Procesní výrobní společnosti shromažďují senzory generované časové řady dat někdy již mnoho let. Množství generovaných dat navíc roku od roku stále roste s tím, jak se zvyšuje celková automatizace systémů a využívají moderní "smart" senzory přenášející velké množství různých informací po některém drátovém či bezdrátovém komunikačním rozhraní. Takovému velkému množství ukládaných dat se dnes také říká velká data (Big Data) a lze z nich vhodným zpracováním doslova vytěžit velké množství zajímavých informací a podnětů ke zlepšení funkce a spolehlivosti téměř jakéhokoliv systému. Základní analytické metody zpracování a vyhodnocení dat přitom mohou zůstat stejné, ale je nutné změnit způsob jakým to dělat. Při použití vhodného vyhodnocovacího softwaru využívajícího technologii rozpoznávání vzorů může nejen procesní expert nalézt problémová místa z pohledu spolehlivosti, životnosti i systémů provozu linky nebo zařízení nebo najít různé aplikační i rozhodovací chyby. Například je možné odpověď na následující (často klíčové) otázky:

• Jak probíhá náš výrobní proces?
• Jak často se tento problém vyskytoval?
• Co je hlavní příčinou problému?
• Mohu sledovat odchylky v dobrém chování?
• Co se pravděpodobně stane dál?
• Mohu předvídat, kdy je potřeba údržba?

Navíc kontextové informace, které se nacházejí v různých zdrojích (údaje o údržbě, protokoly operátora atd.) lze využít k obohacení tzv. surových dat (raw data) pro lepší pochopení jejich významu. Tyto kontextové informace však lze analyzovat i samostatně pro hlubší vhled do procesů a aktiv. A konečně, analyticky řízené informační panely mohou vytvářet živější a realističtější a informačně hodnotnější vizualizace pro snažší klíčová rozhodnutí.

Platforma TrendMiner

TrendMiner je jedním z takových softwarů zpracování dat. Je to vlastně celá analytická platforma pro časové řady informací a kontextová data. S TrendMinerem mohou procesní inženýři a operátoři snadno vyhledávat trendy a analyzovat procesy přímo bez pomoci datového vědce. Platforma TrendMiner se propojí se stávající datovou infrastrukturou podniku a umožňuje okamžitou analýzu časově nasbíraných dat například pro zlepšení výkonů nebo poskytování rychlých a flexibilních odpovědí v případě provozních problémů. TrendMiner lze nasadit v prostorách i v cloudovém prostředí správy zákazníků (např. Azure) nebo jako úplné řešení SaaS a podporuje jednouzlové architektury od několika tisíc tagů až po architektury 50 milionů tagů nebo i více.

TrendMiner lze použít ihned po stažení a nasazení a připojení k serveru historie dat. Nastavení a integrace je dokončena prostřednictvím konfigurace. Jeho uživatelské rozhraní je přizpůsobeno procesním expertům. Ovládání se provádí přes htmls webové rozhraní, které nevyžaduje žádné další instalace na stolní počítače nebo notebooky umožňující uživatelům po celém světě, aby bylo možné se připojit.

Režim analyzování = najít rychle klíčové příčiny

Když se vyskytne procesní problém, jsou potřeba rychlé odpovědi postavené na analýze procesních dat. TrendMiner pro tyto účely poskytuje vyhledávače s patentovanou technologií rozpoznávání vzorů a pokročilé možnosti filtrů, což dovoluje odhalit dříve skryté korelace signálů a tedy chování systému, čímž umožňuje identifikovat možné příčiny procesních problémů. Například Jan Meireleire, manažer ve společnosti Ashland, k tomu říká: "Analýza faktorů ovlivňujících kvalitu produktu a výsledné akce nakonec zvýšily cíl výroby produktů GMP ve společnosti Ashland Doel ze 70 % na více než 95 %, což je úspěch."

TrendMiner pro tyto účely obsahuje prohlížeč trendů, který poskytuje procesním expertům praktické grafické znázornění obrovského množství historických časových řad dat zachycených v jedné nebo více databázích. Grafická interakce s procesními daty je mnohem jednodušší pro navigaci než dlouhé výpisy čísel v tabulce. S pokročilými možnostmi filtrování lze například jisté období vyloučit nebo naopak zahrnout do procesu hodnocení výkonu a najít konkrétní problémy. TrendMiner proto umožňuje snadné vyhledávání přes tagy, stejně jako když používáte Google, a při psaní software automaticky vyplní nejlépe odpovídající výrazy. Kromě toho lze k hierarchickému načítání použít značky zájmu a data časové řady sledovaného tagu jsou potom zobrazena pro vizuální kontrolu. Také lze vizualizovat současně více značek, aby byla vidět vzájemná korelace. Časově založené filtry jsou pak statické filtry aplikované na určitá časová období, zatímco dynamické filtry jsou založené na kritériích a lze je použít jak na historická, tak i aktuální nová/příchozí data. Import časových řad do analýzy a vyhodnocení lze provést i prostřednictvím souboru CSV.

