A gépi adatgyűjtés legfontosabb kritériumai

Mindenki hallotta már a 21. század nagy „befektetési tippjét”, ugye? „Az adat az új arany.” Ám míg aranyat – kellő mennyiségű pénzért cserébe – viszonylag könnyen vásárolhatunk, ugyanezt adatokkal már nem tehetjük meg (legfeljebb a darkweben, illegálisan és erősen el is ítélhető módon). A magánszemélyek adatainak hozzáférhetőségét néhány éve már szigorú szabályok őrzik (GDPR), és a B2C szektor szolgáltatóinak az értékesítés során kiemelt figyelmet kell fordítaniuk ezek betartására. Kizárólag azon adatok felhasználása engedélyezett, amelyekre korábban a felhasználó önmaga engedélyt adott.  Ipari környezetben viszont egészen más az adatok megszerzésének megközelítése… 

Takarékos erőforrás-felhasználás, kevesebb gépleállás 

Azt, hogy az adat az új arany, a gyártóipar legfelkészültebb résztvevői, az ipar 4.0 éllovasai már évekkel ezelőtt felismerték. Mostanra – ha jó úton járnak/jártak – élvezik is előnyeit. Már léteznek a világon olyan okosgyárak, ahol az adatok elemzésével és a folyamatok átszervezésével akár 17%-kal tudták csökkenteni a gyártás során keletkező hulladékot, 64%-kal a vízfelhasználást vagy 48%-kal a nem tervezett gépleállásokat.  

Hasonló célok eléréséhez már számtalan modern adatelemző platform létezik a világon. Az erőforrások a felhő alapú technológiáknak és a tanuló algoritmusok széleskörű elterjedésének köszönhetően jól skálázhatók.

Igen ám, de mindezen technológiák alapfeltevése, hogy az elemzendő gyártási adat már rendelkezésre áll – leginkább egy szépen strukturált és optimalizált adatbázisban (big data), amin már „csak” az elemzéseket kell lefuttatni.  

Legális gépi adatbányászat ipari környezetben 

A modern adatelemző platformok közül a WaMeWo többek között saját telemetriai (a görög téle= ‘távoli, messzire’, és metreó= ‘mér’ szavakból – Wikipedia) rétegével igyekszik kitűnni a piaci zajból. Rendszerünk képes a szükséges adatok megszerzésére, ami nélkül elképzelhetetlen bármilyen másik, felsőbb réteg értékessé tétele. Az elmúlt években ennek fejlesztésére kiemelt figyelmet fordítottunk, és bottom-up megközelítésünk lényege is ez.  

A WaMeWo alapkoncepciója eredetileg abból a problémából pattant ki, hogy vajon milyen módszerekkel lehet a különböző ipari vezérlőkből (robotok, PLC-k stb.) értékes információkat kinyerni anélkül, hogy azokon költséges hardver- vagy szoftverkiegészítést kelljen végezni. Ehhez mindenképp szükséges az alapos domain tudás az ipari vezérlések és kommunikációjuk terén.

Sokféle gyártó, egységes adat 

A sokféle gyártó vezérlőinek adatait nagyon nehéz egységes metódussal kibányászni, előformázni és közös sémára hozni. Egyrészt a gyártók a platformfüggetlen adatgyűjtésre – akkor még igény híján – korábban sem készítették fel eszközeiket, másrészt manapság ennek útjában üzleti érdekek is állnak: a gépgyártók saját eszközeikhez saját IIoT megoldásaikat szeretnék értékesíteni. Igaz, a végfelhasználói igények nem épp ebbe az irányba mutatnak.

A 6 legfontosabb elvárás, amit egy adatgyűjtő alkalmazásnak teljesítenie kell 

Összeszedtük, melyek azok a funkcionális elvárások, amelyeknek egy korszerű adatgyűjtő alkalmazásnak feltétlenül eleget kell eleget tennie: 

#1 Kapcsolat 

A modern IT-OT hálózati infrastruktúrákba való beilleszthetőség miatt mindenképpen képesnek kell lennie valamilyen ethernet alapú protokoll megvalósítására (jellemzően TCP/IP), ami történhet kábeles- vagy vezeték nélküli kapcsolaton keresztül egyaránt. Alternatív módszerek között még megemlítendő a mobil interneten (4G/5G) keresztüli csatlakozás, a MESH (pl. LoRaWan) vagy akár a BLE (bluetooth low energy), de ezek az iparban csak részlegesen elterjedtek.

