archivierungssysteme - tu · pdf filetu dresden, 09.12.2009 2009 (c) plt folie 47 literatur...

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


Anforderungen

Anforderungen an das Archivieren von Prozessdaten• Vollständig• Einheitlich• Strukturiert

Mit dem Ziel• Vergleichbarkeit• Strukturiertes Betrachten nach vorgegebenen

Merkmalen


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


Motivation

Prozessbezogene Gründe• Statistische Auswertung

– Produktionsmengen• Statistische Langzeitauswertung

– Prozessoptimierung, Batch– Performance-Kenngrößen (KPI)– Kostenreduzierung

• Zeitlicher Ablauf von Störauswirkungen und -ausbreitung

• Vergleich von Produktionsdaten• Qualitätssicherung


Motivation

Prozessbezogenen Gründe (Teil 2)• Stillstand vermeiden

Gewinn festigen und steigern→ Kosten und Nutzen für Störfallvermeidung abwägen→


Motivation

Sicherheitsgerichtete Gründe• Optimierung der Meldeparameter

– Grenzwerte– Reaktionszeit

• Kontrolle der Sicherheitsverriegelung und NOT-AUS


Motivation

Performancegründe• Leistungsfähigkeit der Prozessdatenbank erhalten• Datensicherung• Reduzieren von Papier


Realisierung

• Auslagerung in Archive (Dateien)• Bei Bedarf Einlesen und Auswerten möglich

ArchivAnalyse &

KompressionDaten-

erfassung


Charakteristik von Archivdaten

• Große Datenmengen (100.000 in einer Anlage)• Sprunghafte Änderungen von Daten• Stationäre Daten


Methoden

Auslöser der Archivierung von Daten• Zeitgesteuert• Ereignisgesteuert

Informationsinhalt• Prozessdaten• Berechnungen (abgeleitete Kriterien)


Datenkompression

Motiviation• Unterschiedliche Relevanz der Daten• Reduzieren des Speicherplatzes Kosten→• Handhabung großer Datenraten

SpeicherplatzDatenübertragung Datenverlust

Kompri-mierungs-

grad


Datenkompression

Auswirkungen auf Daten• Datenverlust• Veränderte statistische Eigenschaften

(Mittelwert und Varianz) Mittelwerte aus originalen Daten gewinnen→


Datenkompression

Anwendungsbeispiele• Langzeitspeicher in Pharmaindustrie• Fernsteuerung von Ölplattformen mit

Satellitenverbindung vom Festland


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


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


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


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


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


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


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)


Datenkompression

Backslope• Aus den letzten beiden archivierten Punkte wird ein

Vorhersageband für den aktuellen Punkt linear extrapoliert

WENN aktueller von vorhergesagtem Punkt abweichtDANN



Datenkompression

BackslopeWENN aktueller von vorhergesagtem Punkt abweichtDANN


Bildquelle: Watson, Liakopoulos, Brzakovic, & Georgakis (1998)


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


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'


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)


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


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


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)


Datenkompression

Kompressionsfaktor• Verhältnis original zu komprimierte Datenrate

Originale DatenrateKomprimierte Datenrate

• Kompressionsfaktor Eins Keine Kompression→


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


Dekompression

• Interpolation der Daten– Verlust der Genauigkeit

• Gewinnen des historischen Verlaufs von Prozessgrößen


Dekompression

Zeitverlauf (li), Spektrum (re), Kompressionsfaktor 10

Quelle: Thornhill (2003)


Abfrage von Archivdaten

Rekonstruktion komprimierter Prozessdaten für• Zeitgenauer Status• Beste Annäherung• Zeitlicher Durchschnitt• Integral• Abstufung (Kategorien)• Zähler (Ereigniszähler)


Leistungsparameter

• Verfügbarkeitsrate• Leistungsfähigkeit• Qualitätsrate• Mean Time Between Failure (MTBF)• Mean Time To Assist (MTTA)• Mean Time Between Assist (MTBA)• Mean Time To Repair (MTTR)


Leistungsparameter

• Flexibilität (Produktwechsel)• Variantenfertigung• Mengenänderung• Umlaufbestände• Arbeitsbedingungen


Manufacturing Execution System

Leistungsumfang• Betriebsdatenerfassung• Personalzeiterfassung• Qualitätssicherung• Fertigungsfeinplanung• Betriebsmittelmanagement• Materialmanagement• Schnittstellenmanagement• Informationsmanagemnt



• 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



Quelle: VDI 5600



Schnittstellen zum Produktionsmittel• Kommunikation mit Steuerungen und Feldgeräten• Schreibend:

– Sollwerte– Rezepturen– Mischungen

• Lesend:– Takte, Zählimpulse– Zustände– Messwerte



Benutzungsoberflächen für Reporting• Leicht anpassbar für kundenspezifische Anforderungen• Kundenspezifische Reports


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


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



Siemens KPI Management• Erträge, Kosten, Defekte usw.

• Direkte Verbindung aus dem Leitsystem zu historischen Daten

• Verwenden von historischen oder aktuellen Daten• Speichern von Leistungsparametern



Siemens SIMANTIC IT Report Manager• Zugriff von SIMANTIC zum Archiv• Leistungsparameter• Daten aus Batch-Prozessen• Meldungen und Ereignisse• Projektierungsdaten

→ Berichte


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.

archivierungssysteme - tu · pdf filetu dresden, 09.12.2009 2009 (c) plt folie 47 literatur...

Documents