Использование pi event frames для сокращения времени анализа...

Автор:

TMТодд Браун (Todd Brown) – Менеджер по развитию продукта PI Event Frames , компания OSIsoft

Использование PI Event Frames для сокращения времени анализа

причин неисправностейФормирование событий в PI System и их использование

Использование PI Event Frames для сокращения времени анализа причин неисправностей

СОДЕРЖАНИЕ

1 Введение 3

2 Зачем нужна интеграция событий 4

3 Четыре ключа к эффективному использованию событий и данных реального времени

- 5

3.1 Ключ 1: Общая инфраструктура событий 5

3.2 Ключ 2: Автоматическое создание событий 6

3.3 Ключ 3: Объединение данных и контекста 6

3.4 Ключ 4: Контекстная визуализация и анализ данных 7

4 Заключение 9

5 Дополнительная информация 10

6 О КОМПАНИИ OSISOFT, LLC 11

Тодд Браун — менеджер по развитию PI Event Frames, продукта компании OSIsoft, отвечающего за возможность создания и использования событий при работе с данными реального времени. Ранее Тодд занимал руководящую должность в Центре компетенции OSIsoft, где отвечал за работу с фармацевтическими и периодическими (batch) производствами. До OSIsoft Тодд работал в отделе информационных систем и систем автоматизации производства компании Merck & Co., Inc. В течение четырнадцати лет Тодд

TMработал с различными клиентскими приложениями, написанными на PI System , приложениями по составлению отчетности для периодических производств, приложениями для анализа производственных данных и системами управления производством (MES). Тодд обладает степенью магистра в области управления информационными системами (Технологический институт Стивенса) и степенью бакалавра в области прикладных наук (Университет Джеймса Мэдисона).

© 2014 OSIsoft, LLC. Все права защищены. 2

1 ВВЕДЕНИЕ

Представьте, что Вы — новый инженер на промышленном предприятии. Вы работаете всего 3 месяца, и вдруг в производственном процессе, за который вы отвечаете, возникает сбой, в результате которого производство останавливается. Из архивных технологических данных видно, что на одном из агрегатов возник резкий скачок температуры, но по какой причине это произошло, Вам непонятно. Директор завода видит, что производство остановилось и нужно что-то срочно предпринимать.

Ваш руководитель поручает Вам просмотреть все необработанные технологические данные за последний год и найти все случаи подобных скачков температуры. На 16:00 уже назначено совещание, на котором руководство ждёт от Вас результатов проведенного анализа. У Вас есть три часа.

Вы составляете график температуры за последнюю неделю и начинаете вносить в таблицу Excel метки времени периодов, когда температура превышала 80°С. Час напряжённой работы - и вот у вас готов график по двум месяцам из двенадцати. А ведь нужно проанализировать данные ещё по четырем установкам — вдруг решение проблемы кроется именно там?

Теперь Вы запускаете надстройку к Microsoft Excel для работы с архивными данными, чтобы внести в таблицу все значения температуры для всех пяти установок за последний год, а потом при помощи форматирования Excel выделить все периоды, когда температура была выше 80°С. Надо было с самого начала так делать, думаете Вы. Тем не менее, сейчас Вам нужно вручную копировать и вставлять все метки времени начала и окончания этих периодов в другую таблицу, в которой Вы пытаетесь найти нужные данные: например, каким было давление перед скачком температуры и какова была максимальная температура. Эти данные Вам нужны, чтобы определить, были ли эти события похожи на Вашу проблему.

Но вот уже 16:00, а Вы успели просмотреть только половину меток времени за год для одной установки, и даже ещё не начали собирать нужные данные для проведения анализа. Ничего не остаётся, кроме как идти на совещание с плохими вестями: на выполнение этого задания Вам нужна ещё как минимум неделя. Вы понимаете, что это провал. Ваш начальник в ярости: у Вас на руках все данные, а Вы не можете получить из них необходимую информацию. Директор завода негодует: производство простаивает, время идет, предприятие теряет по 200 000 долларов в день.

позволяющий использовать А что, если существует инструмент,технологические данные реального времени и одним простым запросом с легкостью выявлять важные события, такие как скачки температуры из данного примера? Сколько на этом можно сэкономить времени, нервов, сил и денег? Такой инструмент существует, и он называется PI Event Frames.

