Trend curve IA
Hoe zoek je je weg door het woud aan nieuwe ontwikkelingen in de industriële automatisering (IA)? Wat kunnen ze voor je betekenen en wat zijn de voorwaarden voor een succesvolle implementatie? We zien dat heel veel van onze klanten aan het worstelen zijn met het bepalen, uitrollen en toepassen van de kansrijke innovatieve ontwikkelingen. De KienIA Trend Curve IA helpt hierbij. Ze beschrijft in welke ontwikkelfase trends zich bevinden. We hebben hem specifiek gemaakt voor ons vakgebied industriële automatisering.
Platform van productie
Standaardisatie op bedrijfsniveau
De standaardisatie van de IA neemt steeds verder toe. En daarmee het werken onder architectuur; normaal binnen de IT, nieuw binnen de IA.
Vanwege het gebrek aan praktisch toepasbare internationale normen, schreven steeds meer bedrijven hun eigen IA-standaard. Sommige bedrijven standaardiseren hun IA puur op functioneel niveau; met een standaard set eisen. Anderen standaardiseerden ook op technisch niveau, tot en met standaard software bouwstenen aan toe. Dit alles met als doel uniformiteit voor gebruikers, verhoging van de kwaliteit en verlaging van de lifecyclekosten kosten.
Safety
Safety betreft maatregelen om de veiligheid van mens, machine en milieu te borgen. De rol van IA bij het beveiligen van installaties groeit. Waar we vroeger veiligheidsfuncties in elektrische installaties oplosten, nemen we tegenwoordig steeds meer veiligheidsfuncties op in de besturing (PLC). Daarmee wordt het uitvoeren van risicoanalyses en het ontwerpen van adequate IA-veiligheidsmaatregelen een standaard onderdeel van de IA-aanpak. Dit alles tegen de achtergrond van toenemende wet- en regelgeving.
Security
Security omvat het beveiligen van computers tegen hackers. Voor de IA maken we ons niet zo zeer zorgen over diefstal van informatie. Onze primaire zorg richt zich op het saboteren van onze assets.
Met als mogelijke gevolg het onderbreken van onze dienstverlening, beschadiging van onze infrastructuur of veiligheidsrisico’s voor mens, machine en milieu.
Bij Security binnen de IA gaat het over de vier volgende hoofddoelen.
Helling van verlichting
HMI als mobiele service
Functies voor het ondersteunen van operators bij de bedrijfsvoering, zijn steeds vaker te vinden op mobiele apparaten als telefoons. Operators bevinden zich dan ook niet langer 24/7 in de controlekamer. Ze nemen steeds meer andere (onderhouds-) taken op zich en bewaken hun fabrieken van afstand.
Daarbij krijgen andere medewerkers nu ook toegang tot de informatie op HMI-beelden via mobiele toepassingen.
OTAP
Een OTAP-omgeving helpt je bij het ontwikkelen en testen van automatisering.
Het beheerst ontwikkelen, testen en uitrollen van IA is voor steeds meer bedrijven ‘common practice’. Net als nu binnen de IT, zal elk bedrijf straks ook voor haar IA een OTAP-straat gebruiken. Anders kan men de gevraagde complexiteit en beschikbaarheid niet waarmaken.
Risicogestuurd + voorspellend onderhoud
Bij risicogestuurd onderhoud bepalen risico’s voor de bedrijfsvoering of de veiligheid wanneer er onderhoud plaats vindt. Bij voorspellend onderhoud bepaalt de conditie van een asset wanneer er onderhoud plaatsvindt. Beide methoden hebben tot doel de onderhoudsinspanning te richten op het moment en de plek waar deze het meeste effect heeft.
Om deze vormen van onderhoud mogelijk te maken, is dynamische informatie van alle assets nodig. Zoals het aantal draaiuren van een machine, het aantal schakelingen van een afsluiter of de historische belasting van een asset. Het zijn IA-systemen die deze informatie verzamelen en beschikbaar stellen.
Integratie IT-IA
IT betreft de automatisering van het kantoor. IA betreft de automatisering van installaties. IT en IA zijn nog steeds twee volledig separate vakgebieden. Er zijn nauwelijks specialisten die zowel binnen de IT als binnen de IA actief zijn. IT’ers richten zich daarbij primair op de betrouwbaarheid van informatie. IA’ers richten zich primair op de beschikbaarheid van de asset.
Toch schuiven beide vakgebieden steeds verder in elkaar. In domeinen zoals netwerken, hosting van servers, testen en beheer is IT verder dan de IA. Daar staat tegenover dat de IT niet in staat is fabrieken en assets met voldoende beschikbaarheid te automatisering. Ook Onderhoud Management Systemen en Proces Informatie Management Systemen zijn vaak bij IA’ers in betere handen, vanwege hun begrip van de productieomgeving.
Smart Metering
Een slimme meter is een digitale gas- en elektriciteitsmeter, die zowel op locatie als op afstand kan worden uitgelezen. Ook zijn slimme meters instaat bewerkingen uit te voeren en andere apparaten aan te sturen.
Steeds meer netbeheerders schakelen over om het online meten van het verbruik van hun klanten. Dit levert een schat van informatie op over het functioneren en de conditie van hun elektriciteits-, gas- of waternetwerk.
Dal der teleurstelling
SAAS
Strategisch kiezen bedrijven steeds vaker om te stoppen met lokaal beheerde servers en applicaties en de overstap te maken naar SAAS-applicaties. Software as a Service (SAAS) is het huren van software functionaliteit, die derden ter beschikking stellen. Deze leveranciers verzorgen daarmee ook het beheer en de operatie van de hard- en software. Dit doen ze meestal vanuit een Cloud-omgeving.
Helaas bieden IA-leveranciers deze service nog nauwelijks aan. Wel zijn er meerdere hostings-partijen, die het beheer van servers voor bijvoorbeeld SCADA of onderhoudssystemen verzorgen.
Gegevensplatform in de Cloud
Cloud computing maakt het ook mogelijk om gegevens uit te wisselen via een netwerk, vaak internet. Binnen de IA maken we momenteel gebruik van individuele (virtuele) verbindingen tussen assets onderling en assets en de centrale controlekamer. Straks is dat niet meer haalbaar. In een Smart Grid koppelen we namelijk niet alleen assets van honderd assets van een bedrijf aan elkaar. We koppelen miljoenen assets aan elkaar, ongeacht wie eigenaar is van die assets. Rechtstreekse connectie zou leiden tot miljoenen verbindingen.
In de toekomst gaan assets daarom hun data delen via de Cloud. Elke asset in de keten kan gebruik maken van de gegevens om zijn eigen beslissingen te nemen. Anders dan nu maakt het dan niet meer uit wie eigenaar is van die asset. Hierbij is een asset een op zichzelf staande installatie zoals een productielijn, een windmolen of een gemaal.
De database voor procesdata van de IA is nu vaak een Historian. Helaas bieden de grote leveranciers van deze systemen nog geen goede cloudoplossing aan. De oplossingen van partijen als Microsoft en IBM zijn duur en/of schieten nog te kort.
Big (proces) Data
Met Big Data doelt men meestal op het verzamelen en analyseren van grote hoeveelheden data uit verschillende bronnen. Met behulp van deze analyse kan men processen verbeteren en gedrag van systemen of mensen voorspellen.
Maar helaas staat het beheren, monitoren en analyseren van deze gegevens binnen de meeste productiebedrijven nog in de kinderschoenen en zijn de voordelen onvoldoende duidelijk.
De IA kan in dit kader vijf grote data-bronnen omvatten:
- Statische assetinformatie in het Onderhoud Management Systeem (OMS). Dit zijn gegevens zoals de leverancier en typenummer van een klep.
- Dynamische assetinformatie in een Proces Informatie Management Systeem (PIMS). Dit zijn historische gegevens zoals meetwaarden, alarmen en statussen van assets, verzamelt over meerdere jaren.
- Sets technische tekeningen en E&I-schema’s in documentbeheersystemen of een Bouw Informatie Model (BIM).
- Geografische informatie in een Geografisch Informatie Systeem (GIS). Dit zijn gegevens zoals de leverancier van een klep, de ligging van een pijp of de tekeningen van een installatie.
- Modellen van het gedrag van assets in Model Bases System Engineering pakket (MBSE) zoals Enterprise Architect.
Daarnaast liggen veel financiële en personeelsgegevens van een productie-bedrijf vast in haar kantoorautomatisering. Tezamen vormen deze databronnen het data lake van een productiebedrijf.
Bedrijven kunnen deze gegevens gebruiken voor het verbeteren van de prestaties van onze installaties, verlagen van de kosten en verhogen van de kwaliteit en veiligheid.
IoT
Internet of Things biedt de mogelijkheid eenvoudig metingen in het veld aan te sluiten op een Cloud. Met de komst van IoT- oplossingen moeten we ons nu per opgave afvragen wat de juiste weg is.
Voor eenvoudige opgaves zoals veldmetingen biedt IoT veel voordelen. Voor complexe installaties, zoals een brug of windmolen of een gemaal is de bewezen technologie van PLC-SCADA voorlopig veruit te prefereren.
