archivierungssysteme - tu · pdf filetu dresden, 09.12.2009 2009 (c) plt folie 47 literatur...
Post on 06-Feb-2018
219 Views
Preview:
TRANSCRIPT
Archivierungssysteme
LV Prozessinformationsverarbeitung
Fakultät EuI Institut für Automatisierungstechnik, Professur für Prozessleittechnik
Dresden, 09.12.2009
TU Dresden, 09.12.2009 Folie 2 2009 (c) PLT
Gliederung
• Archivierung– Motivation
• Datenkompression– Motivation– Verfahren
• Archive– Auslegung
TU Dresden, 09.12.2009 Folie 3 2009 (c) PLT
Anforderungen
Anforderungen an das Archivieren von Prozessdaten• Vollständig• Einheitlich• Strukturiert
Mit dem Ziel• Vergleichbarkeit• Strukturiertes Betrachten nach vorgegebenen
Merkmalen
TU Dresden, 09.12.2009 Folie 4 2009 (c) PLT
Motivation
Rechtliche Gründe• Protokollierung von Grenzwerten und Ereignissen
(Störfälle)• Nachweis für Zertifikate• Nachweis für Auflagen (Emission)• Chargenverfolgung
• Produktsicherheitsgesetz fordert lückenlose Dokumentation der Produktionsschritte und Einsatzmaterialien
TU Dresden, 09.12.2009 Folie 5 2009 (c) PLT
Motivation
Prozessbezogene Gründe• Statistische Auswertung
– Produktionsmengen• Statistische Langzeitauswertung
– Prozessoptimierung, Batch– Performance-Kenngrößen (KPI)– Kostenreduzierung
• Zeitlicher Ablauf von Störauswirkungen und -ausbreitung
• Vergleich von Produktionsdaten• Qualitätssicherung
TU Dresden, 09.12.2009 Folie 6 2009 (c) PLT
Motivation
Prozessbezogenen Gründe (Teil 2)• Stillstand vermeiden
Gewinn festigen und steigern→ Kosten und Nutzen für Störfallvermeidung abwägen→
TU Dresden, 09.12.2009 Folie 7 2009 (c) PLT
Motivation
Sicherheitsgerichtete Gründe• Optimierung der Meldeparameter
– Grenzwerte– Reaktionszeit
• Kontrolle der Sicherheitsverriegelung und NOT-AUS
TU Dresden, 09.12.2009 Folie 8 2009 (c) PLT
Motivation
Performancegründe• Leistungsfähigkeit der Prozessdatenbank erhalten• Datensicherung• Reduzieren von Papier
TU Dresden, 09.12.2009 Folie 9 2009 (c) PLT
Realisierung
• Auslagerung in Archive (Dateien)• Bei Bedarf Einlesen und Auswerten möglich
ArchivAnalyse &
KompressionDaten-
erfassung
TU Dresden, 09.12.2009 Folie 10 2009 (c) PLT
Charakteristik von Archivdaten
• Große Datenmengen (100.000 in einer Anlage)• Sprunghafte Änderungen von Daten• Stationäre Daten
TU Dresden, 09.12.2009 Folie 11 2009 (c) PLT
Methoden
Auslöser der Archivierung von Daten• Zeitgesteuert• Ereignisgesteuert
Informationsinhalt• Prozessdaten• Berechnungen (abgeleitete Kriterien)
TU Dresden, 09.12.2009 Folie 12 2009 (c) PLT
Datenkompression
Motiviation• Unterschiedliche Relevanz der Daten• Reduzieren des Speicherplatzes Kosten→• Handhabung großer Datenraten
SpeicherplatzDatenübertragung Datenverlust
Kompri-mierungs-
grad
TU Dresden, 09.12.2009 Folie 13 2009 (c) PLT
Datenkompression
Auswirkungen auf Daten• Datenverlust• Veränderte statistische Eigenschaften
(Mittelwert und Varianz) Mittelwerte aus originalen Daten gewinnen→
TU Dresden, 09.12.2009 Folie 14 2009 (c) PLT
Datenkompression
Anwendungsbeispiele• Langzeitspeicher in Pharmaindustrie• Fernsteuerung von Ölplattformen mit
Satellitenverbindung vom Festland
TU Dresden, 09.12.2009 Folie 15 2009 (c) PLT
Datenkompression
Direkte Methoden• Archivieren in Echtzeit• Regeln entscheiden über Archivierung einzelner
Messwert• Rekonstruieren durch Verbinden der Datenpunkte
Abbildende Methoden• Archivieren nicht in Echtzeit• Transformation benötigt historische Daten
Einbeziehen des Verlaufes→• Abbilden von originalen Daten in einen anderen Bereich
TU Dresden, 09.12.2009 Folie 16 2009 (c) PLT
Datenkompression
Extrapolierte Daten Solange Abweichungen innerhalb von Grenzen, dann →
wird nicht der aktuelle sondern der extrapolierte Wert gespeichert
Relevante Punkte für Archivalgorithmus → rückblickende Bewertung der Daten für Kompression
