Статья посвящена обзору возможностей мониторинга, контроля и предиктивной диагностики промышленного оборудования с помощью открытой платформы интернета вещей (IoT) MindSphere компании Siemens и приложений для этой платформы.
ООО «Сименс», г. Москва
Поддержание конкурентоспособности в современном производстве требует от компаний не только выпуска продукции самого высокого качества, но и максимизации операционной эффективности в глобальных цепочках создания стоимости.
Одним из основных факторов, оказывающих давление на рентабельность в различных отраслях промышленности, являются незапланированные простои и отказы оборудования, ведущие к остановке критических сегментов производства. Чаще всего эти проблемы связаны с отсутствием прозрачности в производительности и режимах работы машин и станков, которые не позволяют прогнозировать и предотвращать сбои систем. Согласно последним исследованиям, только 5 % всех доступных промышленных данных используются предприятиями для повышения операционной эффективности (рис. 1).
Рис. 1. Предприятия используют менее 5 % доступных данных. Решения принимаются реактивно, а не проактивно
Одним из способов, которым компании могут минимизировать риск незапланированных простоев и связанных с ними убытков, является мониторинг и предиктивная диагностика состояния оборудования. Мониторинг производства включает сбор данных о параметрах работы оборудования, аварийных сигналах, расчет ключевых показателей эффективности (KPI), поиск аномалий в отношении заданных диапазонов управления, обеспечение прозрачности данных, контроль эффективности и информирование о необходимости проверки оборудования. Мониторинг требует точных и непрерывных входных данных из самых разных датчиков и параметров в режиме реального времени.
Данные реального времени в комбинации с цифровыми двойниками (моделями работы оборудования) позволяют не только своевременно информировать оператора о сбоях или отклонениях параметров производства, но и предупреждать эти события до того, как они произойдут, тем самым предотвращая аварийные ситуации. Предиктивное обслуживание позволяет компаниям идентифицировать сигналы, такие как внезапные всплески или необычное сочетание параметров, пусть даже в пределах нормальных рабочих диапазонов, чтобы предсказать, для какого оборудования требуется техническое обслуживание. Это позволяет компаниям эффективно планировать профилактическое обслуживание и избегать незапланированных простоев.
MindSphere – инструментарий и IoT-платформа для мониторинга
Для создания систем мониторинга и предиктивной диагностики производственного оборудования необходимо решить целый комплекс задач: подключить датчики, настроить системы сбора, передачи и хранения данных, создать модели работы оборудования, разработать алгоритмы анализа данных и прогнозирования, задать пороговые значения параметров и правила реагирования, разработать отчеты и панели отображения данных.
Платформы интернета вещей (IoT), к которым относится MindSphere компании Siemens, предлагают готовые инструменты и решения, позволяющие в короткие сроки создать и запустить в эксплуатацию системы мониторинга и диагностики оборудования с минимальными капитальными затратами.
MindSphere – это операционная система и облачная платформа интернета вещей, позволяющая подключать любые физические устройства и датчики к цифровому информационному пространству. Как операционная система IoT, основанная на облачных технологиях, MindSphere включает специальные приложения и решения для различных отраслей с использованием данных реального времени для мониторинга состояния оборудования. Благодаря применению MindSphere отпадает необходимость создавать и программировать решения IoT «с нуля». Алгоритмы и готовые функции, включенные в платформу, позволяют быстро построить систему мониторинга оборудования и легко ее адаптировать к потребностям компании.
Как показано на рис. 2, платформа MindSphere состоит из трех основных компонентов: собственно облачной платформы, приложений MindApps и инфраструктуры MindConnect для подключения источников и сбора данных.
Рис. 2. Высокоуровневая архитектура платформы MindSphere (увеличить изображение)
Облачная платформа занимает центральное место, обеспечивая все сервисы и интерфейсы, необходимые для работы инфраструктуры MindConnect и слоя приложений MindApps, разрабатываемых партнерами, заказчиками и компаниями концерна Siemens. В платформе MindSphere предусмотрено высокоэффективное хранилище IoT-данных MindStorage.