Представьте, что Ваша

база данных реального

времени (БДРВ)

автоматически выявляет

различные типы событий,

выделяет важную и

релевантную информацию,

предоставляет средства

контекстного анализа и

визуализации?

Значит, у вас есть

инфраструктура событий,

сокращающая время

между получением

необработанных данных и

принятием эффективного

решения.

Что такое событие?

«Событие»

(или PI Event Frames) —

это интервал времени,

в течение которого с

оборудованием, процессом,

продукцией или

бизнес-операцией происходят

значимые изменения.

Примерами различных типов

событий могут быть пуск,

останов или простой

оборудования, нештатные

условия работы (вследствие

внутренних причин или

изменений в окружающей

среде), смены операторов и

различия в продукции

(например, разные партии

продукции).

3


© 2014 OSIsoft, LLC. Все права защищены.

«Мое Событие»

2 ЗАЧЕМ НУЖНА ИНТЕГРАЦИЯ СОБЫТИЙ

Проблема отслеживания важных событий в бизнесе далеко не нова.

Долгое время компании используют различные способы для её

решения: бумажный документооборот, ручной ввод данных, сбор

различных типов событий в разных системах или базах данных,

анализ методом простого перебора. Все эти методы объединяет

одно: анализ необработанных данных и выявление событий

выполняется конечным пользователем вручную. В современном

мире есть несколько причин, по которым использование этих

методов уже не может быть эффективно:

• Растущие объёмы и скорость появления данных. Всё чаще в новостях мира бизнеса и технологий появляется термин «Большие Данные». За последнее время резко возросло использование датчиков для получения данных в реальном времени как от традиционных источников (РСУ, ПЛК), так и от новых. Речь идет об информации о погоде, ценах, биометрии, перевозках, геопространственных данных, данных с мобильных устройств, из интернета. Проще говоря, сейчас в нашем мире везде устанавливаются и используются датчики, с которых снимаются показания для управления и оптимизации работы. Помимо увеличения объёмов поступающих данных, в некоторых случаях, например, при использовании систем мониторинга переходных режимов (WAMS) компаниями-поставщиками электроэнергии, повышается и скорость появления данных. Теперь данные собираются с частотой до сотен раз в секунду.

Трудности поиска необходимой информации. Другой проблемой является то, что современные системы регистрации событий зачастую не содержат всех данных, необходимых для определения характеристик и проведения анализа события. Эти данные содержатся в БДРВ и во внешних системах. Но для того, чтобы определить характеристики события и на их основании принять решение, необходимы дополнительные данные, формирующие контекст события. Информация о времени начала и окончания события — это первое, что нужно знать, однако этого недостаточно.

Отсутствие интеграции технологических данных и событий. Сегодня существует множество различных систем, собирающих данные о событиях, таких, как алармы, отклонения технологических параметров, время простоя, характеристики продукции и т. п. Проблема с этими данными заключается в том, что их всегда сложно сопоставить с технологическими данными реального времени, которые обычно хранятся в БДРВ. Классические способы «интеграции» предполагают, что пользователь вводит отдельные запросы для разных систем и затем сопоставляет их, вручную составляя таблицу. На это уходит много времени. Более того, различные базы событий обычно специфичны и относятся к разным бизнес-задачам, что усложняет процесс корреляции событий из этих баз. Предполагается, что пользователь должен интегрировать эти данные самостоятельно, но на практике времени для этого у него нет.

•

•

Работа с «Большими

Данными» — это

классический пример

поиска иголки в стоге сена.

Как из океана данных

выделить те, которые дадут

ответ, нужный для решения

Вашей проблемы?

Отсутствие интеграции

данных о событиях с

данными реального

времени не даёт

пользователю возможности

составить полную картину

производственной

деятельности, затрудняет

понимание критически

важных процессов и

принятие решений.

Работая с системами

регистрации событий,

непросто соотносить эти

события с данными

реального времени, что

абсолютно необходимо

для анализа основной

причины события или

качества продукции.

4



Эти ограничения вызывают множество проблем у пользователей,

которым требуется преобразовать данные из разных источников в

полезную информацию. Пользователям «баз событий» сложно

интегрировать информацию о событиях с технологическими

данными, и потому им непросто отыскать основную причину

события. С другой стороны, многие руководители рассматривают

БДРВ просто как расхваленный инструмент составления графиков

процесса, в то время как их сотрудники теряют время, чтобы

извлечь пользу из этих данных. Обе стороны – базы событий и БДРВ -

предоставляют друг другу важный контекст, однако для того, чтобы

решить проблему, требуется их интеграция.