Výše uvedené analýzy jsou například užitečné v případě, když dojde k nějakému incidentu. Jedna z prvních otázek pak obvykle je "Stalo se to již dříve?" TrendMiner pomáhá odpovědět tuto otázku identifikováním podobného historického chování prostřednictvím patentovaného rozpoznávání vzorů. Na základě vzoru vyhledává data časových řad, ve kterých se podobné chování stalo a v jakém kontextu. Kromě možností vyhledávání na základě vzorů TrendMiner poskytuje také možnosti vyhledávání založené na hodnotě pomocí kritérií a vzorců podle období zájmu, párování provozních procesů a chování zařízení / systémů. Tímto způsobem lze odpovědět na otázky týkající se oscilací, kroků, Boolean podmínek, sklonů apod.

Technologii vyhledávání podobností pomocí rozpoznávání vzorů k nalezení podobných minulých situací konkrétně využívá funkce "SIMILARITY SEARCH". Nejdůležitější část vzoru může být pro zlepšení přesnosti výsledků zdůrazněna grafickým váhovým faktorem. Funkce "CROSS ASSET SEARCH" umožňuje prohledávat podobné objekty (assets) na základě předdefinovaných šablon v "Asset Framework". Tak lze analyzovat data z výrobních linek (například mnoha pohonů, čerpadel nebo výměníků tepla stejného typu) a porovnat je napříč výrobním závodem nebo dokonce více závody po celém světě.

Pomocí funkce "LAYER COMPARE " lze časová období překrývat a porovnávat vzory a pochopit, jak se liší. TrendMiner najde podobně vypadající vzory i během několika let procesního chování. Období s podobným vzorem lze překrýt, což umožňuje lépe porozumět historické výkonnosti procesu. Funkce "COMPARE TABLE" pak výrazně pomáhá objevovat značky různých hodnot porovnáním vrstev nebo časového období. Nástroj "RECOMMENDATION ENGINE" poskytuje návrhy na korelace a odchylky na základě vybraných časových rámců, značek a vrstev. Pomocí automatických časových posunů to pomáhá odhalit včasné indikátory odchylného chování.

Režim monitorování = vyhledávání všech náhlých změn

Události, které nastanou jednou, se mohou opakovat. TrendMiner software pomáhá zabránit opakování problémů například výroby tím, že hlídá živá přicházející data jako hlídací pes. Trvale sleduje procesy v reálném čase a odesílá upozornění, když jsou detekovány tzv. vzory zájmu. Zprávy lze přizpůsobit pro různé okolnosti, což umožňuje procesním expertům podniknout co nejrychleji vhodná opatření, než dojde k větším problémům či haváriím.

Navíc například režim "FINGERPRINTING" umožňuje v příchozích datech najít optimální dynamické chování, jako jsou nejlepší provozní nastavení dávek, přechodů, spouštění, atd. Kromě základních porovnávacích "otisků" jsou k dispozici i rozptylové grafy založené na tzv. nejlepších provozních zónách, které lze použít jako další porovnávací "otisk" pro vyhodnocování. Lze pak nastavit alarmy a tak upozornit procesní experty na odchylky z těchto zón. Sledování těchto nejlepších provozních zón snižuje zbytečný stres, zvyšuje spolehlivost aktiv a rozšiřuje životnost zařízení. Včasná varování a tzv. měkké senzory (soft sensors) slouží nejen k zachycení i velmi rychlých a nečekaných skokových událostí pro budoucí analýzu, ale také dle dříve analyzovaných situací může TrendMiner okamžitě upozornit například operátora velínu na vznik aktuální nečekané situace v procesu a případně navrhnout i postup.

Režim predikce = plánování servisu ještě před problémem

Tradičně je prediktivní analytika o definování rozsahu predikce, sběru dat, vývoji a testování datového modelu, ověřování výsledků a nasazení prediktivního modelu do organizace. S TrendMiner má být možné téměř všechny tyto kroky přeskočit. Předpovídání chování procesu pomocí TrendMiner tak nevyžaduje datové specialisty na umělou inteligenci a i běžní inženýři procesů a aktiv mají být schopni najít řešení potenciálních výrobních problémům dříve, než nastanou. Vývoj chování procesu skrze jím generovaná data jeho senzorů může být použit pro včasné varování a může se rozšířit také na úroveň prediktivní údržby pro lepší plánování údržbových prací.

