Provozní technologie: získávání dat a analytika

Plán řešení problému vyžaduje, aby uživatelé definovali problém, shromáždili data a našli řešení. Obrázek poskytla společnost MartinCSI Plán řešení problému vyžaduje, aby uživatelé definovali problém, shromáždili data a našli řešení. Obrázek poskytla společnost MartinCSI

Využití velkých dat (Big Data) pro aplikace automatizace a řízení provozních technologií (PT) je stále důležitější, a pokud si nepoložíte správné otázky, může to být cesta plná zmatků. Podívejte se na čtyři prvky architektury systému analýzy dat.

Hovoříme-li o úloze analýzy velkých dat při plnění podnikových cílů, má stále větší význam způsob zpracování dat pro aplikace automatizace a řízení provozních technologií (PT). Datový design, datová architektura a získávání dat hluboce ovlivňují analytiku dat neboli postaru řečeno „smetí dovnitř, smetí ven“ (garbage in, garbage out). Naučte se osvědčené postupy pro shromažďování dat, aby se z nich mohly stát informace a hodnoty přesahující jejich původní účel.

Vezměme si tuto situaci: Dva cestovatelé jsou na cestě. První říká: „Ztratili jsme se.“ Druhý odpovídá: „Neztratili jsme se, vím přesně, kde jsme. Jen nevím, jak se dostat do našeho cíle.“ To poukazuje na tři informace, které potřebujete, když se snažíte dostat do cíle; jsou to znalost cíle, naší aktuální polohy a cesty, jak se tam dostat.

Shromažďování a analýza dat jsou podobné. Je snadné „vrhnout se na to“ a začít sbírat data. Předtím je však důležité zkontrolovat tři výše uvedené body:

  1. Cíl: Jaký problém chceme vyřešit?
  2. Poloha: Jaké údaje jsou k dispozici pro řešení problému?
  3. Cesta: Jak nás data, která máme k dispozici, posunou k řešení?

Cíl analýzy dat: Identifikujte problém, položte otázku

Prvním krokem při analýze dat je identifikace problému a následné položení otázky. Například výrobní společnost může mít výrobek se širokým rozptylem pevnosti materiálu, což má za následek špatnou kvalitu (problém).

Společnost má podezření, že důvodem je kolísání tlaku nebo teploty během výrobního procesu. Dále zformulujte problém do otázky, na kterou odpovíte pomocí údajů. V tomto případě se můžete zeptat: „Ovlivňují změny tlaku nebo teploty pevnost mého produktu?“

Poloha: Shromážděte data potřebná k zodpovězení otázky

Dalším krokem je rozhodnout, jaká data jsou potřebná k zodpovězení mé otázky. Dostupná data lze považovat za mou aktuální polohu. Uživatel může říci: „Na první pohled se může zdát zřejmé, že je potřeba sbírat data o tlaku a teplotě. Ale abych měl ucelený obrázek, musím se také podívat, kde, kdy a jak jsou data shromažďována.“

Uživatel může mít například senzor měřící teplotu procesní nádrže. Senzor však může být namontován v horní části nádrže a neměřit přesnou teplotu, kde dochází k reakci. Uživatel tedy může vyžadovat přidání druhého senzoru, aby mohl reakci měřit přímo.

Uživatel bude také potřebovat určitou formu propojení dat, která mu umožní přiřadit každé měření kvality k odpovídajícímu měření procesu. V tomto příkladu uživatel zaznamená společné číslo šarže, které je spojeno jak s údaji o procesu (teplota a tlak), tak s údaji o kvalitě (pevnost materiálu). Musí také vygenerovat číslo šarže, které se bude sledovat ve všech krocích procesu.

Cesta pro analýzu dat

Analýza a sledování dat dovedou uživatele k cíli, kterým je odpověď na původní otázku. Na výběr je řada cest. Patří mezi ně analytické metody od regresních a klasifikačních algoritmů až po neuronové sítě a učení s učitelem. Než se však uživatel vydá na cestu, musí dobře porozumět vztahu mezi daty a problémem. Mohl by chtít vědět, jak změny tlaku a teploty ovlivňují kvalitu výrobku ve smyslu pevnosti materiálu. Může být lákavé vybrat model, připojit data a hledat výsledky.

Dobrým porozuměním procesu dosáhnete lepších výsledků. Pokud uživatel ví, že překročení teploty o 2 stupně produkt oslabí, může si vybrat model, který mu pomůže tuto skutečnost v datech vyhledat. Také pokud má tato nadměrná teplota vliv na kvalitu až po hodině, pomůže to při výběru vhodného rozlišení a vzorkovací frekvence. Může to vyžadovat vypracování určitých předpokladů, ale čím lepší předpoklady budou, tím snazší bude na otázky odpovědět. 

Čtyři prvky analýzy dat

Když je vše vyřešeno a zodpovězeno, má uživatel k dispozici plán cesty k cíli a může se pustit do sběru dat. Prostředkem k dosažení tohoto cíle bude architektura systému. Tuto architekturu mohou tvořit běžné komponenty. Podívejte se níže na několik komponent a případů použití.

Okrajové zařízení: Poskytuje rozhraní mezi zařízeními v místní síti (zdroj dat) a veřejnou sítí. Lze je používat k dočasnému ukládání a formátování dat a k provádění výpočtů. Některá okrajová zařízení mají možnosti konfigurace brány firewall, poskytují mobilní přístup a fungují jako konvertor protokolu.

Datový koncentrátor: Toto zařízení, kterým je často programovatelný automat (PLC), se používá ke sběru a agregaci dat ze stávajících senzorů a PLC. Lze jej použít k dočasnému ukládání dat, formátování dat a provádění výpočtů před odesláním dat na server.

Lokální server: Serverový počítač hostovaný na místě. Často se používá k monitorování, poskytování přehledů a ukládání dat.

Cloudový server: Serverový počítač hostovaný v cloudu a přístupný přes internet. Lze jej použít k poskytování přehledových panelů, tvorbě přehledů, oznamování, k funkci datového skladu a pokročilé analytice.

Cesta od získání dat k řešením může někdy připomínat dlouhou a klikatou cestu. Pokud však identifikaci problému, pokládání otázek a shromažďování kvalitních dat věnujeme vyšší úsilí, dosáhneme přímější trasy. Systémová architektura, postavená na souboru běžných komponent, je vozidlem, které nás doveze do cíle. Tak si jízdu užijte.

Joe Martin je zakladatel a prezident společnosti MartinCSI a člen redakční rady časopisu Control Engineering. MartinCSI je certifikovaný integrátor řídicích systémů CSIA ve středním Ohiu. Upravil Chris Vavra, ředitel pro webový obsah 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