Все вышеуказанные проблемы: растущие объемы и скорость

появления данных, трудность поиска необходимой информации,

отсутствие интеграции технологических данных и событий - могут

быть преодолены при помощи общего подхода к автоматическому

выявлению и архивации различных типов событий, их интеграции с

технологическими данными реального времени и с данными об

оборудовании, на котором эти события произошли. Объединение

этих данных представляет пользователю контекст для лёгкого

решения казавшихся сложными задач.

3 ЧЕТЫРЕ КЛЮЧА К ЭФФЕКТИВНОМУ ИСПОЛЬЗОВАНИЮ СОБЫТИЙ

И ДАННЫХ РЕАЛЬНОГО ВРЕМЕНИ

Если на Вашем предприятии имеются проблемы с нахождением

нужной информации в общем массиве данных, как Вы можете

их устранить? Как сделать так, чтобы пользователи могли сами

находить то, что им нужно, и затем анализировать результаты безо

всех длительных промежуточных действий по преобразованию

данных? Вот ключи к решению этой проблемы:

1. Общая инфраструктура событий;

2. Автоматическое создание событий;

3. Объединение данных и контекста;

4. Контекстная визуализация и анализ данных.

3.1 Ключ 1. Общая инфраструктура событий

Первым шагом к созданию системы, наиболее эффективно

использующей данные реального времени и информацию о

событиях, является создание общей инфраструктуры событий для

отслеживания событий различных типов. Т.к. каждая отрасль и

каждое предприятие имеют свои собственные, уникальные

события, такая система должна иметь возможность

конфигурирования для отображения всей необходимой

информации для каждого конкретного типа событий.

Например, такие события как «простой оборудования», «скачок

температуры», «партия фармацевтической продукции» относятся к

разным типам с различными специфическими атрибутами. Для

события «простой оборудования» важным может быть атрибут

«причина простоя», для «скачка температуры» — «максимальная

Без правильного контекста

невозможно в полной мере

использовать собранные

данные, что уменьшает их

значимость для решения

проблем.

5



температура», а для «партии фармацевтической продукции» — «номер партии», «вид продукции» и «рецептура». Нужно иметь возможность конфигурировать информацию о событии для каждого типа события, стандартизировать её при помощи шаблонов и адаптировать к потенциальным изменениям со временем.

Этот этап является наиболее важным, поскольку основным недостатком обычных систем регистрации событий является то, что они предназначены для работы только с каким-либо одним типом события (например, с простоями). В то же время, общая инфраструктура позволяет одновременно регистрировать и просматривать различные типы событий, возникающих на оборудовании, что представляет полную картину происходящего в бизнесе, процессе или продукте.

3.2 Ключ 2. Автоматическое создание событий

При современном объёме и скорости появления данных, неавтоматизированная регистрация событий ручным вводом или полным перебором постфактум применяться уже не могут. Тем не менее, многие пользователи всё ещё прибегают к таким методам, хотя для них это уже становится не решением проблемы, а, собственно, проблемой. События должны регистрироваться в реальном времени и непрерывно поступать в систему из множества различных источников.

События должны автоматически создаваться на основе потока данных реального времени, поступающих в систему. Для определения времени начала и окончания событий могут использоваться различные способы: от простых, предполагающих отслеживание изменения состояния, и поступающих от источников данных (вкл/выкл, 0/1, повышение/стабильный уровень/понижение параметра и т. п.), до более сложной бизнес-логики, предполагающей, к примеру, истинность следующего условия:

(Temperature >= Temperature.HiLimit) AND (Pressure < 195)

Для автоматического создания событий также могут использоваться внешние источники, которые уже могут содержать необходимую информацию. Это могут быть MES-системы, системы управления периодическим производством, аналитические системы. Часто такие источники предоставляют большой объем информации о событиях, которая может быть очень полезна при анализе технологических данных.

