Аналитика больших данных средствами SCADA-системы SIMATIC WinCC Open Architecture

Кардинальное изменение роли и значимости данных на всех этапах создания промышленной продукции — одна из ключевых составляющих происходящей в настоящее время цифровой трансформации промышленности. Фактически в контексте цифровой парадигмы промышленное производство продукции можно рассматривать как цепочку создания, модификации, анализа и использования разнородной информации (проектной, технологической, производственной, коммерческой, эксплуатационной и др.) в рамках киберфизических производственных систем.

Бурное развитие технологий и инструментария для анализа больших данных, достигших, особенно за последние годы, уровня зрелости для практического применения в различных областях (банки и финансы, биржи, ретейл, телеком, транспорт и т. д.), открывает большой потенциал и для их внедрения в промышленности [1]. При этом использование продвинутой аналитики в производственном контуре для извлечения из разнородных промышленных данных информации, значимой с точки зрения повышения эффективности производственных процессов и совершенствования эксплуатационных свойств изделий, способно принести ощутимый экономический эффект. В частности, согласно исследованию компании Deloitte [2], применение методов предиктивного обслуживания, основанных на аналитике данных, позволяет снизить время простоя оборудования на 15–30%, увеличить выпуск готовой продукции на 10–20%, сократить затраты на обслуживание на 20–30% и обеспечить повышение качества на 10–35%.

Спектр аналитических методов и технологий, востребованных в промышленных задачах, чрезвычайно широк (рис. 1) — от корреляционного и регрессионного анализа до машинного обучения, искусственных нейронных сетей, распознавания образов [3] и семантических методов [4]. Особо следует выделить класс методов машинного обучения, позволяющих создавать системы поддержки принятия решений как естественное и необходимое для достижения целей повышения эффективности производства «продолжение» систем мониторинга производственных мощностей и процессов, диагностики и прогнозирования состояния производственного оборудования и инфраструктуры.

Рис. 1. Аналитические методы и технологии для промышленных приложений
(источник: Driving impact at scale from automation and AI // Digital/ McKinsey, 2019)

Характерной чертой информационной картины промышленного производства является и чрезвычайно разнообразная природа и структура данных. Только в рамках производственного контура сюда можно отнести типичные для систем промышленной автоматизации данные о режимах работы и состоянии оборудования, параметрах технологического процесса в виде временных рядов, потоковую видеоинформацию, картографическую информацию и геоданные, сведения о работе персонала, о перемещениях материалов, деталей и сборочных единиц, инструмента и оснастки, данные о внешних факторах и процессах (погода, цены на энергоносители и т. п.). С точки зрения цифровой трансформации производства следует подчеркнуть значение данных о работе персонала, поскольку смена производственной парадигмы вносит кардинальные изменения в роль человека на производстве — с соответствующим влиянием на эффективность всего процесса в целом.

Многообразие аналитических методов и разноплановый характер информации предопределяют необходимость использования при внедрении аналитических инструментов в промышленных приложениях платформ и решений, открытых для интеграции различных технологий, реализаций и инструментов. В классе SCADA-систем таким требованиям удовлетворяет платформа SIMATIC WinCC Open Architecture (WinCC OA), разработанная для применения в проектах с высокой информационной емкостью и требующих гибкого и адаптивного инструментария для решения прикладных задач сбора, обработки и визуализации данных.

Рассмотрим возможности применения и инструментарий WinCC OA в задачах сбора и анализа больших данных в промышленных приложениях.

WinCC OA как платформа сбора и анализа данных для промышленных задач

Применимость WinCC OA в качестве платформы для сбора и анализа данных в промышленных приложениях обеспечивается следующими факторами (рис. 2) [5, 6]:

• наличие готового инструментария для создания единой иерархической информационной модели (структуры данных), используемой всеми прикладными подсистемами;
• наличие встроенных средств описания прикладных алгоритмов обработки данных (язык CONTROL++, основанный на С/С++), а также открытого API, позволяющего интегрировать в проекты WinCC OA собственные и внешние алгоритмические структуры на С++/С#;
• подтвержденная производительность при построении распределенных систем большой информационной емкости;
• поддержка работы с данными различной природы и структуры (временные ряды, видео, интерактивная картография, геоданные и др.);
• наличие встроенной аналитической подсистемы, а также возможность интеграции с внешними системами аналитики — как системами класса open source, так и с открытыми промышленными экосистемами, например MindSphere;
• развитые коммуникационные возможности, включая поддержку как стандартных протоколов обмена данными систем автоматизации, телемеханики и энергетики и «Интернета вещей» (например, MQTT), так и возможность реализации специализированных (проприетарных) протоколов;
• возможность работы на самом различном оборудовании — от встраиваемых микросистем на базе Raspberry PI, промышленных шлюзов SIMATIC IoT2040 до высокопроизводительных серверов и дата-центров.

