Hogyan válik a gyári szenzoradatból hasznosítható intelligencia

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

Ennek ellenére sok létesítmény továbbra is csak ezen információ kis részét használja fel. Egy szenzor állapotot vált, a programozható logikai vezérlő reagál, az eredeti mérés pedig eltűnik a következő gépciklusban. A jel teljesíti 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 pusztán több szenzor telepítése. Megbízható utat kell kialakítani a fizikai méréstől az üzemeltetési intézkedésig. Ez az út több műszaki rétegen halad át, beleértve a terepi eszközöket, a gépvezérlést, az ipari hálózatokat, az élfeldolgozást, az adattárolást, az elemzőszoftvereket és a vállalati rendszereket.

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

E rétegek egymásra hatásának megértése segít a gyártóknak elkerülni az elszigetelt kísérleti projekteket és a széttöredezett adatplatformokat. Egy gyakori hibát is megelőz: minden elérhető mérés központi adatbázisba küldését anélkül, hogy először meghatároznák, miként támogatja majd az információ a termelést.

A gyakorlati szenzoradat-stratégia a gépnél kezdődik, a hálózaton halad keresztül, és használható üzemeltetési elemzésekkel zárul. Minden réteg más célt szolgál. Emellett 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, amikor a rendszer kontextussal egészíti ki. A 68-as nyers érték 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 mérnöki mértékegység ismert is, a mérés értelmezése nehéz maradhat annak ismerete nélkül, hogy mit végzett éppen a gép.

A kontextus megkülönbözteti a folyamat rendellenességét a normál működéstől. A gyorsítás közbeni rezgésnövekedés várható lehet. Ugyanez az állandó sebességnél tapasztalható növekedés kiegyensúlyozatlanságra, lazaságra, tengelyeltérésre, csapágyromlásra vagy külső mechanikai zavarra utalhat.

A termelési állapot is számít. A tisztítás, a beállítás, a bemelegítés, az üresjárat és a teljes ütemű gyártás során rögzített nyomás nem mindig értékelhető ugyanazon határérték alapján. A működési állapotot figyelmen kívül hagyó analitika gyakran téves riasztásokat generál.

Ezért a működési analitikához többre van szükség, mint a történeti trendek vizsgálatára. A rendszernek össze kell kapcsolnia a méréseket a gép üzemmódjával, a termék receptúrájával, a gyártási rendeléssel, az anyagtétellel, a kezelői művelettel, a karbantartási előzményekkel és a környezeti feltételekkel.

A jelből információvá válás folyamatként is értelmezhető. Az érzékelő először észlel egy fizikai állapotot. A vezérlő ezt az állapotot egy vezérlési rutin keretében értelmezi. A hálózat továbbítja az adatokat, az edge-eszköz rendszerezi azokat, az analitikai platform pedig időbeli összefüggéseikben értékeli őket.

A végső szakaszban a mérésnek egy konkrét döntést kell támogatnia. Ez a döntés vonatkozhat egy gép leállítására, egy alapjel beállítására, egy vizsgálat ütemezésére, egy szerszám cseréjére, egy termék selejtezésére vagy egy karbantartási időköz módosítására.

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

A gépszintű adatok időzítési prioritása továbbra is a legmagasabb

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 érzékelnek. 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, és kiváltani a megfelelő reakciót.

Egy jeladó jelezheti, hogy a szállítószalag elérte a vezérelt pozíciót. A vezérlő ekkor leállítja a hajtást, vagy továbblép a következő sorrendi lépésre. Egy kamera felismerhet egy hibás csomagot, és több állomással később működésbe hozhat egy 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 mozgatási nyomatékot, amikor a kezelő védett területre lép.

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 rendszeren belül kell maradniuk.

Ez az elkülönítés kritikus fontosságú. Az elemzés tanácsot adhat a vezérléshez, de nem vezethet be kiszámíthatatlan hálózati késleltetést az időkritikus gépfunkciókba. A leggyorsabb védelmi és vezérlési döntéseknek a berendezés közelében kell megszületniük.

A gyártóknak ezért kerülniük kell azt, 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 időtávokat.

A gépszint az adatminőséget is meghatározza. A helytelen skálázás, az instabil vezetékezés, a nem megfelelő rögzítés, az alkalmatlan mintavételi gyakoriság és az inkonzisztens eszközkonfiguráció minden magasabb szintű elemzési réteget szennyezni fog.

Egyetlen szoftverplatform sem képes teljes mértékben ellensúlyozni a megbízhatatlan terepi méréseket. Műszerfalak kialakítása 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 hiányzik; vagy megfelelő, vagy hibás.

Ez a megközelítés számos gépszekvencia esetén megfelelő, de további információkat rejthet el. Egy távolságérzékelő folyamatos mérést biztosíthat akkor is, ha a PLC csak egy kapcsolási küszöbértéket használ. Egy intelligens fotoelektromos érzékelő jelezheti a jelerősséget, a szennyezettségi szintet, az üzemi hőmérsékletet és a diagnosztikai állapotot.

