Големите масиви данни (Big Data) в индустриалната автоматизация

Начало > Автоматизация > Сп. Инженеринг ревю - брой 2/2017 > 03.04.2017

Големите масиви данни (Big Data) в индустриалната автоматизация
Големите масиви данни (Big Data) в индустриалната автоматизация
Големите масиви данни (Big Data) в индустриалната автоматизация

Big Data е термин, който все по-често фигурира в англоезичните източници, посветени на информационните и комуникационни технологии.

Той описва големи масиви данни, които са толкова обемни и комплексни, че не могат да бъдат събирани, селектирани, обработвани или управлявани посредством широко използваните софтуерни инструменти в рамките на приемливи периоди от време.

Сред областите, традиционно свързани с генерирането на големи масиви данни, са метеорологията, геномиката, сложните физични симулации, както и научноизследователската дейност в областта на биологията и околната среда.

През последните години обаче все повече проблеми с обработката на големи обеми данни възникват и в различни сектори на индустрията.

Това се случва паралелно с дигитализирането на технологиите в индустриалната автоматизация и реализирането на концепции за свързано производство като Industrial Internet of Things, Connected Enterprise (свързани предприятия), Smart Factory (интелигентни фабрики) и Industry 4.0.

Големите масиви данни в индустрията
Терминът “Industrial Big Data” (IBD) възниква логично, за да опише големите обеми данни в диверсифицирани времеви редове, генерирани с висока скорост от индустриалното оборудване. За първи път е използван през 2012 г. наред с първата дефиниция на Industry 4.0, а в основата му лежи вече познатото понятие за големи масиви данни (Big Data), което стана популярно в областта на информационните технологии през последните години.

Големите данни в индустрията са органично обвързани с индустриалния интернет. Те се характеризират с голям обем и разнородност, както и с изключително високи темпове на увеличаване обема на масивите. Ето защо за обработката им са необходими усъвършенствани технологии и инструменти.

Обикновено Industrial Big Data масивите са по-структурирани и корелативни, по-подредени във времето и по-готови за анализ в сравнение с данните, генерирани в други сфери. Това се дължи на факта, че тези масиви се генерират от автоматизирано оборудване и процеси, при които средата и операциите са силно контролируеми, а човешката намеса е сведена до минимум.

Дори да са генерирани от най-съвременните, мрежово свързани и високотехнологични автоматизирани системи, големите масиви индустриални данни все пак притежават три основни характеристики, които ги превръщат в истинско предизвикателство за обработка.

Традиционните Big Data аналитични инструменти са фокусирани върху изследването на връзките между явленията и събирането на информация за тях. IBD анализът обаче е насочен по-скоро към физическите причини за възникването на даден феномен и изискват по-задълбоченото му изследване.

Потребност от предварителна подготовка
В сравнение с традиционните Big Data аналитични инструменти, Industrial Big Data анализът е съсредоточен върху целостта на масива, а не върху неговия обем. Това означава, че при конструирането на точна аналитична система, базирана на данни, е необходимо да се подготвят повече данни от различни работни среди.

Вследствие на често срещани комуникационни проблеми и на различните по тип източници, големите масиви индустриални данни могат да са дискретни или несинхронизирани. Ето защо важна процедура преди анализа на данните е проверката на тяхната цялост, продължителност и синхронизираност.

При традиционните Big Data аналитични инструменти обемите на масивите могат да компенсират ниското качество на данните. При големите обеми индустриални данни обаче променливите обикновено имат ясни физически значения и целостта на данните е от критично значение при разработката на аналитичната система.

Данните с ниско качество и неправилните отчитания могат да объркат връзките между различните променливи и да окажат крайно негативен ефект върху точността на оценката при обработка. Ето защо директният трансфер на техники, разработени за анализ на големи масиви данни с общо предназначение, не е препоръчителен в индустриалната автоматизация, тъй като могат да се окажат неефективни.

Технологии за събиране, съхранение и управление
Тъй като данните от автоматизираното индустриално оборудване се генерират с изключително висока скорост и в огромни обеми, инфраструктурата, необходима за съхранението и управлението им, е първото предизвикателство, с което се сблъсква индустриалната автоматизация.

