Print

Využití cloud computingu při optimalizaci strojů

-- 15.11.17

Společným cílem výrobců i uživatelů strojů je bezesporu neustálé zlepšování jejich vlastností. Základním motivem je přitom zvyšování produktivity a kvality výroby a snižování energetické náročnosti, celkových pořizovacích nákladů a nároků na údržbu (dnes často zmiňovaná prediktivní údržba). S postupujícím prorůstáním informačních technologií do výroby se naskýtá možnost využití pokročilých algoritmů, které se původně využívaly výhradně ve světě informatiky, neboť v minulosti neměly řídicí systémy dostatečný výpočetní výkon. Představme si např. využití neuronových sítí včetně tzv. deep learning algoritmů při optimalizaci řezné trajektorie nástroje, nasazení pokročilých statistických a stochastických metod při hledání závislostí poruch na různých vzorcích chování obsluhy apod. Jak se projeví např. odlehčení rámu stroje na dlouhodobé přesnosti a opakovatelnosti výroby? Jaké rychlosti pohonů ještě nezpůsobí nadměrné opotřebování pohyblivých částí? Za jak dlouho se sníží přesnost opakovatelného polohování na hranici stanovených parametrů stroje? 

Pokud se budeme vývojem a optimalizací stroje zabývat skutečně vážně, bude nutné kontinuálně měřit velké množství dat přímo na stroji, tato data v reálném čase vyhodnocovat a neustále přizpůsobovat nastavení stroje aktuální situaci. Máme-li možnost takto naměřená data vyhodnocovat, můžeme například zvýšit přesnost obrábění pomocí teplotní kompenzace měření polohy u vysoce přesných obráběcích strojů, usuzovat na stav ložisek vyhodnocováním chvění statoru v motorech, přizpůsobit rychlost práce kooperativního robotu tempu obsluhy či kontinuálně upravovat technologický postup nebo recepturu na základě výsledků chemické analýzy použité suroviny.

Dnešní technické prostředky mnohonásobně překračují zažité principy, kdy připojené senzory pouze ukládaly data, která nebyla v horším případě využívána vůbec, v lepším případě mohl technolog malou část naměřených dat vynést do grafu a diskutovat s kolegy o dalším postupu a o dopadech změn některého z parametrů stroje. S využitím obrovských výpočetních výkonů dnešních počítačů lze k tomuto problému přistoupit zcela odlišně. Naměřená data je možné přímo v řídicím systému stroje předzpracovat a následně je poskytnout výpočetní službě umístěné na serveru, která tato data detailně analyzuje. Výsledek této analýzy server poskytne nejen zpět stroji, ale i všem zainteresovaným stranám, které mají o tyto informace zájem (např. údržbě, systému plánování výroby, pracovníkům kvality, managementu atd.). V tomto kontextu představuje cloud computing způsob poskytování výpočetních zdrojů (například hardwaru nebo analytických a komunikačních služeb) přes internet či intranet. Uživateli těchto služeb takto odpadá starost o jejich nasazení či údržbu a navíc je možné pomocí standardních komunikačních protokolů jednoduše komunikovat s různými druhy zařízení. Tento přístup též umožňuje oddělit vývoj průmyslové aplikace od vývoje cloudové služby.

Než však přejdeme k detailnímu popisu přenosových protokolů a konkrétního řešení cloud computingu, věnujme ještě pozornost cloudům jako takovým. Značná část pracovníků v průmyslu je totiž aktuálně ke cloudovým službám skeptická. Nejčastěji uváděným důvodem bývá bezpečnost dat. Mnozí se totiž domnívají, že použití cloudové služby automaticky znamená ukládání citlivých výrobních dat na veřejně dostupná úložiště, kde jsou data jednoduše zneužitelná. Ve skutečnosti však existuje více možností: Cloudové služby lze provozovat nejen ve veřejných cloudech (kde jsou datová úložiště a výpočetní zdroje sdíleny různými uživateli), ale i v tzv. privátních cloudech (kde jsou naopak tyto zdroje dostupné výlučně předem stanovenému okruhu uživatelů, typicky to bývá jedna konkrétní společnost). V tomto případě je služba provozována uvnitř podnikové sítě, kde platí identická bezpečnostní opatření jako kdekoli jinde v podnikové síti. Tato síť bývá většinou zcela oddělena od internetu a často je vyhrazena jen pro účely komunikace výrobních technologií (komunikace M2M – machine-to-machine communication). Je-li tedy podniková síť dostatečně zabezpečena, může být privátní cloud vhodným řešením. V jiných případech je naopak namístě zvážit, zda podnikový bezpečnostní technik opravdu dokáže zabezpečit síť do takové úrovně, jak to umí skupina expertů pracujících pro některého z poskytovatelů veřejných cloudů. 

