IoT

Modelando seus ativos industriais em escala usando AWS IoT SiteWise

setembro 21, 2024
José Peixoto Vieira Filho


Introdução

Os clientes industriais e de manufatura dependem cada vez mais de SiteWise da AWS IoT para coletar, armazenar, organizar e monitorar dados de equipamentos industriais em escala. O AWS IoT SiteWise fornece uma base de dados industriais para monitoramento remoto de equipamentos, rastreamento de desempenho, detecção de comportamento anormal de equipamentos e suporte para casos de uso de análise avançada.

Construir uma base de dados como essa normalmente envolve modelar seus ativos e ingerir dados de telemetria históricos e ao vivo. Isso pode exigir um esforço significativo ao lidar com dezenas de milhares de equipamentos e operações em constante mudança na busca pela redução de desperdício e melhoria da eficiência.

Lançamos três novos recursos para o AWS IoT SiteWise no re:Invent 2023 para melhorar seus esforços de modelagem de ativos. Os clientes agora podem representar componentes de equipamentos usando Componentes do modelo de ativospromovendo a reutilização. Com Operações em massa de metadadoseles podem modelar seus equipamentos e gerenciar alterações em massa. Identificadores exclusivos definidos pelo usuário ajudar os clientes a obter consistência em toda a organização usando seus próprios identificadores.

Nesta postagem do weblog, examinaremos 11 cenários de clientes do mundo actual relacionados à modelagem de ativos. Compartilharemos exemplos de código para ajudar você a aprender mais sobre os novos recursos do AWS IoT SiteWise relacionados a cada cenário.

Pré-requisitos

  1. Familiaridade com modelagem de ativos no AWS IoT SiteWise
  2. Um Conta AWS
  3. Conhecimento básico de Python

Configurar o ambiente

Primeiro, você configurará sua estação de trabalho de desenvolvedor com credenciais da AWS e verificará se o Python está instalado. Em seguida, você instalará o Git, clonará o projeto de exemplo de código para sua estação de trabalho e configurará o projeto. Por fim, você criará uma política do AWS Id and Entry Administration (IAM).

  1. Criar um Ambiente Cloud9 usando Amazon Linux 2 plataforma (recomendado) ou usar qualquer máquina native como estação de trabalho do desenvolvedor
  2. Configurar Credenciais da AWS
  3. Verifique se o Python 3.x está instalado no seu sistema executando python3 --version ou python --version (no Home windows)
  4. Usando o terminal, instale Git e clonar o Exemplo de operações em massa de metadados para AWS IoT SiteWise repositório do Amostras da AWS biblioteca no Github
    sudo yum set up git
git --version
git clone https://github.com/aws-samples/metadata-bulk-operations-sample-for-aws-iot-sitewise.git

  5. Instale os pacotes Python necessários executando pip3 set up -r necessities.txt
  6. Atualizar config/project_config.yml para fornecer as informações necessárias para o trabalho
    • s3_bucket_name: Nome do bucket S3 onde as definições em massa serão armazenadas
    • job_name_prefix: Prefixo a ser usado para trabalhos de operações em massa
  7. Crie uma política de gerenciamento de identidade e acesso (IAM) da AWS com permissões que permitem a troca de recursos da AWS entre o Amazon S3, o AWS IoT SiteWise e sua máquina native. Isso permitirá que você execute operações em massa.

Integre e gerencie ativos em escala

AWS IoT SiteWise agora suporta importação, exportação e atualização em massa de metadados de equipamentos industriais para modelagem em escala. Essas operações em massa são acessíveis por meio de novos endpoints de API, como CriarTrabalhoDeTransferênciaDeMetadados, ListMetadataTransferJobs, ObterTrabalho de Transferência de Metadados e CancelMetadataTransferJob.

Com esse novo recurso, os usuários podem integrar e atualizar ativos e modelos de ativos em massa no AWS IoT SiteWise. Eles também podem migrar ativos e modelos de ativos entre diferentes contas do AWS IoT SiteWise.

Você usará principalmente metadados importação em massa jobs para este weblog. O diagrama e as etapas a seguir explicam o fluxo de trabalho envolvido em um job de importação em massa de metadados.

Modelando seus ativos industriais em escala usando AWS IoT SiteWise

Etapas no fluxo de importação em massa de metadados

  1. Put together um arquivo JSON de esquema de trabalho para recursos do AWS IoT SiteWise. Isso incluiria modelos de ativos e ativos, seguindo o Esquema de tarefa de transferência de metadados do AWS IoT SiteWise. Carregue este arquivo para um bucket do Amazon S3.
  2. Faça uma chamada de importação em massa de metadados para o AWS IoT SiteWise, referenciando o arquivo JSON carregado
  3. O AWS IoT SiteWise importará todos os recursos especificados no arquivo JSON
  4. Após a conclusão, o AWS IoT SiteWise retornará o standing e uma URL pré-assinada do Amazon S3 para quaisquer falhas encontradas
  5. Se houver falhas, acesse o relatório fornecido para investigar e entender a causa raiz

Você também pode executar operações em massa usando o console navegando até Construir → Operações em massa. Agora que você entende como as operações em massa de metadados funcionam, verá como esse recurso pode ajudar nos seguintes cenários do mundo actual.

Cenário 1 – Modelos de ativos iniciais e ativos a bordo

Durante uma Prova de conceito (POC), nossos clientes normalmente integram um subconjunto de seus equipamentos ao AWS IoT SiteWise. Usando operações em massa de metadados, você pode importar milhares de modelos de ativos e ativos para o AWS IoT SiteWise em um único trabalho de importação.

Para uma empresa fictícia de fabricação de automóveis, importe modelos de ativos e ativos relacionados às linhas de soldagem em uma de suas fábricas.
python3 src/import/essential.py --bulk-definitions-file 1_onboard_models_assets.json

Cenário 2 – Definir hierarquia de ativos

Depois que os modelos de ativos e ativos forem criados no AWS IoT SiteWise, você pode definir o relacionamento entre ativos e criar uma hierarquia de ativos. Essa hierarquia ajuda os usuários a rastrear o desempenho em diferentes níveis, do nível do equipamento ao nível corporativo.

Crie uma hierarquia de ativos para Sample_AnyCompany Empresa de fabricação de automóveis
python3 src/import/essential.py --bulk-definitions-file 2_define_asset_hierarchy.json

Cenário 3 – Associar fluxos de dados com propriedades de ativos

Nossos clientes normalmente começam a ingerir dados de suas fontes de dados, como o servidor OPC UA, antes mesmo de modelar seus ativos. Nessas situações, os dados ingeridos no SiteWise são armazenados em fluxos de dados que não estão associados a nenhuma propriedade de ativo. Após a conclusão do exercício de ingestão, você deve associar os fluxos de dados a propriedades de ativo específicas para contextualização.

Associar os fluxos de dados para Amostra_Robô de Soldagem 1 e Amostra_Robô de Soldagem 2 com propriedades de ativos correspondentes.

python3 src/import/essential.py --bulk-definitions-file 3_associate_data_streams_with_assets.json

Neste weblog, criamos três trabalhos separados de importação em massa de metadados. Esses trabalhos eram para criar modelos de ativos e ativos, definir a hierarquia de ativos e associar fluxos de dados com propriedades de ativos. Você também pode executar todas essas ações usando um único trabalho de importação em massa de metadados.

Cenário 4 – Ativos adicionais a bordo

Após demonstrar o valor comercial durante o POC, o próximo passo é escalar a solução dentro e entre as plantas. Essa escala pode incluir ativos restantes na mesma planta e novos ativos de outras plantas.

Neste cenário, você embarcará robôs de soldagem adicionais (#3 e #4) e uma nova linha de produção (#2) da mesma fábrica de Chicago.
python3 src/import/essential.py --bulk-definitions-file 4_onboard_additional_assets.json

Cenário 5 – Criar novas propriedades

Você pode aprimorar modelos de ativos para acomodar alterações na aquisição de dados. Por exemplo, quando novos sensores são instalados para capturar dados adicionais, você pode atualizar os modelos de ativos correspondentes para refletir essas alterações.

Adicionar uma nova propriedade Temperatura da junta 1 para Amostra_Robô de Soldagem modelo de ativos
python3 src/import/essential.py --bulk-definitions-file 5_onboard_new_properties.json

Cenário 6 – Corrigir erros manuais

Podem ocorrer erros durante a modelagem de ativos, especialmente quando os usuários inserem informações manualmente. Exemplos incluem números de série de ativos, descrições de ativos e unidades de medida. Para corrigir esses erros, você pode atualizar as informações com os detalhes corretos.

Corrija o número de série de Amostra_Robô de Soldagem 1 ativo substituindo o antigo número de série S1000 com S1001.
python3 src/import/essential.py --bulk-definitions-file 6_fix_incorrect_datastreams.json

Cenário 7 – Realocar ativos

As operações da linha de produção mudam por vários motivos, como otimização de processos, avanços tecnológicos e manutenção de equipamentos. Como resultado, alguns equipamentos podem ser movidos de uma linha de produção para outra. Usando operações em massa de metadados, você pode atualizar a hierarquia de ativos para se adaptar às mudanças nas operações de linha.

Mover Amostra_Robô de Soldagem 3 ativo de Amostra_Linha de Soldagem 1 para Amostra_Linha de Soldagem 2.
python3 src/import/essential.py --bulk-definitions-file 7_relocate_assets.json

Cenário 8 – Modelos de ativos de backup e ativos

A AWS recomenda que você faça backups regulares de modelos de ativos e ativos. Esses backups podem ser usados ​​para recuperação de desastres ou para reverter para uma versão anterior. Para criar um backup, você pode usar o exportação em massa operação. Ao exportar, você pode filtrar modelos de ativos específicos e ativos para incluir no seu arquivo JSON exportado.

Agora você fará o backup das definições de todos os robôs de soldagem na linha de soldagem 1. Substituir em 6_backup_models_assets.json com o ID do ativo de Amostra_Linha de Soldagem 1.

python3 src/export/essential.py --job-config-file 8_backup_models_assets.json

Cenário 9 – Promover modelos de ativos e ativos para outro ambiente

Ao usar a operação de exportação em massa de metadados seguida pela operação de importação em massa, você pode promover um conjunto de modelos de ativos e ativos de um ambiente para outro.

Promova todos os modelos de ativos e ativos do desenvolvimento para o ambiente de teste.
python3 src/import/essential.py --bulk-definitions-file 9_promote_to_another_environment.json

Manter a consistência em toda a organização

Muitas empresas industriais podem ter modelado alguns ou a maioria de seus equipamentos industriais em vários sistemas, como sistemas de gerenciamento de ativos e historiadores de dados. É importante que essas empresas usem identificadores comuns em toda a organização para manter a consistência.

O AWS IoT SiteWise agora oferece suporte ao uso de ID externo e UUID definido pelo usuário para ativos e modelos de ativos. Com o recurso de ID externo, os usuários podem mapear seus identificadores existentes com UUIDs do AWS IoT SiteWise. Você pode interagir com modelos de ativos e ativos usando esses IDs externos. O recurso de UUID definido pelo usuário ajuda os usuários a reutilizar o mesmo UUID em diferentes ambientes, como desenvolvimento, teste e produção.

Para saber mais sobre as diferenças entre IDs externos e UUIDs, consulte IDs externos.

Cenário 10 – Aplicar identificadores externos

Você pode aplicar IDs externos usando o AWS IoT SiteWise console, APIou metadados importação em massa trabalho. Isso pode ser feito para modelos de ativos existentes ou ativos sem IDs externos no AWS IoT SiteWise.

Aplique ID externa a um ativo existente, por exemplo, Amostra_Robô de soldagem 4.
python3 src/import/essential.py --bulk-definitions-file 10_apply_external_identifier.json

Promover a padronização e a reutilização usando a composição do modelo

O AWS IoT SiteWise introduziu suporte para um modelo de componente. Este é um tipo de modelo de ativo que ajuda empresas industriais a modelar peças menores de equipamento e reutilizá-las em modelos de ativos. Isso ajuda a padronizar e reutilizar componentes comuns de equipamentos, como motores.

Por exemplo, um Torno CNC (modelo de ativo) é feito de componentes como servomotores. Com esse recurso, um servomotor pode ser modelado independentemente como um componente e reutilizado em outro modelo de ativo, como um Centro de Usinagem CNC.

Cenário 11 – Compor modelos de ativos

Você pode compor modelos de ativos usando o AWS IoT SiteWise console, API ou metadados importação em massa trabalho.

Componha o Amostra_Robô de Soldagem modelo de ativos modelando componentes de forma independente em um robô de soldagem, como uma junta de robô.
python3 src/import/essential.py --bulk-definitions-file 11_compose_models.json

Limpar

Se você não precisar mais da solução de amostra, considere remover os recursos.

Execute o seguinte para remover todos os modelos de ativos e ativos criados usando este repositório de exemplo.
python3 src/remove_sitewise_resources.py --asset-external-id External_Id_Company_AnyCompany

Conclusão

Nesta postagem, demonstramos o uso de novos recursos do AWS IoT SiteWise, como Operações em massa de metadados, Identificadores exclusivos definidos pelo usuárioe Componentes do modelo de ativos. Juntos, esses recursos promovem padronização, reutilização e consistência em toda a sua organização, ao mesmo tempo que ajudam você a dimensionar e aprimorar suas iniciativas de modelagem de ativos.

Sobre os autores

Raju Gottumukkala é um Arquiteto de Soluções Especialista Sênior em IIoT Mundial na AWS, ajudando fabricantes industriais em sua jornada de manufatura inteligente. Raju ajudou grandes empresas nos setores de energia, ciências biológicas e automotivo a melhorar a eficiência operacional e o crescimento da receita ao desbloquear o verdadeiro potencial dos dados de IoT. Antes da AWS, ele trabalhou para a Siemens e foi cofundador da dDriven, uma empresa de Plataforma de Dados da Indústria 4.0.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *