Snáď každý manažér priemyselného podniku by chcel zvýšiť kvalitu výroby, optimalizovať beh výrobných liniek a spotrebu energií, či predvídať poruchy strojov a zariadení skôr, než spôsobí nákladný výpadok. Tento cieľ je možné dosiahnuť prostredníctvom analýzy relevantných dát zo strojov a zariadení.
Práca s nazbieranými dátami má nepochybne veľký potenciál, a to ako pri zvyšovaní produktivity a kvality, tak aj pri optimalizácii nákladov. Popísané prínosy však dosiahnu iba podniky, ktoré dokážu dáta efektívne zbierať a uchovávať pre ďalšiu analýzu. K tomu potrebujú riešenie so zodpovedajúcou architektúrou, ako na úrovni IT, čiže dátového úložiska a spracovania dát, tak aj na úrovni prevádzkovej technológie (OT), čiže snímania dát a nakoniec aj na úrovni prenosu dát medzi OT a IT.
So zberom dát dnes už väčšina priemyselných podnikov nejaké skúsenosti má. Obvykle zaznamenávajú údaje z výrobného alebo montážneho procesu, napríklad kedy začal a ako dlho trval výrobný cyklus a aký materiál alebo polotovar bol použitý. Podniky majú potom presný prehľad o zásobách surovín či dielov na sklade alebo o množstve vyrobených produktov, ale väčšinou nesledujú tie parametre pri výrobe, ktoré môžu ovplyvňovať kvalitu alebo nepretržitosť produkcie. Ide o snímanie fyzikálnych parametrov pri výrobe alebo montáži, napríklad teploty, tlaku, prietoku alebo vibrácií. Výsledky ich analýzy môžu viesť k optimalizácii výroby alebo identifikácii nutnosti údržbového zásahu a tak predchádzať nečakaným odstávkam.
Zbierať potrebné dáta však nie je vždy ľahké. Dôvody môžu byť rôzne. Niektoré staršie stroje a zariadenia nemusia potrebné dáta napríklad poskytovať vôbec. Novšie stroje to síce dokážu, ale často iba vo formáte špecifickom pre daného výrobcu priemyselných technológií. V iných prípadoch sa dáta získané z výrobného a montážneho procesu udržujú iba po dobu trvania procesu a pre následnú analýzu sú už nedostupné. Výsledkom sú potom neprepojené ostrovy dočasne dostupných dát, na základe ktorých výrobní manažéri nemôžu získať ucelený prehľad o priebehu výroby s možnosťou analyzovať príčiny problémov. Tiež nie sú schopní v súvislosti s energiami identifikovať straty alebo odberové špičky a predísť napríklad pokutám za prekračovanie kapacít, ani optimalizovať kontrakty s dodávateľmi energií.
Ďalšou prekážkou býva chýbajúca moderná IT infraštruktúra. Napríklad zastaraná databáza nedokáže uchovávať veľké objemy dát z výroby, ani v nich neumožňuje rýchlo a efektívne vyhľadávať a analyticky ich spracovať. Aby mal podnik k dispozícii dáta na zlepšenie kvality výroby, prediktívnu údržbu či energetický manažment, potrebuje mať univerzálnu technologickú architektúru, ktorá dokáže zbierať a uchovávať dáta z rôznych systémov, strojov a zariadení. Ide o nevyhnutný základ pre neskoršie analýzy a vyhodnocovanie dát, na základe ktorých sa dajú robiť manažérske rozhodnutia.
V podnikoch sa na tento účel zavádza riešenie priemyselného internetu vecí (Industrial IoT – IIoT). V mnohých prípadoch je potrebné prepojiť stroje, čiže prevádzkovú technológiu (OT) so svetom ukladania a spracovania dát, čiže informačnou technológiou (IT). Príkladom takého prepojenia je použitie OPC UA. OPC UA je skratkou pre Open Platform Communication Unified Architecture a ide o komunikáciu, komunikačný protokol a architektúru určenú pre priemyselnú automatizáciu. Centrom komunikácie medzi strojmi v prevádzke a IT komponentmi riešenia je potom OPC UA server, napríklad KEPserverEX, predstavujúci vlastne komunikačný „hub“, umožňujúci komunikáciu proprietárnych systémov a zariadení od rôznych výrobcov. To potom vedie k nasadeniu moderných riešení priemyselného internetu vecí (IT + industrial OT = IIoT).
Takéto riešenia umožňujú zbierať dáta prakticky z ľubovoľných systémov, snímačov či zariadení. Údaje následne smerujú do databázy, napríklad Elasticsearch, ktorá ich dokáže uchovávať dlhodobo (nielen počas produkčného cyklu) a hlavne efektívne a rýchlo v nich vyhľadávať. To vytvára predpoklady pre následné analytické spracovanie a vizualizáciu dát. Napríklad v open-source nástroji Grafana.
Otvorená architektúra využívajúca vyššie zmienené riešenia, navrhnutá špecialistami Soitronu je pre väčšinu priemyselných podnikov z pohľadu možnosti zbierať a využívať dáta generačným krokom vpred, ktorý je navyše aj nákladovo efektívny – nielen vďaka možnosti nahradenia hardvérových komponentov softvérom, ale aj pre využitie open-source softvéru a úspore financií za komerčné licencie.
Jednotnú univerzálnu architektúru je možné využiť na zber dát súvisiacich s procesom výroby (teplota, tlak, prietoky kvapalín a plynov, vibrácie, odbery el. prúdu a pod.) a na následnú analýzu, výsledky ktoré môžu mať zásadný vplyv na kvalitu a životnosť výrobkov. Zároveň ju možno použiť ako na predikovanie poruchovosti strojov a zefektívnenie údržby, tak na optimalizáciu spotreby energií, plynu, stlačeného vzduchu a vody, zvýšenie priemyselnej bezpečnosti, alebo na akúkoľvek budúcu aplikáciu s využitím technológií strojového učenia a umelej inteligencie.
We are in the process of finalizing. If you want to be redirected to our old version of web site, please click here.
