CC BY
83
Информатика, вычислительная техника и управление
DOI 10.36622/УБТи.2020.16.5.001 УДК 004.75, 65.011.56
МОНИТОРИНГ И ПРЕДИКТИВНАЯ АНАЛИТИКА ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ НА БАЗЕ ПРОМЫШЛЕННОГО ИНТЕРНЕТА ВЕЩЕЙ
С.Л. Добрынин, В.Л. Бурковский Воронежский государственный технический университет, г. Воронеж, Россия
Аннотация: произведен обзор технологий в рамках концепции четвертой промышленной революции, рассмотрены примеры реализации новых моделей управления технологическими процессами на базе промышленного интернета вещей. Описано техническое устройство основных подсистем системы мониторинга и контроля, служащей для повышения осведомленности о фактическом состоянии производственных ресурсов в особенности станков и аддитивного оборудования в режиме реального времени. Архитектура предлагаемой системы состоит из устройства сбора данных (УСД), реализующего быстрый и эффективный сбор данных от станков и шлюза, передающего ликвидную часть информации в облачное хранилище для дальнейшей обработки и анализа. Передача данных выполняется на двух уровнях: локально в цехе, с использованием беспроводной сенсорной сети на базе стека протоколов ZigBee от
устройства сбора данных к шлюзам и от шлюзов в облако с использованием интернет-протоколов. Разработан алгоритм инициализации протоколов связи между устройством сбора данных и шлюзом, а также алгоритм выявления неисправностей в сети. Расчет фактического времени обработки станочных подсистем позволяет более эффективно планировать профилактическое обслуживание вместо того, чтобы выполнять задачи обслуживания в фиксированные интервалы без учета времени использования оборудования
Ключевые слова: распределенные системы управления, промышленный интернет вещей, мониторинг, пре-диктивная аналитика, беспроводные сети, микроконтроллер
Введение
Производство вступает в новую эру, когда требуются более высокие уровни гибкости для решения задач, связанных с сокращением жизненного цикла изделий, увеличением количества и качества новых продуктов, неопределенностью и колебаниями рыночных требований, особенно для удовлетворения потребностей в массовой персонализации, зачастую в децентрализованной производственной среде.
Появление современных технологий, таких как киберфизические системы (CPS), Интернет вещей (IoT) и аналитика больших данных (Big Data), открывает новые горизонты по цифровизации производства, позволяя автоматизировать технологические процессы средствами, которые были недоступны в прошлом [1]. Использование процессоров с высокими возможностями обработки для встраивания интеллекта в производственные ресурсы превращает пассивные системы в активные объекты с возможностями поддержки принятия решений. Это преобразование описано в парадигме IoT. Однако применение IoT, особенно в промышленности, приводит к созданию огромного ко-
© Добрынин С.Л., Бурковский В.Л., 2020
личества гетерогенной информации, которая требует специальных манипуляций и анализа для обработки и извлечения фактической ценности. Получение знаний из данных, собранных на всех уровнях производственных систем, может создать автономные, интеллектуальные системы.
Технологии четвертой промышленной революции
Киберфизические системы были определены как системы, в которых естественные и созданные человеком системы (физическое пространство) тесно интегрированы с вычислительными, коммуникационными и управляющими системами (киберпространство) [2]. Они связывают физический мир с виртуальным миром информационных технологий и программного обеспечения. Они используют различные типы доступных данных, средств связи и услуг. Эволюция производственной науки и техники приводит к внедрению CPS в промышленности, также известных как киберфизические производственные системы.
Интернет вещей. Устройства в CPS могут рассматриваться как виртуальные объекты с возможностями хранения и обработки данных,
которые связываются с другими виртуальными объектами и людьми и могут управлять физическим устройством, к которому они подключены. Эти виртуальные объекты следуют парадигме IoT. Возможность внедрения устройств IoT также основана на снижении цен на аккумуляторы и увеличении их удельной емкости. Использование датчиков и вычислительных возможностей современных микроконтроллеров (STM32) дополняются коммуникационными возможностями, которые предоставляют встроенные системы. Кроме того, информационные сети, основанные на IoT, могут создавать новые бизнес-модели, улучшать технологические процессы, снижать затраты и риски
[3].
