Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og du accepterer, at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, job og tilbud m.m. via telefon og e-mail. I nyhedsbreve, e-mails fra Teknologiens Mediehus kan der forefindes markedsføring fra samarbejdspartnere.
bloghoved automation

Blot en lille smule Big Data

Big Data er et af tidens Buzz Words, men spørgsmålet er selvfølgelig hvad det har med automation og industriel it at gøre?

Typisk forbindes Big Data jo med virksomheders mulighed for at indsamle brugerdata fra internettet og f.eks. bruge disse data til at skræddersy online reklamer i forhold til brugerens adfærd på nettet.

Vedlagte videoklip fra www.explainingcomputers.com giver en ganske god generel introduktion til emnet.

Brug ca. 8 minutter på denne video og du er klar til resten af dette blogindlæg.

.

Big Data indenfor automation og industriel it

Ofte indsamles relativt store realtime datamængder fra produktionen i de tilhørende SCADA- og MES-systemerne.

Disse data anvendes typisk til at kunne give operatøren et overbliksbillede af driftstilstanden i produktionen samt alarmsituationen.

Tit gemmes disse data ligeledes i arkiver, så operatøren efter behov kan se kurvevisninger over f.eks. historiske driftsdata eller alarmværdier.

Endelig sker der en datakomprimering og langtidsarkivering, således at data kan gemmes til dokumentationsbehov etc.

Men er det Big Data?

Der er mange definitioner på Big Data, men under alle omstændigheder tages der udgangspunkt i mængden af data der opsamles, hastigheden data indsamles med, samt variationen af datakilder og datatyper.

Udfordringer og problemstillinger som alle der arbejder med automation og industriel-it kender til.

Mængden af data

Her mødes to ofte modstridende forhold.

På den ene side et krav om store datamængder, "just in case" således at man altid vil kunne finde data hvis behovet opstår.

På den anden side et ønske om at reducere datamængden for at "beskytte" kommunikations- og automationssystemerne, så der fortsat er ressourcer til at kunne løse de primære automationsopgaver.

Datamængden er under alle omstændigheder ofte en udfordring, særligt hvis kommunikations- og it- infrastrukturen ikke er tilstede i et passende omfang.

Men har du en strategi for hvad du vil bruge data til?

Hastigheden af dataflow - realtime

Med fare for at komme galt af sted, vil jeg påstå at realtime er et relativt begreb.

Under alle omstændigheder er det ofte således at produktionsdata opsamles og behandles med stor tidsmæssig nøjagtighed.

Om der er tale om millisekunder, sekunder eller minutter afhænger af applikationen.

Igen er det vigtigt, at finde den rigtige balance mellem de reelle krav og ønsker, og de tekniske og økonomiske ressourcer der skal investeres i at opfylde kravspecifikationerne.

Men har du et mål for hvor stor en tidsmæssigt opløsning dine data skal have, og hvor deterministiske dine data skal være?

Variationen af datakilder og datatyper

Her bliver vi hjulpet af de mange industristandarder det findes indenfor instrumentering og kommunikation.

Den største udfordring er vel hvordan vi i denne sammenhæng håndterer f.eks. billede data, lydfiler etc.

Altså data der ikke kommer fra et måleinstrument, men hvis indhold indgår i det samlede billede.

Har du et klart billede af hvilke informationskilder og datatyper du egentlig har behov for?

Hvor kommer data fra i dag?

Her er vi jo tilbage i den klassiske automationstrekant, hvor data fra processen måles via diverse instrumenter og sensorer.

Typisk er der tale om både primære måleværdier - f.eks. temperaturen eller trykket - samt sekundære måleværdier som f.eks. diagnoseinformationer fra instrumentet selv.

Hvordan transporteres data i dag?

Industriel kommunikation sikre at data transporteres fra feltbus niveauet til automationsniveauet.

Dette kan enten ske trådløst eller via kabler, men vigtigt er at der anvendes en kommunikationsform der er velegnet til det industrielle miljø.

Hvordan lagres data i dag?

Som udgangspunkt lagres data lokalt på SCADA- eller MES-systemet.

Historiske data kopieres dog evt. til en anden PC for langtidsarkivering i en traditionel database.

Anvendelse af Cloud'en ses typisk (endnu) ikke i en produktionsmæssig sammenhæng.

Hvordan bearbejdes data i dag?

Det afhænger selvfølgeligt fuldstændigt af applikationen.

Inden for procesindustrien vil fokus typisk være på at beregne middelværdier og sammenholde dem med minimum- og maksimumværdier samt grænser.

Inden for den diskrete produktion vil der ofte være en mindre tradition for dataopsamling.

Hvad er dit mål?

Big Data er ikke blot et spørgsmål om at opsamle og lagre store datamængder, det er endnu mere et spørgsmål om at finde sammenhængene og KPI'erne gemt i de store og ofte ustrukturerede datamængder.

Derfor er det vigtigt at vi tager en mere analytisk tilgang til emnet.

Vi skal med udgangspunkt i virksomhedens businessdrivers med tilhørende forretningsstrategi, vurdere hvordan vi kan bidrage med value-add.

Vi skal udarbejde en automationsstrategi der sikrer en så fleksibel og intelligent produktion som muligt.

