Vi har lösningen!

Fler och fler organisationer inom industri och infrastruktur pratar om att använda molnbaserade analyssystem för att optimera sin produktion


IT-avdelningar ser ett stort värde i att ha en enda plattform för lagring och analys av processdata. Problemet är att lagringskostnaderna snabbt skjuter i höjden och projektet får en höjd varningsflagga.

En traditionell Historian så som GE:s Proficy Historian bearbetar och lagrar maskin/processdata på ett mycket effektivare sätt och till ett mycket bättre pris. En 12 000 signaler Historian (10 gånger så stor som molnlösningen) kostar med programvara, support och uppgraderingsavtal samt serverhårdvara ca 1 miljon kronor* över en treårsperiod. Till skillnad från de 5,4 miljoner för samma treårsperiod med molnlösningen i tidigare exempel.
*Kostnader för el, IT och analys i molnet är inte inräknade.

 

Maskin/processdata samlas ofta in med en intervall på en sekund eller en kortare samplingsintervall från anläggningen. Detta ger mellan 2–2,5 miljoner värden per år som skall bearbetas och lagras.

Följande scenario baseras på en molnbaserad lösningsleverantör där kostnaden per givare blir ca 2000 kr/år. Då är antalet givare begränsat till 120 st.

Ett annat alternativ innebär max 1200 givare vilket innebär ca 1500 kr/år per givare, vilket i sin tur resulterar i ett belopp på 1,8 miljoner/år.

Över en treårsperiod innebär det ett totalbelopp på 5,4 miljoner!

Dessa summor kräver stor optimering för att det ska vara lönsamt.

 

 

En Historian, såsom GE:s Proficy Historian, är effektiv på att samla in och lagra stora mängder av tidsorienterade data.  Företag lagrar ofta tiotusentals signaler per anläggning för lokal analys och rapportering. Produkten är byggd för just detta ändamål vilket innebär att den kostnadseffektivt och säkert samlar in, lagrar och distribuerar rå eller aggregerad data till användaren.

1.

En av de viktigaste funktionerna när man lagrar stora mängder data i Proficy Historian är möjligheten till datakompression, vilket minimerar mängden data som lagras och som flyttas till molnet.

2.

Den har en omfattande beräkningsfunktionalitet som bland annat kan tillhandahålla min-, medel- och maxvärden.

3.

Historian är konstruerad för att snabbt och effektivt hämta ut stora mängder data.

4.

En Historian har kollektorer, som ansluter sig till anläggningens lokala datakällor och flyttar data till den centrala Historian. Dessa kollektorer kan komprimera och aggregera data innan den skickas till Historian, allt för att minska nätverksbelastningen och minimera mängden av data som lagras.

5.

Sista steget för att skicka data från Historian till Microsofts moln är att använda GEs produkt Azure IoT Hub Distributor. Väl uppe i molnet används sedan Azures analysverktyg för att analysera data.

 



 


Önskar du att se och spara informationen som ett White paper?  Klicka här 
Eller är du nyfiken på att veta mer som Proficy Historian?  Läs här