IoT является междисциплинарной областью. Выявленные проблемы включают в себя стандартизацию, проблемы, связанные с узкими местами в сети, безопасностью связи и защитой интеллектуальной собственности. Огромный объем данных, генерируемых IoT, требует огромных возможностей по обработке. Поэтому контекстно-зависимые вычислительные методологии облегчат принятие решения о том, какие данные будут обрабатываться и на каком уровне. Важной частью сетей IoT являются шлюзы, так как они отвечают за управление локальной сетью устройств. Кроме того, промежуточное ПО и облачные платформы также важны для интеграции устройств IoT и размещения сгенерированных данных в сети.
Топологии беспроводных сенсорных сетей являются наиболее подходящими в производстве для упрощения обмена данными IoT, поскольку они обеспечивают гибкость и масштабируемость. WSN состоят из множества беспроводных сенсорных устройств, работающих совместно для достижения общей цели посредством стандартов, основанных на требованиях каждого конкретного приложения. В последнее время большое внимание уделяется стандарту ZigBee для локальной связи WSN.
Мониторинг цеха. Мониторинг и сбор данных в процессе производства является основой для автоматизации производства и принятия решений [4]. Парадигма CPS предполагает использование устройств мониторинга, которые выходят за рамки традиционных подходов к сбору, обработке и визуализации данных на месте. В контексте мониторинга машинных инструментов можно использовать различные датчики (акустические, вибрационные, токовые и т.д.). Применение устройств контроля в цехе для отслеживания доступности станков, приво-
дит к адаптивному целостному планированию. Осведомленность о ситуации в цехах с помощью систем мониторинга также облегчает адаптивное планирование технологических процессов [5].
Облачное Производство. Внедрение облачных технологий в производство тесно связано с качеством предоставляемых услуг. Возможности масштабирования в соответствии с колебаниями спроса на услуги и гибкие модели являются основными преимуществами облачного производства. Более того, облачное производство подразумевает интегрированную ки-берфизическую систему, которая может предоставлять услуги по требованию для производства как в цифровом, так и в физическом отношении, с наилучшим использованием производственных ресурсов [6]. Также семантическое представление информации может облегчить взаимодействие посредством сервис-ориентированной архитектуры, особенно в распределенных производственных средах.
Система мониторинга, основанная на 1оТ
Цель данной статьи - представить архитектуру системы мониторинга для интеллектуального сложноструктурированного производства. Основной целью предлагаемой системы является повышение осведомленности о фактическом состоянии производственных ресурсов в особенности станков и аддитивного оборудования. В промышленности довольно часто создаются производственные графики принимая во внимание ресурсы, которые могут быть недоступны при необходимости по разным причинам. Следовательно, проблема осведомленности имеет решающее значение, чтобы избежать узкие места и повысить производительность.
Система мониторинга состоит из УСД, беспроводной сенсорной сети и облачного сервера. Для каждого станка существует один УСД. На каждом УСД подключены датчики, которые измеряют рабочие характеристики соответствующего станка. УСД цеха взаимодействуют с микрокомпьютером через беспроводную связь в WSN. Следовательно, датчики подключены к УСД через провода, и оно отвечает за предварительную обработку выходных сигналов датчиков и передачу измерений в WSN.
Предложенная система разрабатывается как дополнение к коммерческим станкам, а не как средство связи с контроллером станка. Это решение в основном обусловлено тем, что срок
службы промышленного оборудования может достигать 30 лет, следовательно, старые машины часто не имеют необходимых возможностей для подключения, поэтому следует приложить особые усилия для преобразования каждой единицы промышленного оборудования в устройство 1оТ.
Еще одной опорой предлагаемой архитектуры является распределенная обработка данных [7]. Каждый датчик может генерировать большое количество данных, что может привести к нескольким гигабайтам данных в день. Очевидно, что необработанные потоки данных не представляют значимой ценности. Следовательно, чтобы извлечь значимую информацию из необработанных данных, которые приведут к знаниям об отслеживаемом объекте, необходимо выполнить соответствующую обработку. Обработка и редукция данных выполняется на источнике их генерации, то есть на датчике. Это достигается с помощью микроконтроллеров, устройств сбора данных, которые установлены на станках [8].
Кроме того, подключение каждого отдельного устройства 1оТ непосредственно к Интернету может привести к узкому месту в связи с недостаточной пропускной способности. По этой причине каждое устройство 1оТ (то есть УСД) подключается к шлюзу через локальную беспроводную сенсорную сеть. Шлюз является координатором сети, и его целью является передача значимой информации о каждой задаче по обработке в облачное хранилище.
