Разделы

Облака

Облачная платформа интернета вещей MindSphere: связь цифровых двойников с физическим миром

Усиление глобальной и региональной конкуренции, усложнение продукции, индивидуализация потребления заставляют руководство предприятий постоянно искать эффективные подходы к созданию новой стоимости, достижению максимального соответствия между меняющимся спросом и возможностями производства. В условиях динамично прогрессирующих технологий и запросов заказчиков конвейерные модели становятся невыгодны: массовое производство крупных партий продукции теряет эффективность. Только те компании, которые смогут гибко перестраивать производство на основе цифровых методов и цифрового взаимодействия с потребителями, смогут остаться конкурентоспособными в будущем и значительно повысят свою капитализацию.

Фактически эти тенденции означают, что предприятия должны отойти от ориентации только на внутренние процессы, организацию и технологии (внутреннее ориентирование) и перейти к гармоничному балансированию между организацией внутренних ресурсов и их гибкой адапатацией к стремительным измениям рынков и технологий (внешнее ориентирование).

Ускорить обмен данными между предприятиями и участниками рынка, а также обеспечить максимальную гибкость производственных процессов призвана цифровизация производства, основанная на комплексном внедрении цифровых технологий и интеграции информационно-вычислительных ресурсов в физические процессы.

11-crop_600-280.png
Взаимодействие предприятия и внешней среды

Замкнутый цикл производства

Процесс цифровизации производства опирается на большое количество разнообразных «умных» устройств, встроенных как в изделия и их компоненты, так и производственное оборудование. Новые киберфизические системы и интеллектуальные устройства создают огромные массивы данных и требуют сложной интеграции, координации и оптимизации в единой, многомерной, динамической системе.

Эти потоки данных в перспективе должны ослабить традиционную модель централизованного контроля и управления. За счет этого право принятия решений распространяется вниз по организации, образуя сеть. Производства становятся гибкими автономными ячейками, в которых улучшения как продукции, так и производственных процессов станут непрерывными. В результате предприятию необходимо динамично встраиваться в производственные цепочки (горизонтальная интеграция) и обеспечить прозрачность данных на всех уровнях управления (вертикальная интеграция).

21-crop_600-280.png
Влияние аналитики данных на горизонтальную и вертикальную интеграцию

Основными активами и инструментами этих двух процессов интеграции должны стать данные и системы аналитики, которые собирают информацию из реального мира и позволяют постоянно синхронизировать его отражение в ИТ-системах и цифровых двойниках.

Цифровой двойник изделия формируется в процессе его проектирования и включает в себя все его модели и описания. Для повышения конкурентоспособности продукции и быстрой адаптации к требованиям рынка и заказчиков цифровой двойник изделии требует постоянного обновления и улучшения.

Цифровой двойник производства обеспечивает гибкость и помогает уменьшить время выполнения производственных процессов, сократить сроки подготовки производства, а также проектирования производственных участков и цехов с установленным оборудованием. Цифровой двойник производства дает возможность виртуальной отработки, проверки и оптимизации всей производственной системы. Модель позволяет проверить, как будет создаваться продукция, включая все ее детали и сборки, на основе технологических процессов с помощью производственных линий и систем автоматизации.

Цифровые двойники эксплуатации изделий и производства: предприятия и заказчики подключают изделия, станки и системы автоматизации производства, чтобы извлекать и анализировать данные об их реальной производительности и использовании. Анализ этих данных позволит замкнуть контур обратной связи, соединив реальное производство с цифровыми двойниками изделия и производства, что необходимо для оптимизации изделий, производственных систем и процессов.

Процессы обновления и «увязывания» цифровых двойников вместе образуют замкнутый цикл постоянной инновации изделий, оптимизации их производства и обслуживания продукции. В результате именно данные становятся главным стержнем предприятия цифровой эпохи.

Данные – главный актив цифрового производства

Цифровая трансформация уже оказывает огромное влияние на различные аспекты бизнеса, такие как стратегия, управление партнерами, производство, ценообразование, продажи, продвижение и оргструктура. На очереди координация проектирования и производства на основе данных интернета вещей, аналитика данных о продукте и улучшение сервисов послепродажного обслуживания.

