Подробное обсуждение цифровой стратегии см. в оригинальной статье «Жесткие данные, виртуальные датчики и технологический опыт от ABB» в журнале PaperFirst.
Технологии Индустрии 4.0 преобразуют целлюлозно-бумажную промышленность, позволяя производителям достигать беспрецедентных уровней эффективности и производительности. Эти изменения подпитываются данными, которые находятся в центре стратегий по обеспечению воспроизводимых, надежных и устойчивых результатов.
Тем не менее, данные практически не имеют значения, если их нельзя собрать и проверить осмысленным образом: поэтому сбор и подготовка данных — рутинная и трудоемкая задача — имеют жизненно важное значение, если мы хотим извлекать ценную информацию из наших данных с минимальным количеством ложноположительных результатов. Применение подхода к сбору и очистке данных, который также задействует отраслевой опыт, гарантирует, что наши модели и передовые приложения на основе данных будут точными и, следовательно, полезными.
СТРАТЕГИЯ СОЧЕТАНИЯ ТЕХНОЛОГИЙ ИНДУСТРИИ 4.0 И АНАЛИЗА ДАННЫХ СО СПЕЦИФИЧЕСКИМИ КОМПЕТЕНЦИЯМИ В ОТРАСЛИ ЯВЛЯЕТСЯ КЛЮЧОМ К УСПЕХУ ЦИФРОВИЗАЦИИ
В этой статье мы обсуждаем создание стратегии работы с данными, которая систематически сочетает технологии Индустрии 4.0 и анализ данных со специфическими для отрасли компетенциями, особенно в отношении новейших достижений в области виртуальных датчиков. Создание этих приложений на основе машинного обучения обсуждалось годами, но только сейчас у нас появились методы работы с данными, которые позволяют развертывать их в качестве надежных, устойчивых инструментов — особенно когда непрерывный мониторинг систем, работающих с данными, используется для снижения риска ухудшения производительности. Следование стратегии, которая уравнивает важность предметных знаний со сбором и проверкой данных, гарантирует достижение наилучших результатов. Это также снижает производственные затраты за счет минимизации использования сырья, увеличивает пропускную способность за счет повышения надежности оборудования или повышает качество за счет стабилизации процессов и работы автоматики.
СТРАТЕГИЯ РАБОТЫ С ДАННЫМИ НА ПРАКТИКЕ
Процесс обеспечения надежной стратегии работы с данными состоит из шести ключевых шагов
Внедрение правильной стратегии работы с данными имеет решающее значение для общего успеха цифровизации. При рассмотрении оптимизации производства бумаги необходимо учитывать следующие ключевые области:
- Сбор и гармонизация данных
- Подготовка и проверка данных
- Использование автономных данных
- Онлайн-внедрение решений на основе данных
- Операционная интеграция и обучение
- Совместный мониторинг и непрерывное совершенствование
ШАГИ 1 И 2: СБОР, ГАРМОНИЗАЦИЯ, ПОДГОТОВКА И ПРОВЕРКА ДАННЫХ
Первые два шага в такой стратегии работы с данными гарантируют, что данные собираются и подготавливаются для использования в оптимизации процессов на основе данных. В целлюлозно-бумажной промышленности эти данные поступают из самых разных источников (распределенные системы управления, системы контроля качества, системы управления производством, другие базы данных и архивы): задача заключается в том, чтобы объединить эти данные пригодным для использования образом. Некоторые ключевые соображения включают в себя определение и поиск интересующих переменных, что требует высокого уровня опыта в отрасли для обеспечения контекста и понимания процесса и операций. Кроме того, синхронизация времени источников данных имеет решающее значение: даже разница в несколько секунд между часами двух источников данных может исказить данные и повлиять на достоверность любого последующего анализа.
Также важно понимать влияние выборки и сжатия; в идеале данные должны поступать в как можно более «реальном» или «первоначальном» виде. Для работы в реальном времени на основе данных эти данные должны быть агрегированы из различных источников в гармонизированное хранилище для анализа, предпочтительно с использованием гибкой базы данных временных рядов, способной подписываться на данные OPC и переносить данные из других баз данных или архивов.