Egy enkóder a vezérléshez pozícióadatot szolgáltathat, miközben sebességingadozást, gyorsulást, irányt és szinkronizációs adatokat is előállít. Egy kamerás rendszer átengedési vagy selejtezési eredményt adhat, miközben megőrzi a méretekre, kontrasztra, tájolásra, kódminőségre vagy a hiba helyére vonatkozó méréseket is.

A fel nem használt információk fokozatos folyamatváltozásokat tárhatnak fel. A csökkenő optikai jelerősség a lencse szennyeződésére utalhat. A működtető egyre hosszabb elmozdulási ideje légszivárgásra, súrlódásra vagy mechanikai megszorulásra utalhat. Az ismételt mozgás során növekvő motoráram terhelésváltozásra vagy alkatrészkopásra utalhat.

Ezek a mintázatok ritkán váltanak ki azonnali hibát. Ugyanakkor korai jeleket adhatnak a romlásról. A kulcs az, hogy a mérési adatot megőrizzük, mielőtt a vezérlőprogram egy egyszerű állapotbitté tömöríti.

A gépgyártók újrafelhasználható adatstruktúrák kialakításával támogathatják ezt a célt. Minden fontos eszközhöz meg kell határozni az üzemállapot, a parancs, a visszacsatolás, a ciklusszám, a riasztási állapot, a folyamatérték, a diagnosztikai állapot és az adatminőség tagjeit.

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

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- vagy 3D-kamera geometriát, színt, kontrasztot, felületi állapotot, orientációt és kódinformációkat rögzíthet. Az irányítórendszernek csak egy megfelelt vagy nem felelt eredményre lehet szüksége. A minőségmérnököknek ennél jóval több adatra 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 finomításában.

Ahelyett, hogy korlátlan ideig minden nagy felbontású képet rögzítenének, az üzemek kiválasztott bizonyítékokat tárolhatnak. Ilyenek például a selejtezett képek, a tűréshatárok közelében készült képek, az időszakos referenciafotók 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 pozícióhibában ismétlődően bekövetkező változások szíjnyúlásra, tengelykapcsoló-elmozdulásra, holtjátékra vagy terhelésváltozásra utalhatnak. A növekvő beállási idő súrlódásra vagy a szervohangolás romlására utalhat. A rövid sebességingadozások időszakos termékérintkezést vagy mechanikai interferenciát jelezhetnek.

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

Ezekhez az analitikai felhasználásokhoz megfelelő mintavételi és megőrzési stratégiákra van szükség. Óránként egy átlagérték rögzítése nem tár fel egy rövid mozgászavart. Ha minden mikroszekundumban korlátlan ideig rögzítünk adatokat, az szükségtelen tárolási és hálózati terhelést okoz.

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

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

A reaktív bemenetek állapotjelzőkké alakítása

A gépszintű analitika gyakran azzal kezdődik, hogy az irányítórendszerben 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 löketidőt.

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

Ugyanez a módszer alkalmazható kontaktorokra, szelepekre, indexelőasztalokra, befogókra, ajtókra, emelőkre és átrakómechanizmusokra. Számos gépalkatrésznek mérhető a reakcióideje.

A ciklusról ciklusra változás szintén informatív lehet. Az átlagos löketidő elfogadható maradhat, miközben annak változása növekszik. A növekvő változás instabil levegőellátásra, inkonzisztens terhelésre vagy időszakos mechanikai súrlódásra utalhat.

A motor- és hajtásadatok egy másik könnyen hozzáférhető forrást jelentenek. Az áram, a nyomaték, a sebességhiba, a hőterhelés, az üzemórák, az indítások és a hibamúlt már a hajtásban is rendelkezésre állhat.

A mérnökök egy további érzékelő azonnali felszerelése helyett először megvizsgálhatják a hajtáshálózaton keresztül elérhető diagnosztikai adatokat. Az állandó gépművelet közben növekvő nyomatékigény kopásra vagy a termék fokozott ellenállására utalhat.

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

A jó elemzés szűkíti a vizsgálatot. Nem tesz úgy, mintha egyetlen jel minden meghibásodást megmagyarázna.

Az élfeldolgozás megakadályozza, hogy a hálózat adatlerakóvá váljon

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

Ez az elrendezés csökkenti a sávszélesség-igényt, javítja a válaszidőt, és korlátozza a szükségtelen tárolást. Emellett lehetővé teszi, hogy a helyi elemzés akkor is folytatódjon, amikor a vállalati kapcsolat nem érhető el.

