30 ژوئن 2021 توسط تولید کننده
طی چند سال گذشته ، به ما گفته شده است که داده ها کلید تولید هوشمند ، صنعت 4.0 هستند. ما هرکدام منابعی را ایجاد کرده ایم که تبادل داده های مختلفی بین ماشین ها و راه حل ها ایجاد می کند ، در بیشتر موارد استخرهایی از داده را ایجاد می کنیم ، بنابراین حالا چه؟ بسیاری از عملیات تولید بدون دردسر ، حالا با درد روبرو شده اند. چه چیزی را به ما نگفتند؟ برای استفاده از همه این داده های ارزشمند چه کاری باید انجام دهیم؟
خوشبختی در جایی حاصل می شود که انتظارات با واقعیت همسو شده باشد. در بسیاری از موارد ، انتظار واقعی آنچه که پس از جمع آوری داده ها به وجود می آید هرگز واقعاً توضیح داده نشد ه است ، و بسیاری را در موقعیت هدایت انتظارات خود بر مبنای ظاهر سازی و پر از کار های گرافیکی ارائه دهندگان راه حل قرار داده اند .
واقعیت در اکثر موارد این است که برای ایجاد ارزش از این داده ها ، که نمایانگر یک مدل پایدار نیست ، کار زیادی لازم است. سابقه بی شماری از پروژه های درخشان مهندسی صنایع وجود دارد که در ابتدا تفاوت چشمگیری در عملیات ایجاد می کنند ، اما پس از گذشت زمان ، با حل شدن مشکل ، به سمت مبهم شدن هدایت می شود ، زیرا منابع برای حفظ آنها اولویت خود را نسبت به سایر امور از دست می دهند. پایداری راه حل ها ، از اهمیت بالاتری برخوردار است ، که باید عامل تعیین کننده ای هنگام بررسی راه حل های دیجیتالی باشد. اطمینان از این امر در سه مرحله اساسی حاصل می شود:
- اتصال
- هستی شناسی
- عمل
اتصال فقط شروع کار بود ، و بگذارید لحظه ای بررسی کنیم که در کجا هستیم. اتصال مبتنی بر IIoT ضروری است ، زیرا برای تبادل داده از یک به چند و از بسیاری به یک دیگر طراحی شده است. ضروری است که داده های IIoT معنای مشخصی داشته باشد. داده ها نشان دهنده یک شرط شناخته شده است و یا واقعه ای را که تجربه شده تعریف می کند. اگرچه چندین استاندارد قدیمی مانند OPC-UA و MT Connect و صدها روش مناسب وجود دارد ، استاندارد IPC Connected Factory Exchange (CFX) به صورت منحصر به فرد داده های IIoT را در یک محیط پلاگین و بازی واقعی و با یک زبان کاملاً تعریف شده مبادله می کند. این یک نمونه پایدار است ، زیرا تجهیزات جدید می توانند بدون هیچ گونه تغییری در راه حل های مبتنی بر اطلاعات ، به صورت یکپارچه در سیستم ادغام شوند ، به این معنی که هزینه های صفر استقرار ، بدون تأخیر ، عدم نیاز به میان افزار و غیره است و حالا می توانید با موفقیت و پایداری به مرحله دوم بروید.
هستی شناسی یک مدل داده است که توسط الگوریتم های نرم افزاری پر شده است که نقاط داده را از پیام های IIoT به هم متصل می کند. از آنجا که تجهیزات فقط می دانند چه مواردی در متن نمونه خود اتفاق می افتد ، پلت فرم Mes مبتنی بر IIoT از هستی شناسی داخلی استفاده می کند تا زمینه نقاط داده را به روش های مختلف ایجاد کند ، به عنوان مثال ، برای تأیید و اجرای مسیریابی صحیح محصول ؛ برای کنترل صحیح تولید هنگام تشخیص خطر برای شناسایی فرصت های بهینه سازی جریان تولید.
در ارکستراسیون مدیریت مواد ناب؛ باید به سادگی داشبورد و هشدارهایی ارائه دهید که دید کلی نگرانه ساخت را به توجه کسانی که اقدامات را انجام می دهند جلب کند. قوانین موجود در الگوریتم ها که هستی شناسی یک راه حل را تشکیل می دهند نیز باید براساس مدل داده استاندارد از مرحله 1 پایدار باشند ، به طوری که هرگونه تغییر در تنظیمات کارخانه ، مشتری یا نوع محصول ، نیازی به کار مجدد نرم افزار ندارد ، یا بدتر ، باعث تصمیم گیری های بی اثر شود در حالی که هیچ کس عاقل تر نیست.
اقدامات انجام شده در نتیجه تجزیه و تحلیل داده ها هم خودکار است و هم تعاملی. بسیاری از تصمیمات ، مانند زمان ، انتخاب و تحویل مواد ، نظارت بر عوامل احتمالی نقص و غیره ، کاملاً خودکار و قابل اعتماد می شوند ، در حالی که فرصت های مبتنی بر شرایط پیچیده در گزارش های زنده برای پردازش هستی شناسی نشان داده می شوند. هرچه زمان می گذرد ، تعداد بیشتری از این تصمیمات خودکار می شوند. در هر صورت ، همه تصمیمات بر اساس داده های جامع ، تنظیم شده در متن کل عملیات ، به گونه ای که تصمیمات با دید کامل وضعیت فعلی گرفته می شوند ، و سپس برون یابی برای آشکار کردن عواقب مفید ، و غیره. پایداری داده ها و هستی شناسی اعتماد به این تصمیمات ، تولید واقعی داده محور را به همراه دارد.