Чтобы выпустить и продать продукт, необходимо осуществить несколько видов деятельности: разработку, производство, логистику, маркетинг, продажи, послепродажное обслуживание, снабжение. Цифровые фабрики, в совокупности с «умными» продуктами, и генерируемые ими данные изменяют все эти виды деятельности в цепочке создания стоимости. Возможность извлекать и анализировать информацию из данных становится залогом конкурентного преимущества и, следовательно, новой важной задачей бизнеса.

Показания каждого отдельного датчика, конечно, важны, но, выявляя закономерности в широких массивах и потоках данных и увязывая производственные и бизнес-данные, производители смогут сделать настоящие открытия. Поэтому необходимо собирать и анализировать достоверные данные не только от уже установленного парка производственного оборудования, но и от систем управления технологическими процессами, логистических и PLM, CRM, ERP, MES, MOM-систем. Извлечение, сбор и интеллектуальный анализ этих данных позволяют своевременно вырабатывать и принимать оптимальные управленческие решения, которые приведут предприятие к гибкой цифровой модели производства.

Облачная платформа интернета вещей для цифровой трансформации производства

В производственных и сервисных подразделениях концерна Siemens уже много лет разрабатывались подходы, технологии, методы сбора и анализа производственных данных для оптимизации затрат, повышения гибкости и роботизации производства, улучшения проектирования и обслуживания изделий. Были созданы различные математические модели предиктивной аналитики работы оборудования, базы промышленных знаний, алгоритмы анализа поставок и сбыта, управления и оптимизации производственными цепочками, которые применялись на таких «цифровых» предприятиях как завод по производству программируемых логических контроллеров (ПЛК) в г. Амберге (Германия), завод по производству электродвигателей в г. Бад Нойштадте (Германия). В результате развития этих технологий компанией Siemens была создана облачная платформа и операционная система для интернета вещей MindSphere, которая с этого года доступна и в России.

MindSphere – это облачная операционная система, позволяющая подключать любые физические устройства к цифровому информационному пространству. В её основе лежит открытый подход к созданию новых приложений, алгоритмов и моделей на единой платформе, что дает возможность постоянного обогащения накопленного опыта и знаний от специалистов из самых разных отраслей промышленности.

Вокруг платформы уже созадана «цифровая экосистема» партнеров, разработчиков приложений, интеграторов, консультантов и экспертов из разных индустрий. Основная задача платформы MindSphere – обеспечить быстрое и экономически эффективное подключение парка оборудования, сбор и анализ данных с целью получения значимых для производства и бизнеса результатов. Компании могут использовать MindSphere для создания замкнутого цикла производства, для бесшовной интеграции операционных данных по всей цепочке создания стоимости.

31-crop_600-250.png
Высокоуровневая архитектура платформы интернета вещей Siemens MindSphere

Платформа MindSphere состоит из трех основных компонентов: сама облачная платформа, приложения MindApps, инфраструктура MindConnect для сбора данных.

Облачная платформа занимает центральное место, обеспечивая все сервисы и интерфейсы, необходимые для работы инфраструктуры MindConnect и слоя приложений MindApps, разрабатываемых партнерами, заказчиками и компаниями концерна Siemens. В платформе MindSphere предусмотрено высокоэффективное защищенное хранилище данных интернета вещей – MindStorage.

Программное обеспечение платформы основано на решении с открытым исходным кодом Pivotal Cloud Foundry, которое выступает в качестве слоя абстракции от сред виртуализации аппаратных ресурсов (например VMware vSphere, OpenStack, Microsoft Azure Stack). Таким образом, система позволяет запускать приложения без привязки к конкретному гипервизору облака. Строительным блоком платформы служит не виртуальная машина, а контейнер приложения, что значительно упрощает создание приложений для мониторинга.

Сегодня MindSphere развернута в облачной инфраструктуре Amazon Web Services. В ближайшее время ожидается версия для гипервизора Microsoft Azure Stack, включая частные и гибридные инсталляции (частное + публичное облако). Все эти возможности позволяют предприятиям не заботиться о масштабировании вычислительных ресурсов и баз больших данных.

Благодаря модели PaaS (платформа как сервис), заказчик MindSphere может в любой момент расширить число источников, объем обрабатывамых данных или подключить алгоритмы их интеллектуальной обработки с минимальными инвестициями в инфраструктуру или без нее, оплачивая только подписку на услуги платформы по модели «pay-as-you-go».

Благодаря комплексному решению MindSphere производственные компании могут сразу же задействовать все преимущества технологий интернета вещей. Базовый набор услуг MindSphere уже включает готовое приложение, предоставляющее необходимые инструменты для анализа данных. Дополнительно, на платформе доступны различные алгоритмы и прикладные библиотеки с открытыми интерфейсами программирования (API), например, анализ сигналов, предсказание трендов, вычисление KPI, выявление аномалий и т.п.

Особое внимание в платформе MindSphere уделяется вопросам безопасности, конфиденциальности и надежности хранения данных. Все данные заказчиков на платформе хранятся в защифрованном виде. Доступ к ним осуществлаяется через единый шлюз аутентификации MindSphere Gateway. В момент передачи на платформу данные защищены SSL/TLS-шифрованием с длиной ключа 256 бит. Все решения по обеспечению кибербезопасности, используемые в MindSphere, основаны на международных стандартах ISO 27001, IEC 62443, что обеспечивает высочайший уровень защиты.

Быстрый старт интернета вещей и аналитических сервисов

Сам процесс подключения к MindSphere и запуска первых аналитических сервисов состоит для пользователя из трех простых шагов:

41-crop_600-260.png
Основные шаги запуска аналитики в MindSphere

При использовании MindSphere для получения первых значимых результатов от внедрения технологий интернета вещей предприятию не требуются высококвалифицированные программисты или специалисты по анализу данных и облачным технологиям. Для вывода аналитической информации о работе оборудования достаточно подключить его к платформе, настроить источники и собираемые параметры, включить визуализацию собранных данных и обработку событий в готовом приложении Fleet Manager.

Олег Пашинин, «Философия.ИТ» — Как в «Росатоме» импортозаместили западную СЭД
Импортонезависимость

Приложение Fleet Manager, включенное в базовый пакет услуг MindSphere, позволяет выполнять мониторинг всего парка подключенных устройств, выбирать параметры для анализа, задавать диапазоны и пороговые значения сигналов, настраивать правила реагирования на события. Пользователь может задать способы отображения и интервалы анализа данных, просматривать исторические данные.

51-crop_600-480.png
Основные возможности приложения FleetManager

Для мониторига и анализа работы станков с ЧПУ разработано приложение Manage MyMachines. С его помощью предприятие может контролировать в режиме реального времени текущий статус станка и коды операций, процентовку подачи и шпинделя, историю событий и сбоев и т.п.

61-crop_600-347_2.png
Статус работы станков в приложении Manage MyMachines

Приложение позволяет контролировать целый парк эксплуатируемых станков с их статусами на схеме цеха и/или участка, оценивать эффективность их работы и загрузку. Оператор станков может анализировать историю их работы, настраивать оповещения об аварийных событиях, просматривать параметры в виде таблиц и диаграмм.

Задачи оптимизации производства, конечно, не ограничиваются только мониторингом и диагностикой промышленного оборудования. Нужно оперативно учитывать состояние склада, информацию от поставщиков и заказчиков, параметры качества сырья и продукции и т.п. Приложение MindSphere Product Intelligence включает все необходимые интерфейсы и инструменты для сбора и анализа данных из различных источников (поставщиков, производителей и клиентов) в комбинации с промышленными данными. Решение позволяет осуществлять унификацию, поиск, фильтрацию и анализ данных с учетом контекста (напр. партии продукта, поставки комплектующих, условий производства, условий эксплуатации). Это обеспечивает возможность интеллектуального принятия решений, снижения затрат и времени на поиск источников проблем.

71-crop_600-285.png
Анализ цепочек поставщиков в приложении Product Intelligence

Открытый подход и модульные принципы построения MindSphere позволили быстро развить широкую экосистему партнеров, которые обогащают платформу своим опытом, знаниями и наработками в виде готовых приложений и модулей MindApps. Пользователь платформы может выбирать в онлайн-магазине MindSphere Store (будет доступен для пользователей на территории Российской Федерации в ближайшее время), содержащем десятки готовых решений, приложения, подходящие для его задач и индустриальной специфики. Уже готовы приложения для химической, пищевой, фармацевтической промышленности, транспорта и других отраслей.