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

Rezgésmonitorozásnál egy élprocesszor 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 képfeldolgozó alkalmazás esetében az élréteg tárolhatja az elutasított képeket, miközben továbbítja a hibakategóriákat és a mérési eredményeket. Egy jeladó esetében kiszámíthatja a pozícióeltérést és a ciklusok ismételhetőségét ahelyett, hogy minden impulzust továbbítana.

Ez a megközelítés elérhetően tartja a nyers adatokat ott, ahol azonnali értéket képviselnek, miközben a hasznos jellemzőket más rendszerekhez továbbítja.

Az élvezérlés logikájának átláthatónak és karbantarthatónak kell maradnia. A nem dokumentált átjáróba rejtett 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 lecsatlakozott érzékelő, az elavult érték, a kommunikációs időtúllépés vagy a tartományon kívüli mérés nem jelenhet meg érvényes nullaként.

Az adatminőségi jelzők segítenek az alsóbb szintű alkalmazásoknak megkülönböztetni a tényleges folyamatállapotokat a műszerhibáktól. E jelzők nélkül az analitika sérült adatokból tanulhat, és félrevezető következtetéseket vonhat le.

A hálózati réteg összekapcsolja az eszközöket anélkül, hogy birtokolná a folyamatot

A kapcsolati réteg információt továbbít az érzékelők, vezérlők, peremeszközök, felügyeleti rendszerek, adatelőzmény-rendszerek és vállalati alkalmazások között. Célja túlmutat a csomagok továbbításán. Meg kell őriznie az időzítést, az identitást, az adatok minőségét és a biztonságot.

A modern üzemek ritkán használnak egyetlen kommunikációs szabványt. Egyetlen létesítményben is előfordulhat diszkrét vezetékezés, analóg jelek, IO-Link, Ethernet-alapú ipari protokollok, soros hálózatok, terepibusz-rendszerek, vezeték nélküli eszközök és gyártóspecifikus interfészek kombinációja.

Ez a heterogenitás több évtizednyi berendezésberuházást tükröz. Az új analitikai projekteknek általában modern eszközöket kell összekapcsolniuk régi gépekkel, nem pedig a teljes üzemi architektúrát lecserélniük.

A Sensor Integration Gateway és a Sensor Integration Machine eszközök a kihívás egy részére kínálnak megoldást. Egy átjáró több érzékelőből gyűjtheti össze az információkat, és elérhetővé teheti azokat egy magasabb szintű ipari protokollon keresztül.

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 leegyszerűsíti az eszközcserét és a konfigurálást. 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 érzékelőtípusból gyűjthetnek adatokat, feldolgozhatják az információkat, és egységes formátumban továbbíthatják azokat szoftverplatformoknak vagy ipari alkalmazásoknak.

Ezek az eszközök aggregátorként, protokollátjáróként és peremhálózati számítógépként működnek. Értékük akkor nő, ha az integráció összetettségét csökkentik, 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 nyerni a hagyományos érzékelőkből és működtetőelemekből. Megőrzi az egyszerű, pont-pont közötti eszközkapcsolatot, miközben digitális kommunikációval egészíti ki azt.

A vezérlő megkaphatja az elsődleges folyamatértéket az eszközazonosítóval és az állapotinformációkkal együtt. Az eszköztől függően az elérhető adatok közé tartozhat az üzemi hőmérséklet, a jelminőség, a szennyeződésre vonatkozó figyelmeztetések, a kapcsolási ciklusok, 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 a vezetékezési problémától.

Az eszközazonosítás a cserekor előforduló hibákat is csökkenti. A karbantartó személyzet ellenőrizheti, hogy a telepített modell megfelel-e az előírt konfigurációnak.

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

Ha minden elérhető diagnosztikai bájtot összegyűjtenek anélkül, hogy meghatároznák a célját, az túlterhelheti a mérnöki csapatokat. A projektnek meg kell határoznia, mely állapotok jeleznek romlást, melyek igényelnek azonnali beavatkozást, és melyek szolgálnak csupán 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 ezt követően összevethetik a diagnosztikai figyelmeztetéseket a tényleges karbantartási megállapításokkal. Ez az ellenőrzés meghatározza, hogy az információ hasznos eseményeket jelez-e előre, vagy csupán zajt okoz.

Az adatok normalizálása fontosabb a protokollátalakításnál

Az eszközök közös protokollon keresztüli csatlakoztatása nem garantálja, hogy adataik összehasonlíthatók lesznek. 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 tízes osztást igénylő egész számot továbbíthat. Egy harmadik Fahrenheitben szolgáltathat adatot, hacsak nem állítják be manuálisan.

A normalizálás ezeket a különbségeket egységes mérnöki reprezentációkká alakítja. Emellett közös definíciókat határoz meg 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, valamint azt a gyártási folyamatot, amelyet a berendezés támogat.

Előfordulhat, hogy egy érzékelőt kicserélnek, miközben a mérési hely változatlan marad. A történeti elemzésnek a csere után is folytatódnia kell, a karbantartási nyilvántartásoknak azonban továbbra is azonosítaniuk kell az eredeti és a cserekészüléket.