Необходими са аналитични инструменти в почти реално време, както и визуализация на резултатите. Първата стъпка към успешното управление на IBD е събирането на правилните данни. Тъй като степента на автоматизация на съвременното индустриално оборудване става все по-висока, обемите данни се генерират на база отчитанията на все повече сензори.

Разпознаването и разграничаването на параметрите, свързани със статуса на оборудването, е важно за намаляването на обема данни, които трябва да бъдат събрани, като в допълнение подобрява ефективността на анализа.

Следващата стъпка се състои в изграждане на система за управление на данни, която е способна да работи с големи масиви данни и да извършва анализ в почти реално време (near real-time analytics).

За да е възможно бързото вземане на решения, съхранението, управлението и обработката на данни трябва да са максимално интегрирани. Все по-често се разработват и използват т. нар. IMDG-базирани (in-memory data grid) системи, които са доказани решения за обработка на изключително големи масиви данни, генерирани с много висока скорост, и извършване на анализ в почти реално време.

С намаляването на цените на паметите, тези системи се очаква да се превърнат в централна и фундаментална технология при бъдещата обработка на IBD в индустриалната автоматизация.

Киберфизични системи
Киберфизичните системи са ключова технология в областта на големите масиви индустриални данни. Те са базирани на безпроблемна интеграция между изчислителни модели и физически компоненти. За разлика от конвенционалните оперативни технологии, обработката на IBD изисква вземане на много по-информирани решения, централна роля при които играе статусът на оборудването.

Така наречената “5C” архитектура (Connection, Conversion, Cyber, Cognition, Configuration – свързване, преобразуване, кибер, познание, конфигурация) при киберфизичните системи е фокусирана върху преобразуване на необработени данни в действена информация, разбиране на процесите и тяхното оптимизиране посредством вземане на добре информирани решения.

Оптимизираните процеси, от своя страна, допълнително подобряват производителността и намаляват разходите. Това кореспондира и с основната цел на обработката на IBD – извличане на критична информация от големи масиви необработени данни и превръщането й в бизнес стойност.

Big Data и интелигентно производство
В съвременното все по-свързано индустриално производство интелигентните системи, Internet of Things (IoT) сензорите и роботите обединяват усилия в автоматизирането на големи производствени звена, свързвани от жични и безжични мрежи и генериращи както силно структурирани, така и неструктурирани масиви данни.

Интелигентното производство в този смисъл може да бъде дефинирано като: вид информационна система, вградена във физически обекти посредством сензори и актуатори, в която процесите се самоуправляват, “умните” продукти сами инициират коригиращи мерки за предотвратяване на дефекти, а индивидуалните компоненти автоматично се подменят.

Зависима от обработката на големи масиви данни в реално време, на чиято база се вземат решенията в интелигентните фабрики, концепцията за Industry 4.0 на практика се препокрива с тази за четвъртата индустриална революция, при която водеща роля в индустриалното производство играят киберфизичните системи.

За да е реализируема на практика визията за интелигентно производство, индустриалните производствени системи е необходимо да бъдат модифицирани така, че да могат интерфейсно да се свързват и да осъществяват мониторинг на различни сензор-базирани IoT технологии.

Разнородните производствени процеси, логистиката, поръчките и другите елементи на индустриалното производство трябва да могат да бъдат интегрирани в единна интелигентна платформа.

С оглед на необходимата IT архитектура, тази задача се оказва с голям мащаб и сложност. Също толкова важно е и сливането на обработката на IBD и стандартните големи масиви данни – процес, необходим във връзка с реализирането на концепцията за Industry 4.0 и повсеместната мрежова свързаност на производственото оборудване.

За целта е необходимо технологиите и персоналът, ангажирани в събирането и обработката на двете категории информационни масиви, да бъдат тясно консолидирани. Когато е налице необходимост от управление на големи масиви данни в различни фабрики с различни местонахождения и доставчици, е препоръчително в единната платформа за Big Data анализ да бъдат интегрирани и източниците на специфични данни относно локацията и доставките.