Каждый уровень предлагаемой архитектуры следует идее, лежащей в основе 1оТ, и обеспечивает аспекты интеграции для реализации совместимых систем. Архитектура УСД позволяет использовать больше датчиков и протоколов связи; шлюз обеспечивает интерфейсы с промышленными сетями, более высокий уровень поддерживает интеграцию с промышленным программным обеспечением, таким как планирование ресурсов предприятия и система управления производством.
Датчики для определения состояния станков измеряют общее потребление электроэнергии системой и индивидуальное потребление тока каждым из главных приводов. В частности, отдельные измерения привода двигателя включают датчики тока на шпинделе и на каждой из подвижных осей. Датчики для привода осей представляют собой трансформаторы тока с разделенным сердечником. Для шпинделя выбирается датчик тока на эффекте Холла с замкнутым контуром, чтобы фиксировать об-
щее содержание гармоник тока шпинделя. Общее потребление электроэнергии станком измеряется датчиком тока, установленным в одной из трех фаз линий электропередачи. Измерение одной линии предпочтительнее, чем измерение всех трех, поскольку станки действуют как сбалансированные нагрузки. Следовательно, формула (1) применяется без ошибок. Выходы датчиков тока выводятся на микроконтроллер после необходимого преобразования сигнала.
Р = 3-Уф-1ф •^р , (1)
где Р - активная мощность (Вт), Уф - фазное напряжение (В), 1ф - фазный ток (А), а cosф -коэффициент мощности трехфазной нагрузки.
Выходы трансформаторов тока дискрети-зируются с частотой 1 кГц, что соответствует 20 выборкам за период (в случае 50 Гц). Для текущих измерений рассчитываются только среднеквадратичные значения (СКЗ) по следующему уравнению:
4кз = ¿п , (2)
где - измерение датчика (А), а п - общее количество измерений.
Для датчика тока на эффекте Холла с обратной связью, полоса пропускания составляет 200 кГц; поэтому максимальная частота дискретизации была установлена на 1 МГц. За исключением среднеквадратичного значения, которое также рассчитывается по формуле (2). Когда цифровая выборка применяется к аналоговым сигналам, дискретное преобразование Фурье (ДПФ) используется для извлечения спектра сигнала (3).
N-1
^.2 пкп
п=0
(3)
к = 0,1,-,N-1
где X,(к) - коэффициенты ДПФ, х(п) - периодический цифровой сигнал после выборки его аналоговой части, N - полученные выборки данных.
Эта функциональность была учтена при разработке системы мониторинга, обусловленной тем фактом, что в каждом электродвигателе механический крутящий момент тесно связан с током двигателя. Таким образом, наблю-
дая гармоники тока двигателя, можно сделать полезные выводы, касающиеся аспектов технического обслуживания. Полная реализация этой функции в сочетании с необходимой методологией для выявления отклонений в спектре тока шпинделя, которые связаны с механическими неисправностями, будет продемонстрирована после долгосрочной установки системы в обрабатывающей промышленности. Это обеспечит объем данных, необходимых для получения точных результатов.
Проектирование беспроводных сенсорных сетей. УСД цеха организованы в WSN по топологии «звезда». Выбор WSN был обусловлен требованиями к гибкости и масштабируемости инфраструктуры. Передача данных координируется центральным шлюзом, который отвечает за сбор данных из УСД и организацию их в пакеты перед передачей на облачный сервер для дальнейшей обработки и визуализации.
WSN облегчается благодаря использованию RF-модуля DIGI XBee ZigBee. ZigBee -это спецификация стандарта IEEE 802.15.4. Выбор ZigBee среди других беспроводных стандартов обусловливается благодаря его поддержке различных топологий сети и алгоритмов шифрования, а также его надежной работе с такими функциями, как предотвращение столкновений, повторные попытки и подтверждения, выполняемые на аппаратном уровне. Кроме того, модули ZigBee могут обмениваться данными на расстоянии более 100 м.
Данные в пределах WSN передаются в виде пакетов ZigBee с уникальными идентификаторами. Для автоматизации добавления и удаления узлов в WSN разработан следующий алгоритм (рис. 1). На первом этапе каждый узел УСД передает сообщение один раз каждые 5 с. Если УСД находится в диапазоне передачи координатора, координатор принимает сообщение и проверяет адрес УСД с помощью списка зарегистрированных УСД. Если адрес УСД зарегистрирован в координаторе, координатор передает кадр «инициировать связь». Затем УСД выходит из режима инициализации и ожидает, пока координатор запросит пакет измерений. Затем координатор запрашивает измерения каждого УСД один раз каждые 0,25 с.