#2 Mintavétel 

Az elérhető legnagyobb (amit a protokoll és a fizikai eszközök lehetővé tesznek) mintavételi frekvenciával kell tudni a vezérlésekből kéréseken keresztül adatot olvasni vagy esemény alapon fogadni. Például egy rendkívül rövid taktidejű berendezés (élelmiszeriparban jellemző) esetén, ha az ütemszám 60 db/perc van, akkor ahhoz, hogy ne maradjunk le semmilyen eseményről, a Shannon törvény értelmében 120 Hz-nél mindenképpen gyorsabb mintavételezést kell alkalmazni. Az adatok megszerzését általában úgynevezett kliens vagy adapter alkalmazások végzik, amelyek mindezt továbbítják a szerver vagy ügynök alkalmazás felé. 

#3 Fogadás 

Szerver oldalon az ilyen gyakorisággal érkező adatokat – pláne, ha azok akár több száz berendezéstől érkeznek egyidőben/szekvenciálisan – veszteség nélkül kell tudni fogadni és feldolgozni. Ez egy másodperc alatt akár több tízezer adatpontot is jelenthet. Ennek feloldására többféle módszer is rendelkezésre áll már a piacon, az általunk egyik preferált alkalmazás például a Telegraf, amely többek között az InfluxDB idősoros adatbázis számára képes az adatok begyűjtésére. 

#4 Egységesítés 

Az összegyűlt adatokat egy megfelelő adatbázisba (az IIoT feladatokra alkalmas adatbázisokat még kivesézzük a későbbiekben) be kell írnia a szerver alkalmazásnak, lehetőség szerint egységesített sémák mentén. Az egységesített adatmodellek a fejlett analitikák és riportok alapjai, nagyban megkönnyítjük a felsőbb rétegek dolgát, ha erre megfelelő figyelmet fordítunk. 

#5 Konfigurálás 

Rendelkezésre kell állnia egy olyan univerzális konfigurációs sémának, ami leírja például, hogy az adott eszköztől milyen memória címekről, tagekről, és milyen gyakorisággal kell adatot kiolvasni, és az milyen tag névvel kerüljön továbbításra az adatbázis felé. A megfelelő séma kidolgozásával az akvirálandó adatpontok mennyiségét, paramétereit könnyen definiálhatjuk és skálázhatjuk. 

#6 Pufferelés 

Végül, de nem utolsósorban: sajnos, ami elromolhat, az el is romlik. Mivel a kliens és a szerver jellemzően egymáshoz képest távoli lokációban helyezkedik el (tipikus felállás, hogy a kliens alkalmazás egy gép melletti edge eszközön fut, az adatok tárolási helye pedig egy cloud szerveren van), így a kettő között bármikor felléphet hálózati probléma. Ennek kiküszöbölésére a kliens eszköznek/alkalmazásnak pufferelést kell tudnia megvalósítani, azaz helyileg, memóriában tárolnia az adatokat, amíg a kapcsolat helyre nem áll a szerverrel. Fontos erre előzetesen méretezni az edge eszközt! 

Gépi adatgyűjtési metodikák 

Az általános működési preferenciák definiálásán túl tegyük fel a pontot az i-re azzal, hogy megvizsgáljuk, milyen módszerek segítségével juthatunk hozzá a gépi adatokhoz. (A lista nem teljes.) A WaMeWo kompatibilis ezen eljárásokkal is. 

Soros 

Habár szerencsére elvétve, de még mindig találkozhatunk olyan régi gyártó berendezésekkel, amelyek nem rendelkeznek ethernet interface-szel, csak valamilyen klasszikus soros implementációval (pl. RS-232/485). Ezen a csatornán jellemzően lassan és körülményesen juthatunk hozzá a szükséges adatokhoz, valamint, ha hálózatban gondolkodunk, akkor egy soros-ethernet konvertert mindenképp érdemes az eszközre kötnünk. 

