Internet of Things a Big Data spájajú svoje sily (2)

Zber údajov

Návrhári čoraz častejšie začleňujú snímače do množstva rôznych zariadení, ktoré používame každý deň. Inteligentné telefóny reagujú na vstupy používateľa sledovaním aj tých najmenších pohybov, automobily trvale sledujú svoj pohyb, aby získali kontrolu nad stabilitou,  a budovy menia riadenie vnútorného prostredia, aby sa dosiahol nielen komfort nájomníkov, ale aj úspora energií.

Prenesene môžeme povedať, že široká dostupnosť snímačov a údajov, ktoré produkujú, je žeravým uhlíkom, ktorý zapáli oheň IoT  a rozsiahlych údajov, pričom automatizované metódy prístupu k týmto snímačom, väčšinou prostredníctvom internetu udržiavajú zapálený oheň pri živote.

Ak sa pozrieme na celú problematiku z hľadiska rozsiahlosti systému, snímanie prebieha na najnižšej úrovni. V tab. 2 je uvedený zoznam základných typov snímačov.

Tradičnými veličinami meranými v rámci výrobných procesov sú prietok, výška hladiny, tlak a teplota. Chemický, farmaceutický, vodárenský či potravinársky priemysel navyše pridávajú k týmto základným štyrom aj analytické meranie pH, rozpustného kyslíka a mnohé iné špecifické premenné. Riadiace systémy prevádzok a ochrany životného prostredia sa budú sústreďovať na riadenie teploty, vlhkosti  a ďalších poveternostných premenných.

Ak rozšírime záber aj na mechaniku rôznych typov zariadení a strojov, tak prichádzame k rôznorodým snímačom na meranie polohy, uhla, posunutia, vzdialenosti a priblíženia. Snímače rýchlosti a zrýchlenia sledujú zmeny tých istých snímaných hodnôt, zatiaľ čo snímače vibrácií snímajú frekvenciu a/alebo amplitúdu pohybu.

Pri zariadeniach poháňaných elektrickou energiou snímače sledujú veľkosť pretekajúceho prúdu a napätia a iné výkonové parametre. Ešte príťažlivejšie je využitie kamerových snímačov na sledovanie vyrábaných častí, kontrolu kvality alebo jednoducho na čítanie značiek. Systémy na spracovanie obrazu môžu v niektorých prípadoch generovať obrovské množstvá obrazových údajov.

Snímače generujú množstvo rôznych typov signálov, ktoré musia byť prevedené zo „surovej“ nameranej hodnoty na formát signálu, ktorý je vhodný na prenos. Štandardnou metódou na prenos analógového signálu je použitie vysielača, ktorý rozdelí meranú hodnotu do signálu z rozpätím 4 až 20 mA a ktorý je následne pripojený na vstupný analógový modul riadiaceho systému.

Pokročilejšie „inteligentné“ vysielače dokážu premeniť nasnímaný signál na štandardný digitálny komunikačný protokol, v mnohých prípadoch na báze ethernetu. Takisto sú k dispozícii signálové prevodníky, ktoré dokážu účinne zmodernizovať zastarané typy signálov a zariadení transformovaním jednoúčelovo vyvinutých alebo zastaraných sériových signálov do podoby moderných protokolov otvorených sietí.

Inteligentným vysielačom a snímačom sa dáva prednosť z viacerých dôvodov. Nielen že dokážu snímať primárny signál, ale dokážu merať aj ďalšie prevádzkové veličiny, ktoré môžu byť užitočné. Napríklad väčšina inteligentných vysielačov na meranie tlaku, prietoku či výšky hladiny realizuje aj meranie teploty, čo je veľmi užitočné z hľadiska kompenzácie signálu a monitorovania stavu meracieho prístroja. Inteligentné snímače a meracie prístroje zvyčajne zbierajú a vysielajú diagnostické informácie vrátane stavu zariadenia, alarmov a udalostí.

Snímače a vysielače prepojené prostredníctvom sériových alebo ethernetových sietí prinášajú jednoduchú inštaláciu, zvlášť v prípade bezdrôtových verzií prístrojov. Existuje množstvo spôsobov zberu údajov, ktoré musia byť následne koncentrované.