Az időbeli összehangolás ugyanilyen fontos. Több vezérlő adatai nem értékelhetők pontosan, ha az óráik jelentősen eltérnek egymástól. A sorrendelemzés, az események rekonstrukciója, valamint az ok-okozati vizsgálatok megbízható időbélyegektől függnek.

A létesítményeknek egységes időszinkronizálási 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. A szerverhez először beérkező érték nem feltétlenül a folyamatban elsőként történt eseményhez tartozik. A forrásból származó időbélyegek segítenek megőrizni a tényleges sorrendet.

3. ábra. A hálózati szintű adatok akkor válnak értékessé, amikor több eszköz összehangolt, következetes időzítést, kontextust, elnevezést és minőségi információkat használ.

A hálózati kapacitásnak az adatfelhasználási esetre kell épülnie

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

Az üzemeknek a bevezetés előtt ki kell számítaniuk az adatmennyiséget. A számításnak tartalmaznia kell a mintavételi sebességet, az érték méretét, az eszközök számát, a protokoll többletterhelését, a megőrzési időt, a redundanciát és a várható növekedést.

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

Az ipari hálózatok kialakítása külön zónákat foglalhat magában a gépvezérlés, a felügyeleti forgalom, a történetiadat-gyűjtés, a mérnöki hozzáférés és a vállalati integráció számára.

A menedzselhető kapcsolók, a szolgáltatásminőség-vezérlés, a redundancia és a forgalomfelügyelet javíthatják a megbízhatóságot. A technológia azonban nem helyettesíti a dokumentációt. A mérnököknek továbbra is pontos hálózati rajzokra, eszközleltárakra, portkiosztásokra, firmware-nyilvántartásokra és biztonsági mentési konfigurációkra van szükségük.

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

A helyi vezérlésnek a gép kialakításának megfelelően kell folytatódnia. Az átjáróknak szükség esetén pufferelniük kell az adatokat, meg kell jelölniük a kommunikációs kieséseket, majd a kapcsolat helyreállása után vissza kell állítaniuk a szinkronizációt.

A hiányzó adatoknak láthatónak kell maradniuk. A hiányok korábbi értékekkel való csendes kitöltése hamis trendeket eredményezhet. Az elemzési 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 való csatlakoztatása olyan eszközöket is elérhetővé tehet, amelyek korábban elszigeteltek voltak.

A biztonságos architektúra szegmentálást, szabályozott interfészeket, hitelesített hozzáférést, a legkisebb jogosultság elvét követő engedélyeket és felügyelt kommunikációs útvonalakat alkalmaz.

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

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

A távoli karbantartási hozzáférés hasonló fegyelmet igényel. Az ideiglenes hozzáférés, a többtényezős hitelesítés, a tevékenységnaplózás 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 leltározásra és életciklus-kezelésre van szükség.

Az alapértelmezett jelszavak és a nem kezelt 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 több gépen, gyártósoron vagy telephelyen alkalmazza a szenzoradatokat. Célja nem pusztán több irányítópult megjelenítése. Össze kell kapcsolnia a berendezések viselkedését a mérhető működési eredményekkel.

Ilyen például az állásidő csökkentése, a jobb kihozatal, az alacsonyabb energiafogyasztás, az eszközök hosszabb élettartama, a kisebb karbantartási munkaerőigény, a gyorsabb hibaelhárítás és a stabilabb gyártási ütem.

Ezen a szinten a szenzoradatok összekapcsolhatók a gyártás-végrehajtási rendszerekkel, a számítógépes karbantartás-menedzsment 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-emelkedés összefügg-e a terméktípussal, a gyártási sebességgel, a környezeti feltételekkel, a karbantartási előzményekkel vagy az energiafelhasználással.

Az elutasított termékek megszámolása helyett az elemzők azonosíthatják, hogy az egyes hibakategóriák milyen anyagtételhez, géprecepthez, szerszámállapothoz, műszakhoz vagy beszállítóhoz kapcsolódnak.

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 jelentősen rosszabbul teljesít, mint hasonló társai.

Az összehasonlításhoz azonban normalizált adatokra és pontos üzemeltetési környezetre van szükség. Az eszközöket nem szabad a sebesség, 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 az egyik leggyakoribb szenzoranalitikai alkalmazás. Egyben az egyik leggyakrabban félreértett terület is.

A cél nem az, hogy minden meghibásodást tökéletes pontossággal előre jelezzünk. A gyakorlatias cél a jelentős állapotromlás elég korai észlelése ahhoz, hogy javítsuk a karbantartási döntéseket.

Egy erős projekt meghatározott eszközzel és meghibásodási móddal kezdődik. A mérnököknek meg kell határozniuk, 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. Pneumatikus rendszerben a nyomásesés és a működtető elmozdulási ideje szivárgásra utalhat.

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

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

Az egyszerű módszerek gyakran erős eredményeket adnak. Egy egyértelműen meghatározott trendkorlát 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 adott frekvencián növekvő rezgést és a csapágy hőmérsékletének emelkedését azonosítja.

A 82-ről 74-re csökkenő általános állapotpontszám kevésbé hasznos diagnosztikai információt nyújt, hacsak nem láthatók a hozzájáruló tényezők.

A riasztáskezelés dönti el, hogy az analitika kivívja-e a bizalmat

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

Ezért minden riasztásnak rendelkeznie kell meghatározott jelentéssel, prioritással, felelőssel, válaszlépéssel és eszkalációs útvonallal. 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 nem feltétlenül releváns, amikor a gép üresjáratban van. A magas rezgésszint várható lehet egy rövid indítási átmenet során.

A fennállási és késleltetési logika csökkentheti a zavaró riasztásokat. 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 többek között a téves pozitív riasztások aránya, a kihagyott események aránya, a válaszidő, 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 problémát azonosított-e, melyik alkatrész érintett, és milyen intézkedés történt.

Ez 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 analitika elszakad a karbantartás valóságától. A platform továbbra is ugyanazt a pontatlan következtetést ismételheti.

A minőségi analitika még a selejtarány növekedése előtt felismerheti a folyamat sodródását

A szenzoradatok elemzése nem korlátozódik a berendezések karbantartására. Azonosíthat olyan változásokat is, amelyek hatással vannak a termékminőségre.

A hagyományos minőség-ellenőrzés gyakran a késztermék vizsgálati eredményeire összpontosít. Egy termék vagy megfelel, vagy nem. Mire a selejtarány növekedni kezd, a mögöttes folyamat órák óta sodródhatott.

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 befogóelem elmozdulásával.

A látórendszerek információt szolgáltathatnak a hibák helyéről, méretéről, irányultságáról és osztályozásáról. A folyamatérzékelők hőmérsékleti, nyomás-, sebesség-, erő- és pozícióadatokkal egészíthetik ki ezt az információt.

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

Egy csomagolósor például továbbra is elfogadható tömítéseket állíthat elő, miközben a hegesztőpofák hőmérséklet-eloszlása egyenlőtlenebbé válik. A hőmérséklet helyreállási idejének trendje a fűtőelem romlására vagy szennyeződésre utalhat.

A karbantartás még azelőtt megvizsgálhatja a berendezést, hogy a tömítések meghibásodása növekedni kezdene. A beavatkozás a minőséget és a termelés rendelkezésre állását egyaránt védi.

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

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

Az energiára vonatkozó adatok a termeléshez viszonyított normalizálással hasznosabbá válnak

Az energiafigyelés a szenzorokból és vezérlőkből származó adatok egy másik gyakorlati felhasználási lehetőségét kínálja. A motorok, hajtások, fűtőberendezések, kompresszorok és közművek feltárhatják a fogyasztási mintázatokat.

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 lassú műszakban kevesebb energiát fogyaszthat, mégis több energiát használhat fel késztermékenként. Egy másik gép magasabb teljes fogyasztást mutathat, mert jelentősen nagyobb kibocsátást produkál.

Hasznos mérőszám például az egységenkénti kilowattóra-felhasználás, a ciklusonkénti sűrített levegő fogyasztása, a gyártási tételenkénti gőzfelhasználás és a meghatározott műveletek során mért csúcsteljesítmény.

A meghajtási adatokból kiderülhet, hogy a motorok a várható terheléshez képest jóval kisebb terheléssel vagy annak közelében működnek-e. A nyomás- és áramlásmérések segíthetnek megtalálni a sűrített levegő veszteségét. A hőmérséklet- és üzemidőadatok megmutathatják, 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 ütemezése, a gyorsulási profilok optimalizálása vagy a bemelegítési eljárások módosítása.

Az üzemeknek ellenőrizniük kell, hogy az energiamegtakarítást célzó változtatások ne csökkentsék a minőséget, a biztonságot vagy a berendezés élettartamát. Az alacsonyabb nyomásbeállítás megtakaríthat sűrített levegőt, de instabil működtetőmozgást okozhat.

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

Egy szállítószalagos példa bemutatja, hogyan működik együtt több adatréteg

Tekintsünk egy szállítószalagot, amely termékeket szállít csomagolóállomások között. Gépészeti szinten egy fotoelektromos érzékelő érzékeli az egyes termékeket. Egy jeladó követi a szalag mozgását, egy hajtás pedig szabályozza a sebességet.

A PLC ezeket a bemeneteket használja a terméktávolság fenntartására és a folyamat utáni berendezések összehangolására. Ennek az azonnali vezérlési funkciónak determinisztikusnak kell maradnia.