  • Hvordan kan vi optimere driften, øge kvaliteten, reducere omkostningerne, forbedre oppe tiderne, minimere energiforbruget, øge sikkerheden og forbedre fleksibiliteten via vores data?

  • Hvordan kan vi bruge alle vores data på en endnu mere intelligent måde, og dermed skabe rammerne for yderligere produktivitet?

Først når dette er på plads, giver det mening at diskutere hvilke data og hvilken infrastruktur der er nødvendig.

Er din infrastruktur på plads?

Alle beslutninger af høj kvalitet træffes på baggrund af informationer af høj kvalitet.

Med udgangspunkt i dine mål, skal du derfor nu lave en plan for hvordan du får adgang til de nødvendige data fra produktionsapparatet, fra operatørene, fra ERP-systemet og andre relevante datakilder.

  • Har du den rigtige instrumentering, der også giver adgang til sekundære data så som diagnosedata?

  • Har du styr på din it-sikkerhed?

  • Er dit industrielle netværk stærkt nok (hastighed, båndbredde og redundans)?

  • Har du SCADA- og MES-systemer der er klar til at modtage, lagre, behandle og vise dine data og gøre dem til værdifuld information?

Kan grundprincipperne bag Big Data reelt anvendes i forbindelse med automation og industriel it?

Big Data bruges fortsat endnu meget begrænset indenfor "klassisk" automation og industriel it i dag, men vi bør bestemt lade os inspirere af Big Data principperne.

Nu er det jo omvendt heller ikke sådan, at vi ikke allerede nu forsøger at "knække koden" og finde "nålen i høstakken".

Min pointe er blot, at vi både kan og skal gøre det endnu bedre.

Nedenfor er nogle referencer til allerede kendte discipliner indenfor automation og industriel it

Statistical Proces Control (SPC) er et udtryk for hvordan man kan optimere kvaliteten af de producerede emner via en statistisk og analytisk bearbejdning af data.

Forebyggende vedligeholdelse er et andet eksempel på at drift-data (timetællere etc.) bruges til at bestemme hvornår en komponent skal vedligeholdes.

Overall Equipment Effectiveness (OEE) anvendes til at bestemme en maskines samlede effektivitet.

Historian er en fælles betegnelse for software der indsamler, lagre, bearbejder og viser historiske data.

Manufacturing Execution System (MES) er en fælles betegnelse for software til behandling og styring af produktionsdata.

Fælles for ovennævnte eksempler er, at de typisk alle sammen tager udgangspunkt i allerede fastlagt "programmerede" procedurer.

Led efter det ukendte

Big Data går bl.a. ud på at lede efter nye, overraskende, dynamiske og ukendte sammenhænge.

Sammenhænge der ikke blot kan beskrives via en beregningsformel og vises som en KPI.

Sammenhænge der kan bruges til, at forudsige hvad der vil ske i og omkring automationssystemet i den kommende periode.

Forudsigelser der vil gøre automationssystemet og de industrielle it-systemer i stand til at forberede sig, således at fejl og uheld undgås, samt at drift situationen klargøres til det som er ved at ske.

Tja, det lyder da noget "langhåret"

Men du kender højst sandsynligt allerede mange eksempler på, hvordan Big Data i dag er med til at påvirke automationssystemerne og de industrielle it-systemer.

Smart Grid der jo på baggrund af store datamængder fra el-målere hos forbrugerne, meteorologiske data (vejrudsigten), produktionsdata fra vindmøller og solcelle anlæg, et koncept der er i stand til at forudsige hvad der er ved at ske, og dermed regulere både forbrug og produktion på en intelligent måde.

Arbejder du med spildevandsanlæg, kender du også til Big Data. Her er fokus at kunne forudsige et kommende regnvejrs påvirkning på først kloaksystemet, og sidenhen selve rensningsanlægget.

Disse forudsigelser bygger ligeledes på avancerede simuleringer og modeller, og kan hjælpe driftspersonalet og automationssystemerne med at træffe de rigtige beslutninger på det rigtige tidspunkt.

Industry 4.0

Industry 4.0 handler også om data og de informationer vi kan udlede af dem.

Visionen er ligeledes at data følger produkterne på en meget mere fleksibel måde end vi kender det i dag.

Der er ingen der helt ved hvor Industry 4.0 bevæger sig hen, men personligt er jeg overbevist om at vores teknologiske og mentale evne til, at kunne håndtere store datamængder, vil være alt afgørende for at vi får succes med Industry 4.0

Hvad siger ISA?

ISA’s hjemmeside har jeg fundet vedlagte artikel.

Her kan du læse mere omkring Big Data i en industriel sammenhæng.

Illustration: Privatfoto

DAu's fokus

I DAu vil vi i den kommende tid have fokus på data i bredestes forstand.

Vi vil forsøge, at stille alle de relevante spørgsmål og selvfølgelig også gerne komme med nogle svar.

Vi vil motivere dig til at gå på opdagelse i dine egne data, og meget gerne blive klogere på hvad du kan bruge dem til.

Læs mere om DAu på vores hjemmeside og på LinkedIn.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Bidrag med din viden – log ind og deltag i debatten