltetési dolgozókat. Az adattudósok felismerhetnek statisztikai mintázatokat anélkül, hogy értenék a mögöttük álló gépi viselkedést.

Ezzel szemben a tapasztalt technikusok érthetik a meghibásodási mechanizmusokat, de nem férhetnek hozzá a korábbi adatokhoz. Az erős projektek mindkét nézőpontot ötvözik.

A túlzott összetettség újabb kockázatot jelent. Egy kifinomult modell folyamatos támogatást, újratanítást és szakértői értelmezést igényelhet. Egy egyszerűbb mutató alacsonyabb életciklusköltség mellett is biztosíthatja az érték nagy részét.

A pilotprojektekből tartósan elszigetelt rendszerek is kialakulhatnak. Egyetlen gépen maradnak, mert az architektúrát, az elnevezést, a biztonságot és a felelősségi köröket soha nem tervezték méretezhetőre.

A sikeres pilotprojekteknek mind a felhasználási esetet, mind a bevezetési módszert tesztelniük kell. A csapatnak meg kell tanulnia, hogyan konfigurálják az eszközöket, hogyan hozzák létre a címkéket, hogyan szabályozzák a hozzáférést, és hogyan tartják karban a modelleket.

Az adatok felelősségi körét meg kell határozni a mérnöki osztályok között

Az érzékelőadatok elemzése átlépi a hagyományos szervezeti határokat. A szabályozástechnikai mérnökök a géplogikát kezelik. Az informatikai csapatok a szervereket és a vállalati hálózatokat kezelik. A karbantartási csapatok a berendezések megbízhatóságáért felelnek. A termelési csapatok a kibocsátásért felelnek.

Egyértelmű felelősségi körök nélkül a problémák az osztályok között vándorolnak. Egy hiányzó értéket összehangolt kivizsgálás nélkül hálózati, vezérlő-, adatbázis- vagy érzékelőhibának tekinthetnek.

Az üzemeknek meg kell határozniuk a felelősségi köröket a terepi eszközök, a vezérlőinterfészek, az átjárók, a hálózati infrastruktúra, az adatbázisok, az analitikai alkalmazások, a kiberbiztonság és a felhasználói támogatás tekintetében.

A változáskezelési eljárásokat is ki kell alakítaniuk. Egy PLC-címke átnevezése vagy egy érzékelő cseréje hatással lehet a műszerfalakra és a modellekre.

Az adatdefiníciókat ellenőrzött dokumentációban kell rögzíteni. A mértékegységnek, a skálázásnak, a forrásnak, a frissítési gyakoriságnak, a minőségi állapotnak és a tervezett felhasználásnak a rendszer teljes életciklusa során elérhetőnek kell maradnia.

A felelősség az analitikai következtetésekre is vonatkozik. Egy modell nem generálhat automatikusan karbantartási munkát egy elfogadott felülvizsgálati folyamat nélkül.

A karbantartástervezőknek, a megbízhatósági mérnököknek és a termelési műszakvezetőknek eltérő részletességű információra lehet szükségük. Ugyanaz az állapot megjelenhet részletes diagnosztikai nézetként a mérnökök számára, a műszakvezetők pedig tömör cselekvési kérést láthatnak.

A teljesítménymutatóknak a döntéseket, nem az adatmennyiséget kell mérniük

A csatlakoztatott érzékelők száma nem megbízható sikermutató. Ugyanez igaz az adatbáziscímkék, a műszerfalak vagy a tárolt terabájtok számára is.

A jobb mutatók a működési eredményeket mérik. Ide tartozhat a nem tervezett állásidő csökkenése, a selejt mérséklődése, az elsőre megfelelő termékek arányának javulása, az alkatrészek hosszabb élettartama, a hibaelhárítási idő rövidülése vagy a sürgősségi karbantartási események számának csökkenése.

A prediktív karbantartás esetében az üzemek mérhetik, mennyi előrejelzési időt biztosít a rendszer, és hogy ez a figyelmeztetés megváltoztatja-e a karbantartási tervet.

A minőségi analitika esetében mérhető, hogy a folyamat eltérését a termék elutasítása előtt észlelik-e. Energiahatékonysági projektekben mérhető az elfogadható egységenkénti fogyasztás.

Az analitikai teljesítménynek a felhasználói elfogadást is magában kell foglalnia. Egy technikailag pontos rendszer korlátozott értéket képvisel, ha a kezelők és a technikusok nem bíznak benne vagy nem használják.

A megerősített megállapítások nyomon követése hatékony visszacsatolási hurkot biztosít. Minden riasztás kategorizálható pontosként, pontatlanként, nem egyértelműként vagy már nem relevánsként.

Ez a folyamat fokozatosan javítja az alkalmazást. A vezetőségnek abban is segít, hogy megkülönböztesse az ígéretes analitikai megoldásokat az újratervezést igénylő projektektől.

