скачать книгу бесплатно
Промышленный интернет вещей и услуг
В Цифровом производстве продукты, оборудование, средства производства и даже целые производственные комплексы будут соединены между собой при помощи Интернета вещей и услуг.
Промышленный Интернет вещей (Industrial Internet of Things, IIoT) – это система объединенных компьютерных сетей и подключенных к ним производственных объектов, обменивающихся данными в режиме реального времени.
Целью технологии промышленного Интернета вещей и услуг является подключение всех физических производственных объектов к сети Интернет.
Благодаря этому появляется возможность коммуникации любых производственных объектов, которым можно присвоить IP- адрес. Получив полноценное членство в глобальной сети, они могут теперь передавать данные о своей работе ИТ-системам и другим объектам, а также получать и использовать предоставляемые внешними системами услуги.
Развитие электронных систем управления и датчиков, их миниатюризация позволяют уже сегодня превратить, с минимальными финансовыми затратами, практически все производственное оборудование и даже определенные изготавливаемые продукты в «компьютеры», подключенные к вычислительной сети. Это возможно и для оборудования прошлого века, для которого требуется недорогая модернизация.
Объединение «умных» объектов, оснащенных информационными технологиями, представляет собой первый и ключевой этап в организации на предприятии Цифрового производства.
Вертикальная и горизонтальная интеграция
Коммуникации производственных объектов дают наилучший эффект при правильно организованной вертикальной интеграции информационных систем, обычно учитывающей имеющиеся уровни, этапы и подсистемы общего цикла производства продукции. Этот подход позволяет создать единую и непрерывную систему обмена данными в реальном времени между оборудованием, системами планирования и управления производством.
Горизонтальная интеграция означает объединение смежных производственных систем, при котором на протяжении всей цепи создания стоимости обеспечивается обмен данными между предприятиями холдинга, а также клиентскими организациями, поставщиками, сторонними производителями. Данные, полученные от горизонтально интегрированных систем, позволяют системе управления и планирования оптимизировать собственные производственные процессы.
Кибербезопасность
Подключаемые в Internet производственные объекты становятся потенциальной мишенью для кибератак. Следовательно, особая роль здесь играет кибербезопасность, комплекс мер обеспечения конфиденциальности, целостности и доступности данных.
Кибербезопасность (компьютерная безопасность) – это совокупность методов и практик защиты от атак злоумышленников для ЛВС, серверов, систем управления оборудованием, а также защиты данных, как в процессе их передачи, так и при хранении.
Отдельно можно выделить заранее предусмотренные на предприятии процессы «Аварийное восстановление», набор правил по восстановлению рабочих процессов после кибератак и план действий «Непрерывность бизнеса» на случай, если предприятие теряет доступ к определенным ресурсам из-за атаки злоумышленников. Эти процессы сегодня особенно важны при использовании «облачных вычислений».
Также одной из главных задач по обеспечении кибербезопасности являются обучения и тренинги персонала предприятий, т. к. даже самая защищенная система может подвергнуться атаке из-за человеческого фактора, чьей-то ошибки или незнания.
Организация работ по кибербезопасности на промышленном предприятии является сложным и постепенным процессом, зависящим от специфики предприятия.
Большие данные (Big Data)
С развитием производства постоянно рос и объем производственных данных. В цифровом производстве за счет использования технологий промышленного интернета вещей, вертикальной и горизонтальной интеграции объем данных возрастает многократно. Появились единицы измерения информации, соответствующие тысячам миллиардов гигабайт:
1 гигабайт (ГБ) – 1024 мегабайта
1 терабайт (ТБ) – 1024 гигабайта
1 петабайт (ПБ) – 1024 терабайта
1 экзабайт (ЭБ) – 1024 петабайта
1 зеттабайт (ЗБ) – 1024 экзабайта
1 йоттабайт (ИБ) – 1024 зеттабайта
В средствах массовой информации, в научно-популярных публикациях, в том числе, в материалах по Цифровому производству все чаще появляется термин Большие данные, публикуются и обсуждаются специфические технологии обработки таких данных.
Говоря упрощенно, Большие данные – это структурированные или даже неструктурированные массивы данных, у которых объем, разнородность, частота поступления или обновления выходят за стандартные рамки.
Необходимо дополнить, что конкретное определение больших данных необязательно ставит во главу угла их объем. Конкретность других важных свойств больших данных тесно связана с решаемыми на основе этих данных задачами. С этой точки зрения особое значение имеют такие свойства, как достаточность имеющегося объема данных для решения задачи, достаточная интенсивность (дискретность) поступления свежих данных для обеспечения точности расчетов без необходимости прибегать к интерполяции ради искусственного восстановления отсутствующих данных.