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

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

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

Egy peremhálózati eszköz kiszámíthatja az átbocsátást, a távolságok változását, az átlagos nyomatékot és a rendellenes eseményeket. A hálózat ezeket a mutatókat egy historizáló rendszerbe vagy elemzési platformra továbbítja.

A vállalati rendszer összehasonlíthatja a teljesítményt műszak, termékformátum és gyártási rendelés szerint. A karbantartási nyilvántartások megerősíthetik, hogy a növekvő nyomaték megelőzte-e a korábbi szállítószalag-meghibásodásokat.

Az eredeti érzékelő továbbra is egyszerű érzékelési feladatot lát el. A tágabb architektúra ezt az érzékelést a teljesítményre, a megbízhatóságra és a folyamatok összehangolására vonatkozó bizonyítékká alakítja.

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

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

A további mérések közé tartozhat az orsóterhelés, a motoráram, a rezgés, az akusztikus emisszió, a hőmérséklet és a méretellenőrzés eredménye.

Az orsóterhelés jelezheti a forgácsolási körülményeket, de értelmezéséhez kontextus szükséges. A nagyobb terhelés oka lehet keményebb anyagtétel, nagyobb fogásmélység, szerszámkopás, forgácsfelhalmozódás vagy helytelen folyamatparaméter.

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

Egy kialakulóban lévő szerszámprobléma a növekvő orsóterhelésben, a nagyobb rezgésben, a hosszabb ciklusidőben és a méretek fokozatos eltolódásában jelentkezhet. E mutatók egyike sem bizonyítja önmagában az okot.

Ezek együtt célzott ellenőrzést indíthatnak el, mielőtt a szerszám eltörik vagy jelentős selejtet okoz.

A korábbi adatok összehasonlítása a szerszámcsere optimalizálásában is segít. 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 magában kell foglalnia a mérnöki határértékeket és az ellenőrzési bizonyítékokat.

A kritikus megmunkálási műveleteknél a rendszer rendellenes események környezetében nagy felbontású adatokat tarthat meg. A rutinszerű gyártás összesített mutatókat használhat a tárolási igény szabályozására.

A csomagolósorok megmutatják a termékkörnyezet fontosságát

A csomagolósorok gyakran számos termékformátumot kezelnek ugyanazon a soron. 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 a formátum szerinti adatszétválasztás után érthetővé válhat. Egy érzékelő az egyik csomagoláson megbízhatóan működhet, miközben egy fényvisszaverő, átlátszó vagy szabálytalan alakú termékkel nehézségei vannak.

Ezért a receptinformáció elengedhetetlenné válik. Az analitikának ismernie kell, hogy melyik termék, csomagolás, sebesség és gépbeállítás volt aktív.

Az átállás után közvetlenül növekvő selejtarány helytelen beállításra utalhat. A hosszú gyártási futás során fokozatosan növekvő arány szennyeződésre, hőmérséklet-eltolódásra vagy mechanikai kopásra utalhat.

A kameraképek megmutathatják, hogy ugyanaz a hibahely ismétlődik-e. A jeladó adatai meghatározhatják, hogy a selejtek egy adott géppozícióhoz vagy forgó alkatrészhez kapcsolódnak-e.

A karbantartási és gyártási csapatok ezt az információt felhasználhatják a berendezéshibák, a beállítási problémák, az anyagváltozások és az érzékelők korlátainak megkülönböztetésére.

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

Az analitika nem tudja kijavítani a nem megfelelő érzékelési elvet. Ugyanakkor bizonyítékot szolgáltathat arra, hogy a kiválasztott technológia nem felel meg az alkalmazásnak.

A forgóberendezésekhez a fizikának megfelelő mérések szükségesek

A forgógépek jól szemléltetik, miért kell az érzékelők kiválasztását a meghibásodások fizikájához igazítani. Szivattyúknál, ventilátoroknál, kompresszoroknál, turbináknál és motoroknál kiegyensúlyozatlanság, tengelybeállítási hiba, lazaság, csapágykárosodás, rezonancia, súrlódás és folyamathoz kapcsolódó instabilitás alakulhat ki.

Az összesített rezgési értékek hasznos szűrést tesznek lehetővé, de egyes problémákhoz hullámforma- és frekvenciainformációra van szükség. A fordulatszám-referenciaadatokra szintén szükség lehet a rezgéskomponensek tengelyforgással való összekapcsolásához.

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 üzemeltetési változásoktól.

Egy szivattyú azért is vibrálhat erősebben, mert a számára optimális folyamattartománytól távol üzemel. 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-adatokat 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 el kell különíteni.

Hol illeszkedik a SICK termékportfóliója az adatláncba?

A SICK az érzékelőadat-architektúra több területén is kínál eszközöket. Portfóliójába fotoelektromos érzékelők, azonosítóeszközök, jeladók, gépi látásra szolgáló termékek, integrációs átjárók, peremhálózati számítógépek és analitikai szoftverek tartoznak.

