Připravenost softwaru na datovou analytiku a velká data

Schopnosti MQTT pro publikování/přihlašování k odběru zefektivňují komunikaci a pomáhají přesunout dotazování na okraj sítě. Obrázek poskytla společnost Inductive Automation. Schopnosti MQTT pro publikování/přihlašování k odběru zefektivňují komunikaci a pomáhají přesunout dotazování na okraj sítě. Obrázek poskytla společnost Inductive Automation.

Rozšiřte přístup k průmyslovým datům a získejte z nich více pomocí nástrojů, jako je protokol MQTT (Message Queuing Telemetry Transport), na cestě k výhodám Průmyslu 4.0.

Hlavním aspektem Průmyslu 4.0 je získávat a analyzovat velká data za účelem přeměny dat na prakticky využitelné informace a umožnit systémům, aby rozhodovaly samy o sobě. Navzdory existenci nových technologií většina organizací stále používá pro sběr dat a informací nástěnky a papír. V mnoha případech až 90 % těchto údajů končí v izolovaných datových silech nebo ostrovech. To představuje výzvy při snahách o využití výhod Průmyslu 4.0.

Dobrou zprávou je, že nové technologie mohou pomoci. Existuje několik jednoduchých kroků, které mohou uživatelé učinit, aby se připravili na digitální transformaci, včetně získání přístupu k více datům, edge computingu, čištění dat, kontextualizace dat a standardizace společných datových struktur.

Cesta začíná získáním přístupu k více datům – základní součásti Průmyslu 4.0. Provozní svět je složitý, zahrnuje stovky různých protokolů, komunikačních médií a vyžaduje znalost starších zařízení. Realita digitální transformace spočívá v tom, že musí být provedena zdola nahoru, přičemž jako první jdou na řadu provozní technologie (PT). Vyžaduje novou mentalitu při udržování otevřenosti, interoperability a bezpečnosti systémů. Prvním krokem je získat efektivní přístup ke všem datům – se snadným přístupem k datům v případě potřeby z jakéhokoli zdroje.

Jednou z největších překážek přístupu k datům jsou modely licencování staršího softwaru, které účtují za značku (tag) nebo uživatele. Tyto modely se neškálují, což brání růstu. Kromě toho bývají průmyslové aplikace uzavřené, proprietární a mívají omezenou funkčnost i konektivitu. Dnes požadujeme nové modely, které jsou v zásadě neomezené a otevřené. Tyto nové modely mohou uvolnit nové příležitosti pro rozšiřování a větší škálovatelnost.

Další výzvou je vyvážení konvergence nových inteligentních senzorů a zařízení společně se stávajícími staršími zařízeními. Je důležité mít infrastrukturu schopnou podporovat oboje. V konečném důsledku jde o jeden klíčový koncept: změnu architektury. Musíme přestat připojovat starší zařízení k aplikacím pomocí protokolů a místo toho připojovat zařízení k infrastruktuře. Musíme poskytnout řešení PT, které vyhovuje potřebám operátorů, je typu plug-and-play, spolehlivé a škálovatelné. 

Nová architektura

Tato nová architektura využívá protokol MQTT (Message Queuing Telemetry Transport – přenos telemetrií ve frontě), který umožňuje využívat architektury typu MOM (Message-Oriented Middleware). Ve sféře informačních technologií (IT) nejde o nový koncept; podniková sběrnice služeb (ESB) se již dlouho používá pro integraci aplikací přes infrastrukturu podobnou sběrnici. U protokolu MQTT jsou data zařízení publikována výjimkou na server MQTT, a to buď přímo v závodě, nebo v cloudu. Aplikace se přihlašují k odběru serveru MQTT, aby získaly data, což znamená, že není třeba se připojovat k samotnému koncovému zařízení. MQTT poskytuje několik výhod:

  • otevřený standard / interoperabilní řešení (standard OASIS a otevřený standard Eclipse /TAHU/);
  • odděluje zařízení od aplikací;
  • zprávy na základě výjimky;
  • vyžaduje malou šířku pásma;
  • zabezpečení transportní vrstvy;
  • vzdálené připojení (pouze odchozí; žádná příchozí pravidla pro firewall);
  • stavové povědomí;
  • jeden zdroj pravdy;
  • automatické vyhledávání značek;
  • ukládání dat do vyrovnávací paměti (ukládání a přeposílání);
  • funkčnost plug-and-play.