До эпохи больших данных, при ограниченности вычислительных мощностей, часто материалом для обработки (расчетов) служили далеко не все необходимые данные. Обработке подвергались ограниченные выборки данных, что прямо или косвенно оборачивалось наличием погрешности и стесненностью границами достоверности. Сегодня мы можем обрабатывать все необходимые данные, связанные с конкретной задачей, за счет чего исчезает множество когда-то неразрешимых проблем.
Технологии обработки больших данных включают в себя операции сбора, накопления, хранения, проведения расчетов и прочих операций над данными любого типа и размера, с возможностью обеспечения требуемой производительности обработки, в том числе за счет масштабируемой многопоточности и параллелизма.
Важной особенностью больших данных является также возможность решения на их основе многих задач, относящихся к сфере искусственного интеллекта (ИИ), в частности задач предиктивного анализа и прогнозирования, представляющих интерес для сферы цифрового производства.
Облачная обработка данных
Тенденция объединения производственных объектов и программных средств в глобальные сети, появление Больших данных создают необходимость создания ИТ-решений, которые могут справиться с этой задачей. Вычислительные ресурсы на промышленном предприятии, как правило, ограничены и используются неравномерно. Идея об аренде части ресурсов для вычисления и хранения данных, которые доступны моментально была революционной и привела к созданию, так называемого «облака».
Облачная обработка данных (также используется термин Облачные вычисления) – технология обработки данных, в которой компьютерные ресурсы, программное обеспечение предоставляются пользователям как Интернет-сервис.
С точки зрения промышленного предприятия это означает, что ИТ-инфраструктура (частично или полностью) находится не на самом предприятии, а арендуется у внешних, в том числе географически удаленных провайдеров. На предприятии так называемое «Облако» играет роль промежуточного звена между оборудованием, ИТ-сервисами и бизнес-процессами.
Потребитель может пользоваться отдельными компонентами ИТ-инфраструктуры: программным обеспечением, хранилищем данных, сервером, различными платформами, аппаратными средствами и другими сервисами, которые хранятся в Облаке.
Предоставляемые услуги можно разделить на 3 категории:
– Инфраструктура как услуга (IaaS);
– Платформа как услуга (PaaS);
– Программное обеспечение как услуга (SaaS).
В таблице 1 показаны компоненты, которые предлагаются пользователю в зависимости от вида услуги.
Таблица 1. Услуги облачной обработки данных
Услуга «Pay per use» (оплата по мере использования) дает пользователю возможность платить только за те ресурсы, которые ему необходимы.
Существуют различные модели развертывания «Облака»: частное, публичное, общественное и гибридное.
В контексте цифрового производства наиболее целесообразным является использование гибридного облака, которое является комбинацией из публичных и частных облачных инфраструктур. Разделив бизнес-процессы на те, для которых конфиденциальность имеет большое значение, и те для которых защита данных является не критичной, можно обрабатывать данные по процессам первой категории на самом предприятии, а для остальных процессов использовать облачную обработку.
Преимущества облачной обработки очевидны. Для создания и внедрения того или иного сервиса предприятиям больше не нужно вкладывать деньги в аппаратное обеспечение. Не нужно беспокоиться переизбытка или недостатка вычислительных средств. Эластичность ресурсов не требующих переплат за крупномасштабные вычисления – беспрецедентный шаг в истории информационных технологий. Облачные сервисы предоставляют гарантированный и надежный доступ, совершение операций в режиме реального времени, а также безопасность хранения данных.
Однако сегодня у ряда российских предприятий остаются сомнения именно в уровне безопасности и надежности облака. Для преодоления этого от провайдеров облачных технологий требуется реализация как технических, так и организационных мероприятий. От их реализации зависит тот день, когда розеткой, предоставляющих выход в интернет, будут пользоваться, как и электрической розеткой.
Туманные и граничные вычисления
Развитие промышленного интернета столкнулось с необходимостью фильтрации и предварительной обработки данных перед отправкой в облако. Для решения этих задач появились технологии Туманные и Граничные вычисления (fog computing и edge computing), архитектура которых представляет собой некую «прослойку» на границе между облаком и устройствами интернета вещей
Это вычисления, которые выполняются в непосредственной близости к получаемым данным. Различие заключается в том, что при туманных вычислениях обработка осуществляется на устройствах, которые постоянно подключены к сети. В edge computing вычисления осуществляются как на умных устройствах, на которых можно запустить приложение по обработке данных, так и на уровне локальных кластеров. В облако передаются уже результирующие данные.