HTTP oldalak lekérése, parszolása 

Még ez sem egy triviális adatszerzési megoldás, de tapasztalataink azt mutatják, hogy előfordul ipari eszközök esetében (például bizonyos robottípusoknál). Ezek a vezérlők egy webszervert futtatnak a háttérben, és az eszköz IP címén böngészőből elérhetőek. Ennek eredménye gyakorlatilag egy weboldal, amely egyszerű design mellett szöveges állományokban foglal össze információkat az eszközről (fizikai jellemzők, változók értékei, memória állapota, hibaüzenetek stb.). Ha ezeket letöltjük és rajtuk – például reguláris kifejezések segítségével – kereséseket futtatunk, begyűjthetjük a kívánt adatokat. 

REST(API) 

Ha egyet lépünk a modernizáció létráján, akkor találkozhatunk a REST (Representational State Transfer) kérések világával. A REST olyan kapcsolati megoldás, amely jelenlegi webes alapismeretek bizonyos elveire épít, és általában HTTP-n fut. Állapotmentes kommunikációt hajt végre. A REST figyelmen kívül hagyja az összetevők megvalósításának és a protokoll szintaxisának részleteit annak érdekében, hogy összpontosítson az összetevők szerepére, a más komponensekkel való kölcsönhatás korlátozásaira és a jelentős adatelemek értelmezésére. A REST-et a webszolgáltatások fejlesztésére is alkalmazzák, alternatívaként más elosztott kommunikációs típusokhoz, például a SOAP-hoz. A REST-et gyakran használják mobilalkalmazásokban, közösségi oldalakon, mashup eszközökben és automatizált üzleti folyamatokban. 

Memóriaolvasás standard protokollokkal 

A PLC gyártók már korábban implementáltak olyan protokollokat, amelyek képesek például két PLC memóriaterületének megosztását megvalósítani, azaz lehetővé tenni a (teljes) memóriaterület írását és olvasását egy külső szereplő (node) számára (többnyire TCP/IP kapcsolaton keresztül). Erre gyártónként eltérő megoldások találhatóak, de a legismertebbek talán a  

• Snap7 (Siemens), 
• FINS (Omron) és  
• MC protocol (Mitsubishi).  

Ezek a hálózati szolgáltatások biztosítják, hogy egy megfelelő telemetriai kliens alkalmazás a PLC memóriájának adott címéből képes legyen adatot olvasni, vagy szükség esetén beírni. 

Szabványosított megoldások  

Szerencsére napjainkra egyre több kezdeményezés van az irányban, hogy a modern ipari vezérlők (legyen az robot, PLC, szervó, megmunkáló központ stb.) szabványosított metodikával és formátumban tudjanak adatáramot (stream) biztosítani az IIoT platformok számára. Több ipari vendor is azzal a kiegészítéssel „iparnégypontnullásította” portfólióját, hogy a divatos protokollokat implementáltak újgenerációs vezérlőikben. Ezek közül talán a legelterjedtebbek az MQTT, az OPC (UA) és az MTConnect, amelyeket kifejezetten ilyen feladatokra terveztek. Ezek részletes bemutatása bőven megérne egy külön misét, mi most csak a legfontosabb előnyeiket hadd említsük: 

Ezen megoldások elterjedésének, illetve a vezérlőgenerációk frissülésének köszönhetően a jövőben várhatóan aktualitását veszti majd az előzőekben taglalt metodikák nagy része. 

Adatgyűjtés a WaMeWo-val

A WaMeWo fejlett telemetriai rétege, akár a komplett gyártásfelügyeleti rendszertől függetlenül is biztosítja a jó minőségű ipari adatbányászatot az architektúra és third-party rendszerek részére egyaránt, akár standard kimeneteken (MQTT, REST, DB insert stb.) keresztül. 

---

Miről szól ez a cikksorozat?

Cikksorozatunkat szakmai- és üzleti know-how szomjoltásra egyaránt ajánljuk az ipari szektor digitalizációjával foglalkozó szakemberei számára. A fejezetek tartalmának összeállításakor két vezérelvünk volt:

• feltárni a felhasznált gyártásdigitalizációs szoftvertechnológiák miértjeit
• és bemutatni azok üzleti hasznosulásának lehetőségeit.

Bízunk benne, hogy tartalmaink építő szakmai diskurzust váltanak ki. Az info@indeveyes.com-on vagy közösségi felületeinken örömmel veszünk visszajelzést, véleményt, vagy kérdéseket a témával kapcsolatban!

• A sorozat előző cikkében a Modern IIoT architektúrák felépítéséről írtunk.
• Következő cikkünkben a Gépleállások-ról lesz szó.