Хотя существует гораздо больше нюансов очистки и фильтрации, умение сортировать данные для использования имеет решающее значение. Различные схемы сортировки данных должны применяться в зависимости от того, какой тип машинного обучения, интеллектуального анализа данных или моделирования пользователь пытается создать, принимая во внимание, что состояние машин, различные марки и переходные периоды приводят к различным рабочим характеристикам. Методы многомерного анализа должны использоваться для дальнейшей проверки собранных данных и выявления доминирующих наборов данных, что имеет решающее значение для эффективности последующего моделирования.
После того как технологические данные были собраны, подготовлены и должным образом проверены, можно структурировать приложения на основе данных для извлечения информации, что подводит нас к рассмотрению использования данных и, в частности, к созданию виртуальных датчиков.
УПРАВЛЕНИЕ ДАННЫМИ: ФОРМУЛА УСПЕХА АНАЛИТИКИ В ЦЕЛЛЮЛОЗНО-БУМАЖНОЙ ПРОМЫШЛЕННОСТИ
Эффективное управление данными требует наличия стратегии и надежных методов доступа, интеграции, очистки, администрирования, хранения и моделирования для подготовки данных к аналитике, чтобы они добавляли ценность.
ШАГИ 3 И 4: ИСПОЛЬЗОВАНИЕ АВТОНОМНЫХ ДАННЫХ ДЛЯ ОНЛАЙН-ПРИЛОЖЕНИЙ ВИРУТУАЛЬНЫХ ДАТЧИКОВ
Объединение данных в удобном для использования виде жизненно необходимо для превращения их в значимый бизнес-актив.
Информация, извлеченная из собранных данных, чаще всего представляется посредством создания моделей (шаг 3), которые иллюстрируют, как выбранные переменные процесса взаимодействуют с другими переменными. Эти модели могут представлять собой виртуальные измерения неизмеряемых переменных процесса или свойств продукта, сложные модели поведения процесса для решений по управлению процессом и/или расчеты индексов производительности процесса, которые помогают контролировать работоспособность процесса. Чтобы проиллюстрировать эту идею, мы сосредоточимся на виртуальных датчиках — типах моделей, которые основаны на машинном обучении и выдают расчетные значения физических измерений.
Итак, что такое виртуальный датчик? Виртуальный датчик использует различные переменные процесса для вывода или оценки переменной процесса или измерения качества продукта, которые нельзя измерить в реальном времени или с помощью физического датчика. Они дополняют лабораторные измерения, которые дают ценную информацию о конечных свойствах рулона по окончании производства, но не во время производства, когда еще можно предпринять действия, влияющие на конечный результат. В мире производства бумаги виртуальные датчики могут применяться к множеству различных свойств, включая: качество полотна, расчеты зольности в мокрой части, прочность полотна, каппа-число в процессах варки, массу полотна и многое другое.
Создание моделей виртуальных датчиков (soft sensors) требует значительных затрат времени и усилий, прежде чем их можно будет использовать в режиме реального времени в производственном процессе. Исторические данные о технологическом процессе и качестве продукции, являющиеся основой для разработки виртуальных датчиков, обычно хранятся в разных базах данных. Для создания виртуальных датчиков требуются различные инструменты и методы экспорта (рассмотренные на этапах 1 и 2) для извлечения и синхронизации этих данных. Этап 3 представляет собой физическое создание модели с использованием ценной информации, извлеченной из данных. При правильном выполнении и в рамках надлежащей стратегии работы с данными виртуальные датчики обеспечивают ценность измерений в реальном времени для переменных, которые ранее измерялись только периодически. Чтобы максимально эффективно использовать виртуальные датчики, их необходимо интегрировать с системами управления с помощью интерфейсов прикладного программирования (API), которые обеспечивают возможности подключения, управления устройствами, управления программным обеспечением и обработки данных для различных решений на основе данных. API составляют основу цифровых решений в режиме реального времени, позволяя данным беспрепятственно циркулировать через системы управления, периферийные устройства, облачные платформы и онлайн-решения для аналитики на основе данных. Это означает, что результаты таких аналитических решений (одним из которых являются виртуальные датчики) могут быть доступны системам управления для мониторинга и/или приложений управления, завершая этап 4. Например, виртуальные датчики, обеспечивающие измерение качества полотна, могут заменять традиционные измерения полотна во время пуска, обрывов полотна или в то время, когда сканеры временно отключены для обслуживания. Получая эти дополнительные данные, бумагоделательные предприятия получают полный обзор состояния процесса и полный доступ к элементам управления процессом для обеспечения более плавных переходов, более быстрого восстановления после обрыва полотна и улучшения общих условий процесса.
