Você está na página 1de 6

Disponível online em www.sciencedirect.

com

ScienceDirect

Fabrico Letters 3 (2015) 18-23


www.elsevier.com/locate/mfglet

Research Letters

A arquitetura Cyber-Física sistemas para a indústria


4,0 baseadas em sistemas de manufatura

Jay Lee, Behrad Bagheri ⇑ , Hung-An Kao

NSF Indústria / Universidade Cooperativa Centro de Investigação em Sistemas de Manutenção Inteligente (IMS), Universidade de Cincinnati, Cincinnati, OH, Estados Unidos

Recebeu 08 de outubro de 2014; aceito 02 de dezembro de 2014


Disponível on-line 10 de dezembro de 2014

Abstrato

Avanços recentes na indústria de fabricação abriu caminho para uma implantação sistemática de Cyber-físicas Sistemas (CPS), em que os dados de todas as perspectivas
relacionados é monitorado de perto e sincronizados entre o chão de fábrica fl física e o espaço computacional virtual. Além disso, através da utilização de análise de informação
avançados, máquinas em rede será capaz de realizar mais e ffi cientemente, de forma colaborativa e resiliente. Esta tendência está transformando o setor de fabricação para a
próxima geração, ou seja, Indústria
4.0. Nesta fase inicial de desenvolvimento, há uma necessidade urgente de uma clara definição de CPS. Neste trabalho, um unificado arquitectura 5-nível é proposto como uma orientação
para a execução do DPC.
2014 Society of Manufacturing Engineers (SME). Publicado por Elsevier Ltd. Todos os direitos reservados.

Palavras-chave: Cyber-Physical System; Indústria 4.0; gestão de saúde e prognósticos; Máquina do tempo

1. Introdução iria transformar as fábricas de hoje em um 4.0 fábrica Indústria com signi fi
potencial econômico não pode [6,7] . Por exemplo, um relatório conjunto pelo
Cyber-físicas Sistemas (CPS) é definida como tecnologias transformadoras Instituto Fraunhofer ea associação da indústria Bitkom disse que valor bruto
para o gerenciamento de sistemas interligados entre os seus ativos físicos e alemão pode ser impulsionado por um acumulado de 267 bilhões de euros em
capacidades computacionais 2025, após a introdução da Indústria 4.0 [8] . Uma breve comparação entre
[1] . Com os desenvolvimentos recentes que resultaram em maior disponibilidade atuais e Indústria 4,0 fábricas é apresentado em Tabela 1 [9] .
e um ordability ff de sensores, sistemas de aquisição de dados e redes de
computadores, a natureza competitiva da indústria forças de hoje mais fábricas
para avançar em direção a implementação de metodologias de alta tecnologia. Desde CPS está no estágio inicial de desenvolvimento, é essencial
Consequentemente, o uso cada vez maior de sensores e máquinas em rede claramente de fi ne a estrutura ea metodologia do CPS como diretrizes para
resultou na geração contínua de dados de grande volume, que é conhecido sua implementação na indústria. Para atender a uma demanda tal, um quadro
como Big Data [2,3] . Em tal ambiente, CPS pode ser desenvolvido para o do sistema unificado fi foi projetado para aplicações gerais. Além disso, os
gerenciamento de grandes volumes de dados e alavancar a interconectividade algoritmos e tecnologias correspondentes em cada camada de sistema
de máquinas para atingir a meta de máquinas inteligentes, resilientes e também são propostos para colaborar com a estrutura unificada e perceber as
auto-adaptável funcionalidades desejadas do sistema global de equipamento melhorada
eficiência e ffi, fiabilidade e qualidade do produto.
[4,5] . Além disso, integrando CPS com produção, logística e serviços nas
práticas industriais atuais,

⇑ Autor correspondente.

http://dx.doi.org/10.1016/j.mfglet.2014.12.001
2213-8463 / 2014 Society of Manufacturing Engineers (SME). Publicado por Elsevier Ltd. Todos os direitos reservados.
J. Lee et al. / Cartas de Fabrico 3 (2015) 18-23 19

arquitetura nível 2. CPS 5C Cyber-Física aplicação do sistema. Os dados podem ser directamente medida
por sensores ou obtido a partir de sistemas de fabrico de controlador ou
A estrutura de 5-CPS nível proposto, ou seja, a arquitectura 5C, fornece empresariais, tais como ERP, MES, SCM e CMM. Dois fatores importantes a
uma orientação passo-a-passo para desenvolver e implementar um CPS para este nível têm que ser considerados. Primeiro, considerando vários tipos de
aplicação de fabrico. Em geral, um CPS consiste em dois componentes dados, um método transparente e livre de amarras para gerir procedimento de
funcionais principais: (1) a conectividade avançada que garante a aquisição de aquisição de dados e transferência de dados para o servidor central é necessária
dados em tempo real do mundo físico e feedback de informação do espaço quando especificas c protocolos fi como MTConnect
cibernético; e (2) a gestão inteligente de dados, análise de dados e a
capacidade computacional que constrói o espaço virtual. No entanto, tal [10] e etc, são e ff ectively útil. Por outro lado, escolhendo sensores
exigência é muito abstrato e não especi fi c suficiente para fins de apropriados (tipo e especi fi cação) é a segunda consideração importante para
implementação em geral. Em contraste, a arquitetura 5C apresentado aqui o primeiro nível.
claramente de multas, através de um trabalho seqüencial fluxo forma, como
construir um CPS da aquisição inicial de dados, a análise, a criação de valor fi 2.2. Data-to-informações de conversão
nal. Como ilustrado na Figura 1 , A arquitectura 5C detalhado é descrito como
se segue: informação significativa tem de ser inferido a partir dos dados. Atualmente,
existem várias ferramentas e metodologias disponíveis para os dados a nível
de conversão de informação. Nos últimos anos, extensa foco tem sido aplicada
para desenvolver estes algoritmos especí fi camente para prognósticos e
2.1. conexão inteligente aplicações de gestão de saúde. Ao calcular o valor da saúde, estimado
restante vida útil e etc., o segundo nível da arquitectura CPS traz
Aquisição de dados precisos e confiáveis ​de máquinas e seus auto-consciência para máquinas ( Figura 2 ).
componentes é o primeiro passo no desenvolvimento de um

tabela 1
Comparação de fábrica de hoje e um 4.0 fábrica Indústria.

Fonte de dados Fábrica de hoje indústria 4.0

Atributos Technologies Atributos Technologies

Componente Sensor Precisão sensores inteligentes e detecção de Auto-conhecimento monitorização degradação e previsão da
falhas Auto-prever vida útil restante
Máquina Controlador Produtibilidade e monitoramento e diagnósticos baseada em Auto-conhecimento -Se tempo com vigilância da saúde
desempenho condições Auto-prever preditivo
auto-comparar

Produção sistema de Produtividade e OEE operações magras: trabalho e redução Auto-con fi gura produtividade sem preocupações

sistema rede de resíduos auto-manter


auto-organizar

Fig. 5C 1. Arquitectura para implementação do Sistema de Cyber-Física.


20 J. Lee et al. / Cartas de Fabrico 3 (2015) 18-23

Resiliente
Control
fiscalizador ações Ações para evitar
configurar System
Ao controle necessárias (RCS)

Sistema de
Apoio à
priorizar e
Conhecimento Decisão
otimizar
(DSS)
decisões

Peer to Peer Monitoramento


Cyber
Análise Adaptive ​Physical
Máquina do tempo Snapshots
Systems
cibernético Auto-Comparar
M#1
#3 (CPS)
M#2

parque de máquinas

Prognósticos e
Gestão de Saúde

Conversão Auto-Aware
(PHM)
Sensores Machines

Monitoramento
condição Monitoramento
Conexão Baseado de condição
(CBM)
Componentes
Seleção Sensor eficaz

Fig. 2. Os pedidos e as técnicas associadas com cada nível da arquitectura 5C.

2.3. cibernético 2.5. Con fi guração

O nível de cibernético atua como hub central de informações nesta O nível de con fi guração é o feedback do espaço cibernético para o espaço
arquitetura. As informações estão sendo empurrados para ele de todos os físico e atua controle como de supervisão para fazer máquinas de auto-con fi
máquina conectada para formar a rede de máquinas. Ter a informação massiva gura e auto-adaptativa. Esta fase funciona como sistema de controle de
reunidos, específico de análise tem que ser usado para extrair informações resiliência (RCS) para aplicar as decisões corretivas e preventivas, o que foi feito
adicionais que proporcionam melhor visão sobre o status das máquinas em nível de cognição, ao sistema monitorado.
individuais entre a frota. Estes analítica providemachines com capacidade de
auto-comparação, onde o desempenho de uma única máquina pode ser
comparado com e classificado entre a frota. Por outro lado, as semelhanças 3. Os sistemas de CPS Projeto de PHM baseados

entre o desempenho da máquina e os ativos anteriores (informação histórica)


pode ser medido para prever o comportamento futuro das máquinas. Neste A vantagem extrema de nível cibernético PHM é a interligação entre
artigo, nós brevemente y introduzir uma ciente e ffi ainda e ff metodologia ective analytics saúde máquina através de uma interface de máquina virtual (CPI) no
para o gerenciamento e análise de informação a nível virtual (Seção 3 ). nível cyber, que é conceitualmente similar às redes sociais. Uma vez que a
infra-estrutura cyberlevel está no lugar, as máquinas podem registar-se na
informação da rede e troca através cyberinterfaces. Neste ponto, um algoritmo
tem de ser estabelecido para acompanhar as mudanças de um estado do
equipamento, inferir conhecimento adicional de informação histórica, aplicar
2.4. Conhecimento comparação peer-to-peer e passar as saídas para o próximo nível. Novos
métodos têm que ser desenvolvidos para executar essas ações e gerar
Implementação CPS sobre este nível gera um conhecimento profundo do resultados apropriados. Neste artigo, apresentamos o “ máquina do tempo ” que
sistema monitorado. apresentação adequada dos conhecimentos adquiridos para realiza de análise ao nível do Cyber ​e consiste em três secções paralelas
usuários experientes apoia a decisão correta a ser tomada. Como a informação como se segue.
comparativa, bem como o estado da máquina indivíduo está disponível, decisão
sobre a prioridade de tarefas para otimizar o processo de manutenção pode ser
feita. Para este nível, adequadas info-gráficos são necessários para transferir
completamente conhecimentos adquiridos para os usuários. EU. coleção Snapshot: Como ilustrado na A Fig. 3 , A informação é
continuamente sendo empurrado para o espaço cibernético a partir de
máquinas. O papel da coleção instantâneo é
J. Lee et al. / Cartas de Fabrico 3 (2015) 18-23 21

Fig. 3. Máquina de tempo abordagem para PHM Cyber-Física.

gerenciar os dados de entrada e armazenar as informações de forma II. Similaridade identi fi cação: Em nível cyber, devido à disponí-
ciente e FFI. Basicamente, para reduzir o espaço em disco necessário capacidade de informação a partir de várias máquinas, a probabilidade de
e poder processo, instantâneos de desempenho da máquina, história captura de certos modos de falha num intervalo de tempo mais curto é mais
utilização e manutenção tem que ser gravado em vez de toda a série elevada. Portanto, a seção de identificação semelhança tem de olhar para
temporal. Estes instantâneos são tomadas apenas uma vez por trás em registros históricos máquina do tempo para calcular a semelhança
mudança significativa foi feita para o estado da máquina monitorada. A de comportamento da máquina atual com a utilização ex-ativos e saúde.
mudança pode ser definida como a variação dramática no valor de Nesta fase, os algoritmos erent di ff pode ser utilizado para realizar a
saúde máquina, uma ação de manutenção ou uma mudança no regime correspondência de padrões, tais como matriz de jogo, o método de
de trabalho. Durante o ciclo de vida de uma máquina, esses similaridade trajectória [11] ou vários métodos estocásticos. Uma vez que os
instantâneos serão acumulados e utilizados para construir o histórico padrões são correspondidos, o comportamento futuro do sistema
de tempo para a máquina da activo específico. Este registro de monitorado pode ser previsto com mais precisão.
máquina do tempo activa será utilizada para comparação peer-to-peer
entre os ativos. Uma vez que o ativo é falha ou substituído,
III. Síntese optimizado passos futuros: prevendo restantes
vida útil de ativos ajuda a manter a estratégia de manutenção
just-in-time na fábrica. Além disso, a previsão de vida, juntamente com
registros de máquina do tempo históricos podem ser usados ​para
melhorar o ativo
J. Lee et al. / Cartas de Fabrico 3 (2015) 18-23

Fig. 4. O fluxo de dados e informações em uma fábrica habilitado CPS com máquinas-ferramentas na linha de produção baseado na arquitetura 5C CPS. 22

utilização e ffi eficiência com base no seu estado de saúde atual. fornece auto-con fi gurability e auto-manutenção para a fábrica. Este nível de
padrões de utilização históricas do activo semelhante em vários conhecimento não só garante uma preocupação livre e perto de produção tempo de
estágios de saúde fornecer as informações necessárias para simular inatividade zero, mas também oferece planos de planejamento de produção
possíveis cenários de utilização futura e seu resultado para o otimizado e gerenciamento de inventário para a gestão de fábrica ( A Fig. 4 ).
ativo-alvo. Entre esses cenários, o mais ciente e ffi e ainda padrão de
utilização produtiva pode ser implementado para o ativo-alvo.
5. Conclusões

Este trabalho apresenta uma arquitetura de 5C para cyber-físicos Sistemas em


4. Implementação da arquitetura CPS 5C para fábricas sistemas de manufatura Indústria 4.0. Ele fornece um guia viável e prática para a
indústria transformadora para implementar CPS para uma melhor qualidade do
Implementação CPS nas fábricas de hoje o ff ers várias vantagens que produto e confiabilidade do sistema com equipamentos de fabricação mais
podem ser categorizadas em três etapas de componente, máquina e sistema inteligente e resistente.
de produção que foram introduzidas no tabela 1 . Considerando-se uma linha
de produção consiste de uma quantidade numerosa de máquinas-ferramentas,
as vantagens de uma empresa habilitada CPS nas fases acima mencionadas
Referências
pode ser observado. Na fase de componentes, uma vez que os dados
sensoriais de componentes críticos foi convertido em informação, um [1] Baheti R, Gill H. sistemas Cyber-físicas. Impacto Controle Technol
cyber-twin de cada componente será responsável por capturar registros de 2011: 1-6 .

máquina do tempo e sintetizar os passos futuros para fornecer [2] Lee J, Lapira E, Bagheri B, Kao H. Os recentes avanços e tendências em
sistemas de manufatura preditivos em ambiente de dados grande. Carta Manuf 2013; 38: 41 .
auto-consciência e selfprediction. Na fase seguinte, os dados mais avançada
máquina,
[3] Shi J, J Wan, Yan H, Suo H. Uma pesquisa de sistemas virtuais-físico. Em:
conferência internacional sobre comunicações sem fio e de processamento de sinal (WCP),
por exemplo, os parâmetros do controlador, pode ser agregado para a informação novembro de 2011; p. 1-6. [4] Krogh BH. sistemas ciber-físicos: a necessidade de novos modelos

componentes para monitorizar o estado e gerar o Cyber-duplo de cada máquina e


paradigmas de projeto. Universidade Carnegie Mellon. p. 1-31. < http: //
particular. Estes gêmeos máquina em CPS fornecem a capacidade de
www.control.lth.se/user/karlerik/Illinois/Cyber-Physical/CPS_presentation_krogh.ppt/ >.
auto-comparação adicional. Além disso, na terceira fase (sistema de produção), o
conhecimento agregada a partir de componentes de informação de nível de [5] Instituto Nacional de Padrões e Tecnologia. relatório Workshop sobre
andmachine bases para a inovação em sistemas cyber-físicos, janeiro 2013
J. Lee et al. / Cartas de Fabrico 3 (2015) 18-23 23

< http://www.nist.gov/el/upload/CPS-WorkshopReport-1-30-13-Final.pdf/ . [9] Indústria 4.0 no ambiente de Big Data. Revista alemã Harting
2013; 26: 8-10 .
[6] Lee J, fábricas Lapira E. preditivos: a próxima transformação. Manuf [10] Um Vijayaraghavan, Sobel W, Fox A, D Dornfeld, Warndorf P.
Liderança J 2013 . Melhorar a interoperabilidade máquina ferramenta usando protocolos padronizados de
[7] Lee J, Lapira E, Yang S, Kao HA. sistema de produção Predictive interface: MTConnect. In: Anais do Simpósio Internacional de 2008 sobre a automação flexível
tendências de sistemas generationproduction seguinte. Em: Proceedings of the 11th oficina (ISFA), 2008, Atlanta, GA, EUA. [11] Wang T, Yu J, Siegel D, Lee J. Um prognósticos à base de
IFAC em sistemas inteligentes de fabrico; 2013. p. 150-6. [8] Heng S. Indústria 4.0: Enorme similaridade
potencial de criação de valor à espera de ser abordagem para o restante estimativa de vida útil dos sistemas de engenharia. In: Conferência
aproveitado. Deutsche Pesquisa Bank. < https://www.dbresearch.com/ servlet / internacional sobre prognósticos e gestão da saúde (PHM). IEEE; 2008. p. 6/1 .
reweb2.ReWEB? document = PROD0000000000335628 & rwnode =
DBR_INTERNET_EN-PROD $ NAVEGAÇÃO & rwobj = ReDisplay.Start.class & rwsite =
DBR_INTERNET_EN-PROD / >.