Monorail-automaatiojärjestelmästä kerätyn tiedon hyödyntäminen Teollisuus 4.0:n näkökulmasta

Modern automation systems produce huge amounts of data, but at the same time require more expertise from their users. The aim of this master's thesis is to study the benefits of data for users of Monorail automation systems. In this master's thesis, a prototype is built using design science research method to study the benefits of collecting, analyzing and visualizing data.

The key technologies and design principles of Industry 4.0 are used as the basis for building the prototype. The collected data was stored as files on the local server and transferred from there to the SQL database. Data visualization was implemented with the Plotly visualization library and a web application based on the Flask library.

Työn tuloksena syntyi toimiva prototyyppi tiedonkeruuta, analysointia ja visualisointia varten. Haluan kiittää Jyrki Anttosta ja Jani Tuomolaa tästä mielenkiintoisesta tehtävästä ja vapaudesta toteuttaa projekti haluamallani tavalla.

JOHDANTO

Tutkimusongelma

Monorail-automaatiojärjestelmä on toteutettu hajautetulla arkkitehtuurilla, eli komponentit on toteutettu omille alustoilleen ja ne kommunikoivat keskenään verkon yli. Hajautetun arkkitehtuurin haittapuolena on, että sen vianmääritys on vaikeutunut, koska tarvittava tieto voidaan jakaa useisiin erillisiin alijärjestelmiin. Sama ongelma esiintyy myös eri laitevalmistajien laitteiden liitännöissä, jolloin ongelman ratkaisemiseksi saattaa olla tarpeen hankkia tietoja laitteesta toiselta toimittajalta.

Tutkimuskysymykset

Työn rakenne

TEOLLISUUS 4.0

• Avainteknologiat
• Ei-teknologiset mahdollistajat
• Suunnitteluperiaatteet
• Odotetut vaikutukset

Ghobakhloo listaa myös useita kustantajia (mukaan lukien Gilchrist, Liao ym., Santos ym.), joiden mukaan Teollisuus 4.0 voidaan määritellä käytettyjen teknologioiden ja suunnitteluperiaatteiden perusteella (kuvan 4 kohdat 1 ja 3) [10] . Lisäksi Teollisuus 4.0:aan liittyvissä julkaisuissa näihin tekijöihin on kiinnitetty paljon huomiota, joten on perusteltua olettaa niiden olevan relevantteja. Toinen kategoria on verkkoteknologia, jolle ominaista tekniikkaa on esimerkiksi lohkoketju.

Neljäs kategoria on fyysiset/digitaaliset prosessointitekniikat, joille ominaista tekniikkaa on esimerkiksi 3D-tulostus. Mitä tulee tämän työn rakentavaan osaan, suunnitteluperiaatteet ovat erityisen mielenkiintoisia, koska ne vastaavat kysymykseen "Kuinka tehdä teollisuus 4.0. Myös Culot ym. tunnistavat reaaliaikaisen tiedon läpinäkyvyyden toiseksi ja Herman ym. seitsemänneksi suunnitteluperiaatteeksi ennustettavuudesta, joka on osa visiota.

Kolmas Hermann et al., seitsemäs Ghobakhloon ja neljäs Culot et al. autonomiaksi tunnistettu suunnitteluperiaate) on hajautettu päätöksenteko. Makrotason vaikutuksena Teollisuus 4.0:n odotetaan tuovan talouskasvua, laajentavan automaation laajuutta ja nopeuttavan käytön lisääntymistä [8].

SUUNNITTELUTIETEELLINEN TUTKIMUSMENETELMÄ

Innovaation toteuttaminen

Lisäksi eri sidosryhmillä voi olla erilaisia ​​tai jopa vastakkaisia ​​toiveita, jotka on otettava huomioon eritelmässä [12]. Esimerkiksi riskilähtöinen prosessi toimii syvyys ensin -periaatteella, sillä sen tavoitteena on ratkaista suurin riskialttein osaongelma ensin. Leveys ensin -periaatteella pyritään ymmärtämään kokonaisuus ja viivyttämään ratkaisuihin sitoutumista mahdollisimman pitkään, jotta muutoksista aiheutuvat kustannukset ovat mahdollisimman pienet [14].