Программное обеспечение платформы MindSphere основано на решении с открытым исходным кодом Pivotal Cloud Foundry, которое выступает в качестве слоя абстракции от сред виртуализации аппаратных ресурсов (например, VMware vSphere, OpenStack, Microsoft Azure Stack). Таким образом, система позволяет запускать приложения без привязки к конкретному гипервизору облака. «Строительным блоком» платформы служит не виртуальная машина, а контейнер приложения, что значительно упрощает создание приложений для мониторинга. Сегодня платформа MindSphere развернута в облачной инфраструктуре Amazon Web Services. В ближайшее время ожидается версия для гипервизора Microsoft Azure Stack, включая частные и гибридные инсталляции (частное + публичное облако). Все эти возможности позволяют предприятиям не заботиться о масштабировании вычислительных ресурсов и баз больших данных. Благодаря модели PaaS (платформа как услуга) заказчик MindSphere может в любой момент расширить число источников, объем обрабатываемых данных или подключить алгоритмы их интеллектуальной обработки с минимальными инвестициями в инфраструктуру или без нее, оплачивая только подписку на услуги платформы по модели ‘pay as you go’*.
Благодаря комплексному решению MindSphere производственные компании могут сразу же задействовать все преимущества IoT-технологий и снизить время простоев оборудования. Базовый набор услуг MindSphere уже включает готовое приложение Fleet Manager, предоставляющее необходимые инструменты для анализа данных. Дополнительно на платформе доступны различные алгоритмы и прикладные библиотеки с открытыми интерфейсами программирования (API), например анализ сигналов, предсказание трендов, вычисление KPI, выявление аномалий и т. п.
Особое внимание в платформе MindSphere уделяется вопросам безопасности, конфиденциальности и надежности хранения данных. Все данные заказчиков на платформе хранятся в зашифрованном виде. Доступ к ним осуществляется через единый шлюз аутентификации MindSphere Gateway. В момент передачи на платформу данные защищены SSL/TLS-шифрованием с длиной ключа 256 бит. Все решения по обеспечению кибербезопасности, используемые в MindSphere, основаны на международных стандартах ISO 27001, IEC 62443 и других, что обеспечивает высочайший уровень защиты.
Подключение промышленного оборудования
Любой проект мониторинга оборудования с использованием технологий IoT требует подключения датчиков, сбора данных и их передачи на платформу для обработки. Инфраструктура для сбора данных MindConnect предлагает готовые программно-аппаратные решения, которые позволяют быстро подключить к платформе MindSphere различные источники информации по стандартным промышленным протоколам, таким как OPC UA и S7, или встроить программные шлюзы передачи данных в любое вычислительное устройство, обладающее необходимыми ресурсами. Для этого могут быть использованы готовые аппаратные IoT-шлюзы MindConnect Nano и MindConnect IoT2040.
Рис. 3. Аппаратные шлюзы для подключения к MindSphere: MindConnect Nano и IoT2040
Эти устройства позволяют подключать любые промышленные системы, датчики, ЧПУ, контроллеры по стандартным протоколам OPC UA (часть 8 спецификации «Доступ к данным») и Siemens S7 (например, для подключения контроллеров серий S7-3xx / S7-4xx / ET‑200S). Собранные промышленные данные буферизуются устройством, шифруются и передаются через интернет-каналы (протокол HTTPS c шифрованием SSL/TLS) в облачную платформу MindSphere для анализа и обработки. Для подключения шлюза к платформе достаточно внести его уникальный идентификатор, после чего производится его опознавание системой и обмен ключами доступа.
Шлюз MindConnect IoT2040 представляет собой модель начального уровня, эффективную с точки зрения стоимости и простоты установки (монтаж на стандартную DIN-рейку). Шлюз поддерживает чтение данных от 30 источников в секунду, буферизацию данных до 500 Мбайт и передачу данных на платформу каждые 10 секунд. Модель MindConnect Nano более производительная, с поддержкой чтения до 250 источников данных в секунду.
Если предприятию необходимо подключить нестандартные устройства или системы, то может быть использована готовая библиотека с открытым исходным кодом MindConnect Lib, которая позволяет встраивать программные агенты передачи данных в MindSphere практически в любое оборудование, оснащенное микропроцессором и аппаратным интерфейсом сопряжения. Разработанная на стандартном языке программирования ANSI C, библиотека MindConnect Lib не требует значительных аппаратных ресурсов и может быть портирована в любую операционную систему.