A mesterséges intelligencia akkor működik a legjobban, ha az adatbázis stabil

A mesterséges intelligencia összetett kapcsolatokat képes azonosítani nagy adathalmazokban. Támogathatja az anomáliadetektálást, a képosztályozást, az előrejelzést és a többváltozós folyamatoptimalizálást.

A mesterséges intelligencia azonban nem szünteti meg a megbízható mérések és a mérnöki kontextus iránti igényt. A gyenge minőségű adatok gyenge modelleket eredményeznek, még akkor is, ha az algoritmus kifinomult.

Az üzemeknek a fejlett modellek bevezetése előtt egységes eszközazonosítást, időbélyegeket, üzemállapotokat, mértékegységeket és minőségi mutatókat kell kialakítaniuk.

A tanítási adatoknak a tényleges üzemeltetési körülményeket kell reprezentálniuk. Egy kizárólag stabil termelés során betanított modell minden indítást rendellenesnek minősíthet.

A berendezések módosításai az adatok viselkedését is megváltoztathatják. Egy új motor, érzékelő, szerszám, recept vagy szabályozási stratégia szükségessé teheti a modell felülvizsgálatát.

A mesterségesintelligencia-alkalmazások életciklus-kezelést igényelnek. A csapatoknak figyelniük kell a modell teljesítményét, rögzíteniük kell a verziókat, felül kell vizsgálniuk az eltolódást, és meg kell határozniuk a tartalék működést.

Az emberi értelmezés továbbra is fontos. A mérnököknek érteniük kell, mely mérések befolyásolják a következtetést, és hogy az eredmény összhangban van-e a fizikai viselkedéssel.

A mesterséges intelligencia akkor nyújtja a legnagyobb értéket, amikor kiegészíti a tapasztalt szakemberek munkáját. Nagy adathalmazokat képes átvizsgálni és szokatlan mintázatokat azonosítani. A mérnökök és technikusok ezt követően összekapcsolják ezeket a mintázatokat a berendezésekre vonatkozó ismereteikkel.

A jövő gyára szelektív, kontextusba helyezett adatokat használ majd

A jövő gyárai még több adatot fognak előállítani, ahogy az érzékelés, a gépi látás, a beágyazott diagnosztika és a csatlakoztatott eszközök tovább bővülnek.

A versenyelőny nem abból származik majd, hogy mindent összegyűjtünk. Hanem abból, hogy kiválasztjuk a megfelelő információt, megőrizzük a kontextusát, és összekapcsoljuk a működési döntésekkel.

A gépszintű rendszerek továbbra is gyors és determinisztikus vezérlést biztosítanak. A peremeszközök nagy mennyiségű adatot dolgoznak fel a berendezések közelében. Az ipari hálózatok biztonságos interfészeken keresztül továbbítják a normalizált információkat.

A vállalati platformok a berendezések viselkedését a termelési, minőségi, energiafelhasználási és karbantartási nyilvántartásokkal kombinálják. Az elemzések olyan változásokat is azonosítanak majd, amelyeket az egyes rendszerek önmagukban nem képesek észlelni.

A leghatékonyabb architektúrák továbbra is rétegzettek lesznek. Kerülni fogják, hogy az időkritikus funkciókat olyan rendszerekbe helyezzék át, amelyek nem tudják garantálni a szükséges válaszidőt.

Az emberi felelősségvállalás is megmarad. A kezelők, technikusok, mérnökök és vezetők megértik majd, hogyan hatnak az elemzési javaslatok a folyamatra.

Az érzékelőadatok fizikai mérésként kezdődnek. Értékük növekszik, ahogy a rendszer kontextust, előzményeket és működési jelentést ad hozzájuk.

Egy fotoelektromos érzékelő továbbra is maradhat egyszerű jelenlétérzékelő. Ugyanakkor segíthet a teljesítmény mérésében, a szennyeződés azonosításában, a termékek közötti távolság elemzésében és a hibaelhárítási idő csökkentésében is.

Egy jeladó továbbra is maradhat pozícióérzékelő eszköz. Ugyanakkor feltárhatja az ismételhetőségi problémákat, a mechanikai kopást, a szinkronizálási hibákat és a gép terhelésének változásait is.

Egy kamera továbbra is maradhat megfelelt/nem felelt meg típusú ellenőrzőeszköz. Ugyanakkor megmutathatja a hibák mintázatait, az anyag ingadozását, a folyamat eltérését és a hulladék csökkentésének lehetőségeit is.

A különbséget az architektúra és a cél határozza meg. Amikor az üzemek a meghatározott működési igények köré szervezve összekapcsolják az érzékelést, a vezérlést, a hálózatépítést, a peremfeldolgozást és a vállalati elemzést, a nyers bemenetek gyakorlati intelligenciává válnak.

Ehhez az átalakuláshoz nem kell minden gépnek autonómmá válnia. Arra van szükség, hogy minden fontos mérés eljusson azokhoz az emberekhez és rendszerekhez, amelyek képesek cselekedni annak alapján.