רשת תעשייתית של בריידיד מורשת עם מודרניים IoT Analytics

הנוף האוטומציה התעשייתית עובר טרנספורמציה דיגיטלית, אך מפעלים רבים אתרי ייצור עדיין להסתמך על טכנולוגיות שדה מוכחות כמו פרופ'יבוס. פרופ'יבוס, פרוטוקול תקשורת בוגר סטנדרטי תחת IEC 61158 ו- IEC 61784, מחבר חיישנים, מתאמים, מניעים, ומעבדים לוגיים יעילים (PLCs) עם תזמון מכריע.

בעוד הרעיון של חיבור שדה תעופה סדרתי לענן עשוי להישמע מורכב, שערי פרוטוקול מודרני ומכשירי מחשוב קצה יש פשוט את הגשר. מאמר זה מספק מדריך מקיף, צעד אחר צעד לשלב רשתות פרופ'בוס עם פלטפורמות IoT לניתוח נתונים.We יכסה את היסודות של שתי הטכנולוגיות, אינטגרציה מפורטת, יתרונות, אתגרים, ושימוש אמיתי של פרויקט, בין אם אתה מהנדס צמחי, מערכת ב- tegratgras או תוכנית דיגיטלית מוצלחת, יעזור לך לבצע פעולות.

הבנת פרופ'בוס ו-IoT

פרופ'נביבוס: עבודת התקשורת התעשייתית

פרופ'בוס (Process שדה Bus) פותח בסוף שנות השמונים על ידי קונסורציום של יצרנים גרמניים ומאז הפך לאחד משדות התעופה הנפוצים ביותר בייצור ואוטומציה של תהליך תהליך.זה פועל על כבלים נחושת מעוות או סיבים אופטיים ותומכת בנתוני 9.6 סיביות/s ל-12 Mbit/s.ProPerfects: Fspeed for aLT2 (DeLT2) עבור אוטומציה פיזית של LT2 (Deductrin).

רשתות פרופ'יבוס עוקבות אחר אדריכלות אד-עבדות.המאסטר (בדרך כלל A PLC או DCS) שולט על עבדים האוטובוס והסקרים (רגישים, פועלים, מניעים) באופן מחזורי.חילופי נתונים ⁇ סטיים אלה מספקים שליטה בזמן אמת, אבל זה גם יוצר זרם נתונים מובנה שניתן להקיש לאנליזה.

פלטפורמות IoT: Data Aggregation and Analytics Engine

פלטפורמות IoT תעשייתיות הן סביבות תוכנה אשר אוספים, לאחסן, לעבד ולדמיין נתונים ממקורות מגוונים.הם יכולים להיות מבוססי ענן (למשל, FLT:0AWS IoT CoreFLT:1, FLT:2:2e IoT HubFLT 3: 3), על-ידי תיבות, או יכולות עיקריות היברידיות כוללות תקן קישוריות באמצעות פרוטוקולים כמו MQ, HTTP, ו-OPCLs, מערכת אחסון; מערכת אחסון לא יכולה לספק נתונים ומערכת אחסון;

עבור ניתוח תעשייתי, פלטפורמת IoT בדרך כלל מקיפים נתונים משערים או מכשירים קצה במרווחים מקיפים - משנית לתהליכים מהירים במהירות גבוהה דקות למגמה.פעם לא ניתן לנרמל, להעשיר את הנתונים בהקשר של נכסים, ומאוחסנים במאגרי נתונים מבוססי מטרה (למשל, InfluxDB, Analytics מתקדם של TimescaleDB) - כגון ניתוח שורש, זיהוי בסיסי, ותובנות חיזוי יכולות להיות מכוונות לאלגוריתמים (או כלי תחזוקה) או אלגוריתמים (למשל, אלגוריתמים) או אלגוריתמים יעילים) או אלגוריתמים (למשל, אלגוריתמים).

