Vytvářejte hodnotu z dat: Využijte rozhraní HMI jako chytré zařízení na okraji

obrázek 1: Tradičně se rozhraní HMI strojů využívala pouze pro vizualizaci, avšak novější produkty, jako je Adisra Smart View, podporují ukládání dat a analýzu na provozním okraji. Obrázky poskytla společnost Adisra. obrázek 1: Tradičně se rozhraní HMI strojů využívala pouze pro vizualizaci, avšak novější produkty, jako je Adisra Smart View, podporují ukládání dat a analýzu na provozním okraji. Obrázky poskytla společnost Adisra.

Rozhraní člověk–stroj (HMI) mohou být silnými nástroji umístěnými na okraji, které zpracovávají a analyzují data: 5 atributů rozhraní HMI.

Software rozhraní HMI lze využívat k vytváření hodnot z rychle rostoucího množství průmyslových dat. Senzory jsou přidávány k zařízením všech typů. Více senzorů přirozeně vede ke sběru většího množství dat. Exponenciální růst průmyslových systémů již předstihuje dostupnou šířku pásma sítě. Velká část těchto dat zůstává nevyužitým zdrojem ze strojů a procesů, avšak dosažení přístupu k těmto datům je zásadní pro získání cenných obchodních poznatků.

Novou možností je těžit tato data pomocí softwaru rozhraní HMI nasazeného poblíž zdroje. To vyžaduje, aby se role rozhraní HMI posunula od pouhého základního vizualizačního nástroje k vylepšené roli inteligentního sběru dat na okraji a zpracování strojového učení. 

Nové role softwaru rozhraní HMI

Software rozhraní HMI na okrajových zařízeních musí držet krok s neustále rostoucími požadavky na to, jak je třeba data získávat, analyzovat, těžit a očišťovat. Obrovský objem shromážděných dat znamená, že pokročilá analytika a strojové učení na provozním okraji musejí hrát důležitou roli v celkovém plánu digitální transformace k získání chytřejších provozů.

Rozhraní HMI často pracovala se zdroji dat, jako jsou programovatelné automaty (PLC) a senzory. Tradičně se rozhraní HMI využívala jako nástroj pro vizualizaci a sběr dat se zobrazením na vyhrazeném ovládacím panelu, mobilním zařízení nebo webovém prohlížeči. Moderní rozhraní HMI musí tyto role plnit stále, avšak zároveň by mělo shromažďovat data v reálném čase, ukládat je lokálně pro další analýzu a na základě těchto dat hledat vzory a závěry k vytváření předpovědí (viz obrázek 1).

Rozhraní HMI se vyvinula ve zdroj dat k provádění strojového učení v reálném čase. Aby bylo možné trénovat modely strojového učení, je nutno procesní data v časové řadě korelovat s daty protokolu alarmů a událostí. To umožňuje těmto modelům detekovat kvalitu produktu při výrobě nebo předpovídat technický stav kritického zařízení. Modely strojového učení fungují nejlépe, když se jim dodávají velká množství dat věrně odrážejících realitu. Prediktivní údržba je možná, když tyto modely detekují odchylku od běžného chování a indikují možnou hrozící poruchu, která by mohla vést k odstávkám.

CTL2006 MAG2 F2a HMI Adisra Fig2 tablet1obrázek 1: Tradičně se rozhraní HMI strojů využívala pouze pro vizualizaci, avšak novější produkty, jako je Adisra Smart View, podporují ukládání dat a analýzu na provozním okraji. Obrázky poskytla společnost Adisra.

Analytika a detekce anomálií v rozhraní HMI

U moderních rozhraní HMI lze provádět pokročilou analytiku. Značnou část dat ve světě představují datové proudy a časové série dat, kde anomálie poskytují významné informace signalizující kritické situace. Detekci anomálií lze využít v řadě případů, včetně preventivní a prediktivní údržby, detekce chyb a monitorování.

Anomálie jsou definovány jako časový okamžik, kdy je chování systému neobvyklé a zcela odlišné od minulého chování. Anomálie mohou být prostorové, což znamená, že hodnota je mimo typické rozmezí, nebo časové, kde hodnota není mimo typické rozmezí, ale sekvence, v níž se vyskytuje, je neobvyklá. Anomáliím lze přiřadit stavové štítky a klasifikovat je jako časové nebo prostorové. Alarmový systém může také přiřadit vážené hodnoty za účelem předpovědi hrozícího selhání na základě priority, důležitosti a frekvence.

Všechna moderní rozhraní HMI také musejí nativně podporovat mechanismy pro odesílání a přijímání zpráv stavovým způsobem a zajistit, aby data vzdáleného zařízení byla aktuální a platná. Stavovou komunikaci lze zajistit pomocí protokolů, jako jsou MQTT a Kafka, zatímco správu stavu zajišťuje specifikace Sparkplug B.

Jakmile jsou data v cloudu, lze je agregovat a spojit s daty z více zdrojů. Velkou hodnotou je zde to, že uživatelé mohou posuzovat více provozů nebo celou flotilu zařízení dohromady, navíc bez ohledu na jejich fyzické umístění. Cloudové filtrování a analytické modely lze použít pro vyčištění dat za účelem hluboké analýzy k předpovědi chování a trendů, jako je střední doba mezi poruchami (MTBF) nebo konec životnosti strojů. Tyto informace lze poté vložit zpět do okrajových modelů strojového učení spuštěných v rozhraní HMI, aby se zlepšil jejich výkon. 

CTL2006 MAG2 F2a HMI Adisra Fig3 bottling OEEObrázek 3: Smart View HMI společnosti Adisra jde nad rámec jednoduché vizualizace a pomáhá výrobcům OEM a koncovým uživatelům spravovat přenos dat a provádět analytiku strojového učení.

5 požadavků na moderní rozhraní HMI

Role rozhraní HMI se bude muset povýšit tak, aby HMI dokázala pracovat s obrovským množstvím dat. Moderní rozhraní HMI se dokážou napojit na velké množství strojových dat, což jim umožňuje

  1. monitorovat a analyzovat tato data v reálném čase;
  2. konzistentně a přehledně je pro uživatele vizualizovat;
  3. pomáhat uživatelům inteligentně se rozhodovat;
  4. ukládat data užitečným způsobem, aby je bylo možné libovolně těžit;
  5. překonávat kompromisy a omezení.

Toto je nová role rozhraní HMI, která souvisí s četnějším nasazením senzorů a také se skutečností, že společnosti se na stroje stále více spoléhají. Funkce strojů se rozšíří a rozhraní HMI bude mozkem chytrého okraje.

Control Engineering Česko

Control Engineering Česko je přední časopis o průmyslové automatizaci. Je vydáván v licenci amerického Control Engineering, které poskytuje novinky z této oblasti více než 60 let.

www.controlengcesko.com