Niedawno mieliśmy okazję wziąć udział w seminariach Implementing the Industrial Internet of Things (IIoT) w Krakowie i Wrocławiu. National Instruments przedstawił na nich praktyczne powody, dla których warto rozmawiać o IIoT. Nie jest to tylko modne hasło, ale rozwiązania, które zapewniają wydłużenie czasu działania maszyn i zwiększenie wydajności. Prezentacje obejmowały różne istotne aspekty implementacji IIoT, zarówno w zakresie przetwarzania danych „na krawędzi” (Edge Computing), jak i w chmurze (Cloud Computing).
W Edge Computing, przetwarzanie danych jest zbliżone do ich źródła. W kontekście przemysłowym, źródłem tych danych najczęściej są czujniki służące do pomiarów zjawisk fizycznych w procesie. Używając elastycznych platform sprzętowych, jak CompactRIO, możemy stworzyć system z szybką akwizycją danych, a następnie ich przetwarzaniem i implementacją algorytmów sterowania. Nasze algorytmy możemy umieścić na poziomie systemu operacyjnego czasu rzeczywistego lub FPGA, programując w jednym środowisku LabVIEW. Synchronizacja różnych węzłów naszego systemu może zostać osiągnięta dzięki Time-Sensitive Network (TSN). Jest to standard przemysłowy, oparty na IEEE 802.1AS, więc nie dotyczy tylko platformy National Instruments, ale także pozwala na integrację sprzętu innych dostawców. Dzięki temu rozwiązaniu możliwa jest synchronizacja na poziomie mniejszym niż jedna mikrosekunda, a nawet kilkaset nanosekund. Dodatkowo wymagane jest jedynie połączenie Ethernetowe, które i tak służy już do przesyłania danych. Nie ma więc potrzeby dodawania specjalnych linii i przewodów synchronizujących.
Kolejnym aspektem IIoT jest zarządzanie i przechowywanie danych. Nawet mały system, jak monitorowanie pojedynczej pompy i silnika, może generować kilkadziesiąt gigabajtów danych dziennie. Tylko część z tych danych może zawierać istotne informacje. Elastyczność platformy CompactRIO może i tutaj pomóc w wyłuskaniu tej ważnej części danych. Możemy zaimplementować zaawansowane algorytmy wyzwalania akwizycji w określonych sytuacjach, np. w przypadku alarmu. Możemy także zredukować ilość danych poprzez wydobywanie z nich informacji już na poziomie węzła. Zakres dostępnych algorytmów jest bardzo szeroki – od najprostszych właściwości przebiegów, po uczenie maszynowe. Następnie dane mogą zostać zapisane lokalnie w dowolnie wybranym formacie plików lub przeniesione do bazy danych, a nawet do chmury w celu dalszego przetwarzania.