Бесшовная интеграция PLC-в-Облако: использование IoT для получения данных в реальном времени

Бесшовная интеграция компонентов IIoT, включая IoT-хардвер, ПО и коммуникационные протоколы, происходила для производителей инкрементальными шагами.

Ранние промышленные системы автоматизации были базовыми датчиками, концевыми выключателями и другими устройствами, подающими данные напрямую на принтер или HMI, где было мало или никакого анализа. Данные все еще нужно было вводить в автономные ПО-платформы на уровне менеджмента. Были проблемы с интероперабельностью между простым ПО и enterprise-системами и лимит скорости и глубины, на которых системы могли обрабатывать данные для потребления. Доступная визуализация обычно ограничивалась HMI на уровне станка.

С 1970-х промышленные системы автоматизации часто полагались на ПЛК. Облачные платформы продвинулись до точки, где они спроектированы для работы с этими ПЛК под стандартизированными протоколами. ПЛК могут передавать данные в облачную платформу. Данные анализируются и доставляются системам и людям для улучшения продуктивности, стимулирования улучшения процессов, снижения потерь и предложения действенных инсайтов пользователям.

ПЛК и Облако: что это?

ПЛК и облачные платформы — две отдельные части, нужные для систем мониторинга завода и IoT-аналитических платформ. Они очень различны в применении и зависят друг от друга для работы современной IIoT автоматизации и системы мониторинга. Понимание их различий поможет пользователям понять, как отправлять данные от ПЛК в облако.

Программируемый логический контроллер (ПЛК)

Программируемые логические контроллеры, или ПЛК, были разработаны для использования в системах автоматизации. Ранние модели были способны на базовую контрольную функциональность, но не имели продвинутой аналитики или вычислительных возможностей.

Они также лишены структур данных, использовали проприетарное программирование, которое должно было делаться через ноутбук у шкафа ПЛК, и были ограничены специфическим протоколом связи.

Эти ограничения заставляли IT-департаменты создавать in-house, ad hoc систему перекрывающихся компонентов, харда и конфигураций устройств для создания кастомизированного подхода. Эти самоделки были открыты для нарушений безопасности, дороги в поддержке и имели мало IoT-связности. Они были в целом недоступны для многих малых компаний, где капитал и навыки были скудны.

Текущие ПЛК могут принимать и OT, и IT протоколы. Большинство имеют встроенную безопасность или могут быть защищены как часть интегрированной IIoT-платформы. С прогрессом возможностей ПЛК также были усовершенствованы как edge-устройства, помогающие двигать OT-данные в IT-сферу, чаще всего резидирующую в облачной платформе.

Type1 Light S - PUM11 CPU от Toshiba. [Источник]

Облако

Взрыв данных от edge-устройств, прогресса в ПЛК, IoT-технологий и других устройств сбора данных представляет возможность собрать данные и использовать их для ценности, ранее недоступной. Однако стоимость добавления физических серверов, их поддержки и безопасности может перегрузить многие компании.

Облако представляет концепцию децентрализованного хранения данных и доступа через интернет. Вместо управления данными компании на on-premise сервере, данные могут стримиться в облако из множественных источников и храниться удаленно. Компании также могут получать доступ к продвинутым аналитическим платформам и сервисам, недоступным при хостинге in-house.

Данные хранятся, очищаются, организуются и анализируются через интернет-соединение с облаком. Возвращаемые данные (в виде инсайтов, рассчитанных метрик, визуализаций или просто сырых унифицированных данных) доставляются через интернет на терминал, ноутбук, планшет или HMI уровня станка.

Узнайте больше: Руководство производителя по облачным вычислениям

Почему необходимо использовать облачное решение?

Объем данных, генерируемых устройствами в точке генерации, может перегрузить традиционные IT и in-house серверы. Компании, пытающиеся поддерживать традиционные системы, упустят возможности, потеряют данные или не смогут адекватно анализировать данные для использования, потому что не могут хранить их все costeffective.

С все большим количеством производственного оборудования, встраиваемого IIoT-технологиями и продвинутыми ПЛК, это представляет конкурентную проблему, которая и практична, и финансова. ПЛК и облачные платформы имеют бизнес-смысл.

Использование облака дает компаниям доступ к мгновенным программным обновлениям, значительно снижает дорогие IT-инфраструктурные затраты и обслуживание, и дает производителям доступ к продвинутой аналитике и алгоритмам машинного обучения, питанным ИИ.

