使用 InfluxDB 实现 IIoT 运营现代化

导航至

在我们的 InfluxDays 回顾系列中,我们将关注 Brian Gilmore 关于工业物联网的演讲。这是一个广泛使用时间序列数据的领域,并且在使用数据的方式上还有很大的扩展空间。以下是当前情况的简要分析。

工业运营现代化的挑战

在制造业领域,弥合物理领域和数字领域之间的鸿沟是一个挑战。在许多领域,存在数字鸿沟,公司对采用更新的数字解决方案持犹豫态度。Gilmore 指出了导致这种情况的几个因素。

其中之一是本地感知理念。操作员可以访问来自工厂车间机器和流程的原始数据。然而,实际使用这些数据仍然涉及手动步骤,例如电子表格。由此产生的影响是,制造商很少拥有提供数据洞察的高级分析。这意味着他们正在错失优化机会。

另一个因素是远程可见性。远程可以指分布式系统(如边缘设备),或者仅仅是能够查看机器的运行状况,而无需站在机器旁边。操作员最终需要能够做的是了解远程设备或流程中正在发生的事情,并以有效和及时的方式根据数据采取行动。虽然一些远程可见性问题与安全性有关,但企业可以通过提供安全、只读的数据访问权限来解决这个问题。

人为因素带来了另一个挑战。需要将领域专业知识从了解所有系统和流程的经验丰富的资深人士转移到下一代制造专业人员。即将到来的新一代工人主要是数字原住民,他们在如何与技术互动方面具有非常不同的技能和期望。这就产生了对流程和机构知识进行编纂和/或自动化的需求,以便技术娴熟的工人能够从一开始就介入并提高生产力。

工业过程 Historian

在整个等式中,运营技术 (OT) 的关键部分是过程 Historian。这些遗留系统有一些关键优势,但在运营现代化的背景下也存在一些缺点。

  • 优点 – 这些遗留数据 Historian 提供实时数据,并且与制造流程和 OT 技术堆栈集成良好。因此,操作员非常熟悉和舒适。

  • 缺点 – 关于遗留数据 Historian 最常见的抱怨之一是成本。这些是本地部署解决方案,没有云选项。它们往往是非常复杂的软件,专为专家设计。这使得许多潜在用户无法访问它们。关键的是,这些解决方案也是孤立的,与其他系统的互操作性非常低。

  • 缺点中的缺点 – 遗留系统孤立的事实当然是一个问题,但孤立的影响是巨大的。将遗留 Historian 与 IT 系统以及更广泛的云和 SaaS 服务集成具有挑战性。缺乏互操作性也减缓了创新,因为用户无法利用人工智能或机器学习等新兴技术。这导致错失优化机会,并限制了工厂工人进行实验和创新的能力。

拥抱数字工厂

虽然当前的 IIoT 技术堆栈肯定存在挑战,但也存在大量未开发的潜力。采用技术来实现和改进可观测性,减少了操作员处理问题所花费的时间,因为他们不需要在工厂车间亲自追查问题。数字效率创造了一个积极主动的环境,节省了操作员的时间并鼓励了创新。

InfluxDB 可以取代遗留数据 Historian。InfluxDB 平台不仅充当数据存储,还有助于数据收集、转换以及基于数据分析的自动化操作。用户可以使用数字原住民员工熟悉和想要使用的工具构建应用程序和仪表板。

IIoT recap-Time Series Application

此外,InfluxDB 平台可以在 IIoT 环境中充当垂直堆栈,将数据库的功能扩展到数据诞生的边缘。这不仅扩展了边缘的创新和本地化洞察机会,还提供了从系统任何点到整个系统的无缝集成和互操作性。

通过数字化关注可观测性,可以实现各种使用场景。无论是故障检测和取证、预测性维护、优化还是警报,IIoT 操作员都可以在更短的时间内完成更多工作,从而获得更好的结果。如果您需要一些想法,请了解 Herrenknecht AG、Algist Bruggeman、Vleemo 等公司如何在 IIoT 领域利用时间序列数据。

IIoT recap 2

新的 IIoT 技术堆栈

将 InfluxDB 与其他开源和/或熟悉的 IT 和 OT 软件及流程相结合,可以释放巨大的潜力。现代制造技术堆栈的基础已经存在。这取决于企业和运营商根据自身需求和资源,确定他们希望从工业运营中获得哪些信息以及获得这些答案的最佳方式。

IIoT recap - new IIoT tech stack

有关这些主题的更详细讨论,请查看完整演示文稿。