Указанные технологии решают следующие задачи:
– снижение количества трафика, передаваемого по сети, за счет обработки информации на самом устройстве и передачи только результирующих данных;
– уменьшение задержек, если необходимо оперативно отреагировать на те или иные результаты обработки данных;
– предотвращение выхода персональных или других конфиденциальных данные из определённого контура;
– Возможность для устройства, определённое время работать без доступа к центральным серверам, что повышают отказоустойчивость системы.
Непрерывное цифровое моделирование
Цифровое моделирование – это цифровое представление всего физического производственного процесса. Выполняется цифровое моделирование и создание цифровых двойников изделия (продукта) и процессов его производства, включая промышленное оборудование, технологическую оснастку, ресурсы, производственные процессы.
Благодаря технологии Интернета вещей физический и виртуальный миры взаимодействуют друг с другом посредством получения реальных производственных данных. Вводится понятие Цифровая фабрика, которая представляет собой цифровую модель реальной фабрики со всеми ее компонентами. Это позволяет выполнять непрерывную корректировку Цифровых моделей.
В результате все процессы от разработки изделия до планирования производства визуализируются как единый процесс в режиме реального времени. Это позволяет смоделировать реальные сценарии производственного процесса и проанализировать поведение всех производственных объектов в течение определенного периода времени. Различные варианты и параметры моделирования позволяют заранее разрабатывать меры по устранению возможных проблем при производстве продукции: слишком высокая или низкая загруженность, тормозящие производственный процесс факторы и т. д.
Виртуальная и дополненная реальность
Основным условием для эффективного управления производственным процессом является легко понятная для человека визуализация данных. В рамках концепции Индустрии 4.0 эти задачи решают сетевые технологии виртуальная и дополненная реальности.
Виртуальная реальность – это технология, которая дает возможность смоделировать производственный процесс и управлять им интерактивным способом. Под термином «виртуальная реальность» понимают изображение, максимально близко соответствующее реальности и созданное с помощью компьютерных трехмерных технологий. Такие технологии используют аппаратные и программные средства, позволяющие создать для человека искусственную окружающую обстановку, так чтобы чувства человека работали как в реальном мире.
Технологии виртуальной реальности используются прежде всего на этапах цифрового моделирования, а также планирования и контроля производственных процессов. Виртуальная реальность также может широко использоваться для обучения производственного персонала.
Дополненная реальность – технология, позволяющая расширить сведения о реальном мире дополнительными данными. Для создания Дополненной реальности используются компоненты и технологии, которые можно разделить на три части:
– изображение виртуальных объектов для создания 3D компьютерной графики;
– отслеживание позиции, местоположения пользователя и объектов окружающей среды;
– взаимодействие, осуществляемое с помощью физических и виртуальных средств производства, жестов и др.
Для решения этих задач могут использоваться, наряду со специальными смарт-очками и смарт-перчатками, планшеты и смартфоны, оснащенные сенсорными функциями и камерой. Используя службы навигации и геолокации, а также технологии распознавания изображения, можно видеть реальный мир и расширять его за счет включения дополнительной информации. Дополненная реальность может использоваться для визуализации технологического процесса, в том числе при выполнении ручных операций, в сфере технического обслуживания оборудования, в сфере логистики, когда маркировка, количество и расположение необходимых товаров отображается на дисплее.
Возможности эффективного использования дополненной реальности на промышленном производстве имеют высокий потенциал, но пока мало используются по причине достаточно трудоемкого внедрения и управления.
Искусственный интеллект
В понятие Искусственный интеллект (ИИ) входят научные и технические данные необходимые для создания разумных машин и компьютерных программ, способных самообучаться и решать проблемы вместо человеческого интеллекта.
Отличие алгоритмов ИИ от традиционных логических алгоритмов заключается в том, что они не предназначены для решения конкретной задачи, а в их основе лежит программа, которая учится на основе полученных данных, использующая алгоритмы машинного обучения и нейронные сети.
Машинное обучение – класс алгоритмов, которые используя большие наборы данных и самообучаются на примерах решения аналогичных задач. В алгоритмах могут применяться различные статистические методы или нейронные сети. Создание алгоритмов ИИ – это совместная работа экспертов и специалистов по обработке данных.
Получать и обрабатывать большие массивы данных невозможно без современных технологий интернета вещей, больших данных и облачных вычислений. Следовательно, эффективная работа ИИ возможно только совместно с новыми технологиями.