Дополнительно для расширения числа протоколов и устройств, подключаемых к MindSphere, могут быть использованы интерфейсы MindConnect IoT Extension, которые поддерживают большое число сторонних программных/аппаратных агентов и спецификаций передачи данных, например MQTT, SmartRest, Modbus RTU, Modbus TCP, CAN-bus, MMC, SPI, I2C, McASP и др.
Кроме того, возможность подключения и передачи данных на платформу MindSphere уже встроена во многие решения Siemens, например в ПЛК Simatic S7-1500, системы ЧПУ Sinumerik 840D, аппаратные модули для мониторинга двигателей Siemens Simotics IQ.
Обработка потоковых данных
Производственное оборудование, машины и станки могут создавать большие потоки данных и сигналы, генерируемые с высокой частотой. Анализ этих сигналов позволяет контролировать и прогнозировать работу оборудования, сравнивая данные реально функционирующей системы с ее цифровой моделью, выявлять аномалии и отклонения. Во многих случаях полностью передавать «сырые», необработанные исходные данные в облачную IoT-платформу неэффективно и дорого с точки зрения пропускной способности каналов связи.
Для решения задач обработки сигналов и потоковых данных платформа MindSphere предлагает дополнительные инструменты мониторинга и анализа состояния оборудования «на месте», то есть на производственной площадке. Подсистема CMS X‑Tools – это система мониторинга состояния (Condition Monitoring System, CMS) от Siemens, которая включает библиотеки и инструменты анализа сигналов. Интеграция CMS X‑Tools может обогатить решение на основе MindSphere эффективными возможностями спектрального и вибрационного анализа сигналов частотой до 192 кГц, динамической корреляции потоков данных, поиска аномалий и выявления трендов. Предварительно обработанные и сжатые данные затем передаются на облачную платформу MindSphere для последующего анализа, например, в контексте смежного оборудования и истории его работы.
Рис. 4. Предварительная обработка потоковых данных с помощью CMS X-Tools (увеличить изображение)
Программные компоненты CMS X‑Tools не нуждаются в специализированном оборудовании и могут быть установлены как на промышленные компьютеры производства компании Siemens, так и на любой стандартный компьютер или сервер под управлением ОС Windows. Решение поддерживает широкий набор быстро подключаемых устройств, которые не требуют дополнительных модулей интеграции с платформой MindSphere. К ним относятся, например, контроллеры Simatic S7-300/400/1200/1500, системы управления движением SIMOTION и SINAMICS, модули SIPLUS CMS 2000 и 4000, станции обслуживания SIMATIC Maintenance Station, серверы OPC UA.
Инструментарий CMS X‑Tools помогает выявлять аномальное поведение систем или повреждения механизмов на ранних стадиях благодаря глубокому анализу и мониторингу их работы в режиме реального времени. Это позволяет оптимизировать процессы производства и снизить затраты на техническое обслуживание за счет прогнозов состояния и запланированных остановок.
Готовые приложения для MindSphere
Открытый подход и модульные принципы построения MindSphere позволили быстро развить широкую экосистему партнеров, которые обогащают платформу своим опытом, знаниями и наработками в виде готовых приложений и модулей MindApps. Пользователь платформы может выбирать в онлайн-магазине MindSphere Store**, содержащем десятки готовых решений, приложения, подходящие для его задач и индустриальной специфики. Уже готовы приложения для химической, пищевой, фармацевтической, автомобильной отраслей промышленности.
Приложение Fleet Manager, включенное в базовый пакет услуг MindSphere, позволяет просмотреть весь парк подключенных устройств, выбрать параметры для анализа, задать диапазоны и пороговые значения сигналов, настроить правила реагирования на события. Пользователь может задать способы отображения и интервалы анализа данных, просматривать исторические данные.
Рис. 5. Основные возможности приложения Fleet Manager
Для мониторинга и анализа работы станков с ЧПУ разработано приложение Manage MyMachines. С его помощью предприятие может контролировать в режиме реального времени текущий статус станка и коды операций, процентовку подачи и шпинделя, историю событий и сбоев и т. п.
Рис. 6. Статус работы станков в приложении Manage MyMachines (увеличить изображение)
Приложение позволяет контролировать целый парк эксплуатируемых станков с их статусами на схеме цеха и (или) участка, оценивать эффективность их работы и загрузку. Оператор станков может анализировать историю их работы, настраивать оповещения об аварийных событиях, просматривать параметры в виде таблиц и диаграмм.