Pro úplnost uveďme příklady aktuálně největších cloudových služeb a jejich poskytovatelů, kteří jsou připraveni pro spolupráci s průmyslovými podniky a nabízejí podporu příslušných průmyslových komunikačních protokolů (Microsoft Azure, Amazon Web Services a SAP HANA). Nejpoužívanější cloudové protokoly jsou tyto:

  • MQTT (Message Queue Telemetry Transport): Velmi jednoduchý a rychle aplikovatelný protokol s nízkými nároky na výpočetní výkon a vhodný i pro použití v sítích s nižší propustností. Specifikace neobsahuje bezpečnostní model, což lze brát jako výhodu, neboť je na něj možné aplikovat vždy nejaktuálnější verzi šifrovacích protokolů (aktuálně např. TLS 1.2). Protokol umožňuje implementaci autentizace uživatelů a autorizaci na úrovni topiců (dat).
  • AMQP (Advanced Message Queuing Protocol): Oproti MQTT nabízí větší variabilitu a širší možnosti, avšak výměnou za složitější implementaci. Protokol je vhodný zejména do enterprise aplikací. Lze implementovat autentizaci uživatelů a autorizaci na úrovni topiců (dat).
  • OPC-UA (OPC Unified Architecture): Tradiční protokol typu klient/server pro průmyslovou automatizaci, který je rozšířen o koncept Publisher/Subscriber a vyhovuje tedy i filozofii cloudů. Lze implementovat autentizaci uživatelů. Podpora ze strany poskytovatelů veřejných cloudů se rychle rozšiřuje.

Každý ze zmíněných protokolů pracuje na principu Publisher/Subscriber. Účastník komunikace může data buď ostatním účastníkům poskytovat (Publisher), nebo je od ostatních přijímat (Subscriber), má-li však pro příjem těchto dat příslušné oprávnění. Krása této myšlenky spočívá v tom, že je možné velmi dobře oddělit jednotlivé části aplikace a logicky je pospojovat datovými toky. Jednotliví účastníci přitom o sobě vůbec nemusejí vědět, mají pouze přidělena oprávnění pro jednotlivé toky dat. Tato filozofie mj. umožňuje jednoduše přidávat i odebírat účastníky komunikace. Pokud tedy např. teploměr změří aktuální teplotu motoru, bude tento údaj Publisherem automaticky zaslán všem Subscriberům, kteří o tuto informaci mají zájem. O automatické zasílání těchto dat se stará služba nazývaná Message Broker.

 

Obrázek 1: Čtyři způsoby komunikace s cloudem

Představme si popsaný princip komunikace na jednoduchém příkladu vyhodnocování kondice motoru. Naměřená data ze snímačů teploty a vibrací motoru lze jednoduše posílat do cloudové služby, která je bude v reálném čase zpracovávat a vyhodnocovat časovou závislost frekvenčního spektra vibrací na průběhu oteplování motoru – tedy výpočetně poměrně náročná operace s velkým množstvím dat, uvážíme-li, že v podniku může být takových motorů mnoho. Pokud cloudová služba objeví problematické chování, jež je typické např. pro opotřebovaná ložiska, vyšle patřičnou alarmovou informaci všem relevantním uživatelům (stroji, operátorovi, údržbě, archivační databázi alarmů atd.). Tuto cloudovou službu lze přitom vyvíjet nezávisle na tom, kolik dat budeme analyzovat (na kolika procesorech bude služba provozována) nebo na jaké hardwarové platformě pracuje řídicí systém stroje. Její vývoj i provozování lze tedy zcela oddělit od výrobní technologie.

Budeme-li ještě kreativnější, můžeme si představit mnohem netradičnější korelace, které však mohou být pro řízení výroby velice užitečné. S trochou fantazie můžeme např. vyhodnocovat závislost kvality výroby na třech veličinách, jež mohou na první pohled působit nesourodě: na počasí v dané lokalitě (teplota či vlhkost v hale), na aktuálním kurzu dolaru (kvalita suroviny od dodavatele) a na výsledku hokejového zápasu ze včerejšího dne (únava obsluhy). Tyto závislosti nelze jednoduše předpokládat, avšak vyhodnocení možných následků a prediktivní opatření mohou mít zásadní vliv na kvalitu výroby. Řešením takového komplexního zadání může být použití kognitivních metod a dalších principů umělé inteligence. V současnosti vzniká již poměrně velké množství komerčně dostupných cloud computingových služeb – za všechny jmenujme například službu Watson společnosti IBM, která dokáže rozpoznat nečekané souvislosti v datech, zvládne vizualizovat „velká data“, umí porozumět významu a kontextu mluveného slova atd. Vývoj podobných pokročilých analytických metod se vymyká možnostem výrobců strojů. V budoucnu bude proto podobných cloud computingových služeb přibývat současně se zvyšující se mírou akceptace ze strany průmyslových podniků.

TwinCAT Analytics

Dobrým příkladem technologie pro cloud computing ve strojích je systém TwinCAT Analytics společnosti Beckhoff, německého výrobce řídicích systémů. Celá platforma Beckhoff je koncipována jako průmyslové PC, které řídí stroj pomocí softwarového PLC. Vzhledem k tomu, že současná PC mají dostatečný výkon, lze naměřená data nejdříve předzpracovat přímo ve stroji a do cloudu již zasílat menší množství dat a snížit tak celkové vytížení komunikační sítě. Pro komunikaci s cloudem lze použít kterýkoli z výše jmenovaných cloudových protokolů, nejčastěji však uživatelé volí OPC-UA.

