Trendy v průmyslové automatizaci - směrem k Industry 4.0 Vladimír MAŘÍK http://cyber.felk.cvut.cz/ www.ciirc.cvut.cz Katedra kybernetiky FEL EU Center of Excellence Český institut informatiky, robotiky a kybernetiky (CIIRC) České vysoké učení technické v Praze
Vývoj kybernetiky jako teoretického základu automatizace První etapa (1950-1980) (Dynamický) systém a jeho model Teorie informace Zpětná vazba Druhá etapa (1980-2000) Znalostní systém, (procedurální) znalosti Strojové učení a optimalizace Ontologie (deklarativní znalosti) Dnešní etapa (od 2000) Agentový systém Autonomie v distribuovaném systému Systémová integrace, internet věcí, sémantický web Hlavní principy kybernetiky: systémový pohled a bezprostřední interakce s fyzickým světem
Kybernetika Nejvýznamnější dosažené výsledky: Automatické řízení dynamických systémů Rozpoznávání/klasifikace objektů z naměřených dat, strojové vnímání, zpracování obrazové informace, rekonstrukce objektů Znalostní a expertní systémy, sémantické struktury a ontologie Distribuované znalostní systémy (multi-agentní) Systémová integrace, integrace dat, datové sklady (data-warehousing), cloudy a big data Strojové učení, dolování znalostí z dat (data-mining) Plánování a rozvrhování Technická a lékařská diagnostika Rozpoznávání přirozené řeči a automatizované překlady Vestavěné systémy a Internet věcí SOA a Internet služeb
Klíčové rozvojové oblasti kybernetiky Robotika motivační role Ale i mnoho praktických aplikací, např. i v bezpilotních letadlech, automobilech budoucnosti, marsochody, podmořské roboty apod. Systémy reagující bezprostředně s reálným prostředím a vykazující autonomní chování Roboti významní pro výrobu Antropomorfní roboti spíše předmětem výzkumu (Kurzweilova singularita) Agentní systémy metodologický význam Nový přístup směřující k nové teorii systémů, vyžaduje změnu myšlení Propojování (nehmotných) distribuovaných znalostí s reálným světem První praktické aplikace v nejrůznějších oblastech Mnoho teoretických problémů (emergentní chování, stabilita, adaptabilita)
Klíčové rozvojové oblasti kybernetiky Biomedicínské systémy a asistivní technologie aplikační, pro potřeby lidí Vycházejí z potřeb zdravotnictví a zlepšování životního standardu mnoha skupin obyvatel Využívají principů robotiky, agentových technologií, strojového učení a mnoha dalších Inspirace přírodou (finančně náročný výzkum mozku v USA i v EU) Průmyslové aplikace výrazný ekonomický efekt Automatické řízení Systémová integrace Smart grids Systémy strojového vnímání Plánování a rozvrhování Řízení dopravy, plánování misí Obranné aplikace (kybernetická bezpečnost, plánování misí atd.)
Prorůstání a konvergence technologií Osobní počítače <- -> mobilní komunikační prostředky <- -> průmyslové automaty Ontologie <- -> WWW Agentní systémy <- -> OO-programování, SOA (Service Oriented Architecture) Agentní systémy <- -> Internetové technologie Přirozené pronikání kybernetických principů do dalších oblastí: Big data, Smart Grids, mobilní aplikace, počítačová bezpečnost, internet věcí
Agentové technologie
Co je agent? Agent je výpočetní systém, pracující v jistém prostředí, jenž je schopen flexibilního, vysoce autonomního chování tak, aby dosahoval svých vlastních cílů Agent není jenom objekt, proces, program, počítač,.. Agenti mohou působit jako izolované jednotky nebo jako členové multi-agentní komunity intelligent agent collaborative learning agent cooperate learn collaborative agent autonomous interface agent
Jací jsou agenti? autonomní agenti jsou proaktivní, cílevědomé jednotky, operující relativně samostatně reaktivní činnost agentů je stimulována událostmi, agenti jsou schopni vnímat a bezprostředně reagovat intencionální mají schopnost pracovat s dlouhodobým záměrem, organizovat chování tak, aby dosahovali dlouhodobých cílů, komunikují ve speciálním jazyce pro agentovou komunikaci (ACL), formulují plány a používají reflektivního uvažování sociální agenti spolupracují v rámci komunit, aby dosahovali sdílených cílů, vědí o sobě navzájem, uvažují o sobě, mohou se sdružovat do koalic, týmů a profitovat z tohoto sdružování
Architektura agenta Agent obvykle sestává z obalu a těla Tělo nemá vůbec představu o komunitě a obal je zodpovědný za plánování a realizaci sociální interakce v širším slova smyslu Obal tak sestává z komunikační vrstvy znalostního modelu wrapper body communication layer acquaintance model body
Co od nich chceme? typické schopnosti agenta: delegovat odpovědnost, dekomponovat úlohy na podúlohy, kontrahovat optimální spolupracovníky, tvořit týmy a koalice, vyhledávat chybějící informace Tyto schopnosti jsou obvykle podporovány specializovanými agenty: facilitátory a informačními brokery, mediátory, matchmakery nebo zprostředkovatelskými agenty tito agenti jsou obvykle součástí multiagentní platformy jako centrální jednotky (nevidíme rádi) Důležité služby (musí být zajištěny vždy): white pages (bílé stránky) yellow pages (žluté stránky)
Komunikace a dohadování Meziagentová komunikace: Speciální jazyky ACL Cílená nebo všesměrová Umožňuje dohadování Zabezpečuje emergentní chování Metody dohadování Advertise & subscribe Aukce Contract-net-protocol
Contract-Net-Protocol (CNP) Alokace úlohy: přes mediátora/brokera/facilitátora/zprostředkovatelského agenta, nebo autonomně prostřednictvím CNP (upřednostňováno) kontrahující posílá potenciálním kontrahovaným agentům výzvu ke spolupráci potenciální kontrahovaní agenti zasílají nabídku kontrahující vybírá nejlepší nabídku a uzavírá kontrakt
Aplikace agentových technologií v průmyslové automatizaci
Distribuované inteligentní řídící systémy (1) Moderní průmyslové řídící systémy Rostoucí složitost výrobních zařízení Trvale rostoucí požadavky zákazníků Rychlá inovace produktů (vysoký počet malých zakázek) Stále kratší časy od objednávky k expedici) Tolerance k chybám Flexibilita a dynamická rekonfigurovatelnost Tradiční centralizované přístupy nezvládají 15
Distribuované inteligentní řídící systémy (2) Založeny na metodách agentních systémů Řízení distribuováno na dosti autonomní jednotky (reprezentované agenty) Agenti specializováni na různé úlohy for various control tasks/machines Nabízejí své schopnosti jiným agentům Složité úlohy řešeny kooperací Vyjednávání o poskytnutí schopností a kapacit Komunikace prostřednictvím krátkých zpráv Výhody oproti standardním centralizovaným přístupům Řídící systémy nemusí být programovány pro konkrétní linky Prototypoví agenti pro jednotlivé funkcionality, individualizace instancí Složitost programování se nezvyšuje s růstem systému Odolnost proti chybám Snadná rekonfigurovatelnost systému 16
Agenti pro řízení v reálném čase nejnižší úroveň Agenti přímo spojeni s fyzickým systémem Nutno zabezpečit reakce v reálném čase Klasičtí SW agenti nestíhají Natupují tzv. holonické předprogramované subsystémy na bázi IEC 61499, reagující obdobně jako agenti Integrace agentů s řízením na bázi PLC PLC-řízení (IEC 61131-3) dále využíváno pro řízení v reálném čase, může běžet bez problémů bez agentů SW agenti uvažováni jako inteligentní vrstva nad klasickým řídícím systémem pokročilá optimalizace, diagnostika, rekonfigurace,. 17
Vývojové prostředí pro agentové systémy Vývojové prostředí Podporuje kompletní vývoj agentového řídícího systému: návrh generování kódu aplikování Může být využito i pro neagentní systémy Knihovna prototypových agentů pro řízení OO-návrh (znovupoužitelnost, dědění..) Editor kódu žebříčkové logiky Editor chování agentů Návrh konkrétních aplikací řízení (editor řízení výrobního úseku) Tvorba instancí prototypů řídících elementů Přiřazení agentů k automatům nebo PC Generování kódu, download and run
Simulace Simulace v průmyslovém prostředí Užívá se pro testování agentového řídícího systému Testování na reálném HW příliš drahé Detekce emergentního chování Celkové chování agregace chování jednotlivých agentů Těžko predikovatelné při návrhu MAST Manufacturing Agent Simulation Tool (Rockwell Automation) Implementován v Javě Řídící agenti v reálném čase (JADE) Agenti pro řízení výrobních buněk, agent transportního pásu, agent výhybky, agent sensoru, Simulační část emulace fyzického výrobního prostředí GUI (návrhový systém drag-and-drop) Vizualizace simulace 19