Задачи оптимизации производства, конечно, не ограничиваются только мониторингом и диагностикой промышленного оборудования. Нужно оперативно учитывать состояние склада, информацию от поставщиков и заказчиков, параметры качества сырья и продукции и т. п. Приложение Product Intelligence включает все необходимые интерфейсы и инструменты для сбора и анализа данных из различных источников (поставщиков, производителей и клиентов) в комбинации с промышленными данными. Решение позволяет осуществлять унификацию, поиск, фильтрацию и анализ данных с учетом контекста (например, для партии продукта, поставок комплектующих, условий производства или эксплуатации). Это обеспечивает возможность интеллектуального принятия решений, снижения затрат и времени на поиск источников проблем.
Предиктивная диагностика оборудования
Предиктивная (предсказательная) диагностика производственного оборудования позволяет предугадать наступление аварийной ситуации на основе анализа и мониторинга его текущего состояния и предсказания сбоев. В результате предприятие может заблаговременно предпринять действия для устранения проблемы или смягчения неблагоприятного эффекта. Дополнительным эффектом от предиктивной диагностики может стать переход от практики планово‑предупредительных ремонтов и ремонтов по событиям к техническому обслуживанию на основе фактического состояния оборудования, что снижает количество простоев на производстве и расходы на эксплуатацию.
Создание систем предиктивной аналитики и диагностики охватывает ряд этапов:
- первичный сбор эксплуатационных данных оборудования, включая историю его работы;
- анализ данных и построение прогностических моделей (на основе математических алгоритмов, обучения нейронных сетей, методов распознавания образов);
- верификация и проверка точности моделей.
Платформа MindSphere обладает всеми необходимыми инструментами для построения систем предиктивной диагностики. В пакет услуг MindSphere Predictive Learning входит набор алгоритмов и библиотек для создания предсказательных моделей с помощью методов глубокого машинного обучения, нейронных сетей и на основе математических моделей. В MindSphere готовые аналитические модули могут быть быстро сконфигурированы и подключены к источникам промышленных данных, отображающим работу промышленных систем.
Рис. 7. Создание прогностических моделей в модуле Predictive Learning (увеличить изображение)
C помощью модуля Data Science Workbench, входящего в пакет Predictive Learning, пользователи могут создавать и адаптировать модели, сохраняя их затем в хранилище Zeppelin Notebook. Каждый экземпляр модели может быть обучен на серии реальных данных, собранных в MindSphere, а результат анализа визуализирован. Модели могут быть созданы с использованием известных алгоритмов и наборов библиотек, таких как TensorFlow, Spark, NumPy, Scikit-learn, Keras, SciPy, Matplotlib, Pandas, а также библиотек распределенных вычислений, например MLib. У специалиста по анализу данных также есть возможность конфигурирования необходимых вычислительных ресурсов для работы моделей. Готовые функции инструментария Predictive Learning позволяют быстро анализировать и трансформировать большие массивы данных без необходимости программирования или создания скриптов. Это дает возможность создавать новые серии данных, которые могут быть применены на различных вариантах моделей или в другом хранилище моделей, что упрощает взаимодействие экспертов и специалистов из разных областей.
Примеры применения
Многие европейские производственные компании переходят на цифровые методы мониторинга и предиктивное обслуживание оборудования, активно контролируя его состояние и сокращая время простоев. Технологии и подходы, которые предлагает платформа MindSphere, позволяют осуществить такой переход достаточно быстро и без значительных начальных затрат.
Один из лидеров по производству сложных металлообрабатывающих центров и станков с ЧПУ компания Heller Maschinen und Technologie AG (Heller) поставила перед собой задачу обеспечить для своих заказчиков новый уровень мониторинга и обслуживания продукции. В качестве платформы мониторинга Heller выбрала решение Siemens MindSphere. Благодаря готовым программным агентам, встроенным в ЧПУ Sinumerik, интеграция с платформой MindSphere стала бесшовной. Для обеспечения непрерывного мониторинга станочного оборудования было создано специальное приложение HELLER4Services, которое можно заказать онлайн в магазине приложений MindSphere Store. Приложение позволяет снизить затраты на обслуживание станка в течение всего его жизненного цикла. На основе непрерывного анализа состояния сложной механической системы приложение предлагает сервисные мероприятия, которые предотвращают сбои и связанные с ними дорогостоящие простои. Новая цифровая услуга обеспечивает обзор состояния парка машин и анализ данных за любой период времени, а также синхронизацию данных о фазах процесса производства с сообщениями об ошибках, которые произошли.