Рис. 2. Палитра ключевых возможностей WinCC OA для задач анализа промышленных данных

Проанализируем ключевые архитектурные особенности и функциональные возможности WinCC OA, востребованные в рассматриваемом классе задач.

Архитектура и инструментарий для обработки данных

Система WinCC OA построена по модульному принципу и функционально разделена на несколько менеджеров (программных процессов), которые могут быть распределены по различным устройствам (компьютерам, серверам). Обмен данными между менеджерами осуществляется по событиям с помощью протокола TCP/IP. Такая концепция построения оптимальна для создания распределенных систем (поддерживается до 2048 серверов WinCC OA в рамках одной системы, до 255 клиентов на каждый сервер) и обеспечивает высокую масштабируемость — от простых локальных конфигураций до высокопроизводительных географически распределенных систем, обрабатывающих более чем 10 млн тегов. При этом WinCC OA является кросс-платформенной системой — поддерживаются операционные системы Windows, Linux (Red Hat, OpenSUSE, CentOS), а также платформа виртуализации VMware ESXi. Возможно применение различных операционных систем на серверах и клиентах в рамках одной системы WinCC OA.

Инжиниринг проектов в WinCC OA основан на объектно-ориентированном подходе. В модели данных WinCC OA объекты представляются в виде точек данных, характеризующих образ конкретного физического устройства, объекта или процесса. Для каждого элемента точки данных (тега) могут быть определены свойства и действия в его отношении, такие как обработка сигналов (сглаживание, задание диапазонов и т. п.), связь с внешними системами, архивирование, формирование алармов и др. Поддерживаются типизация и наследование, за счет чего могут быть созданы произвольные иерархические структуры данных. Аналогично принципы наследования и многократного использования реализованы и для графических объектов. Изменения в структурах данных и графических элементах применяются без перезапуска проекта. Написание пользовательских сценариев (скриптов) осуществляется на языке CONTROL++. Такие сценарии могут как являться обработчиками событий, связанных с элементами графического интерфейса, так и представлять собой процедуры (в том числе сложные) обработки данных. Среди прочих инструментов инжиниринга — открытый интерфейс прикладного программирования (API), который позволяет удовлетворить специфические требования путем полноценной интеграции с системой модулей собственной разработки для платформы WinCC OA — драйверов, системных компонентов, расширений драйверов и графических объектов. Этот механизм также дает возможность использовать в рамках собственного решения на базе платформы WinCC OA созданные ранее программные наработки на C++/C#, в том числе реализованные сторонними средствами.

Сбор данных и интеграция с внешними системами

С точки зрения построения систем сбора и анализа данных в промышленных приложениях развитые коммуникационные возможности — не менее важный аспект информационных платформ, чем высокая производительность, поддержка распределенных архитектур и развитый инжиниринговый инструментарий.

WinCC OA имеет в своем составе большое количество драйверов для обмена данными с различными типами устройств и смежных систем:

• драйверы протоколов систем промышленной автоматизации — SIMATIC S7, S7+, PROFINet, PROFISafe, Modbus, Ethernet/IP, SNMP, BACnet и др.;
• драйверы протоколов семейства OPC — OPC UA, OPC DA, OPC HDA, OPC AE;
• драйверы протоколов систем телемеханики и энергетики: IEC 60870-5-101/104, IEC 61850/61400, DNP3, SINAUT и др.;
• MQTT-клиент;
• программный агент для подключения к облачной операционной системе MindSphere.

Для организации информационного взаимодействия с внешними системами и базами данных имеется поддержка различных интерфейсов доступа и механизмов интеграции — ADO, XML, XML-RPC, COM, TCP-сокеты, веб-сокеты, веб-сервисы. Также возможна разработка собственных коммуникационных драйверов с использованием WinCC OA API.

В контексте рассматриваемой задачи отметим, что WinCC OA сочетает широкие возможности сбора данных с промышленного оборудования, различных «умных» часов, браслетов и других мобильных устройств, а также интеграции с различными внешними информационными системами — как локальными, так и облачными.

