Sản xuất được công nhận rộng rãi là ngành thu được nhiều lợi ích nhất từ Internet vạn vật công nghiệp (IIoT). Các tổ chức công nghiệp trên toàn cầu đang chuyển sang IIoT, cả hai đều để cải thiện đáng kể hiệu quả hoạt động thông qua tự động hóa nhiều hơn và tạo ra các luồng doanh thu bổ sung với các mô hình kinh doanh mới.
Những hạn chế và thách thức khi kích hoạt IoT đối với hệ thống cũ
Tuy nhiên, có nhiều thách thức đáng kể phải đối mặt trong việc phát triển và thực hiện triển khai các giải pháp IIoT bao gồm :
- Bảo mật : An ninh là vấn đề lớn nhất và rõ ràng nhất với việc tái định vị các thiết bị cũ. Các Legacy System được thiết kế để bảo mật online trên tầng nhà máy. Họ không có bất kỳ kiểm soát bảo mật trực tuyến, xác thực thích hợp, kiểm soát truy cập và giới hạn đối với các hoạt động trên Internet. Họ có thể yêu cầu tên người dùng và mật khẩu và một số loại xác thực cơ bản. Tuy nhiên, vì chúng không được tạo cho IoT nên không có bảo mật cho kết nối từ xa hoặc kết nối dữ liệu từ xa, không có cách ly, không có kiểm soát truy cập. Việc thêm chức năng Đám mây mở ra hệ thống ngay lập tức các mối quan tâm về bảo mật và hầu hết các nhà cung cấp cũ không cung cấp giải pháp này.
- Kết nối các thiết bị: Các Legacy System được kết nối thông qua giao tiếp -1 được tích hợp vào PLC. Khả năng mở rộng không bao giờ được xem xét, vì vậy nếu chúng hiển thị 100 giá trị trên giao diện người dùng, chúng sẽ thu thập chỉ đúng 100. Các giao thức đã cũ và các hệ thống được xây dựng cho một mục đích, không phải để cung cấp nhiều điểm dữ liệu cần thiết trong các dự án IoT hiện đại. Nếu bạn có một hệ thống CNC tạo chai nhựa và muốn thu thập dữ liệu – thì tốt nhất là gì khi bạn có thể gửi dữ liệu lên đám mây về số lượng chai đang được tạo ra và tốc độ gửi bao nhiêu Nhưng còn về việc mở rộng dự án đó cho một số máy ? Còn việc cố gắng dự đoán lỗi máy thông qua các điểm dữ liệu bổ sung như nhiệt độ hoặc ma sát thì sao ?
- Chuẩn hóa dữ liệu: Bình thường hóa dữ liệu thậm chí không phải là một vấn đề cần cân nhắc đối với các hệ thống cũ, vì mục tiêu là cung cấp dữ liệu cho phần mềm của riêng chúng. Họ không có kế hoạch sử dụng nó cho bất cứ điều gì khác, vì vậy họ không xem xét nhu cầu. Do đó, có dữ liệu ở định dạng có thể sử dụng được cho các ứng dụng sử dụng trên các nhà cung cấp cũ khác nhau là một thách thức.
- Quản lý từ xa: Quản lý từ xa không được cân nhắc khi xây dựng các Legacy System vì các sản phẩm phải hoạt động ngay trước mặt bạn. Nếu bạn đứng trước một cỗ máy, bạn có thể quản lý nó, nhưng trong thời đại Công nghiệp 4.0, bạn có thể quản lý hàng nghìn lượt triển khai máy móc được kết nối trên 10 nhà máy không? Không, chúng không được tạo ra để làm điều đó. Hầu hết các hệ thống cũ được xây dựng trên một ứng dụng máy tính để bàn chỉ có thể được truy cập trên máy tính ở nhà máy.