Использование ИИ в промышленности накладывает на эту технологию соответствующую специфику. ИИ в первую очередь требуется использовать там, где надо решать относительно простые для человека задачи, но чрезвычайно сложные для традиционных логических алгоритмов. Например, распознавание образов, без чего невозможно создание промышленных роботов.
Уже сегодня промышленные компании используют технологии ИИ для прогнозирования обслуживания и ремонтов оборудования, контроля и прогнозирования качества изготовления продукции, оптимизация запасов и цепочек поставок.
Аналитика
Использовать потенциал больших данных возможно только представив их в доступной и простой для пользователя форме. Стоит задача преобразования Больших данных в «умные» данные (Smart data), чтобы оставить только полезную информацию, которую можно эффективно использовать для решения бизнес-задач. Для получения «умных» данных существуют различные способы, включая методы искусственного интеллекта.
Анализ и предоставление данных пользователю выполняется при помощи аналитических сервисов. Существует следующие виды аналитики:
– описательная аналитика, предоставляет отчеты с использованием различных данных;
– диагностическая аналитика, предоставляет пользователю информацию «почему что-то произошло»;
– предиктивная (предсказательная) аналитика, выполняет прогноз на основе анализа данных;
– предписывающая аналитика говорит, что требуется сделать.
Визуализация собранных и обработанных данных в виде аналитических отчетов осуществляется с помощью панелей управления, различных приложений, которыми пользуются работники управленческих звеньев предприятия.
Оборудование цифрового производства
Рассматривая оборудование цифрового производства, мы не заглядываем в фантастическое будущее, а говорим о сегодняшнем дне или недалеком завтра.
Оборудование цифрового производства – это высокоавтоматизированное оборудование, обладающее возможностью подключения к сети Интернет, развитыми межмашинным (М2М) и человеко-машинным (М2Н) интерфейсами. Оборудование обеспечивает высокую производительность и качество выпускаемой продукции, имеет низкое энергопотребление, высокую надежность.
Возможность интеграции оборудования с системами подготовки и управления производством, межмашинное взаимодействие позволяет реализовать автономный процесс управления производственными системами или децентрализованное управление, которое является частью концепции Индустрии 4.0.
На предприятиях организуется работа так называемых гибких производств (ГПС): от гибкого производственного модуля (ГПМ, рис. 6) до гибкого автоматизированного цеха (ГАЦ).
Гибкие системы позволяют организовать автономную работу и выпуск продукции в течение длительного периода в том числе по индивидуальным заказам. На управляющий компьютер ГПС приходят наряды на производство определенных деталей, автоматически на станки с ЧПУ передаются требуемые УП, загружается нужный инструмент, устанавливаются соответствующие заготовки.
Рис. 6. Гибкий производственный модуль
В цифровом производстве широко используются производственные роботы, в первую очередь коллаборативные (коботы), способные работать рядом с человеком. Это роботы-манипуляторы, которые, например, выполняют действия аналогичные функциям человеческой руки (рис. 7). Они заменят человека на однообразных простых операциях, а также на вредных и опасных участках. Это обслуживание станков, сварка, пайка, покраска, резка, сборка и разборка.
Рис. 7. Робот-манипулятор на станке с ЧПУ
Для перевозки деталей, заготовок, инструмента в цехах и на складских участках используются транспортные роботы, робототехнические тележки. На некоторых производствах возможно для транспортных задач использование и квадрокоптеров.
С использованием технологий Индустрии 4.0 эффективность использования роботов значительно возрастает, в частности за счет мониторинга их работы в реальном времени и сокращения время переналадки. При этом стоимость роботов уменьшается. За последние 30 лет средняя цена робота уменьшилась в 2 раза, а если сравнивать с ценой труда, то еще больше. Например, робот-манипулятор для станка с ЧПУ, как правило, не превышает 10% стоимости станка.
Широкое распространение цифровых технологий в области проектирования и механообработки стимулировало взрывной характер развития аддитивных технологий или технологий 3D-печати.
Аддитивные технологии – обобщенное название технологий, предполагающих изготовление изделия по данным цифровой модели (CAD-модели) методом послойного добавления. Получение изделия происходит послойно, шаг за шагом, путем формирования тем или иным способом слоя материала, отверждения или фиксации этого слоя в соответствии с конфигурацией сечения СAD-модели и соединения каждого последующего слоя с предыдущим.
В результате появилось оборудование нового класса (рис. 8).
Рис. 8. Аддитивное промышленное оборудование
3D-принтер или AM-машина (Additive Manufacturing) – станок с числовым программным управлением, использующий метод послойной печати детали.
Сегодня производятся различные типы и модели станков, использующих аддитивные технологии:
