使用MAJiK Visual Factory和InfluxDB通过时间序列数据从预防性维护过渡到预测性维护

作者：Jessica Wachtel / 用例
2023年6月2日

MAJiK Systems开发软件，帮助制造和工业工程公司通过数据驱动的制造方法改进其工厂运营。该公司设计了一套全面的Visual Factory工具，这些工具使用来自机器本身的数据来提供AI驱动的见解。

当前挑战

MAJiK Systems在构建优化工厂运营的可视化制造工具方面并不是新手。但优化的下一步需要将工厂维护实践从常规预防性维护过渡到预测性维护。用户需要时间序列数据来实现这一转变。这带来了复杂的挑战。控制机器本身的工业计算机，可编程逻辑控制器（PLC），捕获时间序列过程数据，如温度、压力、振动等。挑战在于将此数据从缺乏互联网连接的PLC安全地传输到基于云的预测建模解决方案。

另一个挑战是在数据到达云端时该如何处理。训练这些高级分析模型需要数据，大量的数据。仅仅一个模型就可能需要数百万个独立的数据点。MAJiK需要一种能够处理为高级统计分析、机器学习（ML）和人工智能（AI）工具提供数据的大规模数据。认识到这些挑战，MAJiK系统转向了InfluxDB。

解决方案

通过MAJiK可适应的边缘到云网关的开发解决了连接问题，该网关安全地将PLC数据发送到云端，他们的重点转向了管理预测分析所需的时间序列数据的数量。该解决方案包括在每个视觉工厂系统中补充一个InfluxDB实例。边缘到云网关是一种软硬件解决方案，它弥合了PLC和云之间的差距。它由MAJiK的专有IIoT Connect软件组成，在工厂内的工业PC上运行。IIoT Connect安全地从PLC、监控控制与数据采集（SCADA）系统、人机界面（HMI）甚至旧的数据历史记录中捕获数据。

Microsoft Azure IoT Edge和Azure IoT Hub增强了MAJiK视觉工厂系统的数据传输能力。这些Azure服务通过加密连接将数据从边缘发送到云，确保数据传输安全。一旦数据到达云端，Azure的事件网格、事件中心和服务总线服务管理数据传输的不同方面。

InfluxDB在可观察性和机器学习模型的训练中发挥着至关重要的作用。鉴于训练所需的大量数据，这个过程发生在云端。

一旦模型训练成功，微软云生态系统就通过容器化应用程序将模型发送回边缘。在那里，它针对工厂中的实时数据进行工作。

构建工作流程

IIoT Connect引导用户设置与任何虚拟PLC或工厂系统的连接以及云中的工作流程。为新的数据源配置IIoT Connect涉及使用建立在开源Node-RED之上的拖放UI构建工作流程。MAJiK视觉工厂包括Node-RED和MAJiK系统专有的节点。

结果

将InfluxDB集成到MAJiK系统生态系统中，极大地促进了MAJiK人工智能平台的发展。该平台使用来自IIoT源的有用数据，持续构建围绕正常运营性能的模型，优化整体设备效率和工业运营。客户现在可以进行运营变更并了解其财务影响。

深入分析过程数据为客户提供了调整目标和指标的机会。平均而言，MAJiK客户看到停机时间减少35-45%，浪费减少7-10%。

了解更多关于MAJiK视觉工厂和InfluxDB的信息，请阅读完整的案例研究此处。