W erze technologii Internetu Rzeczy (IoT) inżynierowie automatycy mogą użyć systemów sterowania opartych na komputerach przemysłowych do wykorzystania procedur i mechanizmów analityki Big Data, które pomogą im w uzyskaniu użytecznych informacji dla swoich firm w czasie rzeczywistym.
Popyt firm przemysłowych na rozwiązania wspierające uzyskiwanie w czasie rzeczywistym informacji, które umożliwiają im podejmowanie najlepszych decyzji, jest obecnie tak wielki, jak nigdy przedtem. Odpowiedzialność za zastosowanie właściwych technologii dla osiągnięcia tych celów często spoczywa na barkach inżynierów automatyków. Na szczęście istnieją takie sposoby wdrażania przez nich analityki przy wielkiej ilości i różnorodności zmiennych w czasie danych (analityki Big Data), które nie wykraczają nadmiernie poza obszar umiejętności programistów sterowników PLC (programowalnych sterowników logicznych), jeśli pracują oni z systemami sterowania opartymi na komputerach przemysłowych.
Ponieważ w ostatnich latach, w rozwijającej się erze Internetu Rzeczy (IoT) platformy systemów sterowania opartych na komputerach przemysłowych ewoluowały, zniknęła większość ograniczeń technologicznych dla zadań możliwych do realizacji przez sterowniki automatyki w maszynach i fabrykach. Już od połowy lat 90. XX w. jeden sterownik oparty na komputerze przemysłowych mógł spełniać połączone role sterownika PLC, sterownika ruchu oraz interfejsu operatorskiego (HMI). Takie możliwości pozwoliły na wyeliminowanie wcześniej istniejących kategorii kosztów oraz czynniki wpływające na obniżenie wydajności, wynikające z uzależnienia się od wielu platform sprzętowych, programowych i sieciowych. Obecnie możliwe jest, aby jeden komputer przemysłowy (IPC) spełniał rolę bramy sieciowej IoT, urządzenia przetwarzającego dane na krawędzi sieci oraz platformy analizy danych.
Podczas gdy wdrażanie sterowników maszyn z wbudowaną analizą danych jest bardziej typowe w scenariuszach przetwarzania danych w modułach na tzw. krawędzi sieci, to dodatkowy kod programów i algorytmów do analizy danych, opracowany w tym samym środowisku, może także być uruchamiany jednocześnie jako usługa w chmurze, takiej jak Microsoft Azure czy Amazon Web Services (AWS). Standardy komunikacyjne, które powstały najpierw w świecie technologii informatycznej (IT), jak np. lekki protokół transmisji danych MQTT (message queuing telemetry transport), są obecnie wykorzystywane również w środowiskach produkcyjnych wraz ze standardami związanymi z aplikacjami przemysłowymi takimi jak popularne OPC UA, co zapewnia skalowalność systemów.
Uruchamianie oprogramowania do analizy danych bezpośrednio w sterowniku maszyny jako uzupełnienie samodzielnych platform wyższego poziomu, które mogą być uruchomione w chmurze obliczeniowej, przynosi samo w sobie wiele korzyści. Jednak wiedza fachowa i umiejętności typowego inżyniera automatyka mogą jeszcze nie obejmować w znaczącym stopniu najnowszych technologii IoT, które coraz częściej wchodzą obecnie do środowisk produkcyjnych.
Dzięki podejściu bazującemu na zastosowaniu narzędzi do analityki Big Data na tej samej platformie inżynierskiej co użyta dla sterowników PLC, sterowania ruchem maszyn oraz interfejsów HMI, inżynierowie skracają sobie czas nauki na korzyść skutecznych wdrożeń w sytuacjach, gdy wielu z nich wprowadza projekty pilotażowe swoich pierwszych prawdziwych koncepcji Przemysłowego Internetu Rzeczy (IIoT) oraz Przemysłu 4.0. To pozwala na ochronę i zwiększenie znaczenia własności intelektualnej konstruktorów i producentów maszyn, bez oddawania nowego źródła dochodów lub przewagi konkurencyjnej dostawcy usług IoT lub jakiejś innej firmie.