Järvisten mukaan innovaatioiden asteittainen kehittyminen johtuu usein siitä, että ihmisten on vaikea kuvitella jotain, mitä ei ole koskaan ollut [12]. Yksi käytetyimmistä tavoista käsitellä muuttuvia vaatimuksia on käyttää ketteriä ohjelmistokehitysmenetelmiä.

Innovaation arviointi

Tästä syystä mittareita suunniteltaessa on hyvä olla tietoinen kirjanpidon perusongelmista: laajuusongelma (mitä hyödyt ja kustannukset ovat mukana), mittausongelma (miten hyödyt ja kustannukset mitataan), arvostusongelma ( miten hyödyt ja kustannukset arvostetaan) ja allokointiongelma (miten hyödyt ja kustannukset jakautuvat tuotteiden ja palvelujen kesken) [12]. Innovaatio tuottaa todellista lisäarvoa vasta käyttöön otettaessa, mutta uuden luominen vaatii luonnollisesti resursseja ja siten kustannuksia. Naiivi arvio voisi olla, että innovaation kustannukset syntyvät sen käyttöönotosta ja käyttövaiheessa sen hyödyistä voidaan vain nauttia.

Sommerville kuitenkin arvioi, että suurin osa ohjelmistotuotteiden kustannuksista, noin kaksi kolmasosaa, syntyy käyttövaiheessa ja vain kolmasosa toteutusvaiheessa [3]. Käyttövaiheen kustannukset voidaan jakaa virheenkorjauksesta, ympäristöön mukauttamisesta sekä toiminnallisuuden muuttamisesta ja lisäämisestä aiheutuviin kustannuksiin [3]. Tästä syystä innovaatio olisi hyvä suunnitella niin, että sen käytöstä opittuja taitoja voidaan siirtää myös muihin sovelluksiin.

Esimerkiksi jos vanha käyttöliittymä toimi erityisellä tavalla, vanhan työntekijän siirtäminen uuteen järjestelmään voi olla vieläkin vaikeampaa kuin uudella työntekijällä. Samalla tavalla tulee poistaa myös turhat ohjelmakomponentit, jotka kuluttavat resursseja ja voivat aiheuttaa ei-toivottuja sivuvaikutuksia, jos ne unohtuvat matkan varrella. Insinöörin näkökulmasta sovellus on käyttäjälle hyvä, jos sen avulla saadaan nopeasti haluttu tulos.

Sovellus epäonnistui esimerkiksi tilanteessa, jossa käyttäjän on syötettävä tietoja järjestelmään, mutta häntä ei palkita siitä. Sommervillen luvut perustuvat vuosien 1980 ja 2005 tietoihin, ja ne ovat hänen mukaansa pysyneet yllättävän ennallaan aikojen saatossa [3]. Analyyttisissä sovelluksissa uusien toimintojen tarve voi olla erityisen voimakas, koska nopeasti muuttuvissa tilanteissa myös analyysitarpeet muuttuvat.

Esimerkiksi, jos tämän hetken suurin ongelma voidaan ratkaista yksityiskohtaisen analyysin avulla, seuraavaksi suurimmasta ongelmasta tulee suurin.

MONORAIL DASHBOARDIN TOTEUTTAMINEN

Monorail-automaatiojärjestelmän kuvaus

Datan hyödyntäminen lähtötilanteessa

Vaunun tilatiedoista paneeliin tuodaan muun muassa akselien asennot, anturien tilat, aktiivinen tehtävä ja virhetiedot. Näistä tärkeimmät ovat tila, joka ilmaisee vaunun käyttötilan, ja tehtävä, joka ilmaisee vaunulle osoitetun tehtävän. Lokimerkintöjen päätarkoituksena ei ole tallentaa tai näyttää laitteen käyttötietoja, vaan ohjelman toimintaan liittyvien ongelmien vianmääritys.

Tilanäyttö näyttää muun muassa kelkan tilan, servoakseleiden sijainnit, kohteet ja tilat sekä vaunun antureiden tilat.

Tavoite ja toteutustavan valinta

Kun vaatimuksia tai käytettyjä teknologioita ei tunneta hyvin, siirrytään monimutkaiselle alueelle. Käsite ei kuitenkaan ole niin selkeä, että olisi järkevää määritellä lista vaatimuksista, jotka ratkaisisivat ongelman, jos ne täyttyvät. Voidaan siis katsoa, ​​että vaatimukset eivät ole selkeitä, mutta toisaalta ei myöskään täysin tuntemattomia.

Mahdollisten teknologioiden tunnistaminen ei kuitenkaan tarkoita, että niitä olisi mahdollista soveltaa menestyksekkäästi, varsinkin kun niiden käytöstä ei ole kokemusta. Teknologioiden osalta voidaan arvioida, että kyseessä ei ole rutiinisovellus, mutta toisaalta ei myöskään täysin tuntematon tilanne.

Toteutus

• Datan kerääminen
• Datan analysointi
• Datan visualisointi

Modulaarisuuden suunnitteluperiaatetta noudattava tiedonkeruuratkaisu voisi hyvinkin olla uuden erillisen järjestelmän kehittäminen, esimerkiksi OPC UA (Open Platform Communications Unified Architecture) pohjalta. Toisaalta automatisoidun ja suojatun etäyhteyden luominen ja tiedostojen siirtäminen ja tallentaminen ei myöskään ole vähäpätöinen ongelma. Erilaisia ​​tietokantoja on suuri määrä, mutta ne voidaan karkeasti jakaa kahteen luokkaan: SQL:ää käyttävät relaatiotietokannat (strukturoitu kyselykieli) ja trendikkäät NoSQL-tietokannat (eng .

Nyt analyysivaiheessa oli mahdollista tallentaa raakadataa, raakatiedoista aggregoidut arvot ja analyysitulokset yhteen, helppokäyttöiseen muotoon. Vaikka tiedot olivat vain tutkimusta, CRISP-DM (CRoss-Industry Standard Process for Data Mining) -mallia käytettiin löyhästi tässä vaiheessa. CRISP-DM koostuu kuudesta päävaiheesta: projektin ymmärtäminen, tietojen ymmärtäminen, tietojen valmistelu, mallintaminen, arviointi ja julkaisu [23].

Lisäksi voidaan nähdä, että tehtävissä on selkeä minimikesto, jota ei voida suorittaa tätä nopeammin, mutta huomattava osa tehtävistä kestää minimiaikaa pidempään. Tehtävien kestoa oli kuitenkin vaikea verrata suoraan, koska kestoon vaikuttaa mm. x- ja z-suunnassa kuljettu matka. Suhteella voidaan tarkistaa, suorittavatko rattaat tehtävänsä arvioitua nopeammin vai hitaammin, riippumatta tehtävissä ajetusta matkasta.

Tästä syystä aloitamme CRISP-DM:ssä uuden iterointikierroksen, kunhan tarvittavat tiedot on kerätty. Tämän tyyppisen analyysin avulla on mahdollista tunnistaa järjestelmän ongelmakohdat ja käsitellä niitä mahdollisimman pian. Käytännössä järjestelmä tarjoaa neljä erilaista rajapintaa tiedoille: tietokanta, API (English Application Programming Interface), Jupyter Notebook -pohjat ja selainpohjainen käyttöliittymä.

Jupyter Notebook -mallien avulla on mahdollista tarjota käyttäjälle työkalu nopeaan kokeiluun ja prototyyppien luonnostelemiseen. Lisäksi Plotly on erittäin ilmeikäs kirjasto, jonka avulla voidaan piirtää useita kaavioita yhdellä koodirivillä. Flaskille on saatavilla myös monia laajennuksia, kuten Flask-SocketIO-kirjasto reaaliaikaista tiedonsiirtoa varten ja Flask-RESTful REST (Representational State Transfer) -rajapinnan toteutus.

