Публикация пресс-релизов Поиск по компании
Решения, технологии, стандарты Рынок, отрасль, люди Основы
Отменить подписку Подписка
Производители Системные интеграторы Дистрибьюторы
Продукты месяца Поиск по категории Добавить продукт
Добавить мероприятие
Добавить вакансию Специалисты по АСУ ТП, КИП Специалисты по электротехнике, энергетике Главные инженеры, технологи, электрики Менеджеры по продажам, консультанты, другое
Технические требования Публикация статей Публикация пресс-релизов Media Kit 2014
 


 

Рынок, отрасль, люди - в интервью и репортажах Ua.Automation.com

Облачные вычисления VS контроллеры

Облачные вычисления VS контроллеры

 

Билл Лайдон, для automation.com
 
Некоторые производители решений в области промышленной автоматизации, а также, ИТ-компании, предлагают облачные услуги, которые включают архивы исторических данных, аналитику, и, даже, системы класса MES.
 
Безусловно, данные системы предлагают новый способ улучшения промышленной автоматизации и управления технологическими процессами, благодаря использованию больших вычислительных мощностей. Другим важным трендом является использование новых, более мощных контроллеров в безопасной среде автоматизации.  
 
Облачные архивы исторических данных и аналитика
 
Облачные вычисления используют разделенные ресурсы огромных масштабов, сходных с сетями энергораспределения. Что важно, облака обеспечивают мощные ресурсы обработки и хранения данных «по требованию». Компании платят только за то, в чем они нуждаются. Это модель трансформирует обычные капитальные расходы (CAPEX) на ИТ-оборудование в операционные расходы (OPEX) – абонентскую плату или плату за использованные ресурсы. Облачные вычисления позволяют пользователям сконцентрироваться на проектах, вместо того, чтобы заниматься поддержкой и администрированием инфраструктуры. Облачные хранилища могут быть использованы для архивов исторических данных. Очень интересной является облачная аналитика, предлагаемая Google и Microsoft.
 
Google Analytics Measurement Protocol позволяет разработчикам делать HTTP-запросы для отправки «сырых» данных прямо на серверы Google Analytics, хранить их и использовать для анализа. Для этого требуется знание XML и программирования. У Lantronix есть пример отправки данных от цифровых весов через устройство Lantronix в Google Analytics.
 
Microsoft Azure Machine Learning является более эффективным решением и предлагает интегрированную drag-and-drop среду разработки ML Studio. Пользователи могут создавать аналитику с помощью библиотеки сохраненных примеров и изощренных алгоритмов Microsoft Research, а также графиков потоков данных для определения отношений. Это мощный инструмент для получения данных, генерации прогнозов, оптимизации и настройки операций. Azure Machine Learning напоминает мне Visual Basic, который снял завесу таинственности с программирования и позволил широкому ряду пользователей создавать приложения в соответствии со своими потребностями. Потенциальные пользователи могут опробовать AzureML бесплатно.
 
Производственные исполнительные системы (MES) из облака
 
Системы MES облачного типа упрощают развертку и снижают стоимость внедрения системы, повышающей производственную эффективность. Это позволяет компаниям меньшего масштаба достигать тех же операционных преимуществ, которые раньше были доступны только промышленным гигантам. К примеру, Ховард Хаузер, операционный вице-президент Hiawatha Rubber, описал, как их маленькая частная компания воспользовалась современными промышленными технологиями при разработке своей конкурентной стратегии, для улучшения своих операционных процессов и выхода на новые рынки. Их облачная система обеспечивает ряд функций, такие, как управление жизненным циклом продуктов (PLM), управление ресурсами предприятия (ERP), мониторинг и слежение за запасами, производственные исполнительные системы (MES), управление цепочками поставок (SCM). Облачная система от Plex Systems была внедрена всего за 5 месяцев.
 
Облачные ограничения
 
У облачных вычислений есть свои ограничения.
 
Коммуникации
 
Самое очевидное ограничение – постоянная зависимость от высокоскоростных коммуникаций, позволяющих серверам взаимодействовать с производственным оборудованием. Это ограничивает использование облаков только теми функциями, которые могут осуществляться с перерывами. Процессы производственной автоматизации, которые полагаются на тесно связанные, высокодоступные системы, не могут рисковать потерей связи с облачными серверами. Компании, которые хранят исторические данные и проводят их анализ для, скажем, предиктивного ТО и оптимизации процессов на макроуровне, могут получить преимущества, пользуясь облачными вычислениями. Кстати, меня всегда поражало то, как быстро Google генерирует ответы на различные запросы.  
 
Кибер-риски & IP-риски
 
Облачные вендоры напряженно работают над защитой данных, но отправка информации вовне несет неминуемые риски. Интеллектуальная собственность компании может быть украдена конкурентами или имитаторами. Это очень сложный вопрос, однако облачные провайдеры неуклонно стоят на той позиции, что они обеспечивают все необходимые меры для защиты пользовательской информации. С другой стороны, когда я спрашиваю провайдеров о том, страхуют ли они пользователей от убытков, связанных с потерей информации, в ответ получаю эмоциональное «нет!». Пользователь сам должен делать оценку рисков, исходя из целого ряда факторов, включая этот.  
 
Вычисления «на краю»
 
Мощные промышленные ПЛК теперь работают на многоядерных процессорах. Эти контроллеры могут сами проводить анализ и собирать краткосрочные исторические данные непосредственно рядом с процессом и внутри защищенной системы АСУ ТП. Новое поколение контроллеров поддерживает многочисленные коммуникационные порты, протоколы, беспроводные коммуникации, встроенные веб-серверы, архивы данных, серверы электронной почты и веб-сервисы. Тренд Интернета вещей (ИВ), выражающийся в переносе коммуникаций непосредственно в конечные устройства (сенсоры, исполнительные устройства), также, предполагает и больше вычислительной мощности в них. Технология Hadoop делает приложения «больших данных» практически пригодными для сбора и анализа огромных объемов данных. Hadoop использует большое количество компьютеров, которые не делят ни память, ни НЖМД. Самые новые мощные промышленные ПЛК поддерживают эти технологии.
 
Новые модели
 
Концепции Интернет вещей и Промышленность 4.0 предполагают использование целого ряда новых технологий, включая облачные вычисления, мощные контроллеры автоматизации и Hadoop. Все это изменяет архитектуру АСУ ТП благодаря более широкому использованию коммерческих общедоступных технологий.