- Các Báo cáo: Legacy System là các giải pháp được xây dựng có mục đích và báo cáo không phải là vấn đề được xem xét nhiều. Chúng được tạo bằng các báo cáo dựa trên Excel được xác định trước và chúng được mã hóa cứng – chúng không thể thay đổi được. Vấn đề là, phân tích đặc biệt không bao giờ có thể thực hiện được vì vậy việc bạn cố gắng thêm kết nối IoT trên đầu hệ thống như thế nào không quan trọng, giao diện người dùng không được thiết lập để cung cấp các điểm dữ liệu và báo cáo bổ sung.
- Khả năng mở rộng trong tương lai : Các hệ thống cũ công nghiệp không thể xử lý 100.000 điểm dữ liệu mỗi giây. Chúng được thiết kế để hiển thị một điểm dữ liệu trong giao diện người dùng, ngoài ra không có gì khác. Để mở rộng quy mô, họ cần máy tính phân tán, nhiều máy chủ hơn và các bổ sung đắt tiền khác cho hệ thống. Ngay cả khi Legacy System có thể phân tích dữ liệu, họ sẽ đưa dữ liệu đó vào cơ sở dữ liệu và không chuẩn bị thêm thiết bị bổ sung vào hệ thống.
Mặc dù máy móc mới sẽ đi kèm với các cảm biến tích hợp và khả năng IIoT, các nhà sản xuất khi mua lại những máy móc cũ phải đối mặt với tình thế tiến thoái lưỡng nan là trang bị thêm máy móc cũ của họ hoặc thay thế nó bằng các mẫu máy hỗ trợ IIoT mới.
Trong bài viết này, chúng tôi chia sẻ 1 phương án để kích hoạt IoT cho các hệ thống cũ : trang bị thêm – Retrofit là phương án hiệu quả nhất về chi phí để giải quyết những thách thức này. Bằng cách trang bị thêm thiết bị hiện có, các nhà sản xuất có thể giảm chi phí, tăng OEE trong suốt tất cả các giai đoạn sản xuất và có khả năng mở ra các dòng doanh thu mới thông qua việc sử dụng dữ liệu được tạo ra bởi thiết lập thiết bị hiện có.
Lợi ích của Retrofit máy cũ để kích hoạt IoT trong sản xuất
Một số lợi ích bổ sung do trang bị thêm – Retrofit :
- Tương tác giữa người vận hành và máy móc trở nên hiệu quả hơn nhiều.
- Bảo trì dự đoán: các mô hình có thể được bắt nguồn từ các luồng dữ liệu, cho phép bảo dưỡng máy móc tốt hơn, nâng cao hiệu quả cả về vốn và lao động.
- Giảm chi phí bảo trì trung bình 30% và cải thiện 70% dự đoán về các hư hỏng của máy cụ thể.
- Tăng hiệu suất thiết bị của máy móc hiện có lên đến 10%
- Khả năng tương tác được đơn giản hóa giữa máy móc hỗ trợ IIoT hiện đại và máy móc legacy , cho phép nhà máy được mô hình hóa tổng thể và cho phép đưa ra các quyết định hoạt động thông minh hơn.
6 bước để thu thập dữ liệu quan trọng và tối ưu hóa nhà máy của bạn bằng cách trang bị thêm cho thiết bị cũ của bạn
Hiểu rõ về các business case cụ thể để trang bị thêm
Là một nhà điều hành máy móc sản xuất, bạn có lợi ích trong việc kéo dài tuổi thọ hữu ích của nó, tránh ngừng hoạt động và hợp lý hóa hoạt động. Để đạt được các mục tiêu này, dữ liệu cần được thu thập từ mỗi máy. Đối với máy móc cũ, điều này chỉ có thể thực hiện được thông qua việc trang bị thêm.
Bước đầu tiên là hiểu kết quả kinh doanh mong muốn của quá trình trang bị thêm. Bạn đang cố gắng đạt được kết quả gì? Điểm dữ liệu quan trọng nhất cần thu thập từ máy móc của bạn để đạt được chúng là gì? Các mục tiêu tổng thể ở trên là phổ quát, nhưng dữ liệu cần thiết để đạt được chúng khác nhau dựa trên các dòng sản phẩm cụ thể và điểm khó của bạn.
Ví dụ, mục tiêu của một nhà sản xuất chai lớn là tăng sản lượng của một cơ sở đóng chai lên ít nhất 1,2 triệu chai mỗi năm, tương ứng với mức tăng 6% của cơ sở đó. Các mục tiêu kết quả khác có thể là loại bỏ nhu cầu đọc dữ liệu thủ công, điều này sẽ làm giảm giờ công và lỗi nhập dữ liệu, hoặc tăng thời gian hoạt động theo tỷ lệ phần trăm mục tiêu để giảm chi phí liên quan đến việc ngừng sản xuất ngoài kế hoạch.
Xác định các thông tin dữ liệu cần thiết từ các cảm biến hiện hữu và trang bị thêm
Trước khi triển khai một giải pháp IIoT, bạn phải xác định các chỉ số nào là chìa khóa để đánh giá hiệu quả của nó. Những chỉ số chính nào là quan trọng nhất đối với bạn? Ví dụ, bạn có quan tâm nhất đến đơn vị sản xuất mỗi ngày, chất lượng của đơn vị được sản xuất hoặc nhiệt độ bên trong của máy?
Khi các chỉ số này đã được thiết lập, bạn sẽ cần xác định xem dữ liệu máy móc này có sẵn thông qua các nguồn SCADA truyền thống hay không hoặc có cần trang bị thêm để tăng thêm dữ liệu hiện có hay không. Hầu hết các máy móc cũ sẽ cần được trang bị thêm các cảm biến cần thiết.
Xem thêm : Cảm biến IoT – Hệ thống thần kinh của IoT
Ở giai đoạn này, có thể bạn sẽ cần liên hệ với nhà sản xuất máy móc để tìm hiểu các thông số cần đo trong mỗi máy để tính toán số liệu mong muốn, bao nhiêu thông tin đó là sẵn có và bao nhiêu sẽ chỉ có sẵn khi trang bị thêm.
Hiểu các chức năng phân tích và kiểm soát thông minh tại biên và tại cloud
Hầu hết các quy trình công nghiệp hoạt động ở tốc độ rất cao và do đó tạo ra lượng dữ liệu cực lớn khi được trang bị thêm / thiết bị thông qua giải pháp IIoT. Để gửi một khối lượng lớn dữ liệu đến một đám mây trung tâm chạy trong một trung tâm dữ liệu sẽ là điều không khả thi về mặt kinh tế. Điều này có nghĩa là cần phải phân tích cục bộ, tức là dữ liệu phải được phân tích ở rìa, gần với máy móc, sử dụng tài nguyên tính toán nằm bên trong cơ sở nhà máy: edge network.
Xử lý luồng dữ liệu (data streaming processing) là cần thiết để đưa ra các quyết định điều khiển thông minh chạy trong một vòng kín hoặc mở chạy bên cạnh máy được điều khiển. Điều này đặt ra các yêu cầu nghiêm ngặt đối với tài nguyên tính toán ở rìa; trong trường hợp của chúng tôi, điều này được thực hiện thông qua các gateway IIoT.
Xem thêm : Các công nghệ nổi bật chính của Edge Computing
Tổng hợp, trừu tượng hóa và lưu trữ / tích lũy dữ liệu
Như đã thảo luận ở Bước 3, do khối lượng dữ liệu được tạo ra bởi máy móc, việc gửi dữ liệu chưa được xử lý lên đám mây trung tâm là không nên và cũng không hợp lý. Băng thông và chi phí lưu trữ sẽ tăng theo cấp số nhân và không thể giả định rằng độ tin cậy 100% của giao tiếp và tính khả dụng của đám mây.
