Чтобы цифровая трансформация была успешной в организациях, традиционно ориентированных на аппаратное обеспечение, решения для промышленного Интернета вещей и подключенных продуктов должны прозрачно предоставлять полезную информацию, которая повышает ценность людей в системе, а не пытается их заменить. Имея в виду этот результат, давайте посмотрим, как оптимизация генераторных установок дает возможность добиться именно таких положительных изменений в промышленном пространстве.

ЭТАЛОННАЯ СИСТЕМА AZURE IOT

Наш эталонный проект приложения для оптимизации промышленных генераторных установок Azure IoT нацелен на следующие основные варианты использования:

  1. Удаленный мониторинг и информационные панели, обеспечивающие наглядное представление о рабочем состоянии активов по производству электроэнергии в нескольких организациях и на разных площадках.
  2. Управление и настройка отдельных активов для достижения максимальной производительности, включая безопасный контроль доступа пользователей на основе ИТ-политик на основе организации, сайта и роли пользователя.
  3. Обеспечьте создание, обучение и развертывание прогностических моделей на периферии и в облаке.
  4. Создавайте и вводите в действие циклы непрерывного обучения для максимизации выработки энергии и минимизации затрат на энергию.

Первые два варианта использования показаны на основных панелях панели управления ниже — температура, давление, местоположение и т. д. Более предсказуемые аспекты сценариев три и четыре стали возможными благодаря архитектуре и базовым службам.

УПРАВЛЕНИЕ ПРОМЫШЛЕННЫМИ ДАННЫМИ И НЕЗАВИСИМОСТЬ ШЛЮЗА

В основе этой эталонной архитектуры лежит чрезвычайно гибкий уровень управления данными для организации сбора, очистки, нормализации и контекстуализации информации с машин, сторонних источников и интегрированных корпоративных систем. На периферии система обеспечивает локальную фильтрацию и хранение, подключение устройств и преобразование протоколов, а также обеспечивает независимость от любого конкретного поставщика аппаратного обеспечения шлюза.

МАШИННОЕ ОБУЧЕНИЕ НА ГРАНИЦЕ И В ОБЛАКЕ

Система обеспечивает возможность интеграции Microsoft Azure IoT Edge для локального запуска обученных моделей и выполнения пользовательской логики с прямым подключением к облаку или без него. Это также может включать в себя локальный ИИ и распознавание изображений, уменьшая задержки и ограничения пропускной способности, а также предоставляя интеллектуальные функции непосредственно вашему оборудованию в полевых условиях.

Эта облачная архитектура включает Azure IoT Hub для безопасного приема машинных данных с периферии. Эталонная система обеспечивает доступ к источнику чистых, надежных и полностью проверяемых данных для Azure Machine Learning Studio для создания и обмена прогностическими моделями, которые система предназначена для быстрого ввода в эксплуатацию. Azure Time Series Insights позволяет просматривать и исследовать корреляции между данными в реальном времени и историческими данными, чтобы выявлять скрытые тенденции и аномалии.

ОПТИМИЗАЦИЯ ПРОИЗВОДИТЕЛЬНОСТИ, МАКСИМАЛЬНАЯ ПРИБЫЛЬ

Сценарий реального мира, предусмотренный этим проектом, представляет собой автоматизацию принятия решений о том, когда запускать каждый генератор, исходя из местных условий, таких как погода, графики производства и цены на топливо и электроэнергию (как исторические, так и прогнозируемые). Для каждого генератора бывают моменты, когда более выгодно потреблять хранящееся топливо и вырабатывать электроэнергию для работы ваших объектов, чем покупать электроэнергию из сети, в зависимости от тарифов на коммунальные услуги. При определенных условиях дополнительный доход можно получить, вырабатывая электроэнергию для продажи напрямую коммунальной компании с прибылью, но только если вы сможете точно отслеживать и сопоставлять эти условия и принимать немедленные меры.

Успешное подключенное решение предоставляет операторам доступ к данным и аналитическим данным для принятия решений, которые ранее были слишком сложными или требовательными к ресурсам, чтобы быть жизнеспособными аспектами бизнес-стратегии предприятия. В результате, с каждой новой тактикой, которая становится возможной благодаря автоматизации, достижимые границы устремлений руководства расширяются еще больше, чтобы продвигать бизнес впереди конкурентов, продвигающихся более медленными темпами на пути к цифровой трансформации.

НАЧНИТЕ БЫСТРЕЕ, ПРОЙДИТЕ ДАЛЬШЕ

Эта конструкция позволяет производителям оборудования предоставлять подключенным клиентам пилотные проекты с меньшими затратами времени, средств и рисков по сравнению с традиционными методами, не жертвуя при этом гибкостью и контролем, необходимыми для долгосрочного успеха. Весь код полностью выполняется внутри вашей собственной подписки Azure, поэтому вы по-прежнему контролируете свои данные и планы развития функций.

В пограничном решении используется пакет GearBox от Bright Wolf, обеспечивающий гибкий подход к локальному хранилищу и безопасному управлению данными, поэтому вы можете свободно выбирать аппаратные и программные средства шлюза по мере изменения ваших требований и целей с течением времени. Также включены клиенты протоколов и драйверы для преобразования Modbus, OPC-UA, J1939, Ethernet/IP и других промышленных протоколов в MQTT для приема через Azure IoT Hub, что позволяет быстро подключать ПЛК от Allen-Bradley, Siemens и других к облако.

В облаке эталонная система SpringBoard Bright Wolf опирается на нашу инфраструктуру управления данными Strandz в сочетании с безопасным приемом данных, хранением, вычислениями и другими сервисами платформы Azure. Он включает в себя настраиваемые блоки кода для решения сложностей, связанных с управлением пользователями, моделированием активов, механизмами отчетности, уведомлениями и другими проблемами, общими для всех связанных систем продуктов.

Подключенные эталонные системы продуктов Bright Wolf обеспечивают адаптируемую основу для создания промышленных IoT-решений, позволяя проводить пилотные развертывания клиентов, которые, как мы видели, занимали организации от 6 до 12 месяцев с использованием традиционных методов и всего за 4-6 недель с использованием SpringBoard и GearBox для Azure IoT.

Если вы производитель промышленного оборудования, стремящийся к цифровому преобразованию с помощью связанных производственных систем, дайте нам знать, как мы можем помочь.