Mikrokomputery

Dyrektor wie, że maszyna pracuje. Jak długo, pod jakim obciążeniem, dlaczego jedna zmiana oddaje 30% mniej części — pozostaje nieznane.

Podejście IT do produkcji

W automatyce przemysłowej są dwa bieguny. Z jednej strony — drogie rozwiązania wielkich dostawców: systemy zarządzania produkcją, bliźniaki cyfrowe, integracje za miliony dolarów. Z drugiej — ręczne zbieranie danych, gdy informacja bywa zapisywana sporadycznie i ginie. Jako specjaliści IT z doświadczeniem w observability postanowiliśmy zastosować do urządzeń produkcyjnych te same zasady, które służą monitoringowi serwerów i aplikacji. Metryki są zbierane z czujników, przesyłane do chmury, wizualizowane na dashboardach. Alerty przychodzą, gdy coś wychodzi poza normę. Logi są zapisywane do analizy. Produkcja jest takim samym źródłem telemetrii jak infrastruktura IT. Pytanie brzmi, jak te dane zebrać i co z nimi zrobić.

Martwa strefa

Wyobraźcie sobie halę. Pięćdziesiąt maszyn, trzy zmiany, dwieście osób. Część urządzeń jest nowoczesna, z kontrolerami i wyświetlaczami. Część jest mechaniczna, bez elektroniki, modele sprzed 30-50 lat. Dane o pracy zbierane są we fragmentach: ktoś coś zanotował, ktoś zapamiętał, ktoś przekazał ustnie. Na koniec miesiąca pojawia się raport. Liczby są, nic nie wyjaśniają. Dlaczego jedna sekcja stale spóźnia się? Dlaczego na tej maszynie części łamią się częściej? Dlaczego zużycie energii rośnie, skoro wolumen produkcji jest ten sam? Najważniejsze — nie ma z czym porównać. Jak pracowała ta sekcja rok temu? Jak poradziliśmy sobie z podobnym zleceniem w poprzednim kwartale? Jakie wskazania występowały przed ostatnią awarią? Bez zgromadzonych danych te pytania pozostają bez odpowiedzi.

Jak to rozwiązujemy

Stosujemy w produkcji te same zasady, które działają w IT: obserwację, logowanie, metryki, alerting. Zmienia się źródło danych — w miejsce serwerów pojawiają się maszyny, czujniki i kontrolery. Sieć. Cały sprzęt musi zostać połączony. Gdzie to możliwe — kładziona jest instalacja niskoprądowa. Gdzie kabel nie dociera — montowane są węzły z modemami 4G. Każdy węzeł działa autonomicznie: jeśli łączność zanika, dane odkładają się lokalnie i są wysyłane po przywróceniu łączności. Sprzęt. Po halach rozmieszczane są mikrokomputery z podłączonymi czujnikami. Konfiguracja zależy od zadania: jeden mikrokomputer może obsługiwać kilka maszyn, albo jedna maszyna może mieć kilka punktów zbierania danych. Chmura. Wszystkie dane trafiają do jednego systemu, w którym działają monitoring, alerty i analityka. Obliczenia dzieją się w chmurze, zasoby są wynajmowane wedle potrzeby.

Sprzęt na halach

Dla nowoczesnych maszyn z kontrolerami integracja idzie przez Modbus lub Ethernet. Dane są już w maszynie — trzeba je pobrać i zebrać w jednym miejscu. Na starych maszynach bez elektroniki montowane są czujniki zewnętrzne, mechanika pozostaje nienaruszona. Liczniki energii z Modbus montuje się na szynie DIN w szafie elektrycznej i pokazują zużycie w czasie rzeczywistym: tryb pracy, obciążenie, anomalie. Modele trójfazowe pozwalają widzieć pełny obraz dla każdej fazy. Akcelerometry MEMS na obudowie śledzą wibracje — po nich widać zmiany w pracy mechanizmów. Czujniki temperatury w punktach krytycznych zapisują odchylenia od normy. Na tokarkach i frezarkach czujniki obrotów wrzeciona pokazują tryby pracy. Na maszynach z hydrauliką lub pneumatyką — czujniki ciśnienia. Czujniki poziomu oleju i chłodziwa informują o potrzebie obsługi. Liczniki cykli rejestrują liczbę operacji.

Sprzęt starej generacji

Osobna historia — maszyny bez elektroniki. To może być tokarka sprzed 30-50 lat, która pracuje od czasu budowy zakładu, albo nowoczesny model złożony w klasycznym układzie bez kontrolerów cyfrowych. Takie maszyny są niezawodne, ich wymiana nie ma sensu, a opierają się codziennej obserwacji z rejestrowaniem wskazań — nowe maszyny z kontrolerami umożliwiają to łatwo. Na takim sprzęcie można zamontować czujnik wibracji, czujnik poziomu oleju, licznik energii na zasilaniu — to przykłady, lista częściowa. Po montażu widać: maszyna pracuje czy stoi, pod obciążeniem czy na biegu jałowym, wibracje w normie czy pojawiły się odchylenia, ile oleju zostało. Pojawia się możliwość śledzenia stanu między planowymi przeglądami.

Pytanie brzmi, jak długo jeszcze ta maszyna będzie pracować bez obsługi. Z czujnikami można to prognozować.

Jakość powietrza i wentylacja

Dla niektórych produkcji kontrola powietrza to kwestia bezpieczeństwa. W lakierniach, zakładach obróbki drewna, warsztatach naprawczych zawieszony pył lub opary mogą być krytyczne. Czujniki jakości powietrza z interfejsem Modbus lub RS485 mierzą stężenia cząstek PM2.5 i PM10, poziom CO2, lotne związki organiczne (LZO). Te dane trafiają do tego samego systemu monitoringu. Można skonfigurować alerty: jeśli stężenie pyłu przekracza normę, system powiadamia odpowiedzialnych. Można powiązać z wentylacją: przy wzroście CO2 wydajność nawiewu automatycznie rośnie. Podobne czujniki montowane są w systemach wentylacji: wyciąg działa czy nie, powietrze płynie czy zastoje, jaka wydajność na każdym etapie. Dzięki temu stan instalacji widoczny jest w czasie rzeczywistym i pozwala dostrzec problemy na długo przed tym, zanim na hali zrobi się duszno.

Bezpieczeństwo i kontrola

Ta sama infrastruktura, która zbiera dane z urządzeń, służy zadaniom bezpieczeństwa. Warto zrozumieć: to model zdarzeniowy. Każde zdarzenie jest logowane — otwarty luk, zamknięte drzwi, zadziałał czujnik obecności. Nawet jeśli informacja nie jest teraz potrzebna, może być przydatna do analizy incydentu lub do analityki. Zachowajcie dane, które wydają się bez znaczenia.

Wszystkie zdarzenia trafiają do jednego systemu. Jeden dashboard pokazuje i stan sprzętu, i zdarzenia bezpieczeństwa.

Chmura i analityka

Cały system wielu mikrokomputerów rozrzuconych po zakładzie jest zarządzany z jednego centrum. Może to być chmura lub serwer lokalny w zakładzie. Chmura jest prostsza na start: nie trzeba kupować ani utrzymywać sprzętu serwerowego. Dane są przechowywane w kilku kopiach na różnych serwerach — jeśli coś stanie się jednemu, informacja pozostaje. Dla większości zadań monitoringu to wystarcza. Serwer lokalny ma sens, gdy dane są wrażliwe i muszą pozostać w granicach zakładu, albo gdy potrzebna jest reakcja w czasie rzeczywistym bez zależności od internetu. Do zbierania i wizualizacji danych używamy narzędzi open source: Prometheus do metryk, Grafana do dashboardów, Loki do logów. Alerty przychodzą do komunikatorów lub na e-mail.

Dane pokazują przyczynę. Następny krok to plan działań.

W systemie widać rzeczywisty czas pracy każdej maszyny, postoje i ich czas trwania, anomalie zużycia energii, efektywność zmian i sekcji, trendy wskaźników. Pozwala to planować obsługę przed awarią: jeśli wibracje zaczynają rosnąć, po określonej liczbie godzin potrzebna jest interwencja.

Dane i ludzie

Osobna warstwa analityki powstaje, gdy techniczne metryki zestawia się z danymi o zmianach i konkretnych operatorach. Widać, która maszyna pracowała na której zmianie, kto był do niej przypisany, jakie wskaźniki osiągnięto. Pozwala to ujawnić problemy systemowe: być może sprawa tkwi w logistyce dostawy materiałów na nocnej zmianie. Albo jedna maszyna wymaga więcej czasu na przezbrojenie. Albo określony typ detali produkowany jest stabilnie wolniej.

Jak pracujemy

Zaczynamy od zrozumienia zadania: jaka observability jest potrzebna, co już jest w zakładzie, jakie dane chciałoby się zbierać. Jeśli istnieje infrastruktura niskoprądowa — dobrze, to przyspiesza wdrożenie. Jeśli jej brak — pracujemy z modemami 4G albo włączamy podwykonawców do położenia sieci. Dalej — projektowanie: jakie czujniki, gdzie umieścić, jak spiąć w jeden system. Następnie wdrożenie: montaż sprzętu, konfiguracja oprogramowania, integracja z istniejącymi procesami. Po uruchomieniu — szkolenie: pokazujemy pracę z dashboardami i alertami. I wsparcie: monitorujemy stan, aktualizujemy firmware, rozszerzamy system w miarę potrzeb. Można zacząć od jednej sekcji lub nawet od kilku maszyn, zobaczyć jak to działa, i skalować dalej.

Dla kogo to jest

Taki monitoring to narzędzie dla tych, którzy są gotowi pracować z danymi. Najpierw trzeba nagromadzić informację. Potem — spróbować ją zestawiać według różnych kryteriów: według czasu, zmian, typów wyrobów, sekcji. Znaleźć trendy. Dalej — opierając się i na przeglądzie logów, i na rozmowach z ludźmi na zmianach, szukać wyjaśnień i rozwiązań. Jest to przydatne dla tych, którzy zajmują się doskonaleniem procesów w zakładzie. Dla działu bezpieczeństwa, któremu potrzebny jest pełny obraz zdarzeń. Dla kierownictwa, które potrzebuje zagregowanej analityki całej produkcji. Dla technologów, którzy chcą rozumieć, jak naprawdę pracuje sprzęt. Same dane niczego nie decydują. Gdy duża ilość rozproszonej informacji zostaje spojona według kryteriów i dostępna do analizy — pojawia się możliwość podejmowania decyzji opartych na faktach, z domysłami odłożonymi na bok.

Dalej

Kreator Shortów

Narzędzie online do tworzenia krótkich filmów przy użyciu Blender, Python i grafiki 3D. Automatyzacja tworzenia treści dla sieci społecznościowych.

→