Добрата новина според пазарните анализатори в областта е, че вече се утвърждават индустриални стандарти за IBD и стандартни BD интерфейси, които да улеснят потоците на информация в интелигентните производствени системи.

В индустрии като хранително-вкусовата и бутилиращата например се използват все повече сензори за измерване на температура и влажност, които генерират големи обеми данни и изпращат автоматични известия при критични отклонения от предварителни зададените рамки на процесните параметри.

През последните години поръчките на системи за индустриална автоматизация в глобален план регистрират значителен ръст, като все по-търсени стават решенията, съвместими с обработката на големи масиви данни.

Нараства търсенето на сензори, програмируеми логически контролери и други технологии, които могат да интерпретират големи обеми информация. Именно с това започва и процесът по обработка на IBD в индустриалната автоматизация – със закупуване на съответните усъвършенствани системи и компоненти, които са в състояние да събират и управляват Big Data.

Проблеми и предизвикателства
Три от основните проблеми, с които компаниите доставчици на решения за индустриалната автоматизация или експлоатиращите автоматизирани системи е много вероятно да се сблъскат, са: как да бъдат събирани данните, къде да се съхраняват и най-важното – как да бъде извлечена и интерпретирана важната информация от тях.

Събирането на данните отдавна не е проблем благодарение на широката гама технологии за автоматична идентификация и отчитане на различни параметри, достъпна на пазара. Тези технологии все по-масово се имплементират в автоматизираното индустриално оборудване, а също и в системите за сградна автоматизация и мениджмънт.

Напредъкът в областта на облак-базираните системи пък успява да предложи ефективно решение за много от традиционните проблеми, свързани с физическото съхранение на данни.

Едно от най-големите предизвикателства в индустриалната автоматизация в момента е изборът на подходяща технология за интерпретиране на големи и разнородни масиви от данни и превръщането им от шум с голям обем в систематизирана действена информация. През последните години се разработват редица софтуерни решения за Big Data приложения. Една от техниките за паралелна обработка на големи масиви данни на няколко възлови точки е програмният модел MapReduce.

Това е алгоритъм, съставен от две формули – map и reduce. Първата филтрира данните, а втората обобщава информацията, събрана от различни точки, в единен резултат. За разлика от традиционния софтуер, който придвижва данните в мрежата към съответния софтуерен инструмент, за да бъдат обработени, специализираният софтуер за обработка на големи масиви данни трансферира обработващия инструмент в мрежата към информационния масив.

С помощта на такива софтуерни решения за обработка на Big Data от ново поколение индустриалните производства стават все по-автоматизирани и подходящи за генериране и утилизиране на IBD масиви.

Едно от множеството предимства, които тези технологии осигуряват за индустриалните предприятия, е възможността за прогнозен мониторинг на физически системи и оборудване. Идентифицирането на възможни модели в качеството на продуктите, производствените данни и сервизните доклади е само едно от многото приложения на Big Data в производството.

Така предприятията могат да анализират исторически обеми данни, генерирани с години, и да регистрират различни вариации и тенденции.

Едно от основните предимства на използването на големи масиви данни в индустриалната автоматизация е възможността да се събират данни от всички автоматизирани системи и да се идентифицират своевременно и дори предварително всякакви индикации за влошена ефективност и производителност, както и за повреди, неизправности и влошаване на физическото състояние на оборудването.

На база резултатите от обработката на IBD е възможно тези проблеми да бъдат регистрирани, диагностицирани и отстранявани без прекъсвания на производствените процеси и свързаните с тях разходи.

Не на последно място, управлението на големи масиви данни в процесната автоматизация е ефективен способ за идентифициране на потенциал за оптимизиране на процесите.

Информацията, събирана от разнородни интелигентни измервателни уреди, може да спомогне за подобряване ефективността (производствена, енергийна, ресурсна и т. н.) на съответните процесни системи, в които е интегрирана измервателната техника. Така управлението на IBD се превръща в ценен инструмент за генериране на маркетингова информация, прогнозна поддръжка и оперативен мениджмънт.


Вижте още от Автоматизация


Ключови думи: големи масиви данни, Big Data, Industrial Big Data, индустриална автоматизация, Internet of Things



Top