在分析基础上改进运营
先进的数据采集方法使最新一代的运营分析成为可能。
分析见解
- 在应对供应链和劳动力短缺时,分析将成为制造商寻求从运营中获得最大生产力和洞察力的关键驱动力。然而,仅有分析是不够的。它必须补充数据采集,为制造商提供真正的价值。
- 近年来出现了OPC UA和消息队列遥测传输(MQTT)等技术,以帮助增强生产车间的分析和数据采集。这些技术以及其他技术都有帮助工业工厂和设施通过提供实时生产数据来改善运营。
由于工业制造面临着劳动力短缺、材料短缺和材料成本上升等众多挑战,获得准确的生产数据对于监控生产运行、优化制造效率和防止停机至关重要。著名统计学家爱德华·戴明(Edward Deming)曾说过:“没有(事实性的、可理解的)数据,你只是一个有观点的人。”
工业自动化领域的技术创新已经并将继续为制造商创造竞争优势,实现准确和可理解的数据采集,这是提高制造效率的关键。本文将分析这些年来的一些进展,以及分析如何补充数据采集以提供价值。
产业传播演变
可编程逻辑控制器(plc)是在20世纪60年代后期发展起来的。plc是对硬连线继电器逻辑的重大改进,提供了简单的自动化逻辑控制更改,并导致在离散和过程自动化制造中迅速采用数字技术。
基于微处理器的plc提供了来自工厂地面传感器、开关、执行器和更多内部衍生信息的丰富数据。然而,早期的通信媒体和协议在速度和能力上受到限制,并且仅在请求时使用客户端/服务器方法进行报告,因此它们不能报告异常。
坚固耐用的工业pc (ipc)适用于工厂车间,于20世纪80年代中期推出,提供了托管监控和数据采集(SCADA)应用程序的能力,人机界面(HMI)设备于20世纪90年代初推出。ipc、SCADA和hmi允许车间操作员可视化生产机器,并更改操作设置。
从历史上看,用于PLC、ipc和hmi的大多数工业通信协议都是由PLC供应商开发或在其帮助下开发的,例如:
- Modicon(现施耐德电气)的Modbus。
- 西门子Profibus。
- 由罗克韦尔自动化公司生产的DF1系列。
- 西门子、欧姆龙(Omron)、三菱(Mitsubishi)等公司也生产了许多其他产品。
以太网,标签名称,改进的通信
其中一些是专有的,一些不是,但广泛的分类使得最终用户很难实现完全的连接。随着IT技术的改进,操作技术(OT)世界开始远离专有方法,并趋向于更开放的IT方法。
例如,以太网在20世纪90年代开始在工厂车间使用,尽管许多通信协议是不可互操作的。更新到以太网的协议包括Modbus TCP、Ethernet /IP和Profinet。
作为新的以太网协议的发展,第二个趋势是使用“标签名称”而不是寄存器名称,提供更容易的关联的PLC寄存器正在使用及其编程功能。
发展的第三个趋势是努力改善不同应用程序之间的通信。OPC DA (OPC数据访问)于1995年首次引入。OPC是Process Control的OLE(对象链接和嵌入)的缩写,它是基于Microsoft Windows COM(组件对象模型)技术的。OPC DA基于客户机/服务器架构,它允许在不同应用程序之间共享具有基本属性的实时数据,而每个应用程序都不知道其他应用程序的接口详细信息。
几家公司开发了OPC DA服务器产品,允许HMI/SCADA产品和其他应用程序使用各种工业以太网协议访问plc。这些解决方案允许用户轻松地与plc接口,而无需每次都开发特定的通信驱动程序。虽然OPC DA是当时用于PLC数据采集的通信技术的重大改进,但它也有局限性,例如:
- 最小的安全。
- 没有平台独立性(仅限Microsoft Windows)。
- 性能约束。
- 架构没有为互联网优化。
- 有限的数据类型处理。
OPC UA和MQTT
为了解决这些问题和其他问题,OPC UA (OPC统一架构)2008年上映。OPC UA是一种平台独立的解决方案,可以运行许多平台,包括使用Linux、苹果和Android设备的嵌入式微控制器设备、基于微软windows的ipc、基于云的基础设施等。主要特点包括:
- 加密通信,具有用户身份验证和活动日志。
- 在WebSockets上支持像OPC-binary或JSON这样的传输协议。
- 对报文进行排序,防止重放攻击。
- 发布/订阅(发布/订阅)功能。
与传统的客户端/服务器机制相比,发布/订阅机制特别有趣,因为它允许像plc和传感器这样的边缘设备向面向消息的中间件服务器发送新数据,而面向消息的中间件服务器可以将数据提供给任意数量的订阅者,例如HMI/SCADA应用程序。