Například režim "MODEL-FREE PREDICTIVE MODE" je interaktivní a bezmodelová predikce TrendMineru, která je založena na patentované technologii a funguje jinak než klasické prediktivní technologie založené na modelu. Software zde totiž vypočítává možné trajektorie procesu a na základě předchozích průběhů předpovídá budoucí vývoj klíčových proměnných a procesního chování. Funkce "EARLY WARNINGS" pak uživatelům předkládá včasné indikátory pro anomálie, o kterých jsou definovaní uživatelé informováni odeslanými upozorněními, e-mailem nebo externími aplikacemi. Varovné zprávy mohou obsahovat pokyny co dělat vzhledem k předpokládané situaci a tak nabízí možnost proaktivní úpravy či opravy procesu pro zamezení nečekané odstávky, plýtvání nebo pro zajištění vyšší kvality produktů.

Kontextualizace = vysvětlení událostí

Všechny druhy událostí mohou ovlivnit provozní výkon. Zachycování a kombinování kontextu skutečných událostí s analýzou časových řad může vrhnout zcela nové světlo na výrobní procesy a umožňuje procesním expertům získat jiný pohled na provozní chování. Kontextové informace mohou být umístěny v různých datových silech, jako jsou systémy LIMS, MMS nebo OEE a prostřednictvím samoobslužné analýzy lze zachycené kontextové informace využít k rozhodování. K tomu se využívá funkce TrendMiner ContextHub.

Prostřednictvím uložených pohledů na kontextová data mohou uživatelé vizualizovat, filtrovat a překrývat časová období v pohledech trendů. Díky této funkci jsou kontextové položky dobrým místem pro zahájení analýzy trendů a efektivně urychlují analýzu hlavních příčin. Kromě toho lze spolu s sledovacími funkcemi (monitory), které odesílají upozornění do velínu, vytvářet nové datové a signálové "otisky", takže odborníci na procesy mohou podniknout příslušná opatření k zajištění výrobních běhů podle specifikací.

Vizualizace = KPI indikátory pro rychlé rozhodování

Běžné monitorování výkonu v řídicí místnosti obvykle nevypráví celý příběh chování procesů. Mít analyticky řízenou vizualizaci provozních KPI znamená a pomáhá inženýrům a operátorům činit kvalifikovaná rozhodnutí. Každá zúčastněná strana může používat osobní řídicí panely využívající specifické trendy nebo kontextové pohledy v podobě KPI a tak mohou vidět, které pro ně důležité části procesu vyžadují zvláštní pozornost nebo další analýzu. Tyto trendy lze sdílet napříč společností a použít je k přímému zahájení vyšetřování procesních anomálií, výrobních ztrát nebo neefektivnosti zařízení, a to buď prostřednictvím kontextových seznamů položek nebo dynamických zobrazení trendů. Schopnost vizualizace TrendMineru lze použít i k vytvoření řídicího panelu prediktivní údržby, kde lze zobrazit dobré a špatné výkony současně pro více prostředků / zařízení.

Závěr

Když to shrneme, tak TrendMiner lze použít k tomu, aby se předešlo k odchýlenému chování systémů a aplikací a také pomáhá najít hlavní příčiny nevhodných chování. Software umožňuje ve sbíraných datech vyhledávat nestandardní a náhlé změny, které mohou znamenat chybné chování strojů a systémů. Následně umí i porovnávat dobré a špatné úseky dat a používá interaktivní ovlivňující faktor k nalezení skrytých hlavních / zásadních příčin, ať již analyzujete dávkové, nebo kontinuální procesy. TrendMiner tak pomáhá generovat vysvětlení zrychlujících se procesů řešení anomálií. Současně podporuje i prediktivní údržbu, tedy umění vykonávat údržbu nejen v době, kdy je to efektivní, ale také kdy to bude mít nejmenší dopad na operace a znalost tohoto vyžaduje dobré porozumění výkonnosti procesu. Procesní inženýři a inženýři aktiv také mohou lépe analyzovat dobrý a špatný výkon.

Vizualizace pomocí zobrazení průběhu KPI grafických indikačních ukazatelů v HTML kokpitu přístupné pomocí webového prohlížeče umožňují nejen zrychlit, ale také zkvalitnit a usnadnit rozhodování provozních operátorů, servisních pracovníků i řídicích manažerů.

Odkazy:

• Webové stránk TrendMiner company: https://www.trendminer.com/