Förutsägande underhåll för industriell IoT

Den här artikeln visar hur sluttillverkare kan ansluta tillgångar till molnet med hjälp av OPC UA (Open Platform Communication Unified Architecture) och Industrial Components. Samtidigt som du minskar kostnaderna genom att optimera produktionen kan du använda förutsägande underhåll för att förbättra effektiviteten för dina datorer. Minska störningar genom att tillämpa avancerad analys och maskininlärning i din produktion för att förutse avbrott. Säkerställ produktionsupptid med omfattande insikter och automatiska aviseringar som utlöses av tillverkningsdata.

OPC UA är en plattformsoberoende och tjänstorienterad interoperabilitetsstandard för ett säkert och tillförlitligt datautbyte. OPC UA används av olika industriella system och enheter som branschdatorer, PLCs och sensorer. Det är en standard som drivs av OPC Foundation.

Potentiella användningsfall

Den här lösningen är idealisk för tillverkningsindustrin.

Arkitektur

Dataflöde

Data flödar genom lösningen på följande sätt:

1. Industriella enheter som kan kommunicera internt med OPC UA kan ansluta direkt till IoT Edge. IoT Edge är beräkningskraften som finns i ditt lokala nätverk. Det är körningsmiljön för industriella moduler (OPC Publisher, OPC Twin och Discovery Module). Moduler är containrar som kör Azure-tjänster, tjänster från tredje part eller din egen kod. OPC Publisher-modulen ansluter till OPC UA-servrar och publicerar OPC UA-telemetridata till Azure IoT Hub. OPC Twin skapar en digital tvilling av en OPC UA-server i molnet och tillhandahåller OPC UA-bläddrings-/läs-/skriv-/metodanropsfunktioner via ett molnbaserat REST-gränssnitt (Representational State Transfer). Identifieringsmodulen tillhandahåller identifieringstjänster på gränsen, som inkluderar OPC UA-serveridentifiering.
2. Industriella enheter som inte kan kommunicera via OPC UA behöver ett PLC-kort från tredje part för att ansluta till IoT Edge. Kort kan hämtas som moduler i Azure Marketplace.
3. PLC-kort från tredje part möjliggör anslutning mellan enheterna och IoT Edge.
4. För analysfunktioner närmare där data kommer finns det moduler som Machine Learning on Edge eller Funktioner som kan hämtas från Azure Marketplace, vilket möjliggör låg svarstid och drift i frånkopplat tillstånd.
5. Azure IoT Hub ansluter enheterna praktiskt taget till molnet för ytterligare databearbetning. Det möjliggör en säkerhetsförbättrad dubbelriktad kommunikation mellan IoT-program och enheter.
6. Industrial Services består av flera mikrotjänster som exponerar ett REST-API. Alla industriella tjänster distribueras till ett Azure Kubernetes Service kluster. De implementerar affärslogik och funktioner för identifiering, registrering, fjärrstyrning och telemetri efter bearbetning av industriella enheter. REST-API:erna kan användas i valfritt programmeringsspråk och ramverk som kan anropa en HTTP-slutpunkt. Det finns tre dominerande användningsfall där de data som tillhandahålls av Industrial Services används.
7. Azure Event Hubs transformerar och lagrar data. Det ger en distribuerad dataströmbearbetningsplattform med låg svarstid och sömlös integrering.
8. När Event Hubs har bearbetat data lagrar och analyserar Azure Data Lake data ytterligare. Azure Data Lake är en massivt skalbar datasjö med säkerhet och granskning i företagsklass som gör det möjligt att köra batch-, dataströms- och interaktiva analysprogram med enkelhet. Azure Data Lake löser många av de produktivitets- och skalbarhetsutmaningar som hindrar dig från att maximera värdet för dina datatillgångar.
9. Azure Databricks tillhandahåller de senaste versionerna av Apache Spark som ett Azure-tjänsterbjudande och gör att du smidigt kan integrera med öppen källkod bibliotek. Det ger en konfiguration med ett klick, effektiva arbetsflöden och en interaktiv arbetsyta som möjliggör samarbete.
10. Utforska dina data med visuella rapporter och samarbeta, publicera och dela dessa rapporter med andra. Power BI integreras med andra verktyg, inklusive Microsoft Excel, så att du snabbt kan komma igång och arbeta sömlöst med dina befintliga lösningar.