Software TwinCAT Analytics může běžet nejen na stroji, ale i na cloudovém serveru, kde bude vyhodnocovat přijatá data od jednotlivých strojů. Výhodou tohoto přístupu je, že programátor může pro vytvoření potřebných analytických algoritmů použít stejné programovací prostředí, které používá při programování PLC. Alternativou uživatelského vývoje vlastních algoritmů je možnost použití již připravené knihovny analytických funkcí TwinCAT Analytics Library či Condition Monitoring Library, jež nabízejí pokročilé analytické funkce (spektrální analýza, envelope spectrum), statistické funkce (momentové charakteristiky, kvantily), klasifikátory (diskrétní, bayesovské) a další. Pokud by uživatelům nestačily ani tyto pokročilé knihovny, je možné naprogramovat vlastní funkce, ať už s použitím běžných PLC jazyků, nebo pomocí C++. Podstatnou skutečností je přitom fakt, že TwinCAT je hard-real-time systém. Je tedy vhodný pro on-line analýzu většího množství dat při zaručené době odezvy. Kdo by se nespokojil ani s těmito možnostmi, existuje ještě možnost do TwinCATu importovat analytický model vytvořený v prostředí Matlab Simulink nebo vizualizovat data pomocí Scope View Professional.

 

Obrázek 2: Bloková struktura TwinCAT Analytics

Beckhoff nedávno představil zajímavé zařízení EK9160. Pomocí tohoto IoT Coupleru lze bez nutnosti jakéhokoli programování okamžitě posílat naměřená data do cloudu. K zařízení se připojují standardní terminály se vstupy či výstupy a veškerá komunikace je realizována automaticky. Konfigurace zařízení se provádí pomocí jednoduchého webového rozhraní. IoT Coupler navíc disponuje vestavěnou pamětí, která slouží jako dočasné úložiště pro případ výpadku komunikace. V okamžiku obnovení spojení se tato data automaticky odešlou do cloudu.

 

Obrázek 3: IoT Coupler Beckhoff EK9160

Závěr

K čemu je cloud computing ve strojích dobrý? Pokud vážně uvažujete o implementaci principů Průmyslu 4.0, najdete v tomto způsobu zpracování dat mnoho výhod, ať už jsou to nové možnosti optimalizace parametrů stroje, okamžitá reakce na změny ve výrobě či v okolním prostředí, nebo předcházení poruchovým stavům.

Předpokládá se, že v budoucnu budou pomocí cloudových služeb komunikovat stroje běžně. K největším výhodám bezesporu patří nezávislost na použité platformě, možnost decentralizace vývoje průmyslových aplikací a také schopnost flexibilního nasazování cloudových služeb dle potřeb a aktuálního počtu současně pracujících výrobních zařízení.


Sponzorované odkazy

 
Aktuální vydání
Reklama

Navštivte rovněž

  •   Události  
  •   Katalog  

Události

Malá automatizace v čele s rebelem Modicon M221
2018-01-17 - 2018-01-17
Místo: webinář
Infotherma 2018
2018-01-22 - 2018-01-25
Místo: Černá louka 3235, Pavilon A, Ostrava
Diago 2018
2018-01-30 - 2018-01-31
Místo: Orea Resort Devět Skal ***, Sněžné - Milovy
Trendy v robotizaci a automatizaci
2018-01-31 - 2018-02-01
Místo: Brno, hotel Avanti
Řízení závislých pohybů aneb Motion Control umí
2018-02-14 - 2018-02-14
Místo: webinář

Katalog

Schneider Electric CZ, s. r. o.
Schneider Electric CZ, s. r. o.
U Trezorky 921/2
158 00 Praha 5
tel. 00420737266673

Mitsubishi Electric Europe B.V.
Mitsubishi Electric Europe B.V.
Pekařská 621/7
155 00 Praha 5
tel. +420 251 551 470

COGNEX
COGNEX
Emmy-Noether-Str. 11
76131 Karlsruhe
tel. 720 981 181

BALLUFF CZ s.r.o.
BALLUFF CZ s.r.o.
Pelušková 1400
19800 Praha
tel. 724697790

B+R automatizace, spol. s r.o.
B+R automatizace, spol. s r.o.
Stránského 39
616 00 Brno
tel. +420 541 4203 -11

všechny firmy
Reklama


Tematické newslettery




Anketa


Ano, proto se je snažíme minimalizovat
Ne, jsou na odpovídající úrovni
Nejsou vysoké, ale rychle rostou

O nás   |   Reklama   |   Mapa stránek   |   Kontakt   |   Užitečné odkazy   |   Bezplatné zasílání   |   RSS   |   
Copyright © 2007-2017 Trade Media International s. r. o.
Navštivte naše další stránky
Trade Media International s. r. o. Trade Media International s. r. o. - Remote Marketing Továrna - vše o průmyslu Control Engineering Česko Řízení a údržba průmyslového podniku Inteligentní budovy Almanach produkce – katalog firem a produktů pro průmysl Konference TMI