Ngoài ra, việc đưa quá nhiều nguồn dữ liệu lên Internet sẽ làm tăng nguy cơ bảo mật lên mức nguy hiểm không thể chấp nhận được. Sau khi dữ liệu được xử lý cục bộ, chỉ dữ liệu cần gửi mới được truyền một cách an toàn tới đám mây và chỉ khi cần gửi.
Trong khi đó, dữ liệu còn lại được nén và lưu trữ cục bộ trên gateway. Dữ liệu thô này có thể được chuyển hàng loạt một cách an toàn lên đám mây theo những khoảng thời gian được lên lịch thường xuyên để xử lý thêm hoặc nó có thể được phân tích thêm cục bộ để tìm thông tin liên quan đến doanh nghiệp sau đó được chuyển lên đám mây.
Việc tổng hợp, trừu tượng hóa và lưu trữ dữ liệu ở biên không chỉ làm giảm các yêu cầu về băng thông và lưu trữ mà còn giảm thiểu nguy cơ mất dữ liệu do thiếu tính khả dụng hoặc vi phạm bảo mật.
Trực Quan hoá dữ liệu và phân tích
Việc hiểu thông tin nào cần hiển thị và cách trực quan hóa thông tin đó một cách có ý nghĩa đóng một vai trò quan trọng trong việc xác định cách phân tích dữ liệu do máy móc tạo ra. Điều này phụ thuộc vào loại máy móc, loại dữ liệu (được xác định trong Bước 3) và các thông số vận hành.
Những dashboard này không chỉ hướng tới những người vận hành nhà máy mà còn hướng tới những người ra quyết định kinh doanh phi kỹ thuật. Nó sẽ cung cấp cho ban quản lý cái nhìn sâu sắc trực tiếp về tác động của việc trang bị thêm IIoT, cho phép họ đưa ra quyết định sáng suốt hơn. Ngoài việc hiển thị các số liệu OEE, các thông số từ hệ thống bên ngoài (như hệ thống ERP hoặc CRM) cũng có thể được tính toán và trực quan hóa.
Mặc dù bản tóm tắt này nằm ngoài phạm vi của bản tóm tắt về kỹ thuật hiển thị thông tin và tổng quan nói chung, điều quan trọng là phải xem xét kích thước và loại màn hình nơi hình ảnh sẽ được hiển thị.
Các yếu tố như nơi người dùng tương tác với dữ liệu (hiển thị trên máy, thiết bị di động, màn hình máy tính trong trung tâm điều khiển, v.v.) cần được xem xét trong giai đoạn này.
Phát triển các giải pháp Machine Learning
Học máy (ML) cung cấp cho máy tính khả năng học và điều chỉnh hành vi của chúng khi tiếp xúc với dữ liệu mới mà không yêu cầu lập trình lại. Nó có thể so sánh với cách một máy điều nhiệt thông minh có thể phân tích dữ liệu được tạo ra từ các điều chỉnh thủ công đối với nhiệt độ của tòa nhà, dựa trên thời gian trong ngày, ngày trong tuần và thậm chí cả thời gian trong năm, đồng thời bắt đầu dự đoán và tự động điều chỉnh nhiệt độ.
Xem thêm : Ứng dụng của Machine Learning trong sản xuất
Việc sử dụng ML trong IIoT để triển khai các hệ thống điều khiển thích ứng tự trị hiện là một khả năng có thể làm được. Khi được áp dụng cho cả các luồng dữ liệu mới được cung cấp bởi việc trang bị thêm IIoT và các luồng dữ liệu hiện có từ việc tích hợp với Bộ điều khiển logic có thể lập trình (PLC), ML có thể thúc đẩy các cải tiến liên tục của các thủ tục kiểm soát, phát hiện hành vi bất thường và dự đoán tắc nghẽn và ngừng hoạt động, giúp cải thiện hiệu quả của các hoạt động trong nhà máy.