Другой пример – реализация системы предиктивного обслуживания холодильных агрегатов и чиллеров серии Blue e+ компании Rittal на базе специализированного приложения MindSphere. Данные от оборудования (температура, напряжение, другие параметры) передаются в платформу MindSphere и используются для контроля состояния установленных систем и управления сервисным обслуживанием. За счет перехода к предиктивному обслуживанию обеспечивается повышение коэффициента эксплуатационной готовности оборудования и достигается 30‑процентное снижение затрат на эксплуатационную поддержку и сервисное обслуживание.
Крупнейший производитель безалкогольных напитков в Европе использует MindSphere для мониторинга и предиктивного анализа работы производственных линий. Ключевым элементом линий являются двигатели, число которых достигает 150. Отказ одного двигателя ведет к незапланированной остановке всей линии и, следовательно, к большим финансовым потерям. Для организации предиктивного обслуживания и своевременной замены двигателей были применены методы вибрационного анализа их работы. Результаты вибрационной аналитики, полученные с помощью инструментов CMS X‑Tools, передаются на платформу MindSphere, которая в режиме реального времени контролирует состояние всех двигателей в производственной системе, предсказывает возможные сбои на основе математических моделей, заблаговременно оповещает персонал о необходимости ремонтных работ. В результате удалось повысить выход готовой продукции на 15 % за счет снижения времени простоев и улучшения производственных процессов.
Заключение
Методы и инструменты цифрового мониторинга и предиктивного обслуживания промышленного оборудования активно развиваются во всем мире. Ключевая роль в этих изменениях принадлежит открытым платформам IoT, к которым относится MindSphere. Чтобы оставаться конкурентоспособными, повысить прозрачность и время бесперебойной работы систем, производственным предприятиям необходимо активно внедрять IoT-технологии.
Услуги и инструменты MindSphere позволяют компаниям быстро подключить существующий парк оборудования и получить первые результаты цифровизации, используя готовые приложения – без необходимости создания собственной ИТ-инфраструктуры и сложных программных стеков. Управляемая облачная модель дает возможность без ограничений расширять функциональность и масштабировать мощность системы мониторинга с предсказуемым уровнем финансовых затрат.
Платформа и операционная система от Siemens предлагает полное (end to end) решение, начиная от инфраструктуры подключения и до инструментов предиктивной аналитики и машинного обучения. MindSphere не только обеспечивает мониторинг состояния оборудования, но и дает операторам и обслуживающему персоналу централизованное представление о рабочих характеристиках и состоянии процессов производства. Технологии предиктивной аналитики MindSphere позволяют точно определить, когда нужно выполнить обслуживание промышленных систем, и тем самым сократить затраты предприятий.
Литература
1. Бекасов Д. Возможности «Сименс» для цифровой трансформации промышленных производств // Тематическое приложение «IIoT» к Control Engineering Россия. 2018. № 5.
2. MindSphere – облачная, открытая операционная система для интернета вещей, способствующая цифровой трансформации бизнеса // CAD/CAM/CAE Observer. 2017. № 6.
3. Соколов Д. И., Соловьев С. Роль открытой операционной системы IIoT MindSphere в цифровой трансформации промышленных предприятий // Автоматизация в промышленности. 2008. № 7.
____________________________
*Англ. выражение ‘pay as you go’ в данном случае подразумевает оплату только за потребленные услуги.
**Будет доступен для пользователей на территории Российской Федерации в ближайшее время.
Статья опубликована в журнале "ИСУП" № 4(76)_2018
Д. И. Соколов, эксперт по развитию направления MindSphere,
С. Ю. Соловьёв, к. т. н., руководитель Центра компетенций,
департамент «Цифровое производство»,
ООО «Сименс», г. Москва,
тел.: +7 (495) 737-1737,
e‑mail: icc.ru@siemens.com,
сайт: www.siemens.ru
_big.jpg'); "4(106)_small.jpg")