צעדים ל Integrate Profibus עם פלטפורמות IoT

שלב 1: התקנת פרופיל פרופ'יבוס-טו-IP

רכיב חומרה ראשון וביקורתי ביותר הוא שער הממיר אותות פרופ'יבוס לתוך זרמי נתונים מבוססי Ethernet המובנים על ידי פלטפורמות IoT.מספר ספקים מציעים שערים מוסמכים, כגון FLT:0 כלבוס X-gateFLT:1 מ-HMS Networks או FLT:2NetField PG-100FLT 3 ממכשירים תעשייתיים רכים.

כאשר בוחרים שער, יש לשקול את הדברים הבאים:

  • (FLT:0) אישור: 1.FLT 1 (FLT:1) ודא שהשער תומך ב- Profibus DP או PA (או שניהם) ויכול להפיק נתונים ב- OPC UA, MQTT, Modbus TCP, או RESTful HTTP.
  • (FLT:0) נתונים מבולטים: 1FLT:1 השער צריך להיות זיכרון פנימי כדי לספוג נתונים במהלך הפרעות רשת כדי למנוע אובדן נתונים.
  • (FLT:0) סודיות: חפש שערות עם הצפנה TLS / SSL, ניהול תעודה ותכונות חומת אש כדי להגן על נתוני מערכת הבקרה התעשייתית.
  • (ב) ⁇ :0) , ⁇ (ב) בחר שער שיכול להתמודד עם מספר מכשירי העבדים של פרופ'יבוס ברשת (מגבלות חריפות: 32-126).

התקן את השער פיזית על פלח פרופ'יבוס, להגדיר את הפרמטרים האוטובוס שלה (קצב העבד, כתובת עבדים, עקביות נתונים), ולחבר את נמל Ethernet שלה לרשת הצמח שלך.עבור אוטומציה של תהליך (Profibus PA), ייתכן שיהיה עליך מפרש כדי להמיר את ה- MBP (אוטובוס ממנצ'סטר המופעל) ל- RS-485 עבור השער.

שלב 2: שינוי העברת נתונים לפלטפורמת ה-IoT

ברגע שהשער הוא מקוון, עליך למפות את נתוני תהליך פרופ'יבוס לתבנית המטען של פלטפורמת האינטרנט של פלטפורמת ה-IoT.מרבית השערים מספקים תוכנה לתצורה (למשל, מנהל ניהול התצורה של כלבוס, Softing netX Configuration Tool) המאפשרת לך לבחור אילו משתנים פרופ'בוס (במחשבים, פלט, נתונים אבחון) לפרסם ומהם.

החלטות תצורה מפתח:

  • (FLT:0) בחירת נקודת נתונים: FLT:1 להימנע מפרסום כל משתנה באותו שיעור. שלח ערכי תהליך קריטי (למשל, זרם המנוע, רטט, טמפרטורה) בתדר גבוה (100 ms - 1 s), ופרמטרים דינמיים פחות (למשל, נקודות, מעמד) בשיעור נמוך (1 דקות - שעה).
  • (ב) פרוטוקול העברת מידע:0 (FLT:1 ;2 ;2 ⁇ ⁇ ) הוא פרוטוקול ה-IoT המועדף על יישומים תעשייתיים בשל מודל קל משקל, פרסום, בנוי-ברמות QoS, ושמר הודעות.constructing the Gateway כלקוח MQTT אשר מפרסם לברוקר (למשל, Mosquitto, AWS-MQF) כמו מתווכים MQF:0.
  • (FLT:0) סודיות: 1FLT תמיד להשתמש ב-TLS 1.2 או גבוה יותר עבור חיבורי MQTT.conformname/password או אישורי לקוחות עבור אימות.הגבלת נושא פרסום עם ACLs על הברוקר.
  • פורמט הנתונים:0 (איור 1) השתמש בפורמטים מובנה כגון JSON או CBOR. Includetimetamps, דגלי איכות ו- metadata יחידה כדי להקל על עיבוד במורד הזרם.

בדוק את התצורה על ידי אימות כי השער מתחבר לברוקר MQTT וכי עומסי דגימה מופיעים באחסון הנתונים הגולמי של הפלטפורמה. השתמש בכלים כמו FLT:0MQTTXIRLT:1 או לקוח המבחן של הפלטפורמה לאמת.

שלב 3: לחבר את פלטפורמת ה-IoT ו-Ingest Data

עם נתוני פרסום השער, יש להגדיר את פלטפורמת ה-IoT כדי לקבל ולאחסן אותו.אם אתה משתמש בפלטפורמת ענן (AWS IoT, Azure IoT, Google Cloud IoT), בצעו את השלבים הבאים:

  1. לרשום את השער כ"דברים" או "הדק" במרשם המכשיר של הפלטפורמה.עבור AWS IoT, זה כרוך ביצירת תעודה ומדיניות המעניקה את MQTT להתחבר ורשאות מנוי.
  2. יצירת כלל (ב-AWS IoT, השתמש בהצהרות דומות ל-SQL) המעביר הודעות MQTT למסד נתונים של הגרלות זמן או פונקציה למודה לעיבוד.
  3. (הופנה מהדף schema או השתמש בגישה ללא חתמה עם JSON parsing. Normalize שמות שדה (למשל, המרת FLT:1 ל-FLT:2) ונספח מטאנת נכסים (plant, קו, סוג המכשיר).
  4. מדיניות שימור נתונים וארכיון נתונים זמינה עבור ניתוח היסטורי ארוך טווח, לאחסן נתונים גולמיים באחסון קר (למשל, אמזון S3, Azure Blob Storage) עם חלונות שמירה תקופתיים.

(למשל, פתרונות קוד פתוח כמו Node-RED + InfluxDB + Grafana), הגישה דומה: הקמת מתווך MQTT (Mosquitto), מנוי לנושאי השער, ולהשתמש ב- Node-RED כדי לפצח ולהכניס לתוך פלטפורמות כגון LTF:0Industalcasters שנבנה מ- Edgeigators 1.

שלב 4: לאחסן ולעבד את הנתונים הבאים

עומסי תשלום של Raw MQTT אינם ניתנים ישירות לניתוח.הם חייבים להיות מקודדים, מאומתים, ומאוחסנים בפורמט של זמן מובנה.פלטפורמות IoT תעשייתיות לעתים קרובות כוללות מנועי עיבוד של זרם בנוי.

  • (FLT:0)Decode ונרמל נתונים: FLT:1 לדוגמה, להמיר ערכי אינסטלגר גולמי מ מדידה נוכחית פרופ'יבוס ליחידות בעולם האמיתי (amps) באמצעות גורמים מדרגים המוגדרים במיפוי השער.
  • (ב) ,0) כפלות ופורצים: FIRLT:1 השתמש בלוגיקה של שכפול ומלא פעמים חסרות באמצעות זיהום ערכי אחרון או סינון קדימה.
  • (FLT:0)Compute נגזר מדדים: FIRLT:1 Calculate מתגלגל ממוצעים, שיעורי שינוי, או ספירות מצטברות (למשל, יחידות ייצור הכוללות חיישן).
  • (FLT:0)Store ב-Timeseries DB:BuildFLT:1) השתמש מסד נתונים מותאם עבור גבוה לכתוב באמצעות חישוב וזמניים, כגון InfluxDB, TimescaleDB, או AWS Timestream.

עבור ניתוח מתקדם, לשקול באמצעות מנוע עיבוד זרם כמו Apache Flink, קפקא זרמים, או חלופות לענן (AWS Kinesis Analytics, Azure Stream Analytics) אלה יכולים לבצע עיבוד אירועים מורכבים (CEP) כדי לזהות אנמורדים המבוססים על דפוס - לדוגמה, עלייה מהירה טמפרטורה עקב ירידה בלחץ יכול להצביע על כיפת משאבה.

שלב 5: יישום Analytics וויזואליזציה

הצעד האחרון הוא להפוך נתונים מעובדים לתובנות ניתנות לפעולה.בהתאם ליכולות הפלטפורמה שלך, תוכל ליישם:

  • (FLT:0) לוחות זמנים אמיתיים: FLT:1ir השתמש Grafana, Power BI, או פלטפורמה-native כלים להציג אינדיקטורים ביצועי מפתח (OEE, דרך לוח, downtime) קביעת סף עם התראות צבעוניות קודמות (ירוק - רגיל, צהוב - אזהרה, אדום - קריטי).
  • מודלים של תחזוקה מוקדמת: FLT:1eur Machine Learning Model on Historical Data toנבא חיים שימושיים של מנועים, נושאים או שסתום.לדוגמה, מודל יער אקראי באמצעות נתוני רטט וטמפרטורה מכונן המחובר לפרופ'אב יכול לחזות כישלונות 48 שעות מראש.
  • (FLT:0) Anomaly זיהוי: FLT:1 יישם כללים סטטיסטיים של תהליך סטטיסטי (SPC) או להשתמש ברשתות עצביות autoencoder כדי לדגל תנאים מחוץ ל-spec לפני שהם גורמים לפסקת ייצור.
  • דור הפורטפורט:0 (Report Generation:FLT:1) מעדכן דוחות תקופתיים על צריכת אנרגיה, ניתוח בירידה, או מדדי איכות, והפצתם באמצעות דואר אלקטרוני או שילוב עם מערכות ERP.
(FLT:0) דוגמה בעולם האמיתי: 1FLT 1 ספק רכב גרמני שכבתי-1 שילב 12 קווי פרופ'יבוס DP לתוך פלטפורמה של AWS IoT באמצעות שערי כלבוס. על ידי ניתוח מומנט ומחזור נתונים, הם הפחיתו זמן לא מצטמצם על ידי 27% בשישה חודשים ו השיגו עלייה של 12% ביעילות הציוד הכוללת (OEE).

היתרונות של אינטגרציה

חיבור פרופ'יבוס ל-IoT מספק יתרונות תפעוליים ניתנים לחיזוי:

  • (FLT:0) ניטור בזמן אמת ואזהרה: מפעילי Shift 1:1 יכולים להציג מעמד מכונה חי על לוחות מחוונים ניידים. התראות אוטומטיות באמצעות SMS או דוא"ל להודיע לצוותי תחזוקה ברגע פרמטר סחף מחוץ לגבולות הבקרה.
  • (FLT:0) תחזוקה מוקדמת: במקום החלפת מחזורית (מבוססת על קונדר), רכיבים ממוחזרים כאשר נתונים מצביעים על השפלה, צמצום הן חלוצים מוקדמים והן כישלונות קטסטרופליים.מחקרים מראים כי תחזוקה חיזויית יכולה להפחית את עלויות התחזוקה ב-25-30%%.
  • (FLT:0) אופטימיזציה של תהליך ה-Enhanced:FLT:1 , Cross-correlating נתונים ממכשירים מרובים של פרופ'יבוס (למשל, טמפרטורת קלט מ חיישן, מהירות פלטה מכונן) מגלה חוסר יעילות.
  • (FLT:0) קבלת החלטות מונחת נתונים: FLT:1 טרנד היסטורי ניתוח תומך בשורשים גורמים חקירות ושיפור מתמשך יוזמות.מהנדסים יכולים להשוות ביצועים על פני שינויים, ערכות מוצר, או משטרי תחזוקה.
  • אינטגרציה של האגם:0 (Scalable Data Lake: FLT:1) לאחר שנתוני פרופ'נביבוס נמצאים בפלטפורמת IoT, ניתן להאכיל אותו עם מקורות נתונים אחרים (MES, ERP, מערכות איכות) עבור אינטליגנציה תפעולית הוליסטית.