Sản xuất được công nhận rộng rãi là ngành thu được nhiều lợi ích nhất từ Internet vạn vật công nghiệp (IIoT). Các tổ chức công nghiệp trên toàn cầu đang chuyển sang IIoT, cả hai đều để cải thiện đáng kể hiệu quả hoạt động thông qua tự động hóa nhiều hơn và tạo ra các luồng doanh thu bổ sung với các mô hình kinh doanh mới.
Những hạn chế và thách thức khi kích hoạt IoT đối với hệ thống cũ
Tuy nhiên, có nhiều thách thức đáng kể phải đối mặt trong việc phát triển và thực hiện triển khai các giải pháp IIoT bao gồm :
- Bảo mật : An ninh là vấn đề lớn nhất và rõ ràng nhất với việc tái định vị các thiết bị cũ. Các Legacy System được thiết kế để bảo mật online trên tầng nhà máy. Họ không có bất kỳ kiểm soát bảo mật trực tuyến, xác thực thích hợp, kiểm soát truy cập và giới hạn đối với các hoạt động trên Internet. Họ có thể yêu cầu tên người dùng và mật khẩu và một số loại xác thực cơ bản. Tuy nhiên, vì chúng không được tạo cho IoT nên không có bảo mật cho kết nối từ xa hoặc kết nối dữ liệu từ xa, không có cách ly, không có kiểm soát truy cập. Việc thêm chức năng Đám mây mở ra hệ thống ngay lập tức các mối quan tâm về bảo mật và hầu hết các nhà cung cấp cũ không cung cấp giải pháp này.
- Kết nối các thiết bị: Các Legacy System được kết nối thông qua giao tiếp -1 được tích hợp vào PLC. Khả năng mở rộng không bao giờ được xem xét, vì vậy nếu chúng hiển thị 100 giá trị trên giao diện người dùng, chúng sẽ thu thập chỉ đúng 100. Các giao thức đã cũ và các hệ thống được xây dựng cho một mục đích, không phải để cung cấp nhiều điểm dữ liệu cần thiết trong các dự án IoT hiện đại. Nếu bạn có một hệ thống CNC tạo chai nhựa và muốn thu thập dữ liệu – thì tốt nhất là gì khi bạn có thể gửi dữ liệu lên đám mây về số lượng chai đang được tạo ra và tốc độ gửi bao nhiêu Nhưng còn về việc mở rộng dự án đó cho một số máy ? Còn việc cố gắng dự đoán lỗi máy thông qua các điểm dữ liệu bổ sung như nhiệt độ hoặc ma sát thì sao ?
- Chuẩn hóa dữ liệu: Bình thường hóa dữ liệu thậm chí không phải là một vấn đề cần cân nhắc đối với các hệ thống cũ, vì mục tiêu là cung cấp dữ liệu cho phần mềm của riêng chúng. Họ không có kế hoạch sử dụng nó cho bất cứ điều gì khác, vì vậy họ không xem xét nhu cầu. Do đó, có dữ liệu ở định dạng có thể sử dụng được cho các ứng dụng sử dụng trên các nhà cung cấp cũ khác nhau là một thách thức.
- Quản lý từ xa: Quản lý từ xa không được cân nhắc khi xây dựng các Legacy System vì các sản phẩm phải hoạt động ngay trước mặt bạn. Nếu bạn đứng trước một cỗ máy, bạn có thể quản lý nó, nhưng trong thời đại Công nghiệp 4.0, bạn có thể quản lý hàng nghìn lượt triển khai máy móc được kết nối trên 10 nhà máy không? Không, chúng không được tạo ra để làm điều đó. Hầu hết các hệ thống cũ được xây dựng trên một ứng dụng máy tính để bàn chỉ có thể được truy cập trên máy tính ở nhà máy.
