通過挖掘數(shù)據(jù)庫：PROFINET 和OPC UA可以實現(xiàn)預測性維護(PdM)

　　過多的意外停機次數(shù)常常降低生產(chǎn)速度。實際上，大多數(shù)生產(chǎn)企業(yè)都曾設想過預測性維護。但在操作過程中，這些維護常常失敗。原因是，實施預測性維護有兩個難點: 一、如何獲得可診斷故障的數(shù)據(jù);二、對這些數(shù)據(jù)進行何種處理，才能讓機器繼續(xù)工作?，F(xiàn)如今，奧迪的一個實例向我們展示了這兩個難點是如何被PROFINET+OPC UA模式解決的。

　　預測性維護在當下是熱門話題。但在實踐中，許多用戶會因為無法獲取到特定的數(shù)據(jù)而失敗。來自奧迪德國(Neckarsulm)的Mathias Mayer 也同樣面臨著這個難題。根據(jù)過往經(jīng)驗，他說：“在機器構(gòu)造中，90%的數(shù)據(jù)都無法獲取，如果要獲取的話，要增加額外的傳感器?！睂Υ?，Mayer認為應該先利用現(xiàn)有數(shù)據(jù)。

　　更好地利用可用數(shù)據(jù)是減少停機次數(shù)并增大工作效率的有效辦法。未來生產(chǎn)過程的復雜程度和自動化程度勢必會持續(xù)增加，因此有效利用數(shù)據(jù)會變得愈發(fā)重要。

　　為什么數(shù)據(jù)采集過程如此艱難? 通過研究來自奧迪德國(Neckarsulm)的設備構(gòu)造，我們可以得到答案。德國Neckarsulm是奧迪A4,A6, A7, A8, R8 and A5 Cabrio的集中裝配地，那里有約2500個工業(yè)機器人。每個單獨的系統(tǒng)都受特定的PLC控制。Mayer在描述中說到: “PLC常常就像個指揮，可以同時讓十個工業(yè)機器人運作。而實際上，是工業(yè)機器人在工作的過程中創(chuàng)造了產(chǎn)品和價值，這也就是為什么來自工業(yè)機器人身上的數(shù)據(jù)是如此的重要?！?/p>

　　除了涉及大量的設備之外，生產(chǎn)方式的不同也給數(shù)據(jù)的獲取和診斷帶來了極大的困難。例如，要想在保持最大耐久性的同時減輕重量，唯一的解決方法就是組合不同的材料。這需要使用不同的工藝技術。僅新型A8就用到了大量的連接技術：其間需要協(xié)調(diào)總共15種不同的技術(包括焊接技術、鉚接技術等)。如果生產(chǎn)活動停滯不前，就需要所有的技術專家一同前來解決問題。若再考慮到這些專家還需要實行“三班制“的工作方式，那就需要更多的大量員工在被培訓并取得相關資質(zhì)之后上崗。顯然，這一過程既費時又燒錢。

　　開辟新模式

　　Mayer認為解決這一難題，就需要進行大量的數(shù)據(jù)檢測。盡管在質(zhì)檢過程中需要花費很多錢和時間，但是為了給客戶提供最高品質(zhì)的產(chǎn)品，這也是必不可少的。他讓不同的員工簡單地檢測原本會產(chǎn)生不同的數(shù)據(jù)結(jié)果，但最后的結(jié)果都是相同的。Mayer堅信：” 通過這些數(shù)據(jù)，我們可以用來優(yōu)化生產(chǎn)和工藝。為此，過程中的數(shù)據(jù)要盡可能地易于處理，舉個例子，作為非專家的使用者們也可以自行處理數(shù)據(jù)使得焊接過程得以重啟。

　　利用新模式，意外的生產(chǎn)系統(tǒng)停機次數(shù)將會減少，并且生產(chǎn)利用率和生產(chǎn)效率都會大幅提高。例如在實際情況中，可以把基于專家們的專業(yè)知識所產(chǎn)出的過程監(jiān)控方法和優(yōu)化方法保留在實時監(jiān)控系統(tǒng)，并通過該系統(tǒng)，對一些過程參數(shù)的進行監(jiān)控并自動調(diào)整。這些操作將降低維護成本，并減少檢測工作量。

　　實際應用

　　盡管如此，這個新模式是如何在實際情況中應用的呢?在未來的制造工藝鏈中，如果工業(yè)機器人通過學習，最終具備了足夠的技能;那么，無需額外的網(wǎng)關，就可以收集該設備的相應數(shù)據(jù)并使其可視化。在整個流程的最終階段，僅僅需要一名了解該流程的員工，讓他在必要的時候進行干預。據(jù)此，Mayer認為分工合作是成功的關鍵，只有在這個基礎上，數(shù)據(jù)挖掘和機器學習才能得到保障。