Клиентские приложения — визуализация данных

Неотъемлемой частью современных аналитических решений является развитая интерактивная визуализация данных. В состав семейства приложений WinCC OA для визуализации данных входят:

• клиентское приложение Desktop UI — компактное кросс-платформенное приложение, установочный пакет для которого может загружаться по ссылке с веб-страницы;
• мобильный клиент Mobile UI для смартфонов и планшетов на базе ОС iOS и Android;
• ультралегкий веб-клиент ULC UX на основе технологии HTML5.

Клиентские приложения WinCC OA обеспечивают широкие возможности для визуализации данных в соответствии с современными требованиями — поддерживаются различные виды графиков, трендов, диаграмм (линейные, круговые, полярные, кольцевые, пузырьковые и др.), трехмерные объекты, анимация, эффекты переходов и градиенты, расширенные настройки табличных представлений и многое другое. За счет интеграции объектов JavaScript могут быть реализованы дополнительные виды графических объектов — гистограммы, календарные представления/карты, древовидные диаграммы, дендрограммы, потоковые графики, а также такие специализированные формы представления информации, как, например, диаграмма Вороного, диаграмма Сэнки, Гамильтонов граф, матрица совместной встречаемости и т. д.

Встроенная аналитическая подсистема — SmartSCADA

В качестве примера того, как архитектурные свойства, коммуникационные возможности и инструментарий платформы WinCC OA для обработки данных могут быть использованы для решения задачи аналитики промышленных данных, в составе WinCC OA реализован встроенный инструментарий для статистической и аналитической обработки данных — подсистема SmartSCADA. Она предназначена для решения задачи поддержки оператора в процессе принятия решений за счет извлечения из общего потока данных значимой информации.

SmartSCADA позволяет решать следующие задачи:

• выявление зон (областей), требующих оптимизации, в целях повышения общей эффективности контролируемого процесса;
• обеспечение оптимальной производительности и доступности системы путем выбора варианта решения из предлагаемых альтернатив;
• оптимизация затрат;
• обработка и представление результатов исследовательского проекта (например, прототипа системы) для принятия решения.

SmartSCADA состоит из двух пакетов:

• инструментария для создания и работы с ключевыми показателями эффективности (в том числе иерархическими) — КПЭ (KPI Framework);
• аналитических инструментов для статистической обработки данных (Analytics package).

В свою очередь, KPI Framework содержит два компонента: инструменты создания (конструирования) КПЭ — KPI Wizard (рис. 3) и набор функций для работы с КПЭ (KPI Control functions).

Рис. 3. Мастер по конфигурированию КПЭ

Инструментарий Analytics package состоит из трех компонентов: инструмента обработки большого объема данных Data mining Wizard (рис. 4), мастера классификации и систематизации Classification Wizard (рис. 5) и расширения встроенного языка сценариев CONTROL++ для поддержки специализированного языка статистической обработки R (R Control Extension).

Рис. 4. Мастер по интеллектуальному анализу данных для поиска взаимосвязей

Набор средств по созданию и работе с КПЭ (KPI Framework) помогает создавать, конфигурировать и проводить расчет КПЭ. Пакет KPI Framework позволяет пользователю конфигурировать собственные КПЭ в соответствии со своими профессиональными знаниями и специализацией. Система также дает возможность интегрировать функции SmartSCADA в определения КПЭ для выявления зон/областей, подлежащих оптимизации с точки зрения улучшения эффективности, производительности и системной доступности, обеспечивая таким образом поддержку пользователя в процессе принятия решений.

Рис. 5. Мастер классификации для тренировки статистической модели. Выбор источника и интервала, визуализация данных

При помощи набора аналитических инструментов (Analytics package) можно обрабатывать массив данных с помощью методов тренировки статистических моделей (используется алгоритм машинного обучения Random forest — «Случайный лес») и затем применять эти модели в режиме исполнения для выявления факторов влияния и причинно-следственных связей по существующим проблемам и, что более важно, для получения прогнозных данных по вероятным ошибочным ситуациям.

SmartSCADA также включает поддержку работы с показателями общей эффективности работы оборудования OEE (Overall Equipment Effectiveness).

Работа с картографической информацией и геоданными

Специальные модули позволяют интегрировать в приложения WinCC OA карты, выполненные в различных форматах. Один из таких модулей — виджет WinCC OA GIS Viewer — обеспечивает работу с географическим форматом shape-файлов ESRI и отображение объектов WinCC OA на таких картах. Масштаб отдельных областей карты может быть увеличен автоматически или вручную, вплоть до детализации контролируемых установок/устройств. Если данные объекты требуют привлечения внимания оператора (например, имеют несквитированные алармы), такие установки/устройства могут быть выделены на карте цветом, графическими элементами или текстом. За счет этого достигается повышение информативности операторского интерфейса в сравнении с традиционным для SCADA-систем отображением только образа процесса в виде мнемосхем. Дополнительные возможности повышения степени интерактивности пользовательского интерфейса дает использование динамических карт.