Рис. 1. Алгоритм инициализации протокола связи между УСД и шлюзом
Чтобы избежать сбоев в работе сети из-за проблемных устройств или отсутствия узлов, механизмы контроля реализованы как в УСД, так и в устройствах-координаторах (рис. 2). Координатор устанавливает определенный флаг, когда запрос на пакет отправляется каждому УСД. Если УСД не отвечает до начала следующего цикла запросов от координатора, последний добавляет значение «1» к массиву параметров соответствующего УСД. В случае успешного ответа УСД, координатор вычитает значение «1» из суммы. Если значение УСД достигает значения 20, координатор воспринимает этот узел как автономный и прекращает запрашивать соответствующие измерения. С другой стороны, УСД, который не находится в состоянии инициализации и связывается с микроконтроллером, контролирует присутствие координатора, следуя аналогичному алгоритму. УСД имеет массив параметров для координатора и добавляет к сумме значение «1», если координатор не отправляет запрос на измерение в течение ожидаемого периода времени 0,25 с. Для успешного получения запроса на измерения УСД вычитает значение «1». После достижения значения равного 20, УСД считает, что координатор отсутствует, и снова входит в режим инициализации.
Рис. 2. Алгоритм выявления неисправностей в
Заключение
Предлагаемая система мониторинга предоставляет информацию о работе станков, связанных с задачами обработки и изготовления продукции. Это достигается путем синхронизации физического и цифрового мира посредством УСД на основе 1оТ. Основным результатом системы является то, что она повышает осведомленность о ресурсах, определяя их фактический статус. Датчики определяют, является ли машина в режиме «Обработка», «Простой» или «Настройка» в реальном времени. Эта информация полезна при планировании производства, когда знание фактической доступности ресурсов имеет решающее значение для разработки возможных графиков производства. Кроме того, подробная информация о периодах времени, которые требуются для выполнения конкретных задач, наряду с требуемым временем настройки, может сделать графики будущего производства более точными.
Использование датчиков тока и напряжения позволяет получить точную информацию о потреблении электроэнергии станком и каждым его приводом. Эти знания могут способствовать оценке электрических затрат на продукцию и снижению воздействия на окружающую среду производственных систем. Выходной сигнал датчика на эффекте Холла может дать пред-
ли: (а) - блок-схема УСД, (б) - блок-схема шлюза
ставление о сбоях до их возникновения. Кроме того, расчет фактического времени обработки станочных подсистем позволяет более эффективно планировать профилактическое обслуживание вместо того, чтобы выполнять задачи обслуживания в фиксированные интервалы без учета времени использования оборудования.
Литература
1. Добрынин С.Л., Бурковский В.Л., Болдырев И.А. Проблематика реализации интернета вещей, как технологической основы современного интеллектуального производства // Приоритетные направления развития науки и технологий: докл. XXIV междунар. науч.-практ. конф.; под общ. ред. В.М. Панарина. Тула: Инновационные технологии, 2018. С. 173 - 175.
2. Cyber-Physical Systems Architecture for Self-Aware Machines in Industry 4.0 Environment / B. Bagheri, S. Yang, H.A. Kao, and J. Lee // IFACPapersOnLine. 2017. № 48(3). Pp. 1622-1627.
3. Боронин П., Кучерявый А. Интернет вещей как новая концепция развития сетей связи // Информационные технологии и коммуникации. 2014. № 3. С. 7-29.
4. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006., 410 с.
5. Ицкович Э.Л. Развитие АСУ технологического производства в рамках концепции Индустрия 4.0 (Industry 4.0) // Датчики и системы. 2017. № 7 (216). С. 52 - 63.
6. Cloud-Based Adaptive Shop-Floor Scheduling Considering Machine Tool Availability / D. Mourtzis, E. Vlachou, M. Doukas, N. Kanakis, N. Xanthopoulos, and А. Koutoupes ASME Paper № IMECE. Pp. 2015-53025.
7. Li W., Mehnen J. Cloud Manufacturing: Distributed Computing Technologies for Global and Sustainable Manufacturing, Springer // New York. 2013.
8. A Cloud-Based Approach for Maintenance of Machine Tools and Equipment Based on Shop-Floor Monitoring / D. Mourtzis, E. Vlachou, N. Milas, and N. Xanthopoulos // Proc. CIRP. 2015. № 41(1). Pp. 655-660.
