Использование IIoT для увеличения эффективности

Опубликовано в номере:
PDF версия
Много данных — это всего лишь много данных, и в индустриальном «Интернете вещей» (Industrial Internet of Things, IIoT) ключевой вопрос состоит в том, какое программное обеспечение использовать для их анализа, чтобы оно могло определять их ценность. В статье представлены примеры реализации подходящих систем мониторинга.

Благодаря использованию провод­ных и беспроводных датчиков нового поколения операции по сбору и накоплению данных теперь более выгодны с точки зрения экономики, чем раньше. Затем, с помощью внутренней сети предприятия или непосредственно Интернета, эти данные могут быть переданы для их дальнейшей обработки в системы контроля и управления. Полученную информацию можно использовать для оптимизации контролируемых в режиме реального времени процессов, для более качественного планирования обслуживания и работы оборудования, а также для анализа посредством специального программного обеспечения (ПО). Впоследствии результаты такого анализа позволят повысить уровень безопасности, увеличить эффективность работы оборудования и диагностировать проблемы в его функционировании.

Сегодня уже становятся обыденными такие термины, как «Интернет вещей» (Internet of Things, IoT), индустриальный «Интернет вещей» (Industrial Internet of Things, IIoT), «большие данные» (big data) и Индустрия 4.0 (Industry 4.0). Последние разработки в сфере датчиков, организации их взаимодействия между собой и ПО для анализа данных делают процесс сбора, хранения, доставки и анализа информации гораздо более простым в реализации и доступным по стоимости. Главной целью в дальнейшем развитии таких технологий является скорость получения внутренних данных. С помощью IIoT можно улучшить работу заводов, причем как старых, требующих модернизации, так и новых, если при внедрении новых систем управления использовать его совместно с уже существующей системой управления и контроля, а также с сервис-ориентированными приложениями. Причем эти подходы можно применять как совместно, так и по отдельности. В случае со старыми предприятиями категории «Браунфилд» (от англ. Brownfield, предприятие, создающееся на основе каких-либо уже имеющихся объектов) обычно в существующую сеть управления производством и в саму систему управления добавляются новые датчики для осуществления визуального контроля оператором и для улучшения возможных способов наблюдения за оборудованием. Это позволяет заменить глаза и уши персонала, который может быть переведен в удаленные центры или специализированные помещения для мониторинга и управления операциями. В свою очередь, категория «Гринфилд» (от англ. Greenfield, производственные мощности, объект или строящееся предприятие, создаваемое на «чистом» месте) предполагает внедрение и последующее использование систем IIoT уже на начальной стадии работы объекта и его производственных площадок. Это наиболее популярный подход для проектов «умного» города и бюджетной сферы, для реализации которых используются системы IIoT, работающие совместно с облачными технологиями хранения и управления данными, поскольку эти проекты изначально разрабатываются с учетом возможности удаленного управления и мониторинга. В качестве примера можно привести внедрение возможности наблюдения за удаленными нефтехранилищами, насосными станциями и транспортными средствами, которые являются частью других больших предприятий. Однако при таком подходе можно испытывать недостаточность существующей инфраструктуры системы управления.

 

Монетизация сервисов

«Сервисизация» (от англ. Service, модели экономических отношений, в которой владение чем-либо заменяется его арендой) — это один из нескольких синонимов, которые описывают возможность оснащения оборудования средствами удаленного мониторинга. Производители насосов, клапанов и других типов оборудования предлагают услугу в виде «платной подписки» для наблюдения за оборудованием, которое установлено на производстве клиента. С точки зрения бизнеса, преимущества такого подхода состоят в том, что появляется возможность наблюдать за надежной и безотказной работой оборудования, но на самом деле самое большое достоинство кроется в том, что производитель предоставляет техническую поддержку и экспертную оценку работы производимого им же оборудования.

В каждой модели используется общая архитектура датчиков, сетевая инфраструктура и анализ, которые давно известны и эксплуатируются в существующих производственных и технологических процессах. Однако новые технологии предоставляют возможности для повышения производительности предприятий, не требуя при этом значительных капитало­вложений.

Основной вопрос владельцев существующих производств: «Как нам модернизировать производственные мощности и превратить завод в «умное» предприятие?». Ответ на него всегда будет заключен в рамки конечного преимущества, а именно оперативного получения аналитической информации.

Отправной точкой в процессе сбора данных являются датчики. Они используются для наблюдения за работой «вещей» в системе IIoT: насосов, клапанов и другого оборудования. Стоимость реализации и использования таких датчиков быстро падает, давая возможность собирать все больше данных при минимальной стоимости. Раньше, подключая датчики к системам контроля и управления, персонал предприятий был ограничен токами потребления в пределах 4–20 мА, протоколом HART или разнообразными промышленными шинами, а также специализированным ПО. Но сегодня специалисты могут использовать самые разные типы проводных и беспроводных сетей для сбора данных, и чаще всего в пределах одного производства используется сразу несколько типов сетевых подключений (рис. 1).