Standaardisatie
De standaardisatie van de IA neemt steeds verder toe. Daarbij helpen (internationale) normen ons maar gedeeltelijk. Deze normen zijn niet concreet genoeg en richten zich vooral op het proces hoe IA tot stand komt. Wel lopen er momenteel meerdere internationale initiatieven om IA te standaardiseren, zoals een merk onafhankelijke programmeertaal voor PLC’s.
Vanwege de beperkingen van deze normen schreven steeds meer bedrijven schreven hun eigen IA-standaard.
BIM
Een Bouwwerk Informatie Model (BIM) is een digitaal model van een installatie, opgebouwd uit objecten waaraan informatie is gekoppeld. BIM stelt data centraal in het ontwerp-, realisatie- en beheerproces van assets. Ze zorgt voor actuele, betrouwbare en complete statische asset-informatie. Ze stelt gebruikers in staat wijzigingen geautomatiseerd door te voeren in een veelvoud van tekeningen en ontwerpen. Daarbij ondersteunt ze samenwerking tussen partijen.
Piek van opgeblazen verwachtingen
Autonome assets
Door toename van automatisering van systemen, machines en voertuigen wordt de tussenkomst van menselijk handelen steeds kleiner. Autonome assets zijn in staat geheel zelfstandig te functioneren en onderling te communiceren. Voorbeelden zijn de zelfrijdende auto, de AGV (Automated Guided Vehicle) en de drone. De impact van autonome assets op de bedrijfsvoering is groot.
- Een brug is in staat geheel zelfstandig en veilig te openen en sluiten zonder tussenkomst van de brugwachter.
- De machine in een fabriek bestelt zelfstandig grondstoffen en stemt de productie zonder menselijke tussenkomst af met andere machines.
- De workflow in een productiestraat wordt autonoom bijgesteld als de samenstelling van grondstoffen of klanteisen veranderen.
- De productie-unit bestelt zelf tijdig reserveonderdelen om de beschikbaarheid te waarborgen.
Ketenoptimalisatie en Industrie 4.0
Ketenoptimalisatie is het optimaliseren van de samenwerking tussen bedrijven onderling en tussen bedrijven en haar klanten. Door het verbinden van de IA van assets kun je o.a. vraag en aanbod, beschikbaarheid, kosten en doorstroming optimaliseren.
In de kern is dit ook de basis van Industrie 4.0: optimaal werkende ketens. Enkele voorbeelden:
- Een brug die geheel zelfstandig open en dicht gaat, zonder hulp van een brugwachter. Openingstijden stemt de brug automatisch af met de schepen en verkeerslichten om zich heen.
- Assets bestellen zelf onderhoud bij de juiste partij op het moment zij dat nodig hebben.
- Huizen beslissen zelfstandig of en wanneer zij energie leveren, opslaan of consumeren.
- Een machine in een fabriek bestelt zelfstandig grondstoffen en stemt volautomatisch de productie af met de andere machines.
Smart Grid/ Smart City
Een smart grid is een netwerk waarin intelligente assets autonoom samenwerken. Bij netwerken kan je denken aan een elektriciteitsnet, een wegennet of een warmtenet. Naast zo’n fysieke net bevat een Smart Grid ook een gegevensplatform in de Cloud, voor het uitwisselen van data. Op dat gegevens-platform publiceert elke asset zijn belangrijkste gegevens.
Op basis van de gegevens van de assets om hem heen, beslist elk asset zelf wat die gaat doen. Zo beslissen slimme huizen zelf wanneer ze energie leveren, opslaan of gebruiken. De pomp in een polder schakelt zichzelf in en uit.
Aangezien assets zichzelf sturen, neemt daarbij de rol van centrale wachten sterk af. Wat overblijft is een centrale bewaking van het functioneren van de Smart Grid als geheel, zowel door slimme software-applicaties als door mensen.
In een Smart City zijn oneindig veel samenwerkingsvormen denkbaar. Denk bijvoorbeeld aan de afstemming tussen een brug met omliggende verkeerslichten, auto’s en schepen. Om zo te komen tot een optimale doorstroming.
Edge computing
Edge computing betreft lokale computers die berekening en gegevensopslag dichter bij de locatie brengt waar het nodig is. Feitelijk doen we binnen de IA niks anders: PLC’s en vooral DCS-systemen voeren hun taken al lokaal uit.
De volgende stap is dat een deel van de functionaliteit vanuit PLC /DCS over te dragen naar de sensor of actuator. Zoals een meetinstrument die zelf zijn meetwaarde uitrekent, zelf zijn historische waarden logt en vraagt zelf onderhoud aan.
Hierbij een voorbeeld van Edge in een huis.
Deze slimme instrumenten werken vervolgens autonoom samen met de instrumenten om hun heen. Praktijk voorbeelden van een bedrijfsbrede implementatie zijn ons nog niet bekend.
Augmented Reality
Augmented Reality is een live beeld van de werkelijkheid, waaraan elementen worden toegevoegd door een computer. Kansen binnen de IA zijn o.a. opleiding van operators, HMI toepassingen of ondersteuning van monteurs ter plaatste. Er zijn vele filmpjes en voorbeelden te vinden, maar praktische toepassingen zijn ons nog niet bekend.
Spraaktechnologie
Met de komst van Google Home en Apple’s Siri praten we tegenwoordig tegen onze computers. Deze technologie biedt operators straks de mogelijkheid om mondeling met zijn HMI te communiceren. Dit heeft vergaande gevolgen voor de wijze waarop we deze systemen inrichten. Zo zal straks een beeldhiërarchie niet meer nodig zijn.
Beeldherkenning technieken
Beeldherkenning ook Vision genoemd is een techniek al jaren in verschillende sectoren wordt toegepast en op zich geen innovatie is. Maar de ontwikkeling is nog altijd stevig en is o.a. een belangrijke technologie die Autonome Assets mogelijk maakt.
De complexiteit van het menselijk oog in combinatie met het brein voor interpretatie van beelden is nog niet altijd makkelijk te evenaren met Beeldherkenningstechnologie. Zo blijkt uit testen met zelfrijdende auto’s in de stad dat interpretatie van een beeld heel complex kan zijn.
Denk aan een kind dat verdwijnt tussen twee geparkeerde auto’s en opeens op straat staat. Een mens anticipeert hierop, een machine nog niet.
Machine Learning
Machine learning is de wetenschappelijke studie van algoritmen en statistische modellen die computersystemen gebruiken om een specifieke taak steeds beter uit te voeren. Analyse van historische data is een belangrijk onderdeel hierbij.
In de praktijk zijn er slechts kleine voorbeelden van Machine Learning in de IA. Zoals een routine die de parameters van een PID-regelaar automatisch verbeterd.
Digital Twin
Met een digitale replica van assets, processen en wellicht mensen, kun je zaken onderzoeken die je in de echte omgeving niet wil of kan proberen. Je kunt er mensen mee opleiden en regeling mee verbeteren. Feitelijk is het de next step van de al bestaande processimulatie.
Er zijn nog weinig toepassingen binnen de IA. Voorbeelden binnen de infrastructurele projecten zijn tunnels.
3D-simulatie
Steeds vaker worden assets 3D ontworpen. Dit biedt binnen de IA mogelijkheden voor:
- Serious gaming, vooral voor het oefenen van noodscenario’s.
- Virtual reality voor het opleiden van operators en monteurs.
5G
Het 5e generatie mobiele netwerk kenmerkt zich door een grotere gegevens-doorvoer en minder vertraging. Met de komst van 5G kunnen we straks nog makkelijker assets en metingen koppelen aan de Cloud. Dat betekent meer zicht op het functioneren van assets en meer bedieningsmogelijkheden van afstand.
Daarnaast wordt het aansluiten van meetinstrumenten in het veld en bij klanten steeds goedkoper. De hoeveelheid data en daarmee het zicht op het functioneren van infranetwerken groeit daarmee nog verder.
Innovatieve triggers
Block Chain
Block Chain is een technologie om data veilig en efficiënt op te slaan.
Er zijn nog weinig toepassingen in de IA bekend. Een voorbeeld is tracking & tracing van containers op schepen. Met de toenemende samenwerking in de keten, zal ook de behoefte groeien transacties tussen partijen automatisch en veilig te administreren.
Artificial Intelligence
Iedereen hanteert zijn eigen definitie van AI. Belangrijk is dat wetenschappers aangeven dat het nog minstens 30 tot 70 jaar duurt voordat computers werkelijk zelfstandig kunnen denken.
In de tussentijd zullen we het moeten doen met zeer krachtige routines, om data te interpreteren en beslissingen te nemen. Zoals neurale netwerken en wiskundige modellen. Binnen de IA komt hun gebruik maar langzaam op gang.
3D printing
Er worden al fietsbruggen direct vanaf ontwerp laagje voor laagje geprint in staal en beton. Het geeft vrijheid in ontwerp en het basisontwerp is simpel aan te passen voor hergebruik. Voor de ontwerp- en beheerfase zit al veel in de computer. 3D printen koppelt het ontwerp meteen aan de uitvoering. Voor Beheer & Onderhoud kan het voordeel geven dat onderdelen simpel nagemaakt kunnen worden. Wat deze nieuwe techniek gaat betekenen voor de IA moet nog bewijzen. Immers PLC-SCADA en de logica worden nog niet geprint.