Промышленный мониторинг

Директор знает, что станок работает. Сколько времени, под какой нагрузкой, почему одна смена выдаёт на 30% меньше деталей — уже нет.

IT-подход к производству

В промышленной автоматизации есть два полюса. С одной стороны — дорогие решения от крупных вендоров: системы управления производством, цифровые двойники, интеграции за миллионы долларов. С другой — ручной сбор данных, когда информация фиксируется от случая к случаю и теряется.

Мы, будучи IT-специалистами с опытом в observability, решили применить к производственному оборудованию те же принципы, которые используются для мониторинга серверов и приложений. Метрики собираются с датчиков, передаются в облако, визуализируются на дашбордах. Алерты приходят, когда что-то выходит за пределы нормы. Логи сохраняются для анализа.

Производство — такой же источник телеметрии, как и IT-инфраструктура. Вопрос в том, как эти данные собрать и что с ними делать.

Слепая зона

Представьте цех. Пятьдесят станков, три смены, двести человек. Часть оборудования современное, с контроллерами и дисплеями. Часть — механическое, без электроники, модели 30-50 летней давности. Данные о работе собираются урывками: кто-то что-то записал, кто-то запомнил, кто-то передал устно.

В конце месяца появляется отчёт. Цифры есть, но они ничего не объясняют. Почему один участок стабильно отстаёт? Почему на этом станке чаще ломаются детали? Почему расход электроэнергии растёт, хотя объёмы производства те же?

А главное — нет возможности сравнить. Как работал этот участок год назад? Как справлялись с похожим заказом в прошлом квартале? Какие показатели были перед последней поломкой? Без накопленных данных эти вопросы остаются без ответа.

Как мы это решаем

Мы применяем к производству те же принципы, которые работают в IT: наблюдение, логирование, метрики, алертинг. Только источник данных — не серверы, а станки, датчики, контроллеры.

Сеть. Всё оборудование нужно связать. Где есть возможность — прокладывается слаботочка. Где кабель не дотянуть — ставятся узлы с 4G-модемами. Каждый узел работает автономно: если связь пропадает, данные копятся локально и отправляются, когда связь восстанавливается.

Оборудование. По цехам размещаются микрокомпьютеры с подключёнными датчиками. Конфигурация зависит от задачи: один микрокомпьютер может обслуживать несколько станков, или наоборот — на один станок может приходиться несколько точек сбора данных.

Облако. Все данные стекаются в единую систему, где работают мониторинг, алерты и аналитика. Вычисления происходят в облаке, ресурсы арендуются по необходимости.

Оборудование в цехах

На современные станки с контроллерами интеграция идёт по Modbus или Ethernet. Данные уже есть внутри станка, нужно их забрать и собрать в одном месте. На старые станки без электроники устанавливаются внешние датчики, не вмешиваясь в механику.

Электросчётчики с Modbus монтируются на DIN-рейку в электрощите и показывают потребление электроэнергии в реальном времени: режим работы, нагрузку, аномалии. Трёхфазные модели позволяют видеть полную картину по каждой фазе. MEMS-акселерометры на корпусе отслеживают вибрацию — по ней видно изменения в работе механизмов. Температурные датчики на критичных узлах фиксируют отклонения от нормы. На токарных и фрезерных станках датчики оборотов шпинделя показывают режимы работы. На станках с гидравликой или пневматикой — датчики давления. Датчики уровня масла и СОЖ сообщают о необходимости обслуживания. Счётчики циклов фиксируют количество операций.

Старое оборудование

Отдельная история — станки без электроники. Это может быть токарный станок 30-50 летней давности, который работает с момента постройки завода, или современная модель, собранная по классической схеме без цифровых контроллеров. Такие станки надёжны, менять их нет смысла, но они не поддаются ежедневному наблюдению с записью показателей — в отличие от новых станков с контроллерами.

На такое оборудование можно установить вибродатчик, датчик уровня масла, электросчётчик на питание — это примеры, не полный список. После установки видно: работает станок или стоит, под нагрузкой или на холостом ходу, вибрации в норме или появились отклонения, сколько масла осталось. Появляется возможность отслеживать состояние оборудования между плановыми проверками.

Вопрос не в том, работает ли станок сейчас. Вопрос — как долго он ещё будет работать без обслуживания. С датчиками это можно прогнозировать.

Качество воздуха и вентиляция

Для некоторых производств контроль воздуха — вопрос безопасности. В покрасочных цехах, на деревообрабатывающих производствах, в ремонтных мастерских взвесь пыли или паров может быть критичной. Датчики качества воздуха с интерфейсом Modbus или RS485 измеряют концентрацию частиц PM2.5 и PM10, уровень CO2, летучие органические соединения (VOC).

Эти данные попадают в ту же систему мониторинга. Можно настроить алерты: если концентрация пыли превышает норму, система уведомляет ответственных. Можно связать с вентиляцией: при повышении уровня CO2 автоматически увеличивать производительность приточки.

Подобные датчики устанавливаются и в системы вентиляции: работает вытяжка или нет, идёт воздух или застой, какая производительность на каждом этапе. Это позволяет видеть состояние инженерных систем в реальном времени, а не узнавать о проблемах, когда в цеху уже нечем дышать.

Безопасность и контроль

Та же инфраструктура, которая собирает данные с оборудования, используется для задач безопасности. Важно понимать: это event-модель. Каждое событие логируется — открылся люк, закрылась дверь, сработал датчик присутствия. Даже если эта информация не нужна прямо сейчас, она может понадобиться для разбора инцидента или для аналитики. Не стоит спешить отбрасывать данные, которые кажутся бессмысленными.

Все события попадают в единую систему. Один дашборд показывает и состояние оборудования, и события безопасности.

Облако и аналитика

Вся система из множества микрокомпьютеров, разбросанных по предприятию, управляется из единого центра. Это может быть облако или локальный сервер на предприятии.

Облако проще для старта: не нужно закупать и обслуживать серверное оборудование. Данные хранятся в нескольких копиях на разных серверах — если что-то случится с одним, информация не потеряется. Для большинства задач мониторинга этого достаточно.

Локальный сервер имеет смысл, если данные чувствительные и не должны покидать периметр предприятия, или если нужна система реагирования в реальном времени без зависимости от интернета.

Для сбора и визуализации данных мы используем open source инструменты: Prometheus для метрик, Grafana для дашбордов, Loki для логов. Алерты приходят в мессенджеры или на почту.

Данные показывают причину. Дальше — план действий.

В системе видно реальное время работы каждого станка, простои и их длительность, аномалии потребления энергии, эффективность смен и участков, тренды изменения показателей. Это позволяет планировать обслуживание до поломки: если вибрации начинают расти, через определённое количество часов нужно вмешательство.

Данные и люди

Отдельный пласт аналитики появляется, когда технические метрики сопоставляются с данными о сменах и конкретных операторах. Видно, какой станок работал в какую смену, кто за ним был закреплён, какие показатели были достигнуты.

Это позволяет выявлять системные проблемы: может быть, дело не в людях, а в том, что в ночную смену хуже работает логистика подачи материалов. Или в том, что один станок требует больше времени на переналадку. Или в том, что определённый тип деталей стабильно производится медленнее.

Как мы работаем

Начинаем с понимания задачи: какая observability нужна, что уже есть на предприятии, какие данные хотелось бы собирать. Если есть слаботочная инфраструктура — хорошо, это ускоряет развёртывание. Если нет — работаем с 4G-модемами или привлекаем подрядчиков для прокладки сети.

Дальше — проектирование: какие датчики, куда ставить, как связать в единую систему. Затем развёртывание: монтаж оборудования, настройка софта, интеграция с существующими процессами. После запуска — обучение: показываем, как работать с дашбордами и алертами. И поддержка: мониторим состояние, обновляем прошивки, расширяем систему по мере необходимости.

Можно начать с одного участка или даже с нескольких станков, посмотреть, как это работает, и масштабировать дальше.

Для кого это

Такой мониторинг — не волшебная палочка. Это инструмент для тех, кто готов работать с данными.

Сначала нужно накопить информацию. Потом — попробовать сопоставить её по разным признакам: по времени, по сменам, по типам изделий, по участкам. Найти тренды. А дальше — используя и отсмотр логов, и разговоры с людьми на сменах, искать объяснения и решения.

Это полезно для тех, кто занимается улучшением процессов на предприятии. Для безопасников, которым нужна полная картина событий. Для руководства, которому нужна укрупнённая аналитика по всему производству. Для технологов, которые хотят понимать, как на самом деле работает оборудование.

Данные сами по себе ничего не решают. Но когда есть большое количество разрозненной информации, объединённой по признакам и доступной для анализа — появляется возможность принимать решения, основанные на фактах, а не на догадках.

Далее

Инструмент для создания шортов

Исследование жанра коротких видео: Blender, Python и 3D‑графика как способ найти собственный визуальный язык на фоне генеративных пайплайнов.

→