Рис. 1. Схема сбора данных

Рис. 1. Схема сбора данных

Для того чтобы получить максимум информации, нужно собирать данные, передавать их через провод­ные или беспроводные сети, анализировать их с помощью специализированного ПО и предоставлять инженерам, которые могут получить к ним доступ с помощью смартфонов, планшетных ПК или компьютеров.

Датчики и внутренние сети позволяют быстро и без больших материальных затрат получать и хранить данные от новых источников, а широкий спектр современных видов связи позволяет выбрать любой вариант для применения на предприятии. Например, передатчики с питанием от батареи не требуют подключения к электросетям, поэтому их можно устанавливать на удаленных объектах, которые расположены на большом расстоянии от конечных узлов подключения проводных сетей. Такие передатчики также могут работать долгие годы в неблагоприятных условиях окружающей среды и в зонах повышенной опасности.

Применение беспроводных сетей позволяет вести наблюдение за различными типами оборудования и системами, которые ранее не могли быть подключены к проводным системам ввиду сложности или высокой стоимости реализации такого подключения.

 

Реализация IIoT методом «браунфилд»: использование данных от насоса

Оснащение насоса датчиками и подключение его к сети для последующего анализа данных посредством специализированного ПО дает возможность заводу производить наблюдение за насосом и локализовывать проблемы задолго до того, как насос выйдет из строя и отключится. Это является хорошим примером реализации подхода к использованию IIoT «Браунфилд».

Несколько лет назад специализированные системы мониторинга в режиме реального времени устанавливались для использования только на наиболее важных насосах. Относительная легкость оснащения насоса беспроводными системами мониторинга делает возможным подключение абсолютно всех насосов на предприятии к системам онлайн-мониторинга (рис. 2). Беспроводные передатчики устраняют необходимость в проводах, прокладке кабельных каналов, внешнем питании и устройствах защиты. Таким образом, получение данных от насосных систем и другого производственного оборудования становится простой и доступной по стоимости задачей.

Рис. 2. Беспроводные передатчики, установленные на насосной системе

Рис. 2. Беспроводные передатчики, установленные на насосной системе

Система мониторинга насоса собирает данные о температуре, давлении, скорости потока и т. д. в режиме реального времени и передает их через беспроводную сеть на шлюз, который затем отправляет эту информацию в центр контроля посредством проводной Ethernet-сети. Затем данные, поступившие от десятков или сотен насосов, анализируются специализированным ПО, которое оповещает оператора в том случае, если возникают какие-либо потенциальные проблемы в работе оборудования. В качестве примера можно привести одно из нефтеперерабатывающих предприятий с производительностью 250 000 баррелей в день, где системы по управлению и мониторингу были установлены на 80 насосах. Годовая экономия от такого подхода к реализации управления превысила $1,2 млн при окупаемости за период менее чем в 6 месяцев.

Подобные результаты могут быть достигнуты и путем модернизации другого типа оборудования, например клапанов и пароотделителей. В дальнейшем степень рентабельности будет повышаться, потому как цены на используемые для этих целей компоненты продолжают снижаться.

Заключительный этап реализации IIoT: анализ данных

Оперативная доставка данных — это хорошо, но заключительный этап реализации IIoT требует наибольшего количества затрат, поскольку для того чтобы правильно подойти к применению IIoT, специализированное ПО для анализа данных должно иметь возможность работать с большими объемами этих данных и представлять из себя интегрированную платформу, собирающую и анализирующую информацию, поступающую от разных источников в различном формате.

Специализированному ПО для обработки данных необходимо обладать функцией быстрой передачи внутренних данных работникам, которые разбираются в процессах, оборудовании и операциях. ПО также должно быть простым в использовании и не требующим промежуточных и сложных операций, для которых придется привлечь разработчиков системы или специалистов высокого уровня по преобразованию и анализу данных. Точечную диаграмму, представленную на рис. 3, может быстро и просто получить любой специалист предприятия. Например, ПО для анализа данных от компании Seeq дает доступ экспертам к текущим оперативным рабочим показателям, тем самым позволяя отображать аналитическую информацию в различном виде и улучшать показатели производственного процесса.

Рис. 3. Точечная диаграмма для анализа данных

Если в эту операцию будут вовлечены разработчики или специалисты по обработке данных, то поступающая информация будет быстро терять свою ценность, так как использование в этом процессе дополнительного персонала требует более длительного времени для анализа данных. Если невозможно быстро отследить изменения в поступающих данных и осуществить какие-либо производственные действия на их основе, то они теряют свою ценность.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *