osisoft corporate powerpoint template29c-2].pdf · 2018-04-05 · max point count...

© Copyright 2018 OSIsoft, LLC© Copyright 2018 OSIsoft, LLC

박민철 이사

플랜트 빅데이터 관리의 핵심플랫폼RTDB (Real-time DB)활용전략

OSIsoft Korea

© Copyright 2018 OSIsoft, LLC

Agenda

스마트팩토리와 RTDB의역할

Why RTDB?

About OSIsoft

플랜트 빅데이터분석의 필요조건 (적용사례)

2


São Paulo, Brazil

Perth, Australia

Singapore

Shanghai, China

Frankfurt, Germany

Seoul, South Korea

Manama, Bahrain

San Leandro, CA

Houston & Longview, TX

Montreal, Quebec

Philadelphia, PA

Mayfield Heights, OH

Calgary, Alberta

Madrid, Spain

Moscow, Russia

Ostrava, Czech Republic

Beijing, China

Mexico City, Mexico

Phoenix, AZ

Johnson City, TN

Savannah, GA

Paris, France

Durban, South Africa

Sydney, Australia

Tokyo, Japan

London, UK

OSIsoft Offices

OSIsoft Headquarters

국내 지사: 2012년에설립(기술지원센터, 교육장)

OSIsoft 글로벌 사업 현황

127개국, 19000+ 사이트Fortune 500 기업의 65%

HQ: 1980년도에설립

PI System

3


Pulp &

Paper Metals &

MiningWaterPharma /

Food & Bev

Power /

T&DOil & Gas Facilities

4


❖ LG 디스플레이❖ 넥센타이어❖ SK하이닉스

국내 고객사

❖ 한국동서발전❖ 한국서부발전❖ 한국남부발전❖ 한국남동발전❖ 한국중부발전❖ 한국수력원자력❖ POSCO 에너지❖ POSCO 그린가스❖ 사이스 이천열병합❖ 제주실증단지(스마트그리드)❖ 한국지역난방공사❖ 전력연구원 ESS❖ GS 파워❖ GS 동해전력❖ GS EPS❖ MPC전력❖ 한화에너지❖ LG Fuel Cell

발전/신재생/스마트그리드

❖ SK이노베이션❖ 현대오일뱅크❖ 한국석유공사❖ SK C&C(대한송유관공사)❖ 한화케미칼❖ 롯데케미칼❖ 금호석유화학❖ 롯데정밀화학❖ 휴켐스❖ SKC❖ 롯데첨단소재❖ 삼양이노켐❖ 삼남석유화학❖ BASF Korea❖ 여천NCC❖ 로디아 폴리아마이드❖ Albermarle Chemicals Korea❖ KPX Green Chemical❖ 유미코아❖ NCK❖ 삼양 Genex

❖ POSCO❖ 동부제철❖ 세아베스틸❖ 한솔제지❖ 아트원제지❖ 전주제지❖ 한솔 홈데코❖ 유한킴벌리❖ SK Materials❖ Toray❖ 한국실리콘❖ 노벨리스코리아❖ 코닝❖ 한국다우코닝❖ KCC❖ 두산중공업❖ 삼성물산❖ 삼성중공업❖ 대림엔지니어링❖ 대우인터내셔널❖ 대우 E&C

❖ 삼성바이오로직스❖ CJ제일제당❖ 롯데칠성음료❖ 남양주 하수처리장

정유/석유화학/ 화학 제철/제지/소재/중공업 바이오/제약/식품/수처리

Discrete Manufacturing

❖ 서강대학교❖ 서울대학교❖ 성균관대학교

Academic

5


플랜트 빅데이터? Machines(설비) 데이터!!!