אתגרים ושיקולים

תאימות קשיחה וידוי

לא כל שערי פרופ'יבוס תומכים בספקטרום המלא של שירותי DP (למשל, החלפת נתונים ציליקלית, פונקציות אבחון) לבדוק כי השער יכול לקרוא את אובייקטים הנתונים הספציפיים (slots, אינדקסים) המכשירים של פרופ'בוס שלך לחשוף.עבור התקנים פרופ'יבוס הרש"פ, לשקול מקטע זוג ולהבטיח שהשער תומך בשכבה פיזית MBP.

אבטחת סייבר

חיבור שדה מבודד היסטורית לרשת IP מציג וקטורים חדשים להתקפה:

  • (FLT:0 Network פלמנטציה:0Network פלמנטציה:0FLT:1) מציב את השער באזור OT de Militaryized (DMZ) עם חומת אש מגבילה את התנועה רק ל- MQTT IP ונמל.
  • (FLT:0) קידוד ואימות: FLT:1 MQTT מעל TLS, תעודות לקוחות וסיסמאות חזקות הן חובה.
  • (ב) מהדורות של [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

נפח נתונים ורשת Bandwidth

מגזר פרופ'יבוס יחיד יכול לשדר אלפי משתנים של תהליכים בשנייה.פרסום כל משתנה במהירות מלאה לענן יכול להציף את הקישורים ברשת ולעלות את עלויות התוקפנות של הענן הגבוה: אסטרטגיות מייגציה:

  • (FLT:0) ,Edge aggregation:FreaLT:1) תוכנית השער או שרת קצה ביניים לחשב ממוצעים ריצה או רק לדווח על שינויים מעל לפס מת.
  • (FLT:0) sampling: FIRLT:1) מפרסם תדירות רק בתנאים אטומיים (המוגדרים באופן מקומי) ויתקלו בדיווחים נמוכים במהלך מצב יציב.
  • (ב) אחסון מקומי: ⁇ FLT:1) השתמש ב-Gate של שער כדי לספק מספר נקודות נתונים להודעה אחת של MQTT (למשל, כל 5 שניות שולחות מערך JSON של 50 דגימות).

שיקולים של

פלטפורמות IoT מבוססות ענן מציגות שקיפות טבועה (200 מ"ס לכמה שניות) בשל נסיעות רשת, תורי עיבוד ואחסון.עבור בקרת קופות סגורה, מערכות בקרה על גבי תחזיות נשארות הכרחיות.ניתוח IoT עבור ניטור, אבחון ואופטימיזציה לטווח ארוך - לא שליטה בזמן אמת.

מחיר ו-ROI Justification

ההשקעה כוללת חומרה של שער (העלות של 500 $-500 דולר לקטע), עמלות מנוי פלטפורמה בענן, עבודת שילוב, ועלויות אחסון נתונים מתמשך.כדי להצדיק את ההוצאות, להתחיל עם טייס על קו ייצור יחיד או נכס קריטי. לחשב את הערך הצפוי של הימנעות משעות השבת, חיסכון באנרגיה, ולהפחית את תחזוקה. ספקים רבים מציעים שירותי IoT חינם עבור נפח נתונים קטנים, אשר יכול לעזור להפגין לפני הפחתת.

תבניות אינטגרציה מתקדמות

שימוש ב-OPC UA כ- Translation Layer

עבור סביבת אוטומציה heterogeneous, כמה אינטגרטורים מעדיפים להמיר את פרופ'יבוס ל OPC UA בתוך השער, ולאחר מכן לחבר את שרת OPC UA לפלטפורמת IoT באמצעות גשר OPC-to-MQTT. OPC UA מספק מודלים מידע מובנה ונבנה-In Security, מה שהופך אותו קל יותר סטנדרטיזציה של נתונים על פני שדות שונים (למשל, פרופ', כלי, Net, עדיין פלטפורמת אחסון בודדת, תוך כדי לשלוט בענן).