3.3 Ключ 3. Объединение данных и контекста

Наличие контекста, объединяющего данные реального времени, задействованное оборудование и события, происходящие вокруг этого оборудования, критически важно для преобразования данных в информацию, необходимую для понимания процесса и принятия решений в реальном времени. Запросив технологические данные для периода времени между моментом начала и моментом окончания события, пользователь может с лёгкостью найти нужную информацию и проанализировать её в контексте события. Аналогично, информация о событии может дополняться данными

Автоматическое создание событий позволяет существенно снизить продолжительность поиска необходимой информации среди необработанных данных, а также выиграть время на преобразование данных с целью проведения их первичного анализа.

Оборудование

События

6



Технологические

данные реального

времени

реального времени, которые могут использоваться для анализа основных причин различных событий.

Кроме того, определив взаимосвязь между событием и оборудованием, на котором это событие происходит, можно провести сравнение подобного оборудования по этому событию.Например, пользователь может сравнить газовые турбины по количеству событий, например событий «простой турбины» за последний месяц. То есть, интегрированный контекст события повышает ценность как технологических данных, так и информации об оборудовании.

Интеграция данных реального времени, информации об оборудовании и информации о событии в единую стандартизованную систему освобождает пользователя от определения времени начала и окончания события, а также последующего переноса вручную этой информацию в базу БДРВ для последующего их анализа. Теперь вся информация содержится в одном месте, готовая к визуализации и проведению аналитики.

3.4 Ключ 4. Контекстная визуализация и анализ данных

Наконец, инфраструктура должна предоставлять возможность визуализации и анализа данных для эффективного использования интегрированного контекста оборудования, событий, данных реального времени, и преобразования его в полезную информацию. Использование этих трех контекстов в средствах визуализации и анализа позволяет пользователю заметно упростить анализ, легко помещая данные во временные рамки события. Временные рамки события могут использоваться для анализа графиков или вычисления минимального, среднего, максимального значений, и т. п.

Функция

Related Events в TMPI Coresight 2014

позволяет

автоматически

выявлять

подобные

события, быстро

их анализировать,

строить графики,

выявлять основные

причины и

просматривать

значения

атрибутов

событий.

7



События также могут использоваться для сравнения различного или

однотипного оборудования, проводя агрегированные расчёты

(количество, общая продолжительность, и т. п.) за определенный

период времени. Это позволяет быстро оценивать состояние

различных типов оборудования.

К примеру, инженерам необходимо узнать количество случаев

простоя или скачков параметров для разного оборудования за

последнюю неделю. Это позволит им выявить основную область

проблем, на решение которых должны быть сфокусированы

ресурсы компании. Подобная аналитика может сравнивать число

событий понедельно или помесячно, что может использоваться для

определения эффективности технического обслуживания.

Контекст событий также может использоваться для сравнения схожих типов событий друг с другом. Этот подход распространён на предприятиях партионного производства, где понятие «событие» используется для отслеживания производимых партий продукции. Такой же подход может применяться для сопоставления данных о работе разных смен или сопоставления данных по потреблению ресурсов при управлении энергопотреблением зданий или поддержании устойчивости развития бизнеса. В этом случае под «событием» понимается день, неделя или месяц.

Наконец, информация о всех разнообразных событиях для единицы оборудования за период времени представляет возможность проводить анализ основной причины, составлять отчёты по неисправностям оборудования, а также легко выявлять взаимосвязи различных событий. Например, понимание причин скачков температуры, имевших место во время работы той или иной смены \[событие] или производства той или иной партии продукции \[событие]. В этом случае все имеющиеся контексты могут использоваться совместно, для лучшего понимания взаимосвязей между различными типами событий.

TMPI Datalink 2014

позволяет

интегрировать

данные

PI Event Frames со

сторонними

инструментами,

такими, как

Microsoft Excel и

создавать сводные

таблицы для

исследования и

сравнения событий,

проведения

простых анализов,

создания отчётов по

событиям, а также

составления

разовых отчётов.

8



Химическая промышлен-ность

Простои, общая эффективность оборудованияОбеспечение безопасностиСкачки параметров

•

•

4

ЗАКЛЮЧЕНИЕ

Представим теперь, что у Вас, как у нового инженера из начала

этой статьи, была бы возможность пользоваться инфраструктурой

событий, которая бы автоматически регистрировала и создавала

различные события, помещала данные, поступающие с датчиков,

установленных на оборудовании и технологические данные

реального времени в контекст, а также предоставляла возможность

пользоваться средствами визуализации и анализа? Как бы тогда

выглядела Ваша история? Наверно, все происходило бы

следующим образом:

Вы — инженер, и в производственном процессе, за который Вы

отвечаете, возник скачок температуры, вызвавший неполадку. Вы

открываете интернет-браузер, чтобы выполнить ситуационный

анализ в PI Coresight. В PI Coresight вы просматриваете атрибуты

события «скачок температуры», такие как давление и максимальная

температура, в графической и табличной форме, просто

«перетаскивая» событие на экран. И Вы сразу видите, что всегда при

скачке температуры давление было аномально низким.