6


스마트팩토리와 RTDB의 역할

7


Journey to the smart factory: Transforming the Value of Data

GE01_DT 409510395_Wind Speed QI-109 GE01_DT Cooling Fan-711.Feed Rate

1-8.Net VolumeCoal Motor Load

02F100.TOT.EV

03LBA32CT001-2

DC.SJ.ITLoad.PWR

TI-145 FR2001

TI-178 GE04_OS

FT9001 FT9001

FR5001 AF_NOISE

DC.SJ.PUE TI-102 DC.Zero DY-108 DC.SJ.C1.Z3.R3.PDU1.PF GE01_A_DT

FIC-144 02F100 fasttag

FI-151 0_ENG_AUX_STS

GE05_Energy C1:14AT5AC03.Air Flow FeedBin.Cmt

Boiler Cold Reheat Pressure

B737_FG117 DC.TimeLoad

D-110.Tank Pressure.PVGE04_DT QI-121 GE03_V_WIN

DC.Rk07R DC.Srv06R

GE04_Energy TI-121 FT9001

FAC.OAK.Power-Kh-Val.PV

DY-131DC.SJ.PUE

fic1001.C

GE02_OT

GE01_DT

02F102.1HRAVG BGT001 PI-111 facility_output

DM-05:BW.R DC.SJ.C1.Z1.R1.Rk06.S2.O03.PWRQI-111 FinalProductBin.On

94:GRDIDX.ProdID Boiler-209.Fuel Gas Flow fic1001.C FR50011-

8.Net Volume Coal Motor Load 02F100.TOT.EV 3LBA32CT001-2

FI-101 bf5e1d1d-39c9-4b5b-b3d3-c2ce05fa3a26 DM-05:BW.R AT401

0_CLR_FINAL_OUT_B_TMP F506_E990 339511775_Clear Sky Global Horiz GE01_DT

FI-111

GE01_CON AlarmTest.Input.Float32.1

D-110.Tank Pressure.PV Boiler Feed Pump

#1

Boiler-209.Fuel Gas Flow DC.Srv01R 94:GRDIDX.Tr igger AC09.Power

403511195_Wind Speed

DC.C2Z1.Pwr.Ripple GE01_A_DT

1-16.Net Volume CB1992_MS 0_CMP_FLOW_TOTAL GE02_Energy

FeedBin.Cmt

DC.Zone1.Number

DailyTrigger

FrqPrbCost_ER

AlarmTest.Input.Float32.1 AQUA2-TI-201.PV DC.SJ.SiteRealTimeITLoad.PWRFT9001

FT9001

DC.Srv01R Boiler-125.Fuel Gas Volume

Anacortes Refinery.Alkylation.Asset Problems B210_FG005.KPIExcursion

1 | Data

Crude Furnace

Draft Pressure: -0.5 WC

Stack Temp: 316 °F

Oxygen: 2.5%

Firebox Temp: 860 °F

Outlet Temp: 840 °F Cold

Oil Velocity: 6 ft/sec

Weather Conditions

Relative Humidity:

34% Current Temp:

85 °F High: 92 °F

Low: 57 °F

Wind: 8 mph/N

2 | Information 3 | Intelligence

Total

Production

Energy

Efficiency

Downtime

$

실시간 데이터 수집 연관된 정보의 그룹핑, 가치있는 정보의 재생산 데이터 기반 지능형 의사결정 시스템

가장빠른 지름길: “ Data Infrastructure ”9


PI시스템의역활(ANSI ISA-95)

ERP

MES, LIMS, CMMS

생산계획/관리

제조실행/집계

MCS,PLC, HMI

센서,액츄에이터

운전/제어

센싱

Level 4Business Planning

& Logistics

Plant production Scheduling,Operational Management, etc

4 – Establishing the basic plant schedule-production, Material use, delivery, and shipping.Determining inventory levels.

Time Frame

Months, weeks, days

Level 3Manufacturing

Operations Management

Dispatching Production, Detailed Production Scheduling,

Reliability Assurance, …

3 – Work flow / recipe control to produce the desired end products. Maintaining records andoptimizing the production process.

Time Frame

Days, shifts, hours, minutes, seconds

Level 22 – Monitoring, supervisory control and automated control of the production process

Time Frame

I lours, minutes, seconds, subsecondsBatchControl

ContinuousControl

DiscreteControl

Level 1 1 – Sensing the production process, manipulatingthe production process

Raw Data 수집/저장/시각화

PI System

RTDB의 역할

Data Infrastructure (RTDB)

ISA-95 기반 제조 시스템 표준 아키텍쳐

10


RTDB의 역할

Sensor1

Sensor2

Sensor3

Sensor4

Sensor5

Sensor6

DCS

SCAD

APLC

Inte

rface

AIn

terfa

ce B

Inte

rface

C

PI Data Archive(time series data)

Tag 1

Tag 3

Tag 5

Tag 2

Tag 4

Tag 6

Tag 7

Tag 8

Tag 9

PI AF(Metadata, Event)

OO기업

1공장

2공장

공정1

펌프1

펌프2

탱크1

탱크2

공정2

펌프3

펌프4

탱크3

탱크4

….....

보고서작성툴

공정모니터링툴

웹/모바일클라이언트

실시간 모니터링

자동 보고서작성

통계적 분석

현업주도 분석

다변량 분석

BI 분석

수집 실시간분석저장

시각화

공유

11

http://www.sap.com/index.epx


플랜트 빅데이터 분석의 필요조건

12


Collect: Standard + Native Interface

AAI, ABB, ACS, ADACS, AdvaInform, AECL, AIM, Alerton, Alfa, Allen, Alstom, Amersham, Ametek, Andover,

AnnotationArray, Aprol, APT, Arbiter, Areva, ARGA, ARL, ArrayData, AspenTech, Automated, AutoMax, Automess, BACnet,

Bailey, Barber, Basler, Batch, Baytek, Beckman, Beckwith, Bently, BitMask, Bitronics, Bliss, Bristol, Bruker, Campbell,