Koncentrácia údajov

Údaje zvyčajne putujú zo sieťovo prepojených snímačov do nejakého typu úložiska údajov alebo zariadenia na koncentráciu údajov. Toto zariadenie alebo zariadenia sa môžu vyskytovať v rade miest. Údaje môžu byť zvyčajne uložené vo veľkom PC serveri alebo na hlavnom počítači v miestnosti riadenia. V tab. 3 sú naznačené aj ďalšie možnosti koncentrácie údajov.

Staršie záznamníky údajov, z ktorých mnohé sú ešte aj v súčasnosti v prevádzke, pozostávajú z kruhového záznamu priebehov a rolky stočeného papiera, na ktoré zapisujú priebeh veličín perá s rôznofarebnými náplňami podobne, ako to poznáme z analógových seizmografov sledujúcich zemetrasenia. Moderné záznamníky údajov sú úplne digitálne a ponúkajú množstvo zlepšení.

Záznamníky údajov na báze polovodičových súčiastok dokážu spracovávať väčší počet vstupných kanálov a zbierať hodnoty pri definovaných intervaloch vzorkovania. Kapacita záznamu sa pohybuje v rozmedzí desiatok tisíc hodnôt v pevnej alebo prepisovateľnej pamäti. Tento typ zariadení umožňuje praktické a ekonomicky výhodné rozšírenie záznamu údajov aj na vzdialených lokalitách. Záznamníky možno prepojiť aj prostredníctvom sietí alebo môžu disponovať vyberateľnou pamäťovou kartou alebo pripojením USB, vďaka čomu možno prenášať uchované údaje na úroveň nadradeného systému.

Zabudované regulátory sa často využívajú ako hlavné riešenie automatizácie nejakého zariadenia. Okrem toho, že sa primárne využívajú ako cenovo prijateľné riešenia na riadenie strojových zariadení, majú aj dostatočnú veľkosť pamäte a výpočtových možností na zber údajov. Veľmi podobne sú na tom aj zabudované PC, ktoré majú viac ako dostačujúci výkon na realizáciu zberu údajov a automatizačných úloh. Zvyčajne sú vybavené rotujúcim alebo polovodičovým pevným diskom poskytujúcim veľký priestor na ukladanie údajov.

PLC sa používajú v množstve rovnakých aplikácií ako zabudované regulátory. Najväčšími výhodami PLC už od ich uvedenia na trh boli spoľahlivosť, prispôsobiteľnosť a vysokorýchlostné riadenie strojov. Často boli aj v pozícii spoločnej brány na prenos údajov do koncentrátorov na vyšších úrovniach architektúry riadenia.

V posledných rokoch výrazne vzrástol výpočtový výkon a pamäťové možnosti PLC, pričom tie najvýkonnejšie PLC sa v súčasnosti už nazývajú prevádzkové automatizačné regulátory (PAC – Process Automation Controller). Najnovšie PLC bez ohľadu na to, ako sa budú nazývať, prinášajú neuveriteľné možnosti z hľadiska veľkosti pevných pamätí, pričom niektoré sú vybavené aj historizačnými modulmi, ktoré sú pripojené priamo do rámu PLC. Vďaka tomu sa z PLC stávajú výkonné nástroje na koncentráciu údajov.

Ak sa na chvíľu ešte vrátime k snímačom, tie najschopnejšie z nich majú často priamo na doske nástroje na záznam údajov. Zaznamenáva sa na pamäťovú kartu alebo USB pamäť alebo ich možno sieťovo pripojiť do nadradeného koncentrátora údajov.

Podobne ako existuje nespočetne veľa spôsobov zberu údajov, existuje aj viac možností ako kedykoľvek predtým z hľadiska koncentrácie týchto informácií. Koncentrovanie údajov možno odstupňovať podľa potreby, od viacerých malých prevádzkových prístrojov až po veľké centralizované alebo distribuované systémy na báze PC. Čoraz jednoduchšie možno znižovať množstvo ručných zásahov človeka, týkajúcich sa zberu užitočných údajov, čo zvyšuje kvantitu a kvalitu údajov určených na ďalšie spracovanie, príp. interpretáciu dejov  a udalostí.

Ďalšie spracovanie údajov

Po tom, ako boli údaje zozbierané zo snímačov a koncentrované na úložisku údajov, je dôležité, aby sa informácie usporiadali takým spôsobom, ktorý pomôže používateľom pochopiť ich význam. Aktivity spojené so starostlivosťou a ďalším spracovaním údajov sú spojené s používaním databázových softvérov. Spracovanie údajov zvyčajne prebieha na úrovni PC servera, nakoľko správa databázy je pokročilá softvérová funkcia, ktorá vyžaduje na to adekvátny hardvér.

Medzi najznámejšie dostupné databázové riešenia patria  Oracle Database, Microsoft SQL Server, Microsoft Access, SAP Sybase  a IBM DB2. Tieto softvérové balíky sa používajú na údržbu a triedenie údajov v širokom spektre priemyselných odvetví, pričom ponúkajú aj nástroje na dopytovanie a analýzu informácií.

Avšak nie všetky údaje sú presne rovnaké. V oblasti obchodu a komerčného sveta údaje zvyčajne pozostávajú z informácií o zákazníkoch, finančných transakciách, sú to čísla skladových položiek, množstvo zásob a informácie o dodaní. Tieto transakčné údaje vyžadujú zabezpečené úložisko s relatívne pomalým zberom informácií. Prerušenie prístupu k údajom a iným funkciám je kritické.

Pri pohľade na výrobný sektor si môžeme všimnúť, že veľké množstvo informácií získaných zo snímačov pozostáva z časovo následných informácií, kde každá vzorka predstavuje nasnímanú hodnotu spolu s časovou značkou. Tieto údaje získavané v reálnom čase sú opakovane načítavané. Údaje z prevádzky môžu zahŕňať aj hodnoty alarmov a diskrétne udalosti. Výrobné údaje musia byť ukladané  a prístupné v reálnom čase, pričom najdôležitejšia je dĺžka bezporuchovej prevádzky.

Vzhľadom na obrovské množstvo potenciálne dostupných informácií je mimoriadne dôležité zachytiť, čo z nich je vlastne podstatné. Podľa odborného mesačníka Control Enegineering „stratenie sa v záplave rozsiahlych údajov je znamením, ktoré môže pomôcť podnikom pochopiť dynamicky sa meniace riziká a predísť každoročným stratám v chemickom a petrochemickom priemysle v USA v objeme 10 mld. USD v dôsledku neočakávaných odstávok výroby“ [3].

Bez kvalifikovanej analýzy sa nepodarí vyťažiť maximum zo snahy a nákladov vynaložených na zber, koncentráciu a spracovanie údajov. Existujú rôzne triedy prevádzkových alebo priemyselných databáz alebo historizačných aplikácií, ktoré boli špeciálne vyvinuté s cieľom uspokojiť potreby výrobných podnikov. Tieto softvérové balíky sú optimalizované na prácu s označkovanými údajmi (takými, aké možno získať z IoT zariadení opísaných vyššie) a zaznamenávanie veľkého množstva chronologických údajov vysokou rýchlosťou. Ďalšou vlastnosťou historizačných aplikácií je, že používateľ si môže zvoliť požadovanú periódu vzorkovania a presnosť. Dôsledné nastavenie týchto parametrov umožní historizačnej aplikácii zhustiť veľkosť úložiska údajov a zmenšiť veľkosť databázy zlepšením reakčného času dotazovania.

Spracované údaje sú bežne dostupné v rámci organizácie prostredníctvom celopodnikovej siete, ktorá sa zvyčajne nazýva intranet alebo súkromný cloud. Ethernet sa zvyčajne používa ako verejný cloud, avšak existujú metódy zabezpečenia pri pripojení viacerých podnikov alebo údajových zdrojov, ktoré ho môžu využívať.

Jednoduchý prístup k informáciám v historizačnej databáze a schopnosť obnovovať tieto údaje viacerými spôsobmi (napr. nespracovaná hodnota, priemerná hodnota za určitý čas a graf hodnôt za určitý čas) umožňujú vykonávať analýzy rozsiahlych údajov na vyššej úrovni.

V ďalšej časti seriálu sa budeme zaoberať vizualizáciou a analýzou údajov.

Zdroj: IoT and Big Data Combine Forces. Technical White Paper, Advantech, 2013.

Seriál je publikovaný so súhlasom spoločnosti Advantech Europe BV.

www.advantech.eu