Wymagania odnośnie IT - identyfikacja wymagań

Pomimo iż pojęcia są takie same lub podobne, różnią się wymagania stawiane przez produkcję lub aplikacje wobec IT, co przedstawiono na rys. 3.

Oba obszary zostaną dokładniej przedstawione w następnych rozdziałach.

Produkcyjny punkt widzenia

Z produkcyjnego punktu widzenia wynika dla infrastruktur IT szereg wymagań, które bazują głównie na zasadach przedstawionych na rys. 4. W szafie sterowniczej instaluje się maszyny lub sterowniki, które poprzez interfejsy danych komunikują się ze światem zewnętrznym. Szafy te wymagają niezawodnego zasilania elektrycznego, a także wystarczającej, dopasowanej do potrzeb klimatyzacji. Tak samo niezbędne jest monitorowanie szaf pod kątem różnych kryteriów, jak temperatura, wilgotność i dostęp. W niektórych przypadkach mogą też obowiązywać specjalne wymagania dotyczące bezpieczeństwa (klasa ochrony, gaszenie pożaru itp.).

Zobacz również:

• Wielka inwestycja Atmana w przetwarzanie danych

Na tym bazują wymagania dotyczące IT, które z kolei dzielą się na kilka elementów:

• Przetwarzanie danych w czasie rzeczywistym
• Dostępność
• Odporność na awarie, redundancje z maszynami włącznie
• Poziom pola, poziom IT
• Przemysłowe interfejsy i protokoły
• Nowe technologie (Cyber-Physical Systems, Big Data)
• Cykle inwestycyjne w zależności od cyklów życia produktów

Z perspektywy centrum przetwarzania danych

Taką samą główną zasadę można zastosować dla infrastruktur IT w środowisku data centre (patrz rys. 5). W szafach (rackach IT) znajdują się switche, serwery i pamięci masowe, które muszą być bezpiecznie zasilane w energię. Wrażliwe urządzenia wymagają odpowiedniego chłodzenia i utrzymania określonego przedziału temperatury oraz wilgotności. Parametry pracy, a także stany alarmowe muszą być niezawodnie monitorowane. Również zabudowa musi być chroniona przed zagrożeniami fizycznymi (dostęp, pożar, dym, pył, woda itp.).

Administrator systemu stoi więc przed podobnymi wyzwaniami co kierownik produkcji:

• Sprawność
• Dostępność, redundancje (sprzętu i aplikacji)
• Bezpieczeństwo (techniczne oprogramowania, fizyczne)
• Funkcjonalność
• Skalowalność (pay as you grow)
• Nowe technologie (Big Data, Web 3.0, „internet przedmiotów”)
• Cykle innowacji (w zależności od aplikacji, aktualizacji oprogramowania, generacji serwerów i rozwoju systemów pamięci masowych)

Przedstawione oba punkty widzenia posiadają część wspólną i w pewnych aspektach pokrywają się pod względem wymagań, jednak właśnie na poziomie pola oraz maszyn można zauważyć wyraźne różnice. Grupa robocza Industrie 4.0, w której skład wchodzi Federalne Ministerstwo Edukacji i Badań Naukowych oraz acatech, zidentyfikowała te różnice jako największe wyzwania.

„Kompleksowe wykorzystanie platform CPS przez IT, dostawców oprogramowania i usług oraz przez użytkowników będzie wymagać referencyjnej architektury Przemysłu 4.0, która uwzględni różne punkty widzenia IKT i branży produkcyjnej“. [Ref. 3]

Zatem w kontekście Przemysłu 4.0 oba te obszary muszą rozwijać się jeszcze bliżej siebie, przy czym pod uwagę należy wziąć następujące kwestie:

• Ilość danych

W środowisku produkcji występują duże ilości danych (Cyber Physical Systems, Big Data itp.) Ich analiza umożliwia nie tylko efektywniejsze planowanie produkcji i wykorzystania maszyn. Odpowiednio wcześnie można również wykrywać nieprawidłowości i aktywnie kierować działaniami serwisu. W interfejsie klienta (sprzedaż / serwis) analiza danych umożliwia wgląd w charakterystykę kupowania i używania produktów.

• Integralność i bezpieczeństwo danych

Dane są tak samo ważne jak sam produkt. Maszyna – jako produkt – jest skomplikowaną strukturą, która składa się z dużej liczby komponentów. Każda część zostaje opisana przez zbiór danych. Aby sporządzony za pomocą narzędzi CAE i bazujący na modelach CAD z bibliotek projekt dawał się również zrealizować, dane te muszą być kompletne i spójne. Dlatego zbiory danych zawierają wszystkie informacje o produkcie i muszą być odpowiednio chronione. Integralność danych zapewnia spójność między potrzebami klienta a zainicjowaną przez nie produkcję produktu.

• Obiektowość (przyporządkowanie danych)

Produkty, komponenty i poszczególne ich części są bezużyteczne bez odpowiednich zbiorów danych. Dane te mogą być zarządzane centralnie. Jednak istnieje też możliwość ich zdecentralizowanego odzwierciedlenia. Technologie RFID umożliwiają przeniesienie inteligencji aż do poziomu obrabianego przedmiotu. Dzięki temu przedmiot ma dane o tym, jak ma być przetwarzany w procesie. Produkt jako taki ma natomiast dane o tym, jak jest zmontowany i ewentualnie skonfigurowany dla klienta końcowego. Zoptymalizowanie procesów produkcji w środowisku „Smart Production“ sprawia, że w procesie seryjnym dają się w ten sposób odzwierciedlać indywidualne rozwiązania klienta (hasło: produkcja według potrzeb, wielkość partii 1).

• Wydajność i archiwizacja

Wraz z rosnącą wielkością przetwarzanych zbiorów danych pojawiają się nowe wymagania odnośnie wydajności systemów IT dotyczące prędkości transmisji i przetwarzania danych. Ponadto inteligentne algorytmy muszą gwarantować wydajną archiwizację, co wpłynie na ograniczenie kosztów systemów pamięci masowych. Terminy dostaw wynikają nie tylko z czasu produkcji, lecz także z czasu trwania procesu engineeringu w ramach sieci tworzenia wartości, który odpowiada za dostarczenie potrzebnych danych. Dane o kupowanej części są tak samo ważne jak sama część.

• Interfejsy i wymiana danych

Do bezpiecznej wymiany danych pomiędzy obszarem produkcji w czasie rzeczywistym a światem centrum danych i internetu muszą być wykorzystywane odpowiednie interfejsy. Jakość danych jest decydująca dla sukcesu Przemysłu 4.0, a ponadto staje się podstawą do utrzymania przewagi nad konkurencją. IT oraz infrastruktury IT pełnią przy tym rolę „enabling technology“ w powiązaniu procesów i aplikacji z różnych dziedzin (produkcja, centrum danych).