　　在奧迪的產(chǎn)業(yè)鏈中，OPC UA和MQTT 是傳輸數(shù)據(jù)的手段，這些數(shù)據(jù)位于覆蓋了大數(shù)據(jù)的平臺的邊緣層。一些用于狀態(tài)檢測的診斷分析，以及基于狀態(tài)做檢測的預測性分析的程序也位于這里。

　　在PROFINET OPC UA配套規(guī)范中，也有此方式，這個方式的基本內(nèi)容包括資產(chǎn)管理和診斷數(shù)據(jù)的收集和展現(xiàn)。由此，目前使用設備的資產(chǎn)和診斷數(shù)據(jù)通過現(xiàn)有PROFINET服務被收集在系統(tǒng)控制器中，并通過OPC UA傳送到實例之中。例如PROFINET的開放性可以支持添加帶有OPC-UA接口的傳感器，這些傳感器可以將數(shù)據(jù)直接發(fā)送到相應的云服務或邊緣網(wǎng)關，而無需繁瑣地重構(gòu)自動化解決方案。這是在現(xiàn)有系統(tǒng)中的一個嶄新的診斷方法。

　　挖掘到底

　　Mayer隨即給出了一個務實的解釋，他說:” 對于我們來說，工業(yè)機器人僅僅是PLC的輔助設備。我們只想深入挖掘到底層數(shù)據(jù)，但不想為了工業(yè)機器人而建立一個單獨的網(wǎng)絡。如果必須要為這2000多個工業(yè)機器人鋪設一條新的電纜，那就行不通了。不僅如此， 實際上，我們不僅只用了一個工業(yè)機器人制造商。根據(jù)不同的應用，我們用了許多不同的制造商?！?/p>

　　不僅如此，不是所有的制造商都運用了OPC UA。在一部分奧迪車的核心技術中，仍然缺少OPC UA(如點焊技術、螺柱焊技術、涂膠技術和鉚接技術等)。相比之下，機器人制造商已經(jīng)領先了一大步，RFID制造商也是如此。Mayer還認為，事實上，奧迪一直都沒有積極利用OPC UA。不過，未來會逐漸改善。

　　具體實施

　　在實施過程引入了PROFINET+ OPC UA之后，它的優(yōu)點很快就發(fā)揮了作用。

　　舉例說明：鉚釘從工業(yè)機器人手臂上的鉚接工具，經(jīng)過高度柔性軟管，可以輸送到填充區(qū)域。而在奧迪(Neckarsulm)有一個在線測量系統(tǒng)，它反應了上述鉚釘傳輸系統(tǒng)內(nèi)的運作情況。鉚釘?shù)膫鬏斔俣认鄬^高，可達到20米/秒。而較高的速度給系統(tǒng)帶來了極大的難題，因為在之前，軟管必須在輸送第500000個和第一百萬個鉚釘之間的某個時間進行更換，而每次更換都需要停止運作20到30分鐘?，F(xiàn)如今，不必在生產(chǎn)過程中更換軟管，而是在運作空閑時間更換。研究小組隨后創(chuàng)建了一個時間序列分析，用于檢測鉚釘輸送軟管的磨損情況。實施起來也相對容易——由于小型多孔點的存在，有更多的空氣流過軟管。這些結(jié)果被記錄下來，同時數(shù)據(jù)通過OPC UA轉(zhuǎn)發(fā)到PROFINET使其可視化。現(xiàn)在，每個員工都可以得知底層的數(shù)據(jù)及其運行情況，即使沒有額外的電纜，也可以更快地采取維修行動。

　　展望：Mayer希望未來設備制造商能更快地實施這些規(guī)范。同時，他向廣大用戶保證，這很快就能實施成功。他認為：“為了獲取利益，要盡快實施PROFINET+OPC UA新模式。制造商們應早日貫徹實施工業(yè)4.0?！?/p>

對于奧迪來說，高品質(zhì)的汽車質(zhì)量得益于使用高效的生產(chǎn)系統(tǒng)和新的高科技解決方案。同時，更多的數(shù)字化也對智能工廠有著明顯幫助。

　　奧迪正用人工智能加強質(zhì)量管理

　　新一代奧迪A8的車身結(jié)構(gòu)將首次采用四種不同材料的智能組合。

　　這也對公司未來的自動化戰(zhàn)略有著深刻影響。

下一代奧迪A8的車身

　　奧迪A8: 在Neckarsulm 裝配汽車后板

　　奧迪 A8: 在Neckarsulm裝配全景天窗