Другим модулем WinCC OA для работы с картами является модуль WinCC OA Map, который позволяет встраивать в проекты WinCC OA географические карты различных форматов (OpenStreetMap, Web Map Services или Google Maps) как в автономном, так и в онлайн-режиме.

Альтернативным способом интеграции в проект WinCC OA интерактивной картографической информации служит использование специального виджета веб-браузера, что позволяет отображать карты непосредственно на экранных формах WinCC OA. В данной конфигурации также предусмотрен обмен данными между WinCC OA и соответствующим приложением (например, «Яндекс.Карты»). Отдельным виджетам и обработчикам событий WinCC OA можно передавать информацию от Google Maps или Yandex-сервисов, используя их JavaScript API.

Важно подчеркнуть, что интеграция с геоинформационными системами позволяет не только осуществлять отображение картографической информации в проектах WinCC OA, но использовать данную информацию совместно с информацией другой природы (данными о ходе техпроцесса, алармами, видеоинформацией) для аналитики и оптимизации процесса.

Помимо интерактивной картографии, WinCC OA обеспечивает возможность применения данных о геолокации — непосредственно из мобильных клиентских приложений WinCC OA для iOS и Android за счет поддержки таких устройств, как электронные Bluetooth-маячки или биконы. Это позволяет решать такие задачи, как внутриобъектовая навигация, отслеживание перемещений сотрудников или продукции, контрольно-пропускные действия, контекстуализация предоставляемой информации и т. д.

Интеграция видео

Встроенная видеоподсистема WinCC OA Video обеспечивает функции управления видеоустройствами (видеокамеры, видеокодировщики/конвертеры, аналоговые видеосистемы, системы CCTV) и видеопотоками с поддержкой различных протоколов, в том числе ONVIF 2.0, включая возможность записи видео по событиям, экспорта видеопотоков и т. д.

Функциональность модуля Video обеспечивает возможность выполнения следующих операций работы с видео:

• добавление и удаление камер в онлайн-режиме;
• конфигурирование камер в онлайн-режиме;
• управление мультидисплеями и проекторами;
• управление алармами в потоке видео;
• маркировка записанного видеопотока при аларме.

Модуль Video позволяет централизованно управлять различными функциями видео непосредственно из SCADA-системы и использовать видеоинформацию в дополнение к данным, получаемым с контролируемых объектов, как для визуального предъявления оператору, так и в целях совместного анализа с другими данными (например, для идентификации и анализа фактов нахождения/появления персонала в определенных точках/помещениях предприятия).

Интеграция с облачной платформой MindSphere

Системы на базе WinCC OA могут выступать в качестве источников данных для обработки аналитическими средствами облачной операционной платформы MindSphere [7]. Такое применение WinCC OA может быть востребовано для предоставления исходных или агрегированных данных технологического процесса на уровень федеративного озера данных MindSphere непосредственно из одной или нескольких систем WinCC OA.

Технически возможность интеграции MindSphere и WinCC OA обеспечивается специальным функциональным компонентом — WinCC OA MindSphere Connector. WinCC OA MindSphere Connector обеспечивает следующие возможности:

• обеспечивает интерфейс взаимодействия с MindSphere (northbound interface), исключающий зависимость процесса передачи данных от функционирования подсистемы драйверов WinCC OA;
• включает мастер (wizard), обеспечивающий простоту конфигурирования элементов связи с MindSphere с возможностью выбора параметров технологического процесса для передачи;
• поддерживает автоматическое формирование пакетов данных для соответствия требованиям к размеру передаваемых сообщений;
• включает JSON-интерфейс для обмена метаданными с пользовательскими инструментами разработки.

Интеграция WinCC OA и Mind­Sphere совмещает преимущества локального и облачного подхода к обработке промышленных данных. При этом такая интеграция позволяет, во-первых, задействовать существующую инфраструктуру локального сбора данных, тем самым повышая степень цифрового охвата производства без увеличения инвестиций, а во-вторых, направлять в MindSphere для последующей аналитики предобработанные агрегированные данные, характеризующие различные аспекты производства и инфраструктуры в виде вектора состояния. Данный вариант естественным образом дополняет способы интеграции с MindSphere на уровне отдельных программных агентов, функциональных блоков или с использованием аппаратных шлюзов сопряжения как наиболее комплексный способ передачи в MindSphere, в том числе данных высокого уровня значимости.