- Các Báo cáo: Legacy System là các giải pháp được xây dựng có mục đích và báo cáo không phải là vấn đề được xem xét nhiều. Chúng được tạo bằng các báo cáo dựa trên Excel được xác định trước và chúng được mã hóa cứng – chúng không thể thay đổi được. Vấn đề là, phân tích đặc biệt không bao giờ có thể thực hiện được vì vậy việc bạn cố gắng thêm kết nối IoT trên đầu hệ thống như thế nào không quan trọng, giao diện người dùng không được thiết lập để cung cấp các điểm dữ liệu và báo cáo bổ sung.
- Khả năng mở rộng trong tương lai : Các hệ thống cũ công nghiệp không thể xử lý 100.000 điểm dữ liệu mỗi giây. Chúng được thiết kế để hiển thị một điểm dữ liệu trong giao diện người dùng, ngoài ra không có gì khác. Để mở rộng quy mô, họ cần máy tính phân tán, nhiều máy chủ hơn và các bổ sung đắt tiền khác cho hệ thống. Ngay cả khi Legacy System có thể phân tích dữ liệu, họ sẽ đưa dữ liệu đó vào cơ sở dữ liệu và không chuẩn bị thêm thiết bị bổ sung vào hệ thống.
Mặc dù máy móc mới sẽ đi kèm với các cảm biến tích hợp và khả năng IIoT, các nhà sản xuất khi mua lại những máy móc cũ phải đối mặt với tình thế tiến thoái lưỡng nan là trang bị thêm máy móc cũ của họ hoặc thay thế nó bằng các mẫu máy hỗ trợ IIoT mới.
Trong bài viết này, chúng tôi chia sẻ 1 phương án để kích hoạt IoT cho các hệ thống cũ : trang bị thêm – Retrofit là phương án hiệu quả nhất về chi phí để giải quyết những thách thức này. Bằng cách trang bị thêm thiết bị hiện có, các nhà sản xuất có thể giảm chi phí, tăng OEE trong suốt tất cả các giai đoạn sản xuất và có khả năng mở ra các dòng doanh thu mới thông qua việc sử dụng dữ liệu được tạo ra bởi thiết lập thiết bị hiện có.
Lợi ích của Retrofit máy cũ để kích hoạt IoT trong sản xuất
Một số lợi ích bổ sung do trang bị thêm – Retrofit :
- Tương tác giữa người vận hành và máy móc trở nên hiệu quả hơn nhiều.
- Bảo trì dự đoán: các mô hình có thể được bắt nguồn từ các luồng dữ liệu, cho phép bảo dưỡng máy móc tốt hơn, nâng cao hiệu quả cả về vốn và lao động.
- Giảm chi phí bảo trì trung bình 30% và cải thiện 70% dự đoán về các hư hỏng của máy cụ thể.
- Tăng hiệu suất thiết bị của máy móc hiện có lên đến 10%
- Khả năng tương tác được đơn giản hóa giữa máy móc hỗ trợ IIoT hiện đại và máy móc legacy , cho phép nhà máy được mô hình hóa tổng thể và cho phép đưa ra các quyết định hoạt động thông minh hơn.
6 bước để thu thập dữ liệu quan trọng và tối ưu hóa nhà máy của bạn bằng cách trang bị thêm cho thiết bị cũ của bạn
Hiểu rõ về các business case cụ thể để trang bị thêm
Là một nhà điều hành máy móc sản xuất, bạn có lợi ích trong việc kéo dài tuổi thọ hữu ích của nó, tránh ngừng hoạt động và hợp lý hóa hoạt động. Để đạt được các mục tiêu này, dữ liệu cần được thu thập từ mỗi máy. Đối với máy móc cũ, điều này chỉ có thể thực hiện được thông qua việc trang bị thêm.
