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

导航至

MAJiK Systems 创建的软件可帮助制造和工业工程公司使用数据驱动的制造方法改进其工厂运营。该公司设计了一整套 Visual Factory 工具,这些工具使用来自机器自身的数据来驱动 AI 驱动的洞察。

手头的挑战

在构建用于优化工厂运营的可视化制造工具方面,MAJiK Systems 并非新手。但是,优化的下一步需要工厂维护实践从例行的预防性维护转变为预测性维护。用户需要时间序列数据才能实现这种转变。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,例如温度、压力、振动等。挑战在于如何安全地将这些数据从传统上缺乏互联网连接的 PLC 传输到基于云的预测建模解决方案。

另一个挑战是如何处理到达云端的数据。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单独的数据点。MAJiK 需要某种东西来处理大量数据,以供给用于预测分析的高级统计分析、机器学习 (ML) 和人工智能 (AI) 工具。认识到这些挑战,MAJiK Systems 转向了 InfluxDB。

解决方案

通过开发 MAJiK 的自适应边缘到云网关解决了连接问题,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大量时间序列数据。该解决方案包括为每个 Visual Factory 系统补充一个 InfluxDB 实例。边缘到云网关是一种硬件/软件解决方案,它弥合了 PLC 和云之间的差距。它包括 MAJiK 的专有 IIoT Connect 软件,该软件在工厂内的工业 PC 上运行。IIoT Connect 安全地从 PLC、监控和数据采集 (SCADA) 系统、人机界面 (HMI) 甚至旧版数据历史库捕获数据。

Majik-InfluxDB-Architecture-Diagram

Microsoft Azure IoT Edge 和 Azure IoT Hub 增强了 MAJiK Visual Factory 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端,确保数据安全传输。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将管理数据传输的不同方面。

InfluxDB 在机器学习模型的可观察性和训练中起着至关重要的作用。鉴于训练需要大量数据,此过程在云端进行。

一旦模型训练成功,Microsoft 云生态系统就会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工作。

构建工作流程

IIoT Connect 指导用户设置与几乎任何 PLC 或工厂系统的连接以及云端的工作流程。为新数据源配置 IIoT Connect 涉及使用基于开源 Node-RED 构建的拖放式 UI 构建工作流程。MAJiK Visual Factory 包括 Node-RED 和 MAJiK Systems 专有节点。

结果

将 InfluxDB 集成到 MAJiK Systems 生态系统中,为 MAJiK 的 AI 驱动平台的开发做出了重大贡献。该平台使用来自 IIoT 源的上下文数据,围绕正常运行性能持续构建模型,从而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。

深入研究过程数据为客户提供了转移目标和指标的机会。平均而言,MAJiK 客户的停机时间减少了 35 – 45%,浪费减少了 7 – 10%。

要了解有关 MAJiK Visual Factory 和 InfluxDB 的更多信息,请阅读完整的案例研究此处