Поступила 03.09.2020; принята к публикации 20.10.2020 Информация об авторах
Добрынин Степан Леонидович - аспирант кафедры электропривода, автоматики и управления в технических системах, Воронежский государственный технический университет (394026, Россия, г. Воронеж, Московский проспект, 14), e-mail: [email protected]
Бурковский Виктор Леонидович - д-р техн. наук, профессор, Воронежский государственный технический университет (394026, Россия, г. Воронеж, Московский проспект, 14), e-mail: [email protected]
MONITORING AND PREDICTIVE ANALYTICS OF TECHNOLOGICAL EQUIPMENT ON THE BASED OF INDUSTRIAL INTERNET OF THINGS
S.L. Dobrynin, V.L. Burkovskiy
Voronezh State Technical University, Voronezh, Russia
Abstract: we carried out a review of technologies within the framework of the concept of the fourth industrial revolution; we considered examples of the implementation of new models of process control based on the industrial Internet of things. We described the technical structure of the main subsystems of the monitoring and control system to increase awareness of the actual state of production resources in particular machine tools and additive equipment in real time. The architecture of the proposed system consists of a data acquisition device (DAD) that implements fast and efficient data collection from machines and a gateway that transfers the liquid part of information to the cloud storage for further processing and analysis. We carried out the data transmission at two levels, locally in the workshop, using a wireless sensor network (WSN) based on ZigBee protocol stack from the data acquisition device to the gateways and from the gateways to the cloud using Internet protocols. An algorithm was developed for initializing communication protocols between a data acquisition device and a gateway, as well as an algorithm for detecting network malfunctions. Calculating the actual machining time of machine subsystems allows us to more efficiently scheduling preventive maintenance rather than performing maintenance tasks at fixed intervals without considering equipment usage
Key words: distributed control systems, industrial Internet of things, monitoring, predictive analytics, wireless networks, microcontroller
References
1. Dobrynin S.L., Burkovskiy V.L., Boldyrev I.A. "The problem of the implementation of the Internet of things as the technological basis of modern intellectual production", Proc. of the XXIV International Scientific-Practical Conf.: Priority Directions of Development of Science and Technology (Prioritetnye napravleniya razvitiya nauki i tekhnologiy: doklady XXIV mezhdunarodnoy nauch.-prakt. konf.), ed. V.M. Panarin, Tula, Innovatsionnyye tekhnologii, 2018, pp. 173-175.
2. Bagheri B., Yang S., Kao H.A., Lee J. "Cyber-physical systems architecture for self-aware machines in Industry 4.0 environment", IFACPapersOnLine, 2017, no. 48(3), pp. 1622-1627.
3. Boronin P., Kucheryavyy A. "Internet of things as a new concept for the development of communication networks", Information Technologies and Communications (Informatsionnye tekhnologii i kommunikatsii), 2014, no. 3, pp. 7-29.
4. Okhtilev M.Yu., Sokolov B.V., Yusupov R.M. "Intelligent technologies for monitoring and controlling the structural dynamics of complex technical objects" ("Intellektual'nye tekhnologii monitoringa i upravleniya strukturnoy dinamikoy slozhnykh tekhnicheskikh ob"ektov"), Moscow, Nauka, 2006, 410 p.
5. Itskovich E.L. "The development of industrial control systems within the framework of the concept Industry 4.0 (Industry 4.0)", Sensors and Systems (Datchiki i sistemy), 2017, no. 7 (216), pp. 52-63.
6. Mourtzis D., Vlachou E., Doukas M., Kanakis N., Xanthopoulos N., Koutoupes А. "Cloud-based adaptive shop-floor scheduling considering machine tool availability", ASME, paper no. IMECE, pp. 2015-53025.
7. Li W., Mehnen J. "Cloud manufacturing: distributed computing technologies for global and sustainable manufacturing", New York, Springer, 2013.
8. Mourtzis D., Vlachou E., Milas N., Xanthopoulos N. "A Cloud-based approach for maintenance of machine tools and equipment based on shop-floor monitoring", Proc. ofCIRP, 2015, no. 41(1), pp. 655-660.
Submitted 03.09.2020; revised 20.10.2020
Information about the authors
Stepan L. Dobrynin, Graduate student, Voronezh State Technical University (14 Moskovskiy prospekt, Voronezh 394026, Russia), e-mail: [email protected]
Viktor L. Burkovskiy, Dr. Sc. (Technial), Professor, Voronezh State Technical University (14 Moskovskiy prospekt, Voronezh 394026, Russia), e-mail: [email protected]
