IIoT-teknologian ja pilvipalveluiden avulla ennustaminen

Abstract

Tämän opinnäytetyön tarkoituksena oli kehittää järjestelmä, joka hyödyntää teollisuuden internetin esineiden (IIoT) laitteita ja pilvipalveluita teollisuuslaitosten tehokkuuden parantamiseksi. Työ kes kittyi erityisesti datan keräämiseen, analysointiin ja visualisointiin sekä huoltotoimenpiteiden tar peellisuuden ennustamiseen. Tutkimuksen taustalla oli havainto, että teollisuuslaitokset voivat hyö dyntää keräämäänsä dataa prosessien optimointiin ja mahdollisten laitevikojen ennustamiseen, mikä mahdollistaa kustannustehokkaamman toiminnan, hävikin vähentämisen ja laitevikojen en naltaehkäisyn. Työssä suunniteltiin ja kehitettiin prototyyppi, joka integroi IIoT-laitteet pilvipalveluihin käyttäen Computerized Maintenance Management System (CMMS) -tekniikkaa. CMMS on keskeinen työ kalu teollisuuslaitosten ylläpidon hallinnassa, ja sen avulla voidaan seurata laitteiden kuntoa, suun nitella huoltoja ja ennakoida vikoja. Tutkimuksessa hyödynnettiin ThingSpeak-pilvipalvelua datan keräämiseen, analysointiin ja visualisointiin. Tämän avulla voitiin demonstroida, kuinka reaaliaikai nen datan hyödyntäminen mahdollistaa prosessien optimoinnin ja laitevikojen ennustamisen. Tutkimuksen keskeiset tulokset osoittivat, että IIoT:n ja pilvipalveluiden integrointi CMMS-ratkai suun mahdollistaa tehokkaamman datan keräämisen, analysoinnin ja hyödyntämisen huoltohallin nassa. Prototyyppi demonstroi, kuinka säädatan kerääminen ja analysointi voi auttaa ennakoimaan huoltotarpeita ja lähettämään automaattisia hälytyksiä käyttäjille. Tämä johtaa parempaan tehok kuuteen, vähentää odottamattomia seisokkeja ja parantaa laitteiston suorituskykyä. Johtopäätöksenä voidaan todeta, että IIoT:n ja pilvipalveluiden hyödyntäminen teollisuuslaitosten ylläpidossa tarjoaa merkittäviä etuja. Järjestelmän avulla voidaan parantaa ylläpidon strategista suunnittelua ja tehdä siitä tietopohjaista. Kehitysehdotuksina tutkimus suosittelee erilaisten anturi tyyppien integrointia järjestelmään, uusien hälytyskanavien kehittämistä ja järjestelmän skaalautu vuuden parantamista. Tulevaisuudessa on tärkeää keskittyä myös järjestelmän turvallisuusominai suuksien kehittämiseen ja pilvipalveluiden tietoturvan varmistamisee

This thesis aimed to enhance industrial efficiency through the integration of Industrial Internet of Things (IIoT) devices with cloud services. The focus was on developing a system capable of data collection, analysis, and visualization, as well as predicting the necessity for maintenance actions. The background for this study was the recognition that industrial facilities could leverage the vast amounts of data they generate for optimizing processes and predicting potential equipment failures, thereby operating more cost-effectively, reducing waste, and preventing equipment malfunctions. A prototype was designed and developed to integrate IIoT devices with cloud services using Computerized Maintenance Management System (CMMS) technology. CMMS plays a crucial role in managing industrial maintenance, enabling condition monitoring, maintenance planning, and fault prediction. The study utilized the ThingSpeak cloud service for data collection, analysis, and visualization, demonstrating how real-time data utilization can facilitate process optimization and equipment failure prediction. The key findings indicated that integrating IIoT and cloud services into a CMMS solution allows for more efficient data collection, analysis, and utilization in maintenance management. The prototype showcased how collecting and analyzing weather data could assist in predicting maintenance needs and sending automatic alerts to users, leading to improved efficiency, reduced unexpected downtimes, and enhanced equipment performance. In conclusion, the utilization of IIoT and cloud services in industrial maintenance offers significant advantages. The system developed in this study contributes to strategic maintenance planning, making it more data driven. Future research is recommended to focus on integrating several types of sensors into the system, developing new alert channels, and enhancing the system's scalability. Ensuring the security features of the system and the data protection of cloud services remains a priority for further development.