CC BY
120
УДК 687.05 DOI: 10.12737/2558
МЕТАДАННЫЕ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ДИАГНОСТИКИ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ
Черкашов Александр Сергеевич, аспирант, alex-int.ch@mail.ru,
Ермаков Александр Станиславович, кандидат технических наук, доцент кафедры технологии и организации туристической деятельности,
TKEI2011@yandex.ru
ФГБОУ ВПО «Российский государственный университет туризма и сервиса»,
Москва, Российская Федерация
В статье рассмотрен принцип формирования диагностической информации по отказам швейного оборудования. Диагностирование отказов в работе оборудования выполняется при его эксплуатации и сервисе. Предложена схема формирования и представления информации при диагностике оборудования. Информационное обеспечение позволяет диагностировать швейные машины с компьютеризированными и с механическими системами управления.
Ключевые слова: диагностика, швейная машина, отказы, неисправности, базы данных.
В настоящее время в связи с увеличением автоматизации швейного оборудования в сфере деятельности человека, связанной с пошивом изделий и их отделкой, все более возникает необходимость в средствах, позволяющих качественно и быстро перерабатывать большое количество информации по управлению и диагностированию технического состояния оборудования. Использование таких средств позволяет повысить эффективность работы оборудования, а при появлении неисправности затратить минимальное количество времени для восстановления его работоспособности.
В роли данных средств выступает диагностическая база данных, которая может быть адаптирована для любых технологических процессов изготовления и обработки изделий из ткани. Разумеется, существуют технические таблицы, фиксирующие некоторые неисправности, но для них свойственны неполное описание процессов, ограниченное число регистрируемых данных, отсутствие описания динамических свойств и другие недостатки. Весьма часто возникают ситуации, когда имеющихся характеристик объекта недостаточно для выявления проблемы.
Для диагностики таких объектов применяются разнообразные подходы, основанные на методах искусственного интеллекта. В основе данных методов
диагностирования лежат знания и опыт экспертов и специалистов, анализирующих текущее состояние объекта по характеру исследуемых рабочих процессов.
Поэтому актуальным является разработка методов построения диагностической системы на базе математической логики с использованием реляционной модели базы данных, при помощи которой возможно расширить базу диагностических признаков для увеличения эффективности диагностики, а также разработать методику диагностирования отказов с выделением групп признаков, позволяющих выявлять те или иные виды неисправностей.
Отмечается, что сегодня текущие состояние сложных динамических объектов диагностики характеризуется ограниченным числом контролируемых параметров, разветвленной структурой, отсутствием подходящего математического описания. Все эти обстоятельства существенно усложняют процесс построения эффективной диагностической системы для конкретных технологических объектов.
База данных (БД), которая лежит в основе предлагаемого автоматизированного процесса, является реляционной и состоит из совокупности взаимосвязанных таблиц. Запросы к таким базам данных возвращают таблицу, которая повторно может участвовать в следующем запросе. Данные в одних таблицах отказов связаны с данными других таблиц неисправностей [1].
Также предлагаемая БД не замкнута, т.е. активно общается с предметной областью, постоянно получает новые данные. Процедура ввода и хранения элементов осуществляется с помощью систем управления базами данных СУБД. Язык СУБД позволяет обращаться за данными не только из программ, но и с рабочих станций, что существенно увеличивает возможности автоматизации процессов диагностики и устранения неисправностей. Таким образом, при поступлении запроса на чтение данных СУБД выполняет ряд процедур, таких как интерпретация запроса, поиск описаний данных, формирование команд, удовлетворяющих запросу, преобразование команд к виду, понятному рабочей станции и дальнейшую пересылку их.
Сама БД состоит из непосредственно данных, включающих в себя наборы системных таблиц, и описания ее структуры, выполненного также в табличной форме, называемого метаданными. Метаданные представляют структурированную, кодированную информацию о характеристиках функционирования оборудования и его составляющих механизмах и устройствах и способствуют идентификации, обнаружению, оценке и управлению этим оборудованием. Метаданные в широком смысле представляют собой описание хранимых данных.
Рисунок - Схема взаимодействия подсистем в процессе диагностики
Следует отметить, (это показано на схеме, рис.) что, в связи с особенностью архитектуры БД, запросы могут производиться не только со швейных машин, которые оснащены необходимыми средствами для этого, но и с персональных компьютеров непосредственно пользователем, что позволяет системе диагностирования быть применимой и для более старого швейного оборудования.
Метаданные содержат, как правило, кроме чисто системных, еще и вспомогательные, пользовательские параметры: заголовок таблицы, заголовки атрибутов, единицы измерения и др. Метаданные применяются обычно для построения интерфейса, однако их структурная роль не менее важна, и их использование подразумевает:
1) предоставление возможностей более быстрого, точного и полного обнаружения необходимых средств и способов для устранения;
2) обеспечение гибких и разнообразных механизмов отбора сведений о функционировании (отказах) оборудования в соответствии с требованиями к их идентификации;
3) предоставление информации о необходимых требованиях к возможностям использования БД (требуемое прикладное программное обеспечение, свободное дисковое пространство и т. п.);
4) управление жизненным циклом информационных ресурсов (создания, использования и хранения цифровых таблиц, передача в другие формы их представления и использования).