Konwersja na języki zgodne z normą IEC
Przy wykorzystaniu technologii sterowania opartej na komputerach przemysłowych kod procedur i mechanizmów analizy danych może być uruchamiany wewnątrz ogólnego kodu sterującego maszyną w celu dokonywania analizy danych online i offline, bez żadnej utraty funkcjonalności czy połączeń sieciowych. Sekwencje do graficznej analizy danych są opracowywane za pomocą odpowiedniego oprogramowania typu workbench. Mogą być przekonwertowane na języki opisane w normie IEC 61131-3, tak więc kod jest łatwy do zrozumienia przez inżynierów automatyków i programistów sterowników PLC, a ponadto takie sekwencje analityczne mogą być uruchamiane w sterowniku PLC w celu realizacji nieprzerwanego monitoringu (24/7). Na szczęście w aplikacjach sterowania w przemyśle dostępne są również systemy sterowania oparte na komputerach przemysłowych, które mogą zaadaptować narzędzia programistyczne stosowane przez informatyków.
Przedstawione podejście może być rozszerzone tak, aby obejmowało dowolną inną platformę programową, uruchamianą na komputerze przemysłowym. Ponadto w systemach opartych na komputerach przemysłowych możliwe jest rozszerzenie aplikacji do analizy danych o mechanizmy uczenia maszynowego i optymalizacji. Te potężne algorytmy mogą także być uruchamiane w czasie rzeczywistym, równolegle do procedur realizowanych w sterownikach PLC i układach sterowania ruchem na platformach opartych na komputerach przemysłowych. Niezależnie od zestawu narzędzi potrzebnych do realizacji tego zadania, wykonanie jak największej ilości pracy inżynierskiej w jednym środowisku ma tę dużą zaletę, że zapewnia bardziej efektywne opracowanie projektu.
Producenci maszyn, którzy wdrożyli swoje aplikacje za pomocą tego rodzaju technologii sterowania, nie potrzebują nowych narzędzi do wykonania odpowiednich analiz. Za pomocą dostarczanych narzędzi konfiguracyjnych użytkownicy zestawów do analizy danych, oferowanych do systemów sterowania opartych na komputerach przemysłowych, mogą filtrować dane zbierane przez rejestratory.
Dostępne biblioteki oprogramowania zawierają bloki funkcyjne dla kilku typów analizy cyklu, takich jak klasyfikacja danych, minimum, maksimum, średnie czasy cyklu, integratory wartości itd. Zawierają także bloki funkcyjne dla monitoringu wartości progowej, dając możliwość dokumentowania ilości przekroczeń wartości progowej. Inne bloki funkcyjne mogą analizować amplitudy sygnału i przechowywać wskaźniki.
Z dużego pakietu danych można wybrać wiele zmiennych w celu ich graficznego przedstawienia, na przykład z „konfiguracją post-scope”, używając programowych narzędzi typu „oscyloskop Big Data”. Konfigurator ponadto dostarcza kilka algorytmów z analitycznej biblioteki PLC w celu zbadania danych offline pod kątem wartości granicznych lub do wykonania analiz cyklów maszynowych w środowisku uruchomieniowym (runtime). Można łatwo wyznaczyć całkowity czas trwania cyklu maszynowego – najkrótszy, najdłuższy i średni. Wyniki przetwarzania wszystkich ważnych danych mogą być pokazane w raportach typu dashboard, wyświetlanych przez interfejsy operatorskie maszyn oraz inne urządzenia.
Podczas analizowania dostępnych obecnie rozwiązań technologii IoT w architekturach sterowania opartych na komputerach przemysłowych, programiści sterowników PLC mogą tworzyć nowe platformy lub modernizować istniejące systemy w celu wykorzystania możliwości analityki Big Data. Może to być wykonane bez utraty kontroli nad głównym aspektem projektu nowoczesnego systemu sterowania lub przez dodanie warstw złożoności z samodzielnych systemów IoT i analitycznych.
Daymon Thompson – menedżer produktów z branży automatyki w firmie Beck-
hoff Automation, North America.