81-crop_600-250.png
Примеры приложений MindApps

Предсказательная диагностика

Марина Яловега, «Группа Астра»: Соискателям интересны амбициозные ИТ-проекты, значимые для страны
Цифровизация

Предиктивная (предсказательная) диагностика оборудования и изделий позволяет заранее предсказать наступление аварийной ситуации на основе анализа и мониторинга его текущего состояния и предсказания сбоев. В результате предприятие может заблаговременно предпринять действия для устранения проблемы или смягчения неблагоприятного эффекта. Дополнительным эффектом от предиктивной диагностики может стать переход от практики планово-предупредительных ремонтов и ремонтов по событиям к техническому обслуживанию на основе фактического состояния оборудования, что снижает количество простоев на производстве и расходы на эксплуатацию.

Создание систем предиктивной аналитики и диагностики включает ряд этапов, таких как первичный сбор эксплуатационных данных оборудования, включая историю его работы, анализ данных и построение прогностических моделей (на основе математических алгоритмов, обучения нейронных сетей, методов распознавания образов), верификация и проверка точности моделей.

Платформа Siemens MindSphere обладает всеми необходимыми инструментами для построения систем предиктивной диагностики. В пакет услуг MindSphere Predictive Learning входит набор алгоритмов и библиотек для создания предсказательных моделей с помощью методов глубокого машинного обучения, нейронных сетей и на основе математических моделей. Готовые аналитические модули могут быть быстро сконфигурированы и подключены к источникам промышленных данных в MindSphere, отображающим работу промышленных систем.

91-crop_600-255.png
Создание прогностических моделей в модуле Predictive Learning

C помощью модуля Data Science Workbench, входящего в пакет Predictive Learning, пользователи могут создавать и адаптировать модели, сохраняя их затем в хранилище Zeppelin Notebook. Каждый экземпляр модели может быть обучен на серии реальных данных, собранных в MindSphere, а результат анализа визуализирован. Модели могут быть созданы с использованием известных алгортимов и наборов библиотек, таких как TensorFlow, Spark, NumPy, Scikit-learn, Keras, SciPy, Matplotlib, Pandas, а также библиотек распределенных вычислений, таких как MLib.

У специалиста по анализу данных есть также возможность конфигурирования необходимых вычислительных ресурсов для работы моделей. Готовые функции инструментария Predictive Learning позволяют быстро анализировать и трансформировать большие массивы данных без необходимости программирования или создания скриптов. Это дает возможность создания новых серий данных, которые могут быть применены на различных вариантах моделей или в другом хранилище моделей, что упрощает взаимодействие экспертов и специалистов из разных областей.

Практические результаты

С помощью платформы MindSphere предприятия, объединения и даже целые отрасли смогут замкнуть цифровые цепочки между проектированием, производством и эксплуатацией изделий. И это не отвлеченная абстракция, а императив рынка, который требует трансформации традиционных компаний в динамичные, адаптивные, самоуправляемые производства, чутко реагирующие на требования заказчиков и постоянно оптимизирующие производственные процессы и выпускаемую продукцию.

Примеров таких трансформаций уже много. Например, финский производитель грузоподъемной техники Konecranes использует аналитику данных об эксплуатации изделий (более 50 тысяч промышленных кранов по всему миру) не только для более эффективного «предиктивного» обслуживания, но и для улучшения и оптимизации конструкции. Информация о работе крана собирается более чем 30 датчиками, установленными в изделии и попадает в платформу MindSphere. Результаты анализа эксплуатационных данных в комбинации с информацией о местоположении и применении кранов учитываются PLM-системой Teamcenter и помогают обновлять цифровую модель (двойник) изделия. В результате оптимизируется конструкция и эксплуатационные характеристики продукта.

Многие предприятия концерна Siemens уже провели глубокую интеграцию аналитики MindSphere в сквозные процессы производства и проектирования изделий. Завод промышленных контроллеров cемейства Simatic с помощью аналитики и обмена данными между облачной платформой MindSphere, MES-системой Simatic IT, PLM-системой Teamcenter и ERP-системой SAP смог достичь 75% автоматизации процессов производства для более чем 1200 вариантов изделий. В зависимости от размещенных клиентами заказов, завод перестраивает производственные линии в автоматическом режиме до 350 раз в день. Оптимизация загрузки оборудования и процессов позволили увеличить объем продукции в 9 раз с начала производства (1990 год) на тех же площадях и при том же количестве персонала. Благодаря адаптивному контролю качества технологических процессов и комплектующих процент выхода годных изделй достигает 99.9985%.

