Виртуални сензори за индустриални приложения

Bиртуалните сензори отчитат качествата на продукти или параметрите на процеси посредством математически модели като заместител на физичните сензори или в комбинация с тях. Тези математически модели са базирани на данните, отчетени от физически сензори. Техниките за виртуално отчитане се прилагат като надеждна и разходно-ефективна алтернатива на скъпите или често непрактични физически измервания.

Виртуалните сензорни системи обикновено използват за база изчисления от конвенционална измервателна апаратура, като оценяват съответствието на реалните с прогнозните стойности на параметрите. Виртуалните датчици извършват индиректни отчитания на абстрактни условия (които не са физично измерими) чрез компилиране и анализиране на данни, отчетени от група хетерогенни физически сензори.

Приложението на такива сензори вече е утвърдено в редица области. Сред тях са автомобилостроенето, биотехнологиите, моделирането на химични системи и процеси, роботиката, жилищната и сградна автоматизация. В областта на машиностроенето тепърва предстои масовото налагане на виртуалните сензори. Най-разпространените приложения на такива решения са за отчитане на вибрации, прогнозиране на смущения и предсказване на грешки.

Видове виртуални сензори
Виртуалните сензори са способни да оценяват критични и обикновено трудни за измерване променливи на процеси като качество на продуктите. Това се случва посредством онлайн компилиране на стойностите на други измерими променливи. Съществуват два коренно различни вида виртуални сензори:

• Статични, конструирани на базата на изчисления, в които времевата променлива е изключена, тъй като процесът или не е с динамичен характер, или динамичните ефекти са пренебрежими.
• Динамични, базирани на изчисления, при които са взети предвид времето и ефектите на интеграция.

На практика всички процесни индустрии използват в една или друга степен сложни виртуални сензори за изчисляване на баланса маса/енергия в системите за управление. Типичен пример е масовият и енергиен баланс в обменник, при който може да бъде отчетена неизмерваната изходна температура.

Такова изчисление може да бъде толкова сложно, колкото е необходимо, за да се вземат под внимание последиците от налягането и температурата върху топлотворната способност и плътността, особено ако аналитичният състав на флуида е известен.

Симулационни модели
Използването на статични или динамични модели за симулация може да помогне, когато са налице изчисления и корелации в процес на развитие, които след това се изпълняват чрез онлайн или симулационни модели, които могат да се използват директно онлайн въз основа на данни за процеса в реално време. Понятието „онлайн” може да бъде интерпретирано по различни начини.

В този контекст то се отнася до автоматичното събиране на данни от съоръжения в реално време, като се извършват изчисления посредством корелация или модел и в последствие експортирането на стойностите в управляващата или информационна система на съоръжението за обратна връзка към оператора или като входящ сигнал към контролера. Не би трябвало обаче да се очаква от динамичните симулации да осигуряват приемливи виртуални сензорни отчитания за всички отделни процесни модули.

Приложната им област е ограничена до модули, които отговарят на следните критерии: циркулиращите компоненти са известни или добре измерени; термодинамичните пакети за тези компоненти са надеждни; модулните операции в съоръжението са добре онагледени чрез симулатор; основните смущения на процесите се проследяват и измерват.

Строгите симулационни модели могат да предложат възможности за развитие на виртуални сензори. Базираните на статични модели сензори имат широка приложна област и могат да бъдат използвани за разработването на корелации или онлайн.

Динамичните модели, от друга страна, могат да осигурят надеждни стойности за времезависими променливи, но кръгът на приложенията им е ограничен до конкретни специфични случаи. Основната им слабост е липсата на точно и изчерпателно познание относно характера на входната информация, за което може да се изискват онлайн анализатори.

Възможни приложения
Виртуалните сензори са приложими и често задължителни, когато:
Качеството или процесният статус не могат да бъдат измерени посредством физично устройство. Оценяването на дадени качества може да бъде доста усложнено и да включва ръчно третиране на проби от продукта, тестване на срока на стареене, влажността или якостта на опън, както и изгаряне на продукта и анализ на пепелта.