Gépszinten a W10 fotoelektromos közelségérzékelő a helyi konfigurációt rugalmas érzékelési funkciókkal kombinálja. Érintőképernyős interfésze egyszerűsítheti a beállítást olyan esetekben, amikor az alkalmazási feltételek változnak, vagy többféle érzékelési viselkedésre van szükség.

A Lector85x termékcsalád kép alapú kódolvasási és azonosítási alkalmazásokat támogat. Az ilyen rendszerek a dekódolt információ mellett olyan kép- és minőségi adatokat is biztosíthatnak, amelyek hasznosak a logisztikai és gyártási elemzéshez.

Az AFS/AFM60 jeladók pozíció-visszacsatolást biztosítanak mozgásvezérlési alkalmazásokhoz. Működési értékük túlmutathat a pozíció meghatározásán, ha a sebesség alakulását, az irányt, a szinkronizációt és a diagnosztikai információkat is megőrzik.

A kapcsolódási szinten a SIG200 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 továbbíthatják más rendszereknek.

Szoftveres szinten a Field Analytics támogatja a gyártási adatok begyűjtését és vizualizációját. A Logistics Diagnostic Analytics az automatikus azonosítási rendszerek teljesítményének és állapotának felügyeletére összpontosít.

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

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

4. ábra. A konfigurálható érzékelők a rutinszerű tárgyérzékelést a beállítási információkkal és a diagnosztikával is kombinálhatják, így szélesebb körben használhatók az üzemeltetésben.

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

Az edge- és felhőtechnológiák iránti növekvő érdeklődés ellenére a PLC vagy PAC továbbra is központi szerepet tölt be a legtöbb gyári adatarchitektúrában. A gépállapotra, a sorrendre, a riasztásokra, a receptekre, a parancsokra és a reteszelésekre vonatkozó alapvető információkat tárolja.

A vezérlői környezet nélküli érzékelőértékeket gyakran nehéz értelmezni. A PLC tudja, hogy a gép indítás alatt áll, működik, leáll, hibás állapotban van, blokkolt vagy anyaghiányos, illetve karbantartás alatt áll.

Ezért az analitikai integrációnak szabályozott módszert kell biztosítania a releváns vezérlőadatok elérhetővé tételére. 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 karbantartása, bővítése vagy szabványosítása során.

A vezérlőprogram hasznos első szintű mutatókat is számíthat. Ilyen például a ciklusidő, a blokkolt állapot időtartama, az anyaghiányos állapot időtartama, a hibák gyakorisága, a működtetőelem reakcióideje, a gyártási darabszám és a selejtes darabok száma.

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

Az architektúra akkor működik a legjobban, ha minden komponens a saját időzítési, megbízhatósági és karbantartási követelményeinek megfelelő feladatot látja el.

Egy gyakorlatias bevezetés egyetlen értékes kérdéssel kezdődik

Az érzékelő-analitikai programnak nem kell egy teljes gyárral kezdődnie. Kezdődhet egyetlen, mérhető értéket képviselő üzemeltetési kérdéssel.

Ilyen például annak meghatározása, hogy miért áll le egy szállítószalag, szivárgás észlelése egy 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 használni az információt, és milyen intézkedést tehet.

A második lépés a szükséges adatok feltérképezése. A meglévő érzékelők, vezérlőcímkék, hajtásdiagnosztikai adatok, gyártási nyilvántartások és karbantartási előzmények már az információk jelentős részét biztosíthatják.

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 esethez szükséges méréseket kell gyűjteni.

Az ötödik lépés egy alapállapot létrehozása. A rendszernek meg kell figyelnie a normál változékonyságot a termékek, sebességek, műszakok és környezeti feltételek között.

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 irányítópult önmagában ritkán változtatja meg a működést.

A nyolcadik lépés az üzleti hatás validálása. A csapatnak össze kell vetnie az eredményt az állásidővel, a munkaerőköltséggel, a selejttel, az áteresztőképességgel vagy a karbantartási költséggel.

Az érték bizonyítása 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 elemzési kezdeményezés a szoftver kiválasztásával kezdődik, még az üzemeltetési probléma meghatározása előtt. A csapatok telepítenek egy platformot, több ezer taget csatlakoztatnak, majd hasznos alkalmazásokat keresnek.

Ez a megközelítés gyakran tetszetős irányítópultokat 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 tagváltozások érvényteleníthetik az elemzést.

A projektek akkor is kudarcot vallanak, ha kizárják a karbantartási és üzemeltetési dolgozókat. Az adatelemzők 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 bizonyítékokhoz. 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 pilotprojektek tartósan elszigetelt rendszerekké is válhatnak. Egyetlen gépen maradnak, mert az architektúrát, az elnevezéseket, a biztonságot és a felelősségi köröket soha nem tervezték méretezhetőségre.