CANbus, Carrier, Caterpillar, Chessel, Chessell, Chicago, Cincinnati, CircularBuffer, Cisco, Citect, Cognex, Columbia,

Contec, ControlLogix, ControlNet, Controlotron, Cooper, CSI, Cybectec, Data, DaVinci, Davis, dBase, DDE, Delta,

Digital, DLSM, DMC, DMC4, DMC5, DNP, DS, Dukane, Dynamic, Echelon, ECHO, Electro, Elutions, Emerson,

EnergyLine, Enraf,Environmental, EPIC, ERFDADS, ESC8816, ESCA, Eurotherm, Event, Field, Fischer-Porter, Fisher,

Fisher-Rosemount, FLS, Fluke, Forney, Forry, Forte, Foxboro, Freelance, Fuji, GE, GE/Harris, GE/Multilin, GEM, Generic,

Gensym, Geomation, GSE, Harmony, HART, Hartmann, Hathaway, Hitachi, Honeywell, Hsiang, HTML, Hunter, Husky,

Hyprotech,IBM, ICCP, IEC, IFS, Impact, Inductive, InStep, Intellution, Invensys, IP, Itron, Johnson, Jova, K, Kajaani,

Kaye, L, LabVantage, LabWare, Land, Landis, Leco, Leeds, MAX, Maximo, Measurex, Message, Metso, Micro, Microsoft,

Microtrac, Mitsubishi, Modbus, Modcomp, Modicon, Moore, Motherwell, Motorola, National, NDC, Neles, Nexus, Nulec,

Omni, Omron, OPC, Open, Opto22, Oregon, ORSI, PacketCapture, Parr, Perkin, Philips, PI, Ping, Power, PowerCom,

Profibus, PSE, Qualitrol, Queue, Quindar, Real, Relational, Reliance, Reliatronics, Rockwell, Rosemont, Sartorius,

SATEC, Scanivalve, Schlumberger/SEME, Schneider, Scientech, SecondWind, SEL, Sequencia, Serck, Shell, Siemens,

Simca, SIMRAD/Albatross, SISCO, SNC-Lavalin, SNMP, SOCCS, SOLAR, Spectrum, SQ-D/Telemecanique, SquareD,

Supervisory, Suzlon, Syslog, Taylor, TCP, Teledyne, Telegyr, Telog, Telvent, Thermoteknix, TimestampClamping, Toshiba,

Trane, Triconex, Universal, VAREC, Vestas, VG-Instruments, VIM, Vitria, Weigh-Tronix, Weschler, Westinghouse,

Westronic, WinLinx, WMI, Wonderware, Woodward, XML, Yokogawa, ZIV…

35년+의 역사, 450+ I/F

13


0

0

0

1

1

1

1

0

1

0

1

1

0

0

0

0

1

1

1

1

0

1

0

1

1

0

Collect: IIoT Connectivity Needs

0

0

0

1

1

1

1

0

1

0

1

1

0

PI System

New Sensor

Technology

Automation/Control

Systems

Remote and Mobile

Assets

??? ???

14


Collect: 밀리초 단위의 실시간 데이터 수집 성능

PI System 2016

Max Point Count 최대 생성가능한 포인트

20M+

Startup Time 동작 준비 시간

<30 sec/Mpts

Point Creation 포인트 생성시간

500-2K pt/sec

Data Out (Archive) 조회속도

>10M ev/sec

Data In (Snapshot)데이터 수신속도

>1M ev/sec

Data In (Archive)테이터 기록속도

>500K ev/sec

Online Archives 라이브 관리가능 아카이브

>50K files

Offline Reprocessing 오프라인 재처리속도

30 sec/GB

15


Store & Enhance: 필터링 및 압축기술

데이터를 최소화해야 저장비용을 줄이고 더 실시간으로 더 많은 데이터를 분석가능

Te

mp

era

ture

Time

ExMax

ExDev

ExDev

A

B

C

D E

F

CompDev

CompDev

Tem

pe

ratu

re

Time

CompMax

B

C

DF

A

E

[예외필터링] [압축]

16


Store & Enhance: 분석 친화적인 데이터 관리구조

Pump1

Bearing Temperature: 21 °C

Current Draw: 50 rpm

Suction Pressure: 147 psi

Discharge Flow Rate: 451 gal/min

Pump2





Pump3





Pump3





Pump2





Pump1





그룹핑 구조화

After: [사용자/설비중심의관리환경]Before: [태그중심의관리환경]