• Zuletzt archivierter Punkt Ph
• Vorheriger Punkt Pv
• Aktueller Punkt Pa
TU Dresden, 09.12.2009 Folie 17 2009 (c) PLT
Datenkompression
Trend recording• Zyklisches Speichern von Prozessdaten mit Zeitstempel• Tritt keine Grenzwertverletzung auf, werden ältere
Daten wieder gelöscht• Bei Grenzwertverletzung bleiben Daten erhalten
Störursache kann ermittelt werden→
• Alternative: Statt alle zurückliegenden Daten löschen, Daten in größerem Abstand beibehalten
→ wechselnde Aufzeichnungsintervalle
TU Dresden, 09.12.2009 Folie 18 2009 (c) PLT
Datenkompression
Konstantwerterkennung• Datenpunkt liefert kontinuierlich den gleichen Wert
→ Speichern von Wert und Dauer → Redundanzbeseitigung
• Verlustfrei, analog „Run Length Encoding“ in BildernWENN P
a == P
v
DANN t++
SONSTspeichere ( P
a, t ), t=1
Pv=P
a
TU Dresden, 09.12.2009 Folie 19 2009 (c) PLT
Datenkompression
Wertkompression• Punkt ab einer definierten Wertabweichung vom
letzten archivierten Punkt speichern → Totband
• Speicherbelastung bei signifikanter Änderung
WENN Diff. aktueller Punkt, archivierter Punkt zu groß DANN
WENN vorheriger nach archiviertem PunktDANN speichere (Wert archivierter Punkt / Zeit
vorheriger Punkt) undspeichere aktuellen Punkt
SONST speichere aktuellen Punkt
TU Dresden, 09.12.2009 Folie 20 2009 (c) PLT
Datenkompression
Boxcar• Werte ab einer definierten Abweichung vom letzten
archivierten Wert speichern → Totband
WENN aktueller von archiviertem Punkt abweichtDANN
WENN vorheriger nach archiviertem PunktDANN speichere vorherigen PunktSONST speichere aktuellen Punkt
TU Dresden, 09.12.2009 Folie 21 2009 (c) PLT
Datenkompression
Boxcar• WENN aktueller von archiviertem Punkt abweicht
DANNWENN vorheriger nach archiviertem PunktDANN speichere vorherigen PunktSONST speichere aktuellen Punkt
Bildquelle: Watson, Liakopoulos, Brzakovic, & Georgakis (1998)
TU Dresden, 09.12.2009 Folie 22 2009 (c) PLT
Datenkompression
Backslope• Aus den letzten beiden archivierten Punkte wird ein
Vorhersageband für den aktuellen Punkt linear extrapoliert
WENN aktueller von vorhergesagtem Punkt abweichtDANN
WENN vorheriger nach archiviertem PunktDANN speichere vorherigen PunktSONST speichere aktuellen Punkt
TU Dresden, 09.12.2009 Folie 23 2009 (c) PLT
Datenkompression
BackslopeWENN aktueller von vorhergesagtem Punkt abweichtDANN
WENN vorheriger nach archiviertem PunktDANN speichere vorherigen PunktSONST speichere aktuellen Punkt
Bildquelle: Watson, Liakopoulos, Brzakovic, & Georgakis (1998)
TU Dresden, 09.12.2009 Folie 24 2009 (c) PLT
Datenkompression
Straight-Line-Interpolative-Method 1(Fächermethode)
• Jeder Punkt erhält Toleranzband• Punkt außerhalb des Fächers
→ archivieren
WENN aktueller Punkt innerhalb Fächer des archivierten Punktes
DANN Fächer anpassen (nur einengen)SONST speichere Schnittpunkt Toleranzgerade mit
Toleranzband vorheriger Punkt
TU Dresden, 09.12.2009 Folie 25 2009 (c) PLT
Datenkompression
SLIM Beispiel
• P1, P2±d definieren ein Toleranzband mit den Grenzen U1,L1
• P3±d liegt innerhalb U1,L1. P1, P3±d engen das Toleranzband mit U1' und L1' ein
• Lediglich P4+d liegt innerhalb U1',L1' – es wird eine obere Grenze U1'' durch P1, P4+d definiert
• P5 liegt außerhalb des Bandes. Aufgenommen wird der Pseudopunkt P4' auf der Grenze L1'
TU Dresden, 09.12.2009 Folie 26 2009 (c) PLT
Datenkompression
Straight-Line-Interpolative-Method 2• Wie SLIM 1, anstatt Schnittpunkt wird exakter
vorheriger Wert gespeichert
Straight-Line-Interpolative-Method 3• Wie SLIM 1, aktueller Punkt muss außerhalb des
Fächers sein (anstatt Toleranzband)
TU Dresden, 09.12.2009 Folie 27 2009 (c) PLT
Datenkompression
Swinging Door• Ähnlich zu Backslope, Grenzen werden jedoch bei jeder
Messung durch Ph und Pa neu bestimmt, die Tür schwingt dabei nur auf.
• Sobald der Schnittpunkt der Grenzen U und L vor P1 liegt wird der vorherige Wert
• Beispiel: – P1 ist der letzte gespeicherte Wert Pa– (Pa±d, P2) definieren U und L– P3 öffnet Grenze L– P4 öffnet Grenze U– P5, keine Änderung– P6 öffnet U „zu weit“, P5 wird
aufgezeichnet
TU Dresden, 09.12.2009 Folie 28 2009 (c) PLT
Datenkompression
Wavelet-Spektral-Transformation• Verfahren aus Audiokompression• Abbildung in den Frequenzbereich• Aufteilung des Signals in spektrale Komponenten
getrennte Codierung→• Ziel:
unkorrelierte Komponenten quantisieren und codieren
TU Dresden, 09.12.2009 Folie 29 2009 (c) PLT
Datenkompression
LeistungsvergleichKompression Sinus Sinus + Rauschen
rc
Eint
Eext
rc
Eint
Eext
Unkomprimiert 1 0,00 0,00 1,00 0,00 0,00
Boxcar 1,27 1,37 1,21 1,32 2,35 2,57
Backslope 8,9 0,85 1,40 6,2 2,41 2,63
Wertkompression 1,2 1,49 1,49 1,28 1,50 1,50
SLIM1 35 1,50 NA 16,7 1,50 NA
SLIM2 22,1 1,17 NA 5,3 1,32 NA
SLIM3 25,3 1,47 NA 9,8 1,50 NA
Swinging Door 17,8 1,48 NA 10,1 1,50 NA
rc - Kompressionsrate, E
int - Rekonstruktionsfehler bei Interpolation, E
int - bei Extrapolation
Quelle: James (1995)
TU Dresden, 09.12.2009 Folie 30 2009 (c) PLT
Datenkompression
Kompressionsfaktor• Verhältnis original zu komprimierte Datenrate
Originale DatenrateKomprimierte Datenrate
• Kompressionsfaktor Eins Keine Kompression→
TU Dresden, 09.12.2009 Folie 31 2009 (c) PLT
Auslegung von Datenbanken
• Anzahl der archivierten Datenpunkte• Rate der archivierten Daten• Archivierungszeitraum
→ Volumen und Geschwindigkeit relevant
→ Auswahl der Datenbankarchitektur
Architektur Datenrate(1000 Datenpunkte, Sampling 5s)
unkomprimiert 1 GB / Monat
komprimiert 150 MB / Monat
TU Dresden, 09.12.2009 Folie 32 2009 (c) PLT
Dekompression
• Interpolation der Daten– Verlust der Genauigkeit
• Gewinnen des historischen Verlaufs von Prozessgrößen
TU Dresden, 09.12.2009 Folie 33 2009 (c) PLT
Dekompression
Zeitverlauf (li), Spektrum (re), Kompressionsfaktor 10
Quelle: Thornhill (2003)
TU Dresden, 09.12.2009 Folie 34 2009 (c) PLT
Abfrage von Archivdaten
Rekonstruktion komprimierter Prozessdaten für• Zeitgenauer Status• Beste Annäherung• Zeitlicher Durchschnitt• Integral• Abstufung (Kategorien)• Zähler (Ereigniszähler)
TU Dresden, 09.12.2009 Folie 35 2009 (c) PLT
Leistungsparameter
• Verfügbarkeitsrate• Leistungsfähigkeit• Qualitätsrate• Mean Time Between Failure (MTBF)• Mean Time To Assist (MTTA)• Mean Time Between Assist (MTBA)• Mean Time To Repair (MTTR)
TU Dresden, 09.12.2009 Folie 36 2009 (c) PLT
Leistungsparameter
• Flexibilität (Produktwechsel)• Variantenfertigung• Mengenänderung• Umlaufbestände• Arbeitsbedingungen
TU Dresden, 09.12.2009 Folie 37 2009 (c) PLT
Manufacturing Execution System
Leistungsumfang• Betriebsdatenerfassung• Personalzeiterfassung• Qualitätssicherung• Fertigungsfeinplanung• Betriebsmittelmanagement• Materialmanagement• Schnittstellenmanagement• Informationsmanagemnt
TU Dresden, 09.12.2009 Folie 38 2009 (c) PLT
Manufacturing Execution System
• Ziel• Transparenz der Wertschöpfung• Bilden von Vertikale und Horizontale Regelkreise• Anpassen der Produktion zeitnah und wirtschaftlich
Motivation• Zentralisieren verteilter Daten
→ Reduzieren des Aufwands für Synchronisation• Kombinieren der Belange von
– Fertigung– Personal– Qualitätssicherung
TU Dresden, 09.12.2009 Folie 39 2009 (c) PLT
Manufacturing Execution System
Quelle: VDI 5600
TU Dresden, 09.12.2009 Folie 40 2009 (c) PLT
Manufacturing Execution System
Quelle: VDI 5600
TU Dresden, 09.12.2009 Folie 41 2009 (c) PLT
Manufacturing Execution System
Schnittstellen zum Produktionsmittel• Kommunikation mit Steuerungen und Feldgeräten• Schreibend:
– Sollwerte– Rezepturen– Mischungen
• Lesend:– Takte, Zählimpulse– Zustände– Messwerte
TU Dresden, 09.12.2009 Folie 42 2009 (c) PLT
Manufacturing Execution System
Benutzungsoberflächen für Reporting• Leicht anpassbar für kundenspezifische Anforderungen• Kundenspezifische Reports
TU Dresden, 09.12.2009 Folie 43 2009 (c) PLT
PIMS
Process / Plant Information Management System• Datenaufbereitung für den Benutzer
Grafische Schnittstelle→• Transparenz der Daten für alle Benutzer
→ Bereitstellen von Informationen• Aufbereiten historischer Daten• Vorkehrende Wartungsmaßnahmen
TU Dresden, 09.12.2009 Folie 44 2009 (c) PLT
Beispiele aus der PLT
Siemens Historian• Beurteilen der Effizienz der Produktion• Steigern der Produktivität im Unternehmen
Unternehmensweiter Zugriff auf Daten→• Unterstützung von Nachweisen und Prüfungen• Entscheiden anhand bereitgestellter Daten• Verwalten der Produktionsauslastung• Unterstützen des MES
TU Dresden, 09.12.2009 Folie 45 2009 (c) PLT
Beispiele aus der PLT
Siemens KPI Management• Erträge, Kosten, Defekte usw.
• Direkte Verbindung aus dem Leitsystem zu historischen Daten
• Verwenden von historischen oder aktuellen Daten• Speichern von Leistungsparametern
TU Dresden, 09.12.2009 Folie 46 2009 (c) PLT
Beispiele aus der PLT
Siemens SIMANTIC IT Report Manager• Zugriff von SIMANTIC zum Archiv• Leistungsparameter• Daten aus Batch-Prozessen• Meldungen und Ereignisse• Projektierungsdaten
→ Berichte
TU Dresden, 09.12.2009 Folie 47 2009 (c) PLT
Literatur
• Hiller, H.; Finger, A.: Vorlesungsskript Elektronische Medien - Digitaler Rundfunk. TU Dresden.
• James, P. A.: Data Compression for Process Historians. 1995.• Kletti, J.: MES Manufacturing Execution System – Moderne
Informationstechnologie zur Prozessfähigkeit der Wertschöpfung. Springer Verlag, Berlin. 2006.
• Siemens AG: SIMANTIC IT Historian. 2005.• Thornhill, N.F. et. al.: The impact of compression on data-driven
process analyses. Journal of Process Control 14 (2004) p. 389 - 398.
• VDE: Systematische Stördatenerfassung und -auswertung – Technische Empfehlung. 2009
• VDI 5600 Blatt 1: Fertigungsmanagementsysteme – Manufacturing Execution Systems (MES). 2007.
top related