Bước đầu tiên là hiểu kết quả kinh doanh mong muốn của quá trình trang bị thêm. Bạn đang cố gắng đạt được kết quả gì? Điểm dữ liệu quan trọng nhất cần thu thập từ máy móc của bạn để đạt được chúng là gì? Các mục tiêu tổng thể ở trên là phổ quát, nhưng dữ liệu cần thiết để đạt được chúng khác nhau dựa trên các dòng sản phẩm cụ thể và điểm khó của bạn.
Ví dụ, mục tiêu của một nhà sản xuất chai lớn là tăng sản lượng của một cơ sở đóng chai lên ít nhất 1,2 triệu chai mỗi năm, tương ứng với mức tăng 6% của cơ sở đó. Các mục tiêu kết quả khác có thể là loại bỏ nhu cầu đọc dữ liệu thủ công, điều này sẽ làm giảm giờ công và lỗi nhập dữ liệu, hoặc tăng thời gian hoạt động theo tỷ lệ phần trăm mục tiêu để giảm chi phí liên quan đến việc ngừng sản xuất ngoài kế hoạch.
Xác định các thông tin dữ liệu cần thiết từ các cảm biến hiện hữu và trang bị thêm
Trước khi triển khai một giải pháp IIoT, bạn phải xác định các chỉ số nào là chìa khóa để đánh giá hiệu quả của nó. Những chỉ số chính nào là quan trọng nhất đối với bạn? Ví dụ, bạn có quan tâm nhất đến đơn vị sản xuất mỗi ngày, chất lượng của đơn vị được sản xuất hoặc nhiệt độ bên trong của máy?
Khi các chỉ số này đã được thiết lập, bạn sẽ cần xác định xem dữ liệu máy móc này có sẵn thông qua các nguồn SCADA truyền thống hay không hoặc có cần trang bị thêm để tăng thêm dữ liệu hiện có hay không. Hầu hết các máy móc cũ sẽ cần được trang bị thêm các cảm biến cần thiết.
Xem thêm : Cảm biến IoT – Hệ thống thần kinh của IoT
Ở giai đoạn này, có thể bạn sẽ cần liên hệ với nhà sản xuất máy móc để tìm hiểu các thông số cần đo trong mỗi máy để tính toán số liệu mong muốn, bao nhiêu thông tin đó là sẵn có và bao nhiêu sẽ chỉ có sẵn khi trang bị thêm.
Hiểu các chức năng phân tích và kiểm soát thông minh tại biên và tại cloud
Hầu hết các quy trình công nghiệp hoạt động ở tốc độ rất cao và do đó tạo ra lượng dữ liệu cực lớn khi được trang bị thêm / thiết bị thông qua giải pháp IIoT. Để gửi một khối lượng lớn dữ liệu đến một đám mây trung tâm chạy trong một trung tâm dữ liệu sẽ là điều không khả thi về mặt kinh tế. Điều này có nghĩa là cần phải phân tích cục bộ, tức là dữ liệu phải được phân tích ở rìa, gần với máy móc, sử dụng tài nguyên tính toán nằm bên trong cơ sở nhà máy: edge network.
Xử lý luồng dữ liệu (data streaming processing) là cần thiết để đưa ra các quyết định điều khiển thông minh chạy trong một vòng kín hoặc mở chạy bên cạnh máy được điều khiển. Điều này đặt ra các yêu cầu nghiêm ngặt đối với tài nguyên tính toán ở rìa; trong trường hợp của chúng tôi, điều này được thực hiện thông qua các gateway IIoT.
Xem thêm : Các công nghệ nổi bật chính của Edge Computing
Tổng hợp, trừu tượng hóa và lưu trữ / tích lũy dữ liệu
Như đã thảo luận ở Bước 3, do khối lượng dữ liệu được tạo ra bởi máy móc, việc gửi dữ liệu chưa được xử lý lên đám mây trung tâm là không nên và cũng không hợp lý. Băng thông và chi phí lưu trữ sẽ tăng theo cấp số nhân và không thể giả định rằng độ tin cậy 100% của giao tiếp và tính khả dụng của đám mây.