Затем вы открываете MS Excel и вводите в PI System запрос по всем

скачкам температуры для всех установок за последний год.

Информация по всем скачкам температуры и соответствующие

данные уже представлены в формате, готовом для проведения

аналитики. Не нужно их никуда копировать или делать что-то ещё.

Итак, на то, чтобы получить информацию по всем скачкам

температуры и сопутствующие данные по всем единицам

оборудования, у вас ушло 5–10 минут.

Теперь при помощи Excel и данных из PI Event Frames вы начинаете

отфильтровывать события, выделяя лишь те, при начале которых

отмечалось низкое давление. Вы видите, что на неисправной

установке таких событий до сих пор не случалось. Зато такие

события случались на другой установке девять месяцев назад.

Предыдущий инженер-технолог, который уже покинул компанию,

оставил к этому событию замечание о том, что низкое давление и

высокая температура могут быть вызваны неправильным

техническим обслуживанием. Вы просматриваете данные

подробнее. Всё очень похоже на ваш случай.

На часах ещё только 15:00, до совещания с руководством ещё час,

а Вы уже направляете начальнику и в отдел производства

сообщение о том, что причина проблемы найдена.

Производственный процесс восстановлен, а Вы спокойно

отправляетесь домой. Начальник хвалит Вас за хорошую работу,

а директор завода поздравляет с быстрым решением проблемы.

PI System и PI Event Frames — технологии, которые позволяют быстро

получать из необработанных данных необходимую информацию,

делать выводы и находить иголку решения в стоге сена данных.

Примеры событий для разных отраслей промышленности

Энерго-системы

Медицина и биология

• Обработка партий продукцииCIP / SIP-системыНештатные ситуации

Целлюлозо-бумажная промышлен-ность

• Обеспечение и смена класса качестваВарка целлюлозыПростои

Перевозки

• РейсыЗагрузка и заправка топливомПростои

9



• Пуски и остановыНеисправности оборудованияОтчётность для систем регистрации данных о готовности генерирующих источников

•

•

•

•

•

•

•

•

•

Нефть и газ

• Объем переработкиИспытание скважиныОкружающая среда скачки параметров

•

•

Металлургия и горно-добывающая промышлен-ность

• ПростоиСостояние анодов и катушек, отслеживание перемещенийРейсы самосвалов

•

•

5 ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Веб-сайт:

http://www.osisoft.ru

Канал OSIsoft Russia на YouTube:

http://www.youtube.com/user/OSIsoftRussia

Страница компании OSIsoft Russia на LinkedIn:

https://www.linkedin.com/company/osisoft-russia

10



По любым вопросам и предложениям связывайтесь с нами

по телефону +7 (495) 269 61 44 или пишите нам на электронную почту

[email protected]

6 О КОМПАНИИ OSISOFT, LLC

Компания OSIsoft ( , ) — разработчик и поставщик программного www.osisoft.com www.osisoft.ru

обеспечения PI System, которое для многих предприятий является корпоративным стандартом при

создании инфраструктуры данных и событий реального времени. PI System компании OSIsoft

установлена в 110 странах мира и широко используется в перерабатывающих отраслях

промышленности, энергетике, промышленном производстве, коммунальном секторе,

фармакологии, центрах обработки данных. Крупнейшие международные компании полагаются

на PI System для управления оперативными производственными данными и деловой информацией

на корпоративном уровне. PI System предоставляет пользователям возможность управлять

ресурсами, повышать эффективность производственных и технологических процессов, принимать

бизнес-решения в режиме реального времени. Компания OSIsoft, LLC была основана в 1980 году

и является частной компанией. Её штаб-квартира находится в г.Сан-Леандро, Калифорния, США.

11



Более подробная информация представлена на сайте: www.osisoft.ru

Документ разработан:

WPETIRU4-040814

Использование pi event frames для сокращения времени анализа...

Engineering