Другой пример – реализация системы превентивного обслуживания холодильных агрегатов и чиллеров серии Blue e+ компании Rittal на базе специализированного приложения MindSphere. Данные от оборудования (температура, напряжение, другие параметры состояния) передаются в платформу MindSphere и используются для контроля состояния установленных систем и управления сервисным обслуживанием. За счёт перехода к обслуживанию по состоянию обеспечивается повышение коэффициента эксплуатационной готовности оборудования и достигается снижение затрат на эксплуатационную поддержку и сервисное обслуживание на 30%.

Крупнейший производитель безалкогольных напитков в Европе использует MindSphere для мониторинга и предиктивного анализа работы производственных линий. Ключевым элементом линий являются двигатели, число которых достигает 150. Отказ одного двигателя ведет к незапланированной остановке всей линии, и следовательно, к большим финансовым потерям. Для организации превентивного обслуживания и своевременной замены двигателей были применены методы вибрационного анализа их работы. Результаты вибрационной аналитики передаются на платформу MindSphere, которая в режиме реального времени контролирует состояние всех двигателей в производственной системе, предсказывет их возможные сбои на основе математических моделей, заблаговременно оповещает персонал о необходимости ремонтных работ. В результате удалось повысить выход готовой продукции на 15% за счет снижения времени простоев и улучшения производственных процессов.

Почему именно MindSphere?

Сегодня, благодаря быстрому развитию коммуникационных технологий и стремительно формирующемуся спросу на решения интернета вещей на рынок ежегодно выходят десятки платформ интернета вещей и стартапов. Предыдущий опыт развития платформ в таких областях, как социальные сети, транспорт или гостиничный бизнес показывает, что в результате конкурентного отбора и последующей консолидации на финишную прямую доминирования в своей области выходят 3–5 платформ. Концерн Siemens уверен, что платформа MindSphere имеет все необходимое, чтобы быть в числе лидеров промышленного интернета вещей. Поэтому развитие этой платформы и экосистемы партнеров вокруг нее – приоритетное направление для Siemens.

Для того, чтобы победить в гонке платформ интернета вещей, недостаточно иметь открытую облачную платформу, независимую от стека виртуализации, создать широкую экосистсему партнеров и готовых приложений, опираться на большую базу инсталлированных устройств и подключений.

Чтобы платформа интернета вещей действительно стала основой цифровой трансформации на всех уровнях, она должна обеспечивать возможность быстрой и прозрачной интеграции процессов, данных и знаний на всех уровнях пирамиды управления предприятием: от источников данных, к системам автоматизации, до уровней управления производством и разработкой изделий. Так как Siemens относится к лидерам на всех уровнях этой пирамиды, то такая интеграция через платформу MindSphere является бесшовной и естественной. Благодаря этой интеграции платформа позволяет не только проводить анализ данных оборудования, систем, устройств, но и создавать соответствующие виртуальные интеллектуальные модели – «цифровые двойники», и затем использовать эти данные для сокращения времени вывода новых продуктов на рынок, повышения степени гибкости производства, качества продукции и эффективности производственных процессов.

Пирамида управления производством и лидирующие решения

Возможности MindSphere теперь доступны в России!

Возможности MindSphere позволяют компаниям не только быстро внедрять новейшие технологии интернета вещей, но эффективно трансформироваться на пути цифровизации производства. Прозрачность процессов и данных на всех уровнях управления предприятий, возможность быстрой интеграции предприятий и сервисных компаний в кооперационные цепочки в масштабах производственных холдингов и даже отраслей позволит снизить операционные затраты, гибко перестраивать производство, повысить качество продукции на всех этапах формирования добавленной стоимости. Эти возможности теперь доступны и для российских заказчиков и партнёров Siemens.

Соколов Дмитрий Игоревич, эксперт по развитию направления MindSphere,
Соловьёв Сергей Юрьевич, канд. техн. наук, руководитель Центра компетенций,
Департамент «Цифровое производство», «Сименс».