Кибербезопасность

Сбор данных в промышленном контуре и работа с результатами их аналитической обработки, ценными c точки зрения принятия оперативных и стратегических бизнес-решений, требуют выполнения соответствующих мер кибербезопасности.

В данном контексте WinCC OA поддерживает следующие механизмы:

• шифрование программных модулей (панелей пользовательского интерфейса, скриптов) и библиотек;
• SSL-шифрование при передаче данных;
• создание и проверка электронных подписей, функции шифрования (Crypto API);
• аутентификация программных компонентов WinCC OA на стороне сервера с помощью сертификатов стандарта X509;
• использование контрольных сумм для обеспечения целостности передаваемых данных;
• разграничение уровней доступа;
• возможность интеграции c Active Directory (Single Sign On) и с произвольными внешними системами авторизации;
• протокол сетевой аутентификации Kerberos.

Решаемые задачи и целевые приложения

В заключение рассмотрим некоторые целевые приложения приведенных технологий и инструментов в практических задачах:

• причинно-следственный анализ проблем в области эффективности производства и качества продукции за счет анализа ранее недоступного объема и номенклатуры данных — как по историческим данным, так и по данным реального времени;
• совместный анализ параметров работы основного, вспомогательного технологического оборудования и производственной инфраструктуры с целью выявления влияющих факторов, потенциала и направлений для оптимизации процесса;
• оптимизация энергопотребления путем анализа основных факторов и выявления возможностей изменения параметров технологического процесса и/или перепланирования с учетом технологических ограничений и требований безопасности, тарифов, модели себестоимости, стратегии технического обслуживания и ремонта (ТОиР) и других аспектов;
• оптимизация условий технологического процесса и/или технологической рецептуры путем анализа совокупности влияющих факторов в темпе протекания процесса с формированием рекомендаций оператору для принятия решений или в автоматическом режиме;
• ведение цифровых паспортов изделий с регистрацией параметров работы оборудования и данных о перемещениях материалов, деталей и сборочных единиц, инструмента и оснастки в процессе производства изделия, с возможностью последующего анализа с целью выявления закономерностей (например, в отношении качества, энергозатрат, сроков производства, эксплуатационной надежности изделия) в зависимости от производственных условий, смен, поставщиков комплектующих и иных факторов;
• повышение надежности работы оборудования и снижение эксплуатационных затрат за счет перехода на предиктивную и прескриптивную модель ТОиР;
• анализ факторов и условий, влияющих на работу персонала, а также действий персонала в процессе производства, с целью формирования комплексной модели производства с учетом аспектов работы персонала для идентификации на ее основе возможностей для снижения веса факторов, оказывающих негативное влияние на производительность и качество, а также повышения мотивации и вовлеченности сотрудников;
• повышение качества и оптимизация производственного планирования с учетом технологических и экономических факторов, аспектов ТОиР, работы персонала и т. д., а также перепланирование в зависимости от событий или по результатам формирования решений/рекомендаций от экспертной системы, в ручном или автоматическом режиме;
• сквозное определение сводных производственных КПЭ и непрерывное уточнение многофакторной экономической модели производства за счет сбора широкой номенклатуры параметров различной природы, характеризующих различные аспекты производственных и сопровождающих их процессов;
• повышение безопасности процессов и кибербезопасности за счет выявления аномалий и путем анализа широкого массива параметров и совокупности факторов различной природы;
• интеграция интеллектуальных систем производственного планирования и перепланирования и производственной аналитики в контур бизнес-систем компании при внедрении методологии комплексного планирования продаж и операционной деятельности (S&OP).

Выводы

WinCC OA — готовая платформа для решения задач сбора и анализа промышленных данных, обладающая встроенным аналитическим инструментарием и открытая для интеграции с внешними системами аналитики (в том числе open source). Платформа WinCC OA обеспечивает возможность создания распределенных аналитических приложений, сочетающих преимущества локальной обработки данных в соответствии с концепцией периферийных вычислений и комплексной аналитики консолидированной информации от различных подсистем, технологических участков и структурных подразделений в рамках единого информационного пространства предприятия. Кроме того, за счет развитых средств интеграции может быть задействован аналитический аппарат облачных платформ (например, MindSphere) и функционал отраслевых платформ промышленной кооперации. Возможность сбора и совместной обработки больших массивов информации различной природы позволяет выявить и раскрыть потенциал нереализованных технологических, производственных, инфраструктурных и других факторов для повышения эффективности производства и качества продукции — и тем самым вывести производство на новый уровень конкурентоспособности.