Tutkimusprojekti: Siemens Simis-C -asetinlaitteen data-analytiikka

Koko: px

Aloita esitys sivulta:

Download "Tutkimusprojekti: Siemens Simis-C -asetinlaitteen data-analytiikka"

Sami Salminen
5 vuotta sitten
Katselukertoja:

1 Tutkimusprojekti: Siemens Simis-C -asetinlaitteen data-analytiikka

2 Toteutus: asetinlaitedatan hyödyntäminen kunnossapidon kehittämiseksi sekä hallinnoinnin ja suunnittelun tukena Data transmission Railigent Connect Secure data transmission from sensor to central data storage Data processing Data evaluation Railigent Turning data into value and enabling Digital Services solutions (Smart Monitoring, Smart Data Analysis and Smart Prediction) Advanced algorithms Expertise domain Know-how Best practises Data visualization Management Dispatcher Maintenance engineer Hyödynnetään asetinlaitteen sisäistä väylädataa kehittynein data-analytiikan menetelmin rataverkon kunnossapidon, hallinnoinnin ja päätöksenteon tueksi sekä kehittämiseksi 1. Datan tietoturvallinen kerääminen ja siirto Siemens MindSphere / Railigent IoT käyttöjärjestelmäalustalle 2. Raakadatan tehokas prosessointi ja muunto jatkojalostettavaan muotoon 3. Data muunnetaan tiedoksi sekä lisäarvoksi algoritmien ja edistyksellisten työkalujen ja menetelmien avulla 4. Tieto käsitellään ja esitetään erilaisten raporttityyppien ja koontinäkymien kautta eri käyttäjäryhmille Page 2

Tietoja toteutuksesta (1/2) Ominaisuudet Toteutus olemassa olevan infran päälle Ei muutoksia infraan (asetinlaite) tai lisäkonfigurointia Ei tarvetta asentaa ylimääräisiä antureita Kahden väylän

3 Tietoja toteutuksesta (1/2) Ominaisuudet Toteutus olemassa olevan infran päälle Ei muutoksia infraan (asetinlaite) tai lisäkonfigurointia Ei tarvetta asentaa ylimääräisiä antureita Kahden väylän samanaikainen ja protokollariippumaton kuuntelu Väyläliikennettä monitoroidaan asetinlaitteesta DCU-laitteella (Data Capture Unit) Kriittisiin teollisuusverkkoihin suunniteltu Kriittinen ja julkinen verkko fyysisesti eristetty Laite kuuntelee passiivisesti verkkoliikennettä Ei vaikuta verkon toimintaan tai aiheuta häiriöitä verkkoon Datan keräys, prosessointi sekä edelleen tuonti Railigent-pilveen automatisoitu Viimeisintä tekniikkaa edustavilla (mm. pilviteknologiat & datalake) -ratkaisuilla datan effektiivinen käsittely ja prosessointi Loppukäyttäjän raportin koontinäkymissä esitetty viimeisin järjestelmän tila Page 3

Dabeth Dabeth 1B 2B 3B 4A 4B Tietoja toteutuksesta (2/2) Verkkotopologia Asetinlaite Simis C Liityntä väyläkeskukseen Datan keräys DCU ja Sidis DS koneen avulla Siemens

4 Dabeth Dabeth 1B 2B 3B 4A 4B Tietoja toteutuksesta (2/2) Verkkotopologia Asetinlaite Simis C Liityntä väyläkeskukseen Datan keräys DCU ja Sidis DS koneen avulla Siemens MindSphere / Railigent pilvipalvelualusta ILBUS-A ILBUS-B A 2A 3A DCU Sidis Data Storage Win (x64) MindSphere The cloud-based, open IoT operating system Page 4

5 Esimerkkikäyttötapaukset (1/2) Vaihteet Vaihteen monitorointi ja vian ennustaminen kääntölaitteiden kääntöaikoihin perustuen Ulkoisten datalähteiden yhdistäminen järjestelmästä saataviin, mm. säätiedot ja karttatiedot Page 5

6 Esimerkkikäyttötapaukset (2/2) Lyhyet varaukset Lyhyet varaukset asentinlaitteiden eri elementtien mukaan (mm. kääntölaitteet ja raideosuudet) Elementit kategorisoitu poikkeuksellisten lyhyiden varautumisten havaitsemiseksi sekä vikaantumisen ennustamiseksi Page 6

7 Tuloksista ( ) - Kokeiluprojektissa on onnistuneesti toteutettu täysin automatisoitu ja tietoturvallinen ratkaisu datan keräämiseen, prosessointiin ja esittämiseen eri käyttötapausten muodossa - Kokeiluprojektissa on voitu osoittaa, että asetinlaitteesta kerättävän datan ja tämän jalostamisen kautta on mahdollista tuottaa merkittävää lisäarvoa eri toimijoille ja heidän tehtäviensä tueksi Kunnossapito: Automaattiset raportit/ tilastot kunnossapitotoimenpiteiden tueksi ja -prosessien kehittämiseksi Tarkkaa elementtitason dataa, joka mahdollistaa prosessien kehittämisen ja siirtymisen tarvepohjaisen ja ennakoivaan kunnossapitoon Automaattinen ilmoitus tapahtumista käyttäjille Hallinnointi: Useasti toistuvien tapahtumien tunnistaminen ja juurisyiden selvittäminen Tapahtumien tarkastelu takautuvasti Päätöksenteko: Excel-muotoinen historiastatistiikka päätöksenteon tueksi (suunnittelu) Page 7

8 Kiitos! Kysymyksiä? Page 8

Samankaltaiset tiedostot

Tosi elävä virtuaalimalli Mika Karaila Tutkimuspäällikkö Valmet Automation

Tosi elävä virtuaalimalli Mika Karaila Tutkimuspäällikkö Valmet Automation Tosi elävä virtuaalimalli 27.4.2017 Mika Karaila Tutkimuspäällikkö Valmet Automation Agenda Teollinen internet Uudet teknologiat: VR & MR Soveltaminen käytännössä Yhteenveto & demo 2 Teollinen internet