Расчет прочности в режиме реального времени помогает удерживать показатели прочности ближе к их нижним пределам, сокращая расход сырья и поддерживая стабильное качество.
Примером может служить прогнозирование прочности полотна в режиме реального времени — измерение, которое доступно только в лабораторных условиях. Этот тип применения виртуальных датчиков, такой как ABB’s Strength Virtual Measurement, позволяет операторам поддерживать свойства прочности гораздо ближе к их нижним пределам с помощью измерений, которые проводятся значительно чаще, чем те, которые проверяются в лаборатории в конце наката. Комбинаты получают ценную информацию, которая может помочь сократить потребление сырья, увеличить скорость машины и быстрее выполнять смену ассортимента. Ключом к получению этой ценной информации является создание прогностической модели для применения виртуального датчика, в которой используются технологические знания и опыт.
Онлайн-модели, используемые для прогнозирования свойств бумаги, могут быть настолько точны, насколько глубоки знания их разработчика об отдельном процессе. При выборе входных переменных для моделирования прочности бумаги необходим глубокий уровень понимания условий процесса, которые влияют на прочность конечного продукта и определяют ее. К ним относятся как более общие входные данные, такие как масса, размол и ориентация волокон, так и входные данные, детально специфичные для конкретного процесса, такие как исходные составы композиций масс и другие характеристики пульпы.
ЭТАПЫ 5 И 6: ЗАКРЕПЛЕНИЕ ДОСТИЖЕНИЙ ИНДУСТРИИ 4.0
Однако все время и усилия, затрачиваемые на сбор и проверку данных, создание моделей, разработку виртуальных датчиков и подключение к сети, не имеют никакого значения, если невозможно закрепить достигнутые улучшения. И здесь в игру вступают два последних элемента правильной стратегии работы с данными.
Первая задача — привлечь тех, кто будет использовать систему, посредством ориентированного на людей и инклюзивного подхода к внедрению. Операторы, инженеры и супервайзеры обладают ценным пониманием своего процесса и путей его совершенствования. Их следует привлекать к разработке любого решения на ранней стадии, а также на этапах внедрения и ввода в эксплуатацию. Это позволяет проекту извлечь выгоду как из их опыта, так и из их заинтересованности, максимизируя шансы на успех. Например, операторов технологических процессов следует привлекать к разработке пользовательских интерфейсов и экранов отображения, чтобы гарантировать их информативность и интуитивность.
Заключительный элемент успешной цифровой стратегии выходит за рамки финальной установки и ввода в эксплуатацию, обеспечивая долгосрочное использование системы ее пользователями. Жизненный цикл решений по цифровизации слишком часто представляет собой первоначальную выгоду, за которой следует медленная деградация, вплоть до их отключения. Чтобы разорвать этот цикл, необходимо внедрить систему совместного мониторинга и постоянного совершенствования.
ЦЕЛЛЮЛОЗНО-БУМАЖНАЯ ПРОМЫШЛЕННОСТЬ ПРИВЕТСТВУЕТ НОВЫЕ СПОСОБЫ УДАЛЕННОГО СОТРУДНИЧЕСТВА
Заключение
Преимущества решений Индустрии 4.0 потенциально огромны, но зависят от реализации надежной стратегии работы с данными, как описано выше. В частности, виртуальные датчики могут играть важную роль, позволяя прогнозировать редкие или даже неизвестные переменные и использовать их для оптимизации производительности. По мере того как их преимущества становятся все более известными в промышленности, их использование, вероятно, расширится до такой степени, что на бумажных комбинатах появится множество свойств бумаги, рассчитываемых с помощью виртуальных датчиков.
Однако, как и любые цифровые решения, виртуальные датчики — это всего лишь инструменты. Для получения максимальной отдачи от цифрового решения требуются не только технологии, но и партнер по внедрению с глубоким пониманием процесса, которое подтверждается десятилетним опытом работы компании ABB в сфере обслуживания целлюлозно-бумажных комбинатов. Создание стратегии работы с данными, опирающейся на отраслевую экспертизу и следующей проверенному процессу, обеспечит долгосрочную ценность и, что более важно, доверие, необходимое бизнесу для принятия мер на основе аналитических данных, открываемых цифровыми технологиями.