Физическите сензори са твърде бавни. Някои сензори като газовите хроматографи изискват повече време за отчитане. Работният цикъл на сензора или инструмента може да бъде по-дълъг от необходимия за осъществяване на адекватно управление на процесите или изпращане на обратна връзка към оператора. Виртуалните сензори могат да осигуряват и междинна информация, между две отчитания например. Т.нар. проследяващи виртуални датчици могат да се самокалибрират, като по този начин гарантират постоянна точност на отчитането.

Физическите сензори са твърде отдалечени.
Физическият сензор може да бъде монтиран твърде далеч от точката, в която са необходими отчитания, за да осигурява своевременна информация за измененията в процеса. Това закъснение може да възпрепятства или забави навременната обратна връзка към оператора и нужната реакция от негова страна. Виртуалните сензори, от друга страна, могат да отчитат предсказно, като предвидят даден резултат, който ще е налице в бъдещ момент. Това е едно от най-честите приложения на виртуалните сензорни системи.

Инсталирането на физичен сензор е твърде скъпо.
Някои по-сложни физически сензори могат да се окажат прекалено скъпи за дадено приложение. В такъв случай собствениците и мениджърите на индустриалните съоръжения обикновено могат да си позволят закупуването и инсталирането само на един и са принудени да насочат информацията от няколко производствени линии или машини през него.

Ако това се окаже единственият начин да се отчитат качества или параметри на процеси, данните от физическия сензор могат да бъдат използвани като база за онлайн отчитане чрез виртуални сензори поотделно за всяка линия или машина, като по този начин виртуално се мултиплицира ефектът от инвестицията в скъп физически сензор.

Много петролни компании например инсталират по една физически измервателна станция на платформа, като провеждат тестово измерване на параметрите при добив на петрол от всеки кладенец поотделно, а след това внедряват виртуални сензори и използват тази информация за основа на виртуалните отчитания.

Пространството не позволява инсталирането на физичен сензор.
При дадени приложения понякога просто няма място да бъде инсталиран физически сензор или пространствената геометрия влияе върху точността на измерванията. В такива случаи виртуалните сензори се оказват единственото възможно решение.

Условията на средата са опасни за физическия сензор.
Има процеси, при които отчитането на качества или параметри може да бъде извършвано само периодично или косвено, тъй като средата е "враждебна" и би могла да повреди физическия сензор. Виртуалните сензори тук отново могат да използват за база периодичните отчитания от физическите сензори, за да отчитат непрекъснато, без физически да са в досег с агресивната среда.

Физическият сензор е твърде неточен.
Някои физически сензори трудно поддържат номиналните си параметри поради лош дизайн или специфични условия на работната среда. В такива случаи виртуален сензор може да бъде стартиран веднага след калибрирането на физическия, за да се проследяват прецизно процесите и да се следи за отклонения в точността на физическите сензори.

Поддръжката на физическия сензор е твърде скъпа.
Някои сензори с времето се повреждат под влияние на условията на експлоатация и трябва да се осигури регулярна превантивна поддръжка, за да работят ефективно. При експлоатация на нефтени кладенци на платформи например се инсталират измервателни системи за позитивно отклонение, които с времето ерозират и губят точността си. За да се поддържа непрекъснато измерване и отчитане, е необходимо да се ангажира плавателен съд и екип, който да подмени с друг сензор дефектиралото устройство и да го занесе на ремонт. Това в повечето случаи коства на операторите доста средства.

Аналитични и емпирични техники за виртуално отчитане
Съществува голямо разнообразие от техники за виртуално отчитане, които могат да бъдат основно подразделени в две групи: аналитични и емпирични. Аналитичните виртуални техники са базирани на прогнозни изчисления, отчитащи апроксимациите (приближенията) на изчисленията, постигнати чрез прилагане на физичните закони, които влияят върху процеса или обекта на измерване, до резултатите от реални отчитания на търсените параметри.

За добре познати и изучени процеси тези апроксимации могат да бъдат изключително точни (например използването на физичните уравнения за отношението между маса и енергия), докато за много други процеси точни физични модели не съществуват и използването на приближения би могло да доведе до значително нарастване на грешката на сензора. Аналитичните техники обикновено се осъществяват паралелно с техники за проверка на данните.

Емпиричните техники за виртуално отчитане базират изчислението на стойностите на търсените параметри на съществуващи данни от предишни измервания/изчисления на същите параметри и на корелацията на наличните данни с други свързани процесни променливи.

Съществуващите бази данни могат да бъдат генерирани или чрез физическо измерване посредством временно инсталиран сензор, или чрез детайлни еднократни изчисления посредством сложни физични модели, които обикновено е твърде скъпо и ресурсоемко да бъдат провеждани непрекъснато и в реално време. Емпиричното виртуално отчитане е базирано на функционална апрокисмация и регресионни техники, които могат да бъдат приложени посредством редица статистически или реализирани чрез машинно обучение методи на моделиране.

Виртуални сензорни мрежи
Виртуалните сензорни мрежи (VSN) са нова форма на съвместни безжични сензорни мрежи. За разлика от предишните такива решения, посветени на специфично приложение (например проследяване на дадена променлива), виртуалните безжични мрежи позволяват ресурсно ефективно паралелно изпълняване на множество задачи.

Основната идея, заложена във VSN мрежите, е споделянето на ресурсите и съвместното провеждане на няколко измервания, като мрежовите възли получават различни задачи и ги изпълняват, използвайки същите ресурси като за една-единствена задача. Развитието на този тип мрежи може да позволи конфигурирането на динамично варираща подгрупа от възли (например когато сензорите отчитат промените в даден процес/явление с течение на времето в различни точки) или потребители (които получават информация за промените в мрежата във времето).

Виртуалните сензорни мрежи могат да бъдат конфигурирани чрез осигуряването на логическа свързаност между съвместно отчитащи сензори (collaborative sensors). Отделните мрежови възли могат да бъдат групирани в различни виртуални мрежи, базирани на процеса или явлението, което проследяват, или на задачата, която изпълняват.

VSN мрежите осигуряват протоколна поддръжка за конфигуриране, използване, адаптиране и обслужване на подгрупи от сензори, съвместно изпълняващи специфична задача. Дори мрежови възли, които не следят дадено явление, могат да бъдат част от виртуална мрежа, ако позволят на отчитащите възли да комуникират помежду си през тях. Така VSN мрежите използват налични междинни възли или други реални и виртуални мрежи, за да пренасят ефективно съобщения между отделните си елементи.

Визуални виртуални сензори
Тяхната реализация е опосредствана от два фактора: съвременните достижения в машинното зрение и нарастващата достъпност на разходно-ефективни сензори за камери и видеоустройства. За развитието на визуалните сензори допълнително спомагат и най-новите разработки в областта на безжичните визуални сензорни мрежи (WVSN), които позволяват обработката на визуални данни от видеомониторинг, макар и с по-високи разходи, породени от потребността да се съхраняват и пренасят големи обеми информация.

За разлика от конвенционалните физически сензори, визуалните виртуални сензори функционират на базата на данни, извлечени от изображения или видеа, които могат да бъдат съхранявани и пренасяни чрез WVSN мрежи. Съответно инсталирането на един такъв сензор изисква единствено поставянето на маркери в сензорната среда и насочването на сензора на камерата към тях.

Такава конфигурация има две основни предимства: улеснен контрол на сензорите, тъй като са леснодостъпни и заменяеми; и възможността един възел в камерата да взаимодейства с множество виртуални визуални сензори и ефективно да пренася събраната информация в мрежа. Размерът на данните от виртуалните сензори обикновено е в пъти по-малък от този на суровите изображения.

С помощта на съвременните алгоритми за машинно зрение проследяването на дадени процеси или явления чрез изображения може лесно да бъде изпълнено посредством визуални виртуални сензори, които са ефективна алтернатива на различните физични системи като акселерометри или датчици за обем/изместване с цел структурен мониторинг на състоянието на дадено оборудване.

Отчитането при визуалните сензори протича в две фази: в първата от даден входящ видеоматериал се извличат данни за състоянието на маркерите от всеки фрейм чрез приблизителна оценка на пространственото им положение; във втората фаза сензорът прави опит да свърже информацията от извличанията с времевата линия. След като времевите и пространствени данни са извлечени от видеоклипа, могат да бъдат отчетени динамичните изменения във всеки маркер.

Мониторинг на натоварването
В практиката досега поддръжката на оборудването в производствените съоръжения се провеждаше по предварително изготвен график или инцидентно при настъпили аварии. Някои производители все още оборудват машините си с физически сензори, но решенията, които разчитат изключително на тези устройства, имат редица недостатъци. Сред тях са по-високата им цена, повечето усложнения при внедряване, нуждата им от отделна система за мониторинг и ограниченото им действие.

На практика те измерват натоварването само в точките, в които са инсталирани. Използването на виртуални сензори се оказва единственият икономически обоснован начин да се получи цялостна картина на натоварването в оборудването. Дори алгоритмите, симулациите и математическите модели да могат да изградят сравнително точен образ на реалността, и в най-прецизните изчисления се допускат грешки.

Ето защо изследователите в областта постоянно сравняват виртуалните данни с резултатите от реални измервания, направени при работещо оборудване. Ако има голяма разлика, моделите се преработват, за да отговарят по-точно на реалността.

Скрининг на състоянието на индустриално оборудване
Проектантите на решения за Industry 4.0 се стремят да разработват индустриално оборудване с интегрирана интелигентна функционалност, базирана на смарт функции за самонаблюдение. Разработчиците вече са една стъпка по-близо до концепцията за самообслужваща се машина.

На машините за формоване на метал, например, им се налага да работят продължителни периоди от време, подложени на влиянието на големи сили. При студеното формоване на части за автомобили, перални машини, хладилници и други видове оборудване, упражняваното налягане може лесно да достигне няколко хиляди метрични тона. Тази операция се повтаря стотици или хиляди пъти в рамките на жизнения цикъл на машината. Ако възникне повреда, това може да причини значителни щети на оборудването.

Тъй като тези машини обикновено са интегрирани в цялостни производствени линии, може да бъде предизвикано спиране на целия процес. В зависимост от степента на повредата, ремонтът може да отнеме и цял месец, а загубите да достигнат внушителни размери. Решения, които позволяват предиктивен мониторинг на такива повреди в цялото оборудване или в отделна машина, биха позволили на компаниите да извършват предварителна поддръжка и подмяна на критичните компоненти, за да не се нарушава производственият график.

В бъдеще машините масово ще бъдат снабдени с интегрирани функции за самостоятелна детекция и прогнозиране на повреди. Изследователи от института за технологии за металообработка и формоване Fraunhofer IWU в Кемниц, Германия, са разработили прототип на информационно-базирана система за предсказващо наблюдение и поддръжка, която позволява на операторите на оборудването да определят кой компонент от цялата система е изложен на най-висок риск от повреда.

Разработката на системата е част от проекта iMAIN, финансиран по РП7 на ЕС за научноизследователска дейност и иновации. От ключово значение за технологията са именно интегрираните виртуални сензори. Те получават входяща информация едновременно от компютърно симулирани модели и от физични сензори, които осигуряват данни за натоварването, на което е подложен всеки отделен компонент.

Посредством математически модели и малък брой физически сензори може напълно реалистично да се симулира сценарий на натоварването на цялото оборудване в реално време. Това осигурява база за изцяло нов и иновативен подход към превантивната поддръжка.

Възможности за разширяване на функционалността
Съществуват редица възможности за разширяване на функционалността на виртуалните сензори. Облачен сайт, достъпен за неограничен брой потребители чрез широк набор от интерфейси - включително през смартфони, таблети и лаптопи, може да служи като база за съхранение на информация за натоварването във времето на машини в различни производствени съоръжения.

Колкото повече данни се събират, толкова по-прецизно е предсказното наблюдение. Разработват се алгоритми, които позволяват на машините да се обучават с времето въз основа на хронологията на авариите и ремонтите и сами да назначават подмяна на компоненти или да отчитат, че са достигнали максимално натоварване. Реалните данни се сравняват със симулационен модел, който може да бъде използван за прогнозиране на сривове в оборудването.