Komponenter

Data läses in från dessa olika datakällor med flera Azure-komponenter:

• IoT Edge Azure IoT Edge flyttar molnanalys och anpassad affärslogik till enheter så att din organisation kan fokusera på affärsinsikter i stället för datahantering. Skala ut din IoT-lösning genom att paketera din affärslogik i standardcontainrar. Sedan kan du distribuera dessa containrar till alla dina enheter och övervaka allt från molnet.
• Industriella moduler – Azure Industrial IoT-plattformen innehåller moduler som körs i Azure IoT Edge för att ansluta din arbetsyta. OPC Publisher-modulen ansluter till OPC UA-servrar och publicerar OPC UA-telemetridata från dessa servrar till Azure IoT Hub. OPC Twin tillhandahåller identifiering, registrering och fjärrstyrning av industriella enheter via REST-API:er. Identifieringsmodulen tillhandahåller identifieringstjänster på gränsen, inklusive OPC UA-serveridentifiering.
• Azure IoT Hub Azure IoT Hub är en hanterad tjänst som finns i molnet och som fungerar som en central meddelandehubb för dubbelriktad kommunikation mellan ditt IoT-program och de enheter som det hanterar. Du kan använda Azure IoT Hub för att skapa IoT-lösningar med tillförlitlig och säker kommunikation mellan miljontals IoT-enheter och en molnbaserad serverdelslösning. Du kan ansluta nästan vilken enhet som helst till IoT Hub.
• Industrial Services på Azure Kubernetes Plattformen består av flera molnkomponenter som delas in i mikrotjänster som tillhandahåller REST API- och agenttjänster som kan ge bearbetning och daemon liknande funktioner.
• Azure Event Hubs är en stordataströmningsplattform och händelseinmatningstjänst. Den kan ta emot och behandla miljoner händelser per sekund. Data som skickas till en händelsehubb kan omvandlas och lagras med hjälp av valfri provider för realtidsanalys eller batchbearbetnings-/lagringsadaptrar.
• Azure Data Lake gör Azure Storage till grunden för att skapa företagsdatasjöar i Azure. Den har utformats från början till att betjäna flera petabyte med information samtidigt som du genererar hundratals gigabit dataflöde, så att du enkelt kan hantera enorma mängder data.
• Azure Databricks är en Apache Spark-baserad analysplattform som är optimerad för Microsoft Azures plattform för molntjänster. Databricks är integrerat med Azure för att ge konfiguration med ett klick, effektiva arbetsflöden och en interaktiv arbetsyta som möjliggör samarbete mellan dataforskare, dataingenjörer och affärsanalytiker. Databricks har utformats med grundarna av Apache Spark.
• Power BI är en uppsättning affärsanalysverktyg för att analysera data och dela insikter. Power BI kan köra frågor mot en semantisk modell som lagras i Analysis Services eller fråga Azure Synapse direkt.
• Data Factory samordnar omvandlingen av mellanlagrade data till en gemensam struktur i Azure Synapse. Med Azure Data Factory kan du skapa och schemalägga datadrivna arbetsflöden (så kallade ”pipelines”) som kan mata in data från olika datalager. Du kan skapa komplexa ETL-processer som transformerar data visuellt med dataflöden eller med hjälp av beräkningstjänster som Azure HDInsight Hadoop, Azure Databricks och Azure SQL Database.

Nästa steg

• En detaljerad vy över industriella moduler och tjänster finns i Azure Industrial IoT Platform-arkitekturen och en detaljerad vy över alla enskilda mikrotjänster och agentprocesser visas här.
• Du hittar mer information om hur du kommer igång med Azure Industrial IoT Platform på GitHub-lagringsplatsen Industrial IoT.