태그가 많아질수록 분석의 어려움직관적이고 가시성뛰어남 분석데이터 도출이 용이

17


Store & Enhance: 분석대상 정보의 통합

국내외 공장 데이터 통합 분석

PI AF DBRDBMS

ERP, MES

PI Visualization suite

PI Data Archive

품질 정보

기준정보

유지/보수 정보

공정 데이터

생산정보

다양한 관점에서의 분석을 위해 정보를 통합

18


실시간 분석을 위한 데이터 통합과 표준화

Number of Starts

Calculations with Asset Analytics

Pump Runtimesor

or

Efficiencyor

Element Template

Pump

Attributes

Pump Status

Last Maintenance Date

Installation Date

Bearing Temperature

Discharge Flow Rate

Horsepower

Total Head

…

데이터 통합 실시간분석

19


Store & Enhance: Real-time Analytics

가동상태

최근 정비후 누적가동시간

정비 알림

설비 효율

누적가동시간이 6,000h (경험치)보다 클때 정비필요

권장 효율(경험치)보다 설비효율이 떨어지면 정비필요

20


Kansai 전력사례Life Estimation on Components of Crucial Equipment

21

© Copyright 2018 OSIsoft, LLC 22

myEvent

Start

End

Your

Data


Store & Enhance: Event Frames

<설비이상 이벤트조건 정의>

<실시간 설비이상 이벤트 리스트 >

이벤트 비교분석화면

이벤트 정밀분석화면

Too High! Downtime

“학습데이터 생성”

23


Visualization: 현업을 위한 모든 디스플레이

Daily Operations Report

과거 현재 미래

어디에서나 중요데이터만 보고서로

24


Dashboard – Collection 기능 체험

25


Visualization: 사용자 역할별 대시보드

ExecutivePlant Manager

Maintenance Engineer

Operator

Production Engineer

26


Visualization: 미래 예측 데이터 디스플레이

예측 데이터 수집

고객 분석시스템

PI 시스템

예측 데이터 활용

예측 데이터 비교

예측데이터디스플레이 비교

UFLDBMSHTML

AFSDK

예측데이터

분석알고리듬

분석을 위한소스 데이터 제공

분석 알고리듬수정 필요성 인지

분석에 의한 예측 데이터 생성

CSV등파일

DB 또는Web

분석시스템에서직접 전송

27


OT IT

InfrastructurePlant Manager

Engineer CIO

Business Analyst

IT Architect데이터기반의 의사결정을통해리스크를 줄이고싶어요.

여러사이트의 설비들을비교해보고 싶어요.

과거데이터를 기반으로예측모델을만들고싶어요.

COO

일일보고서작성에들어가는시간을줄이고싶어요.

의사결정의확신을갖기위해신뢰성있는

생산데이터가 필요해요.

BI 툴을통해모든데이터를 시각적으로분석하고 싶어요.

OT 데이터를우리의다른기술들과함께결합해보고싶어요.

현재진행하고있는 Big Data

프로젝트를 위해 OT 데이터가필요해요.

생산, maintenance 로그들 financial

데이터모두를같이놓고분석해보고싶어요.

Share : IT-OT 융합의 니즈

28


Visual Analytics Data Warehouse / Data Lake Streaming Analytics

IoT Hub Machine Learning

Share : Advanced Analytics System과의 연계

Stream Analytics

29


Share : 정리가 필요한 설비 데이터Tu

rbin

e 1

SpeedTorqueBearing TempOil TempManufacturerLast Service

Turb

ine 2

SpeedTorqueBearing TempOil TempWare FactorManufacturerLast Service Date

Time

Vestas

Siemens

June 20, 2013

February 5, 2015

통신 실패

추가된 측정항목

불일치한 데이터 간격튐 현상

센싱오류

서로 다른 시작시간

30


Share : 분석에 적합한 데이터 전달

CLEANSE

AUGMENT SHAPE

TRANSMIT

PULL

PUSH

data quality

model normalization

data compatibility

data aggregation

(데이터정리)

(분석에적합한구조)

(정규화)

(호환성 갖춘데이터전달)

31


Why RTDB?

• 설정 기반의 밀리초단위 raw 데이터 수집

• 적은 비용으로 데이터를 저장/관리

• 데이터의 민주화 실현

• 현업사용자가 IT 도움없이 직접 데이터 접근,

시각화함으로써 분석역량 강화

• 전문 분석도구를 위한 OT 데이터 정리/전달

32


RTDB기반의 Smart Factory

전수데이터특성추출 분류

품질데이터

RTDB기반의 Smart Factory는 과거, 현재, 미래 데이터를 통해 경험기반이 아닌 데이터 기반의 의사결정체계를 가능하게합니다.

실시간 공정 모니터링

설비종합효율(OEE) 다운타임리포트

[ 과거 ] [ 현재 ] [ 미래 ]

품질, 생산량 예측

실시간데이터

예측데이터

모델링패턴인식

Machine Learning

과거 데이터 통합 및 선처리

학습

33

학습데이터제공

osisoft corporate powerpoint template29c-2].pdf · 2018-04-05 · max point count...

Documents