Облачные решения данных, такие как MachineMetrics Industrial IoT Platform, предлагают производителям значительные выгоды, улучшающие множество областей их бизнеса, будь вы на цехе или дома.

ПЛК в Облако: как читать данные из ПЛК

Отправка и обновление данных в облаке делается либо реализацией стандартного протокола, либо использованием облачного адаптера. Эта передача критична для доступа к данным и пользовательскому контролю из множественных источников: HMI, ПК, ноутбуки, планшеты.

Реализация стандартизированного протокола

Самый распространенный облачный протокол — MQTT. MQTT передает сообщения туда-обратно между устройствами и подходит для удаленного доступа через ограниченную полосу пропускания. Обычно работает с TCP/IP, но может работать на любом структурированном би-дирекциональном соединении.

Протокол MQTT позволяет коммуникацию между датчиком или коллекцией датчиков (MQTT клиенты) и MQTT брокером. Брокер действует как регулятор трафика, принимая все сообщения и маршрутизируя их к правильному назначению — такому как другой MQTT клиент, edge computing устройство или облако.

Плюс использования стандартизированного протокола вроде MQTT — он хорошо известен, структурирован и позволяет простое движение в облако. Однако конфигурация ПЛК к MQTT сложна, и данные могут быть потеряны при разрыве соединения.

Использование облачного адаптера

Во многих типах фабричной автоматизации коммуникация через локальные fieldbus протоколы вроде Modbus, BACnet и многих других требует IIoT-шлюз. Они не построены для прямой облачной коммуникации, и открытие прямого порта создало бы риски безопасности.

Облачный адаптер собирает все данные onsite перед передачей в облако. После установки облачного соединения данные адекватно шифруются и отправляются. В отличие от потерянного соединения с MQTT протоколом, облачный адаптер буферизует данные, так что они могут быть восстановлены при необходимости.

Шаги для отправки данных от ПЛК в облако

Ценность реальных данных в производстве огромна. Анализ данных в облачной платформе с продвинутой платформой машинных данных вроде MachineMetrics доставляет действенные инсайты и большую ценность. Однако получение данных от множества устройств и ПЛК в облако и обеспечение их стандартизации критично для работы облачных платформ.

Без решения вроде MachineMetrics, позволяющего машинную, сенсорную и ПЛК связность, этот процесс придется завершать (и поддерживать) вручную. Вы можете предпринять несколько шагов для обеспечения корректной доставки данных от ПЛК в облачную платформу. Эти шаги включают:

1. Создание тегов для данных ПЛК

Данные, собранные с ПЛК, должны быть стратегически определены. Эта стратегия включает создание тегов для того, какие данные собираются и хранятся. Теги могут включать входы от датчиков для температуры, влажности или других амбиентных условий, включая потребление энергии или вибрационные данные для обслуживания.

MachineMetrics может проводить продвинутый анализ данных, генерируемых по оборудованию, позволяя мониторинг станков или движущие продвинутые кейсы вроде предиктивного обслуживания.

Знание, какие теги использовать, поможет доставить релевантные данные, которые могут быть превращены в действие системами, человеческим взаимодействием или другими автоматизированными процессами.

2. Подготовка необходимых системных инструментов

ПЛК-в-облако коммуникация в IIoT системе требует интернет-соединение. Интернет-доступ должен быть надежным и питаним роутерами, способными обрабатывать широкий IP-диапазон. Также важно оценить Ethernet-связность, так как некоторые устройства имеют эту связность, в то время как другие могут потребовать edge-шлюз.

Промышленная IoT-платформа нужна для анализа и доставки инсайтов пользователям, как только данные начинают литься. Платформа и устройства MachineMetrics работают out of the box, позволяя аналитику данных быстро после старта.

3. Установка IoT-шлюза ПЛК

MachineMetrics может подключиться и начать сбор данных с ПЛК и других устройств за минуты. Компании могут настроить свой промышленный IoT-шлюз через интернет и добавить соответствующий роутерpromptly.

Без решения связности вроде MachineMetrics, теги данных пришлось бы вручную маппить для стандартизации данных оборудования. Edge-устройство MachineMetrics делает это гораздо легче благодаря ПО на устройстве.

ПЛК можно получить через ПЛК ПО или пингованием системы для использования VPN-соединения. После подключения конфигурация данных теперь возможна для ПЛК. MachineMetrics предлагает системную гибкость и позволяет подключение через EtherNet, Wi-Fi и cellular, так что доступ к данным ПЛК возможен множественными методами.

4. Настройка протокола данных ПЛК

ПЛК требуют специфических протоколов для сбора данных. Эти протоколы включают переменные для сбора и где эти переменные резидируют.

ПЛК должен быть сначала сконфигурирован с использованием инструкций программирования производителя. Они также могут быть запрограммированы через роутер IoT-платформы. После конфигурации адрес каждого ПЛК добавляется, и переменные выбираются для данных, которые ПЛК будет мониторить и собирать.

5. Конфигурация переменных и тегов

В этой точке данные определены и связность протестирована. Переменные могут быть добавлены для каждого ПЛК, и теги могут назначать, как каждая переменная будет логироваться. Теги могут быть time-based для триггера действия по необходимости, и они также могут быть основаны на изменении условия на уровне станка. Они также могут быть триггерены на основе информации, доставленной им через MQTT брокер от другого ПЛК.

6. Создание дашбордов ПЛК

MachineMetrics предлагает богатую визуализацию и динамические, реальные дашборды. Out-of-the-box производственные дисплеи могут быть реальными или историческими и давать видимость в самые важные метрики завода.

Платформа MachineMetrics также включает возможность контекстуализации оператора и прямого ввода на уровне станка. Множество MachineMetrics приложений могут быть сконфигурированы и кастомизированы out-of-the-box для доставки tailor-made опыта за малое время.

7. Реальный мониторинг и проактивные алерты

Нет замены реальному мониторингу облачной IoT-платформой. Данные, полученные от ПЛК и других устройств, анализируются и инсайты доставляются, предлагая проактивные алерты. Они могут указывать на остановки станков, имминенентные проблемы, нехватку материала и более. Поскольку эти алерты основаны на текущем статусе станка, операторы и техники могут действовать быстро для снижения простоя и потерь. Менеджеры также имеют доступ к данным, отражающим реальный статус производственного пола.

Подключение нескольких устройств к одному облаку

Установка адаптера

IIoT-платформы могут обрабатывать данные от множества устройств одновременно. Но как получить данные от нескольких разных устройств, использующих разные протоколы? Один пример — использование облачного адаптера вроде Raspberry PI.

Raspberry PI — крошечный кредитной-карты компьютер, который может быть вставлен в шкаф и запрограммирован для действия как облачный адаптер для принятия коммуникационных протоколов от нескольких ПК. Его малый размер, низкое потребление и простота программирования помогают перебрасывать разрыв между ПЛК и IIoT облачными платформами.

Имейте в виду: решение вроде этого будет невероятно ресурсоемким для ручного построения и поддержки. Именно поэтому автоматизация связности и сбора данных по всему оборудованию так важна. Выбор правильного решения сбора машинных данных создает фундамент для непрерывного улучшения, на которое не только целые команды могут полагаться, но и все другие производственные системы, от CMMS до ERP.

Сбор локальных данных

После установки облачного адаптера, каждый ПЛК, использующий разный протокол, нужно подключить через веб-интерфейс провайдера облачного сервиса. Каждая коммерческая IIoT-платформа предоставит веб-интерфейс через интернет-доступ. OPC UA — популярный стандарт, потому что хорошо работает с устройствами, поддерживающими ПЛК с проприетарными протоколами.

OPC UA используется чаще, чем OPC DA, потому что OPC DA менее безопасен, не позволяет генерацию тревог и работает только с реальными данными. В противовес, OPC UA позволяет доступ к историческим источникам данных и возможность устанавливать и триггерить тревоги.

Проектирование визуализации данных

После включения локального сбора данных, переменные ПЛК могут быть добавлены к дашбордам. После добавления они появятся на доступных устройствах визуализации вроде HMI и будут включены в анализируемые данные вперед.

Использование MachineMetrics для сбора и анализа данных ПЛК

ПЛК-в-облако коммуникация — жизненно важная часть того, что позволяет IIoT доставлять ценность. MachineMetrics предлагает мощное, гибкое, agile облачное решение для превращения ПЛК данных в действенные инсайты, улучшающие процессный контроль, снижающие затраты и повышающие эффективность. Легко подключайте станки, датчики и ПЛК для извлечения ценных производственных данных, чтобы люди и системы могли принимать лучшие, быстрее решения.

Начните делать работу вашим ПЛК и машинными данными с MachineMetrics. Хотите увидеть в действии?

Plug-and-Play сбор машинных данных

Забронировать демо