虽然OPC UA是将数据从边缘设备转移到消费者的强大架构,但对OPC UA复杂性的一些担忧导致了其他技术的发展。一个很好的例子是消息队列遥测传输(MQTT),这是一种轻量级发布/订阅协议,用于在端点设备和更高层软件之间传输数据。
MQTT于1999年开发,用于连接远程石油管道和集中式SCADA,通常通过低带宽卫星链路。需要注意的是,MQTT的体系结构非常灵活,因为它使用了向“代理”提供数据的“客户端”,而“代理”可以向请求数据的任何“客户端”提供数据。在这种模式下,发布者和订阅者之间没有硬联系,从而简化了操作和支持。
数据采集导致物联网
许多数据采集方法简化了物联网项目的实施。对于工业和关键任务应用,如机器、天然气管道和运输电网的监控,该术语通常被修改为工业物联网(IIoT)。
物联网实现允许边缘(端点)设备通过物联网网关服务连接到主机设备,允许访问边缘设备中包含的信息。
这一趋势的第二个概念模型被称为工业4.0,由世界经济论坛在2015年推广。这种模式代表了一种根本性的转变,将人工智能(AI)、分析学和先进的机器人技术引入传统制造业。工业物联网是工业4.0的重要组成部分,因为它提供了有效的机制,将数据从传感器和机器等边缘设备传递到由人类和人工智能执行的更高级别的监控、计算和分析。因此,OPC UA和MQTT技术是实现工业物联网和工业4.0的关键。
随着现代PLC技术的发展,亚毫秒范围内的数据采样率现在成为可能。使用OPC UA服务器可以实现10ms范围内的数据更新速率。使用直接PLC协议驱动程序(如Modbus TCP或EtherNet/IP)用于HMI/SCADA系统与PLC之间连接的通信速率可能在10到30毫秒范围内,具体取决于通信的数据量。这些提高的速度允许对生产和机器数据进行响应式监控。
应用数据采集改进操作
所有这些发展都通过提供实时制造数据来帮助工业工厂和设施改善运营。这使他们能够通过优化生产性能和最小化停机时间来做出更好的数据驱动决策。
一些指标和工具已经开发用于使用这些实时生产数据,以帮助优化制造效率。总体设备效率(OEE)根据生产目标监测生产结果,而预测分析则检测即将发生的设备故障。
OEE是一种用于监控当前制造操作的工具,与其全部潜力相比。OEE为100%意味着只有好的零件是在全速运转的情况下生产的,没有生产线中断。OEE被用作衡量制造业生产率的指标,计算方法如下:
Oee = a * p * q
其中A为设备或生产线运行的时间百分比;P =速度/吞吐量性能的%;Q定义所生产零件的质量百分比(图1和图2)。
四种类型的分析
分析是使用生产数据来帮助用户做出有关生产操作的决策。有四个主要的分析类别,每个类别都是改进运营的独特工具:
- 描述性分析。
- 诊断分析。
- 预测分析。
- 规范的分析。
描述性的分析是历史上最常用的分析工具,它通过查看过去的生产数据来确定发生了什么以及是什么导致了问题。基于实时和过去的数据,它通过提供数据上下文来获得流程如何执行的见解。这更像是“事后分析”类型的分析。
诊断分析使用统计数据来发现模式,提供对实时数据的洞察。根本原因分析是最流行的方法之一。诊断分析回答了“为什么会发生这种情况?”,这也是一种“事后分析”类型的分析。
预测分析是一组工具,用于根据当前的运营状态提供可能发生什么的答案。预测分析依赖于生产过程的实时数据,并使用统计分析、回归和人工智能等工具来分析过去的制造数据,并预测不久的将来制造操作。预测分析通常是云托管的,以方便从多个数据源获取数据,以及预测分析工具有效运行所需的数据存储/检索。
说明性的分析是一种分析工具,它不仅能预测会发生什么,还能预测发生的时间和原因,并提供建议以降低风险。这些工具需要同时访问实时数据源和历史数据源。例如,石油生产作业将使用油田设备的规定性分析来帮助优化生产产量和减少停机时间。
数据采集支持有价值的分析
数据采集是支持可视化和分析的基本元素,这对于提高制造效率是必要的。如果无法轻松获取高速实时数据,实施OEE和预测分析等解决方案是不切实际的。由于良好的数据采集选项是可用的,并且趋势是更加开放和可用的,因此已经开发了用于可视化和分析的现代软件工具,以提供改进的功能和易于部署。这些软件工具将继续增长,并帮助公司实现制造业务的生产目标。
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献,并获得你和你的公司应得的认可。点击在这里开始这个过程。