Simulace SW simulace průmyslového prostředí Model fyzického zařízení nebo procesu Užity komerční simulátory (Matlab/Simulink) Synchronizátor Synchronizace času a výměny dat Matlab/Simulink simulace PLC systém na bázi žebříčkové logika Přímočarý a hladký přechod k reálnému řízení Prostřednictvím PLC datové tabulky (patentované řešení Rockwell Automation) 20
Aplikace transport materiálu (2) MAST použit v DIAL Lab (Cambridge University, UK) Laboratorní model balící linky Původně monolitické ne-agentní řízení Simulace pomocí MAST Noví agenti Fanuc robot, nakládací station, agent úložného regálu... Agent výrobku Vyjednává s dalšími agenty o balících operacích Integrace s RFID RFID agenti sbírají data z RFID čteček Poskytují data dalším agentům prostřednictvím standardní agentové komunikace
Nejnovější trendy Aplikace sémantických znalostí Efektivní reprezentace a sdílení sémantických znalostí Jednotný formální popis významu jednotlivých dat v dané oblasti Komunikace mnohem jednodušší komponenty mají stejnou interpretaci vyměňovaných zpráv Použití technologií sémantického webu: OWL, RDF Webové aplikace ve výrobě Komplexní, dynamická a interaktivní rozhraní ve webových prohledávačích Technologie: Google Web Toolkit, AJAX, HTML5, CSS3, instance Of Machine CNC125 provides Operation provides Drilling
Agenti v automatizaci palubních procesů Agentní řízení pro systémy distribuce chladící vody (lodě US Navy) Cíl: zvýšení funkčních schopností palubních systémů On-line rekonfigurace v případě poruchy nebo poškození Řídící systém umístěn co nejblíže k zařízením Každé fyzické zařízení representované agentem Chladicí zařízení, ventily, úseky potrubí, služby Hledání alternativních cest distribuce chladící vody v případě poruchy (agentní vyjednávání) IC/ GYRO 2 V121 V002 CIC EQPT 2 LPAC DHYR 2 V003 V103 CHW PLANT 1 NSWC Chilled Water System Test-bed SONAR EQPT HVAC CLS 2 V122 V601 V127 STBD ARRAY SLQ-32 400 HZ CNVTR 1 C&D ELEC EQPT V231 CIC EQPT 2 V603 PORT ARRAY V004 V001 HVAC CLS 1 V230 IC/ GYRO 1 LPAC DHYR 1 400 HZ CNVTR 2 CHW PLANT 2 V234 V204 Rockwell Automation Controllers V006 V005
Agentové technologie v plánování a rozvrhování
Plánování a rozvrhování v MAS Úspěšně aplikováno v doménách Strategického plánování, plánování misí Multi-robotických operací Rozvrhování výroby Plánování dopravních tras (vehicle routing problem) Planning Agent Planning Agent Scheduling Agent Scheduling Agent Scheduling Agent
Projekt ARUM ARUM Adaptive Production Management Integrovaný projekt FP7 (14 partnerů) Období 2012-2015, rozpočet 11.5 M Cíle projektu Optimalizace náběhu výroby a řízení malosériové výroby adaptivní strategické plánování a operační rozvrhování Celkové zlepšování business procesů Use cases Airbus (A350) náběh výroby letadel Iacobucci náběh výroby interiérů letadel Infineon výroba vrtsvených polovodičů
Celková architektura FND UI SD UI Operational Scheduler Strategic Planner FND&SD Service Security Service Business Process Mining & Optimization (MIDAS) iesb ARUM Events Ontology ARUM Core Ontology ARUM Scene Ontology Ontology Service SPARQL queries & publish-subscribe RDF (data, events) Raw data Data Transformation Service (TIE Integrator) Mapping files TIE Semantic Integrator ARUM Core Ontology Legacy syst. schemas ARUM Events Ontology Ontology & operational data (triple store) SAP Gateway Other AIB Gateway RDB (Airbus data) Gateway AS400 Gateway IHF XLS gateway SAP (AIB) Pepsy (AIB) RDB (Airbus data) AS400 (IHF) Excell sheet
iesb iesb Intelligent Enterprise Service Bus Vhodný pro integraci of heterogenních nástrojů a služeb vychází z Jboss ESB a TIE ESB komunikace prostřednictvím zpráv užívá FIPA ACL pro zasílání zpráv Sniffer - vizualizace zpráv
Ontologie Služby ontologií Ontologie se používají k udržení společné sémantiky dat Shromažďují data ze starších systémů via Data Transformation Service a Gateways Agregace dat ze starších zděděných systémů: SAP, PEPSY, Excell, SQL, Operační rozvrhování pracovních stanic Agentový přístup + matematická optimalizace (CLP) agenti representující výrobní jednotky (pracovní stanice) Vyjednávání o průběhu prací a reakce na události (chybějící zdroje, nekonformita, ) Hypotetické plánování s využitím simulací Uživatel může vytvořit alternativní scénáře a sledovat, jaké efektivity lze dosáhnout
Iniciativa Industry 4.0