Ngoài ra, việc đưa quá nhiều nguồn dữ liệu lên Internet sẽ làm tăng nguy cơ bảo mật lên mức nguy hiểm không thể chấp nhận được. Sau khi dữ liệu được xử lý cục bộ, chỉ dữ liệu cần gửi mới được truyền một cách an toàn tới đám mây và chỉ khi cần gửi.
Trong khi đó, dữ liệu còn lại được nén và lưu trữ cục bộ trên gateway. Dữ liệu thô này có thể được chuyển hàng loạt một cách an toàn lên đám mây theo những khoảng thời gian được lên lịch thường xuyên để xử lý thêm hoặc nó có thể được phân tích thêm cục bộ để tìm thông tin liên quan đến doanh nghiệp sau đó được chuyển lên đám mây.
Việc tổng hợp, trừu tượng hóa và lưu trữ dữ liệu ở biên không chỉ làm giảm các yêu cầu về băng thông và lưu trữ mà còn giảm thiểu nguy cơ mất dữ liệu do thiếu tính khả dụng hoặc vi phạm bảo mật.
Trực Quan hoá dữ liệu và phân tích
Việc hiểu thông tin nào cần hiển thị và cách trực quan hóa thông tin đó một cách có ý nghĩa đóng một vai trò quan trọng trong việc xác định cách phân tích dữ liệu do máy móc tạo ra. Điều này phụ thuộc vào loại máy móc, loại dữ liệu (được xác định trong Bước 3) và các thông số vận hành.
Những dashboard này không chỉ hướng tới những người vận hành nhà máy mà còn hướng tới những người ra quyết định kinh doanh phi kỹ thuật. Nó sẽ cung cấp cho ban quản lý cái nhìn sâu sắc trực tiếp về tác động của việc trang bị thêm IIoT, cho phép họ đưa ra quyết định sáng suốt hơn. Ngoài việc hiển thị các số liệu OEE, các thông số từ hệ thống bên ngoài (như hệ thống ERP hoặc CRM) cũng có thể được tính toán và trực quan hóa.
Mặc dù bản tóm tắt này nằm ngoài phạm vi của bản tóm tắt về kỹ thuật hiển thị thông tin và tổng quan nói chung, điều quan trọng là phải xem xét kích thước và loại màn hình nơi hình ảnh sẽ được hiển thị.
Các yếu tố như nơi người dùng tương tác với dữ liệu (hiển thị trên máy, thiết bị di động, màn hình máy tính trong trung tâm điều khiển, v.v.) cần được xem xét trong giai đoạn này.
Phát triển các giải pháp Machine Learning
Học máy (ML) cung cấp cho máy tính khả năng học và điều chỉnh hành vi của chúng khi tiếp xúc với dữ liệu mới mà không yêu cầu lập trình lại. Nó có thể so sánh với cách một máy điều nhiệt thông minh có thể phân tích dữ liệu được tạo ra từ các điều chỉnh thủ công đối với nhiệt độ của tòa nhà, dựa trên thời gian trong ngày, ngày trong tuần và thậm chí cả thời gian trong năm, đồng thời bắt đầu dự đoán và tự động điều chỉnh nhiệt độ.
Xem thêm : Ứng dụng của Machine Learning trong sản xuất
Việc sử dụng ML trong IIoT để triển khai các hệ thống điều khiển thích ứng tự trị hiện là một khả năng có thể làm được. Khi được áp dụng cho cả các luồng dữ liệu mới được cung cấp bởi việc trang bị thêm IIoT và các luồng dữ liệu hiện có từ việc tích hợp với Bộ điều khiển logic có thể lập trình (PLC), ML có thể thúc đẩy các cải tiến liên tục của các thủ tục kiểm soát, phát hiện hành vi bất thường và dự đoán tắc nghẽn và ngừng hoạt động, giúp cải thiện hiệu quả của các hoạt động trong nhà máy.