Abychom se dostali k nové architektuře, odpovědí je edge computing a konverze protokolů. Řekněme, že k systému pro průmyslové řízení a sběr dat (SCADA) je připojeno 10 zařízení Modbus. Uživatelé mohou nasadit jedinou okrajovou bránu s podporou Modbus a MQTT a posunout dotazování blíže k programovatelnému automatu (PLC). Uživatelé mohou dotazovat více informací, potenciálně rychleji a jsou schopni publikovat hodnoty při jejich změně na centrální server MQTT. Systém SCADA lze také změnit tak, aby se připojoval a přihlásil k odběru serveru MQTT, aby získal data namísto připojení ke koncovým zařízením. Toto je důležitý krok pro přípravu systému SCADA na budoucnost. Když si budou uživatelé pořizovat senzory nebo upgradovat zařízení, která podporují MQTT, systém SCADA získá přístup k datům, aniž by musel vědět o koncovém zařízení. 

Pomozte systémům chápat data

Uživatelé nejenže potřebují získat přístup k datům, ale také se musejí ujistit, že jsou data platná, zda mají kontext a zda jsou součástí společné struktury, je-li to relevantní. Toto je důležitý krok před použitím analytiky a strojového učení. Tyto systémy musejí porozumět datům, aby je mohly správně používat. Nové senzory a zařízení již obvykle tyto schopnosti mají. To však neplatí pro starší zařízení. Existují stovky různých dotazovacích protokolů, jež vyžadují mapování a škálování. Většina PLC má adresovací schémata, která nejsou člověku srozumitelná. Tato mapování běžně existují v systému SCADA, ale stále jim chybí kontext nebo mohou obsahovat neplatná data anebo nejsou součástí standardní datové struktury.

Nejlepší místo k provádění tohoto kroku je okrajová brána, která se připojuje k PLC. Vyžaduje software, jenž má zavedeny funkce pro čištění dat, přidání kontextu a podporu datové struktury.

Začněme s čištěním dat. Předpokládejme, že k PLC je připojen senzor a signál občas vypadává. Když signál vypadne, hodnota v PLC klesne na 0. Je možné, že by se hodnota rovnala 0, nikoli však pokud poslední hodnota byla 50. V tomto případě je důležité podívat se na rozdíl a zjistit, zda bychom měli aktuální hodnotu ignorovat. Tento problém lze vyřešit nastavením vypočtené značky pomocí této logiky. Před použitím v jiných systémech je podstatné zajistit, aby byla data platná co nejblíže ke zdroji.

Dalším zásadním krokem je poskytnutí kontextu datům. Například uživatel může mít PLC Modbus se značkou odkazující na 40001. Ve SCADA bychom to namapovali na název značky jako „Okolní teplota“. Pokud to jsou jediné údaje, které máme, nevíme, zda je teplota ve stupních Celsia nebo Fahrenheita a jaký je nízký a vysoký rozsah. Analytika a modely strojového učení budou bez správného kontextu poskytovat nesprávná data. Používání okrajových bran se schopností poskytovat jméno, škálování, technické jednotky, technické nízké a vysoké hodnoty, dokumentaci a tipy nápovědy umožní dalším systémům klíčové informace pro lepší pochopení podkladových dat.

Zvyšování podnikové hodnoty

Posledním krokem je standardizace společných datových struktur v rámci podniku. Tento krok se často přeskakuje, protože data se mohou v každé lokalitě lišit a může být obtížné najít společný datový model. Balíčky analytiky a modely strojového učení vyžadují, aby byla data pro běžné objekty ve stejné struktuře. Uživatelé nechtějí pro každou lokalitu vytvářet jinou analytiku nebo modely strojového učení. To se týká od jednotlivých datových bodů až po kolekce datových bodů pro známý objekt.

Je důležité prozkoumat každou lokalitu, najít společný model a použít okrajovou bránu, která podporuje uživatelem definované typy (UDT). To znamená, že se data v každé lokalitě přizpůsobí modelu, což může zahrnovat škálování, vypočtené značky, konverze a další. To je proto, aby se data na povrchu jevila jako stejná struktura a složitost zůstala skryta.

Cesta začíná provozní infrastrukturou a řešením problému dostávání dat do infrastruktury. Uživatelé se nebudou moci dostat k analytice a strojovému učení, dokud nebudou mít přístup k datům. Tato data musejí být platná a musejí mít kontext pro pochopení. Přijetím této nové mentality a architektury mohou uživatelé podniknout malé kroky k realizaci potenciálních výhod těchto technologií. 

Travis Cox, zástupce ředitele pro prodej technických řešení společnosti Inductive Automation. Upravil Chris Vavra, zástupce šéfredaktora časopisu Control Engineering, CFE Media and Technology, Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript..

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