Industry 4.0 Konvergence a propojování technologií Agentové technologie (metodologie, standardní služby, SOA, užití sémantiky/ontologií) Komunikační technologie (Internet, mobilní řešení, RDIF, wifi atd.) Datové a znalostní technologie (Big Data, sémantika, strojové učení) Výpočetní prostředky (osobní počítače, mobily, vestavěné aplikace, výkonné průmyslové procesory, superpočítače) Pro všechny tyto technologie k dispozici aplikační platformy a standardy (nakročeno k interoperabilitě) První univerzální integrované platformy umožňující užívat současně SW platforem pro agentové technologie, SW platformy pro ontologie a sémantiku a využívající násobně moderní komunikační technologie byly vyvinuty: Gnublin Board (ARM9, 180 Mhz, 32 MB SDRAM) či Gadgeteer (ARM7, 72 MHz, 4,5 MB Flash, 16 MB RAM) umožňují fyzické napojení mnoha modulů
Industry 4.0 iniciativa vlády SRN 750 mil. EUR na 3 roky Evoluce od vestavěných systémů ke kyberneticko-fyzikálním systémům Technologické pokroky 1. průmyslová revoluce: pára 2. průmyslová revoluce: elektřina 3. průmyslová revoluce: počítače a roboti 4. průmyslová revoluce: Kyberneticko-fyzikální systémy (CPS)
Industry 4.0 Základem: využití Internetu věcí a Internetu služeb Internet věcí: Na internet napojeno: Každé výrobní zařízení Každý výrobek (i nedokončený) Každý nosič výrobku Jedná se o fyzické napojení/hw závislé určené k přímé komunikaci mezi fyzickými systémy Internet služeb každé zařízení reprezentováno SW entitou ta si může vyvolat libovolnou službu (HW nezávislou) Přístup k ontologiím, www, k datům v cloudech či jiných úložištích může běžet na stejném fyzickém procesoru, ale i na úplně jiném
Picture 1 Internet služeb (Internet of Services) CPC Chytrý materiál Apl. platforma Sémantika Smart Factory Apl. platforma Chytré výrobky Apl. platforma Internet věcí (Internet of Things)
Industry 4.0 Každé zařízení napojeno na Internet 2x, ale fyzicky to může být jen jedenkrát či vícekrát Toto napojení by mělo nahradit všechny průmyslové komunikační protokoly (Profibus, Interbus, Profibus, DeviceNet...) Internet: - otevřený (obecné informace ve W3) - firemní internet (popisy výrobního zařízení, produktů, firemních plánů, statistik atd.) S výhodou se využívá: - Filosofie agentů - SOA
Chytrý výrobek Každý výrobek (i nedokončený) lze chápat jako - informační kontejner - agent - pozorovatel prostředí Musí obsahovat: - senzory - záznamník událostí - sémantickou paměť výrobku (SPM) - rozhodovací modul (na bázi umělé inteligence) - akční člen/členy Senzory Záznamník událostí Rozhodovací modul Sématická paměť Akční členy Rozhodovací modul může být schopen vyvolat všechny komunikační akty známé z oblasti agentů resp. si vyžádat libovolné služby Akčním členem může být např. jen vysílač zpráv (viz komunikační obal viz výše)
Architektura Smart Factory M2M M2M komunikace komunikace Stroj 1 Stroj 2 Stroj N... Vyhledávání výrobních služeb, vytvoření instance, provedení Transportní nosič 1... Transportní nosič N Plánování výroby Vznikající výrobek 1... Vznikající výrobek N
Informační propojení Důležitá je interoperabilita jádro průmyslového CPS je XML-based Web server Přesně stejné filosofie, která se používá v automatizaci průmyslové výroby Industry 4.0, lze využít např. při technologické přípravě výroby, plánování a rozvrhování, organizaci zásobovacího řetězce, v ERP atd., přičemž tyto systémy mohou být úplně propojeny. Dochází tak k úplnému internetovému/informačnímu propojení všech aktivit spojených s průmyslovou výrobou a její automatizací
Průmyslové asistivní systémy založené na CPS Člověk zapojen jako kooperující komponenta, jako jedno ze zařízení, které může inicializovat procesy Má k dispozici množinu aplikací (Application Store) Využívá se i rozšířená realita ( augumented reality ) Lehké, flexibilní roboty spolupracují s člověkem
Problémy Industry 4.0 Chybí centrální řídící element emergentní chování Nákladná analýza celého systému a potřeb jeho řízení Velké množství komunikace servery a sítě nestíhají možný kolaps Potřeba učení v ontologických sítích a dolování dat z cloudů pravděpodobnostní model složitého systému jedině tak lze zvládat dynamicky se měnící složité systémy