A sikeres pilotprojekteknek a felhasználási esetet és a bevezetés módját egyaránt tesztelniük kell. A csapatnak meg kell ismernie az eszközök konfigurálását, a tagek létrehozását, a hozzáférés szabályozását és a modellek karbantartását.

Az adatok felelősségi körét meg kell határozni a mérnöki részlegek között

Az érzékelőadatok elemzése átlépi a hagyományos szervezeti határokat. A vezérléstechnikai mérnökök a gép logikáját kezelik. Az informatikai csapatok a szervereket és a vállalati hálózatokat kezelik. A karbantartási csapatok a berendezések megbízhatóságáért felelősek. A termelési csapatok a kibocsátásért felelősek.

Az egyértelmű felelősségi körök hiányában a problémák a részlegek között vándorolnak. Egy hiányzó értéket hálózati, vezérlő-, adatbázis- vagy érzékelőproblémaként kezelhetnek összehangolt vizsgálat nélkül.

A létesítményeknek meg kell határozniuk a felelősséget a terepi eszközökért, a vezérlőinterfészekért, az átjárókért, a hálózati infrastruktúráért, az adatbázisokért, az analitikai alkalmazásokért, a kiberbiztonságért és a felhasználói támogatásért.

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

Az adatdefiníciókat szabályozott dokumentációban kell rögzíteni. A mértékegységeknek, a skálázásnak, a forrásnak, a frissítési gyakoriságnak, a minőségi állapotnak és a tervezett felhasználásnak a rendszer teljes életciklusa alatt elérhetőnek kell maradniuk.

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

A karbantartástervezőknek, a megbízhatósági mérnököknek és a termelési műszakvezetőknek eltérő részletességű információkra lehet szükségük. Ugyanaz az állapot megjelenhet a mérnökök számára részletes diagnosztikai nézetként, a műszakvezetők számára pedig tömör intézkedési kérelemként.

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.

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

Minőség-elemzés esetén mérhető, hogy a folyamat eltérését a termék elutasítása előtt észlelik-e. Energiaprojektek esetén mérhető az elfogadható egységre jutó fogyasztás.

Az analitikai teljesítménymérésnek 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. Emellett segít a vezetőségnek megkülönböztetni az ígéretes analitikai megoldásokat az újratervezést igénylő projektektől.

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

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

Az AI azonban nem szünteti meg a megbízható mérések és a mérnöki kontextus szükségességét. A gyenge minőségű adatok gyenge modelleket eredményeznek, még kifinomult algoritmus esetén is.

Az üzemeknek a fejlett modellek bevezetése előtt egységesen meg kell határozniuk az eszközazonosítókat, az időbélyegeket, az üzemállapotokat, a mértékegységeket és a minőségi mutatókat.

A tanítási adatoknak a tényleges üzemeltetési körülményeket kell tükrözniük. Egy kizárólag stabil termelés során betanított modell minden indítást rendellenesként osztályozhat.

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

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

Az emberi értelmezés továbbra is fontos. A mérnököknek meg kell érteniük, hogy 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 munkatársakat. Nagy adathalmazokat szűrhet át, és azonosíthatja a szokatlan mintázatokat. A mérnökök és technikusok ezután összekapcsolják ezeket a mintázatokat a berendezésekre vonatkozó ismereteikkel.

A jövő gyára szelektív, kontextusba helyezett adatokat használ majd

A jövő gyárai még több adatot állítanak elő, ahogy az érzékelés, a gépi látás, a beágyazott diagnosztika és a csatlakoztatott eszközök tovább terjednek.

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. Az éleszközök 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, energetikai és karbantartási nyilvántartásokkal egyesítik. Az elemzések olyan változásokat azonosítanak majd, amelyeket az egyes rendszerek önmagukban nem képesek észlelni.

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

Az emberi felelősség továbbra is megmarad. Az operátorok, technikusok, mérnökök és vezetők megértik majd, hogyan befolyásolják az elemzési ajánlások a folyamatot.

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

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

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

Egy kamera maradhat megfelelt/nem felelt meg ellenőrzőeszköz. Ugyanakkor feltárhatja a hibák mintázatait, az anyagok változatosságát, a folyamat eltérését és a hulladék csökkentésének lehetőségeit is.

A különbség az architektúrában és a célban rejlik. Amikor az üzemek az érzékelést, a vezérlést, a hálózatépítést, az élfeldolgozást és a vállalati elemzést meghatározott működési igények köré kapcsolják össze, a nyers bemenetek gyakorlati intelligenciává válnak.

Ez az átalakulás nem követeli meg, hogy minden gép autonómmá váljon. Azt követeli meg, hogy minden fontos mérés eljusson azokhoz az emberekhez és rendszerekhez, amelyek képesek reagálni rá.