Innovaation arviointi

• Realisaation arviointi
• Komponenttien toteutuksen arviointi
• Mittariston kehittäminen

Monorail-automaatiojärjestelmän ja Monorail Dashboardin tapauksessa oli mahdollista käyttää avoimen lähdekoodin kirjastoja ja olemassa olevaa infrastruktuuria, joten panos tuli pääosin järjestelmän kehittämisen aiheuttamasta työstä. Kehittyneet avoimen lähdekoodin kirjastot, kuten SQLAlchemy, Pandas, Plotly, Jupyter Notebooks ja Flask, mahdollistivat nopean ohjelmistokehityksen. Ennakoivan analytiikan avulla on mahdollista parantaa merkittävästi laitteiden yleistä tehokkuutta korjaamalla ongelmat ennen kuin ne vaikuttavat tuotantoon.

Kehitystyön aikana löydettiin mahdollisia kohteita ennustavan analytiikan kehittämiselle, mutta niiden toteuttaminen ei ollut mahdollista tämän diplomityön puitteissa. Varsinkin laitteen kulumista ehkäisevillä toimenpiteillä voidaan saavuttaa suuria säästöjä sekä taloudellisesti että ympäristön kannalta. Monorail Dashboard ei ole uusi tai vallankumouksellinen sovellus, kuten esimerkiksi sosiaalisen median sovellukset tuolloin olivat.

Onnistuessaan Monorail Dashboardin toiminta laajenee mahdollisuuksien mukaan kattamaan koko Cimcorp Oy:n toimituksen, jolloin seuraukset vaikuttavat koko tehtaaseen. Ongelmana tässä on tietojen puute, koska laajempi kerääminen alkaa vasta, kun Monorail Dashboard tulee käyttöön. Toteutuksen haittana on, että dataa keräävä komponentti on siten riippuvainen WCS:n toiminnasta, jolloin siihen tehtävät muutokset on sovitettava yhteen WCS:n kehityksen kanssa.

Hankkeen toteuttamisesta saadulla kokemuksellakaan ei ole tullut vastaan ​​teknologiaa, joka olisi halunnut korvata alkuvaiheessa valitun tekniikan. Ensimmäinen tavoite on "Lisää tiedon läpinäkyvyyttä Monorail-automaatiojärjestelmän käyttäjien kannalta". ja toinen tavoite on "Tarjoaa teknistä apua Monorail-automaatiojärjestelmän käyttäjille". (Liite A). Tästä syystä kojetaulun tuloksiin tulee suhtautua kohtuullisin varauksin ja niiden tulosten tulee näkyä käytännön tilanteessa.

Esimerkiksi liitettävyyden merkitys korostuu tilanteessa, jossa useilla asiakkailla on jo oma IoT-ympäristö, jossa Monorail-automaatiojärjestelmän tiedot on integroitava. Kaikkia liitteessä A määriteltyjä toimenpiteitä ei voitu käyttää, koska tarvittavaa tietoa ei kerätty kehitystyön alkuvaiheessa. Puutteista huolimatta mittareiden avulla voidaan muodostaa kuva ohjelmiston nykytilasta ja ennen kaikkea verrata sitä tuleviin iteraatioihin.

JOHTOPÄÄTÖKSET

Toinen tutkimuskysymys on: "Mitkä ovat Monorail-automaatiojärjestelmän tiedonkäyttöjärjestelmän pääkomponentit?" Monorail Dashboardia kehitettäessä tärkeimmät komponentit olivat dataa keräävä, analysoiva ja esittävä komponentti. Myös itsepalvelumallin kehitystä kannattaa tutkia, sillä sen avulla käyttäjät voivat käyttää järjestelmää entistä nopeammin ja yksilöllisemmin. Säästöt ovat mahdollisia, jos käyttäjät voivat itse toteuttaa osan uusista vaatimuksista, jolloin toimivuutta lisäävän ylläpidon määrä vähenee.

Mittarit M2.2.1 Analyysien kehittämiseen käytetyt resurssit (käytetty prosessointiteho, pilvipalvelujen kustannukset yms.) M2.2.2 Analyysien tuottamiseen tarvittavat resurssit (käytetty prosessointiteho, pilvipalvelujen kustannukset yms.) Kysymys-.