צוק איתן למידה עבור זיהוי נמוך-Latency Anomaly

במקום הזרמת כל הנתונים הגולמיים לענן, לפרוס מכשיר מחשוב קצה (למשל, Raspberry Pi 4 עם כובע פרופ'יבוס או מכשיר צוק תעשייתי סימנס) אשר פועל מודל ML קל משקל מקומי.המכשיר קצה גולש נתונים מהשער, מעלה אותו עבור אנומליות בזמן אמת, ורק מפרסם התראות ומצטבר מדדים מצטברים לפלטפורמת האינטרנט.

שימוש במקרים בתעשיות שונות

ייצור רכב

במפעל הרכב, רובוטים, משדרים, ובקרי גיל מתקשרים לעתים קרובות באמצעות פרופ'יבוס DP. Integrating נתונים אלה לתוך פלטפורמה IoT מאפשר ניתוח של זמני מחזור, פרמטרים באיכות גבוהה (נוכחית, כוח), וטמפרטורות משותפות רובוטיות.שלב זרמים אלה יכול לחזות מתי טיפ חתר צריך להחליף או כאשר מעבורת מנוע הוא degrading.

מים וטיפול במים

פרופ'יבוס הרש"פ משמשת באופן נרחב בטיפול במים עבור חיישנים המדידה זרימה, לחץ, pH וכלורינה.הזנת נתונים אלה לפלטפורמת IoT מאפשרת ניטור מרחוק של תחנות משאבה מבוזרות, התראות חיזוי על תקלות במשאיבה, ואופטימיזציה אנרגיה על ידי התאמת מהירויות משאבה לביקוש.

נפט וגז עד הזרם

בפלטפורמות offshore או צינורות, פרופ'יבוס הרש"פ מחבר משדרי טמפרטורה, משדרי לחץ, ומיקומים שסתום.דירוג מסוכן-area של הרש"פ הופך אותו אידיאלי. ניתוח IoT יכול לקשור טיפות לחץ עם עמדות שסתום כדי לזהות דליפות או לחזות שחיקה בחנקות.

מסקנה

הגדלת פרופ'יבוס עם פלטפורמות IoT היא דרך מוכחת לחלץ ערך מהשקעות שדה תעופה מורשת.זה לא דורש שדרוג עבור שדרוג עבור PLCs או חיישנים קיימים; שער טוב-המחשבה ותצורה זהירה יכול לפתוח זרם מתמשך של מידע תהליך עבור ניתוח. השלבים המתוארים במאמר זה - החל מבחירת השער הנכון ו- טיהור מאובטח של MQTT לבנייה לוחצים וחיזוי מודלים במהירות, כגון יעילות, כמו גם על ידי יישום נתונים, תוך כדי שינוי מהיר, כמו גם על ידי יישום, כמו גם על ידי שימוש מיידי, כמו גם על ידי יישום, כמו גם על ידי שימוש ברזולוציה של יעילות יחיד, כמו גם על ידי שימוש במהירות, כמו גם על ידי יישום זה, כמו גם על ידי יישום של יעילות וידאו, כמו גם על ידי יישום זה, 000 זמן קצר, כמו גם על ידי שימוש יעיל של יעילות וידאו, כמו גם על ידי יישום זה, כמו גם על ידי שימוש במהירות, על ידי שימוש במהירות, כמו גם על ידי יישום זה, 000 זמן קצר, על ידי שימוש ברזולוציה של אבטחה, כמו גם על ידי שימוש יעיל של יעילות וידאו, כמו גם על ידי שימוש יעיל של אבטחה, כמו גם על ידי יישום זה, על ידי יישום זה, על ידי יישום זה, 000 זמן קצר, 000 זמן קצר, 000 זמן

התחל קטן, מאובטח הרשת, וגודל מבוסס על תוצאות מדידה.הגשר בין פרופ'יבוס לענן אינו רק אפשרי - זהו צעד מעשי ואסטרטגי לכיוון התעשייה 4.0.