Диагностированию может подлежать не только оборудование при отказах в его эксплуатации, но и при его ремонте и наладке. Диагностирование выполняется до и после ремонта. Система диагностирования характеризуется степенью достоверности диагноза и глубины поиска дефектов. Глубина поиска определяется структурой объекта и уровнем проникновения в причинно-следственные связи между неисправностью и причиной, ее вызывающей, когда дефект можно однозначно установить в конструкции машины.
В системах диагностирования предполагается проверка исправности и работоспособности объекта, а также поиск и локализация возникающих в нем дефектов, которые могут вызывать повреждения и отказы. Поиск дефектов в реальных условиях может осуществляться не только по изменению параметров диагностирования, но и через косвенные параметры, которые более удобны для наблюдения и регистрации [2].
Не стоит забывать, что зачастую признаки нештатной работы оборудования характеризуют целые группы вероятных неисправностей. Что касается формализованных признаков, характеризуемых средними значениями и допустимыми их отклонениями, то во многих случаях эти области пересекаются для разного рода отказов (неисправностей), что многократно усложняет использование стандартных статистических методов, т.к. один и тот же вид отказа может быть порожден различными неисправностями и причинами.
При поступлении этих параметров на СУБД она с помощью метаданных отыскивает необходимые таблицы и создает алгоритм, в соответствии с которым будет проходить процесс восстановления работоспособности машины. По сути, любой запрос к базе данных неисправностей швейных машин начинается с обращения к метаданным. Метаданные представляют собой информацию, описывающую структуры используемых программой данных, а также способы их представления, методы их обработки и прочие настройки.
Хранение в специальных структурах данных информации о таблицах (имя, перечень полей с указанием типа и прочих атрибутов) позволит инкапсулировать логику работы с отдельной таблицей (например: чтение, обновление, вставка и удаление записей) в специальном сервисе [3]. Этот сервис мог бы предоставлять удобный программный интерфейс, а при инициализации получать на вход метаданные, описывающие структуру нужной вам таблицы - метаописание таблицы.
Но работы с базой данных в терминах таблиц даже посредством сервисов, работающих на основе метаданных, недостаточно для полноценного отделения уровня работы с данными. Объекты, с которыми имеет дело программа, могут не описываться исключительно отдельными записями конкретной таблицы: элементы информационной модели могут быть представлены в базе данных совокупностью связанных записей, хранящихся в разных таблицах.
Разумеется, при обилии колонок структура метаданных потребует нормализации, которая позволяет уменьшить избыточность информации в реляционной базе данных [1].
База данных диагностики швейных машин состоит из следующих таблиц:
- список методов наблюдений,
- параметры,
- справочник нормативных документов и др.
Таблица параметров содержит измеряемые (наблюдаемые) параметры мониторинга и некоторые другие числовые показатели. В ходе дальнейшего развития каждая таблица обрастает дочерними и образует целую ветвь.
Внедрение метаданных является неотъемлемой частью диагностирования швейного оборудования посредством сетевых технологий, что в свою очередь позволяет осуществлять диагностику в бытовых условиях использования швейных машин, когда нет возможности применять специализированное диагностическое оборудование
С помощью сетевых технологий осуществляется доступ машин к базам данных, что на ранних этапах создания будет способствовать их расширению и накапливанию информации.
Швейная машина по сети передает информацию о состоянии своих компонентов на центральный сервер, где происходит обработка полученных данных. В зависимости от рабочей машины передача информации может осуществляться в различных режимах:
- непрерывный контроль,
- периодическая передача,
- передача данных по желанию оператора.
Непрерывный контроль представляет собой онлайн-обмен данными с сервером. При этом все происходящие отклонения в механизмах машины записываются в лог. При возникновении ошибок в работе швейной машины сервер формирует ответ с помощью баз данных с указаниями действий для восстановления нормальной работы. Такой режим диагностики наиболее подходит для швейных машин, которые интенсивно используются.
В режиме периодической передачи данных рабочая машина в течение некоторого времени (интервалы также можно настраивать) формирует отчет о работе узлов и механизмов, который затем отправляет для обработки на сервер. Последний в свою очередь при необходимости дает соответствующие команды для настройки параметров.
Третий режим в основном предназначен для швейных машин, которые не имеют прямого выхода в сеть, но у которых есть возможность скопировать лог на съемный носитель. Процедура в этом случае подобна диагностике в режиме периодической передачи информации.
Стоит отметить, что возможных расширений наборов метаданных придумано и разработано достаточно много с небольшими различиями в названиях, назначениях, структурах и т.д. Большинство серьезных современных систем автоматизации построены на основе метаданных не только ради того, чтобы их код был прозрачным и разделяемым на уровни, но и потому, что сами по себе сервисы работы с метаданными являются, по сути, «вещью в себе», что делает их элементом повторного использования по отношению к различным конечным программным продуктам. Эти программные продукты могут работать с совершенно разными базами данных и решать совершенно разные задачи, и для этого не потребуется вносить изменения в их программный код.
Метаданные являются основным фактором успеха при внедрении баз данных. Они включают в себя и предоставляют информацию, необходимую для извлечения, преобразования и загрузки данных из исходных систем, а также для последующего ее использования и интерпретации.
Наиболее наглядно смысл использования метаданных виден в описании их роли в реализации БД. Метаданные можно использовать тремя способами.
1. Пассивно - при этом обеспечивается четкая документация о структуре, процессе разработки и использовании системы БД. Доступная документация необходима всем участникам (т.е. конечным пользователям, системным администраторам, а также разработчикам приложений).
2. Активно - путем хранения конкретных семантических аспектов (например, правил преобразования) в виде метаданных, которые можно интерпретировать и использовать во время исполнения. В этом случае процессы, происходящие в базах данных, управляются метаданными.
3. Полуактивно - за счет хранения статической информации (например, определений структур, спецификаций конфигураций), которую будет считывать другой программный компонент во время выполнения. Например, обработчикам запросов
необходимы метаданные для проверки существования атрибутов. В отличие от активного использования, здесь метаданные только читаются, но не исполняются [5].
Создание и управление метаданными служат двум целям:
- минимизации работ по разработке и администрированию БД;
- более эффективному извлечению информации из БД.
Немаловажной особенностью предлагаемой БД является архитектура Клиент/Сервер, в отличие от устаревших архитектур Файл/Сервер, что позволит работать не только с новейшими машинами с электронным управлением, но и с более старыми моделями без каких-либо затрат со стороны потребителей.
Литература
1. Реляционные базы данных. [Электронный ресурс]: URL:http://www.softtime.ru/bookphp/gl12 2.php (дата обращения: 02.10.2013).
2. Ермаков, А.С. Оборудование швейных предприятий. - М.: Издательский дом «Академия», 2004. - 460 с.
3. Метаданные и прикладное программирование. [Электронный ресурс]: URL:http://codingcraft.ru/metadata.php (дата обращения: 02.10.2013).
4. Ермаков, А.С., Писаренко, И.В. Патент РФ на изобретение №2493302 МПК D05B 19/00 Краеобметочная швейная машина // Ермаков А.С., Писаренко И.В. - Заявл. 2011131085/12 от 26.07.2011, публикац. 10.02.2013, бюл. №4, опубл. 20.09.2013, бюл. №26.
5. Метаданные и их место в хранилище данных. [Электронный ресурс]: URL:http://bourabai.kz/tpoi/metadata.htm (дата обращения: 10.10.2013).
METADATA OF THE SOFTWARE SUPPORT OF MANUFACTURING EQUIPMENT DIAGNOSTICS
Cherkashov Aleksandr Sergevich, post-graduate student, Russian State University of Tourism and Service, Moscow, Russia, alex-int.ch@mail.ru,
Ermakov Aleksandr Stamislavovich, Candidate of Engineering, Associate Professor at the Department of Technology and Organization of Tourist Activities, Russian State University of
Tourism and Service, TKEI2011@yandex.ru
The article considers the principle of building diagnostics data based on needle hardware fault incidence. Diagnostics of hardware faults is carried out in the course of its operation and servicing. The authors put forward a scheme designed to accumulate and present in-diagnostics data. Information support provides an opportunity to apply diagnostics to computer-assisted and mechanical control system needle machines.
Key words: diagnostics, needle machine /needle equipment, faults, failure, data base.
CTp. 152 H3 210
References
1. Reliatsionnye bazy dannykh [Relational databases]. Available at URL:http://www.softtime.ru/bookphp/gl12 2.php (Accessed on October, 2, 2013).
2. Ermakov, A.S. Oborudovanie shveinykh predpriiatii [Needle Manufacturing Equipment]. Moscow: Akademiia Publ., 2004. - p.460.
3. Metadannye i prikladnoe programmirovanie [Metadata and application programming]. Available at URL:http://codingcraft.ru/metadata.php (Accessed on October, 2, 2013).
4. Ermakov, A.S., & Pisarenko, I.V. Patent RF na izobretenie №2493302 MPK D05B 19/00 Kraeobmetochnaia shveinaia mashina [RF Patent of invention №2493302 MPK D05B 19/00 Overlock sewing machine]. - Application 2011131085/12 ot 26.07.2011, Publication 10.02.2013, Bulletin. №4, Issue 20.09.2013, Bulletin №26.
5. Metadannye i ikh mesto v khranilishche dannykh [Metada and its storage requirements]. Available at URL:http://bourabai.kz/tpoi/metadata.htm (Accessed on October, 10, 2013).
