Zbieranie danych z rzeczywistych maszyn przemysłowych: Metody i narzędzia

Wstęp

Efektywne zarządzanie danymi z maszyn przemysłowych jest kluczowe dla predykcji awarii i optymalizacji procesów. W artykule omówimy dwa podejścia:

Brak istniejących danych z maszyn, gdy chcemy zbudować modele predykcji awarii.
Wykorzystanie istniejących baz danych, takich jak Statista czy Kaggle, które oferują rzeczywiste dane przemysłowe.

1. Brak danych z maszyn: Jak zacząć zbierać dane?

System OMNIMES firmy Multiprojekt

Jeśli w zakładzie nie ma jeszcze systemu zbierania danych, dobrym rozwiązaniem jest implementacja systemu MES (Manufacturing Execution System), takiego jak OMNIMES firmy Multiprojekt.

Czym jest OMNIMES?

OMNIMES to zaawansowany system MES umożliwiający zbieranie, analizę i wizualizację danych z maszyn przemysłowych.
System ten pozwala na monitorowanie parametrów produkcji, takich jak czasy cykli, liczba wyprodukowanych jednostek czy stany awarii maszyn.
Dane z OMNIMES mogą być wykorzystywane do budowy modeli predykcyjnych, takich jak:
- Przewidywanie awarii maszyn.
- Optymalizacja harmonogramów konserwacji.

Kluczowe funkcje OMNIMES:

Zbieranie danych w czasie rzeczywistym: System zbiera dane bezpośrednio z maszyn, które są wyposażone w odpowiednie sterowniki PLC.
Analiza wydajności: OMNIMES umożliwia obliczanie wskaźników KPI, takich jak OEE (Overall Equipment Effectiveness).
Integracja z istniejącymi systemami: Możliwość integracji z ERP i SCADA.

Więcej informacji można znaleźć na stronie: OMNIMES – Multiprojekt.

2. Wykorzystanie danych z publicznych źródeł

Jeśli zakład przemysłowy nie posiada własnych danych, istnieje możliwość wykorzystania publicznie dostępnych baz danych. Oto dwa popularne źródła:

a) Statista

Statista to globalna platforma danych, oferująca informacje na temat różnych branż przemysłowych. W kontekście predykcji awarii można znaleźć:

Raporty dotyczące wskaźników awaryjności maszyn.
Analizy dotyczące efektywności produkcji w różnych branżach.
Dane statystyczne dotyczące konserwacji maszyn i przestojów.

Przykład zastosowania: Dane z raportów Statista mogą być używane do zbudowania podstawowych modeli predykcyjnych opartych na statystykach branżowych.

b) Kaggle

Kaggle to platforma udostępniająca darmowe zestawy danych oraz narzędzia do analizy danych i uczenia maszynowego. Można znaleźć:

Dane zebrane z rzeczywistych urządzeń przemysłowych.
Zestawy danych dotyczące drgań, temperatury czy zużycia energii.
Gotowe modele i skrypty do analizy predykcyjnej.

Przykład zastosowania: Na Kaggle dostępne są dane czasowe z rzeczywistych maszyn, które można wykorzystać do budowy modeli predykcji awarii za pomocą algorytmów takich jak LSTM, XGBoost czy TensorFlow.

Porównanie dwóch podejść

Kryterium	Implementacja systemu (OMNIMES)	Dane publiczne (Statista/Kaggle)
Koszt	Średni (wdrożenie systemu)	Niski (dostęp do danych często darmowy)
Dostosowanie do zakładu	Idealne, dane z własnych maszyn	Ograniczone, dane ogólne
Precyzja modeli	Bardzo wysoka	Zależy od jakości danych
Czas wdrożenia	Śrdeni do miesiącu czasu (wdrożenie systemu MES)	Krótki (gotowe dane dostępne od razu)
Dostępność danych historycznych	Dostępne od razu bez konfiguracji po stronie systemu Omnimes - wystarczy sama instalacja systemu, po czym należy uruchomić wysyłanie w panelu HMI lub sterowniku na broker MQTT systemu Omnimes, jeśli nie ma takiej możliwości zintegrować czujniki lub sterowniki z bramką Weintek cmgt01 która będzie wysyłać dane z urządzeń na broker systemu Omnimes	Zwykle dostępne

Podsumowanie

Brak danych: Jeśli w zakładzie nie ma systemu zbierania danych, warto rozważyć wdrożenie rozwiązania takiego jak OMNIMES firmy Multiprojekt. System pozwala na zbieranie danych w czasie rzeczywistym i ich analizę, co ułatwia budowę precyzyjnych modeli predykcji awarii.
Publiczne dane: Dla szybkiego prototypowania modeli można skorzystać z platform takich jak Statista czy Kaggle, które oferują gotowe zestawy danych przemysłowych.

Optymalne podejście zależy od budżetu, dostępnych zasobów i czasu. Długoterminowo wdrożenie systemu MES, takiego jak OMNIMES, zapewni dokładniejsze dane i większe korzyści dla zakładu produkcyjnego.

← Powrót do bloga