PROFINET设备诊断与预测性维护

正常情况下，车间/机器应以尽可能的最大生产率、最低的停机时间来运行。因此，诊断的目标是将车间/机器的停机时间降至最低。诊断可以帮助车间/机器在运行期间识别和避免干扰。维护人员需要快速标识干扰的源头（哪里发生）、严重性（以何种速度响应）、类别（什么引起的干扰）及对策（精确预防）。
PROFINET诊断功能完美解决了维护人员的需求，诊断信息构成如下：
（1）诊断来源（diagnosis source）识别干扰的源头；（2）严重性（severity）表示维护的紧迫性；（3）诊断信息（diagnosis information）标识“问题/原因”并建议“应对措施”。
PROFINET把故障分为通信错误和外设错误。通信错误与网络相关，比如，布线错误、连接器错误、拓扑错误、不正确的设备名称或IP地址、负载超载等。外设错误与设备输入和输出有关（传感器和执行器），比如，传感器或执行器导线接线错误、输出功率损失或者甚至是机械问题等。外设错误不影响通信，外设错误一般由设备检测并用PROFINET报警报告。通信错误可由设备报告、也可以由管理交换机和其他网络组件报告。
需注意的是，本文所说的诊断由PROFINET IO设备自身基于制造商特定的方式探测，用于维护传感器、设备、机器等车间装备，诊断的发布方式与IO设备处于什么样的应用中无关。而过程诊断是过程值（例如，温度、压力和湿度值的组合）元值，标识关键或无效过程状态，它们在机器接口、PLC或操作员站等上层应用程序中进行评估，IO设备不提供过程诊断。
1 PROFINET设备诊断基本模型
PROFINET诊断基本模型如图1所示，诊断信息产生、发布、去除等规则如下：（1）子模块应用确定增加/去除诊断信息；（2）诊断信息可通过Signaling在本地显示；（3）诊断查询功能用于外部应用访问诊断信息；（4）诊断ASE通过Alarm AR（应用关系）将信息变化通知IO控制器。当前的子模块诊断状态可通过AlarmNotification PDU的元素AlarmSpecifier和/或MaintenanceItem提供，以支持在IO控制器快速发布诊断状态。


图1 诊断基本模型
PROFINET诊断信息通过诊断类型的报警报文进行非循环传输。
2 PROFINET诊断数据基本结构
PROFINET通过ChannelErrorType（通道诊断报文元素）和ExtChannelErrorType（扩展通道诊断报文元素）定义错误Error原因。如果适用，强烈建议使用这些预定义的标准Error信息。如果标准Error不合适，IO设备制造商也可以额外定义其他错误信息，而这些错误信息需要在GSDML中进行描述并传递给诊断客户端。
2.1 PROFINET诊断信息格式
PROFINET定义了两种诊断信息格式，分别为标准格式和USI格式。标准格式诊断信息结构如下：
（1）Severity，采取维护措施的紧迫性；（2）USI，用来表示诊断编码；（3）ChannelErrorType，诊断类型；（4）（可选）ExtChannelErrorType，诊断的子类型；（5）（可选）ExtChannelErrorAddValue，关于诊断的附加信息。
USI格式的诊断信息结构如下：（1）USI，表示诊断类型；（2）ManufacturerData，关于诊断的附加信息USI诊断格式限于子模块使用（ChannelNumber为0x8000）。
2.2 诊断信息的寻址方式
诊断源通过以下信息定位，如表1所示。


API、slot和subslot仅仅是用于寻址。子模块实际带有对象：IO数据、诊断和记录数据。子模块可以用通道（channel）进一步结构化，这些通道可以在参数化、IO数据和诊断中可见。那么，什么是通道呢？
通道是服务器的输入/输出应用对象的单一物理或逻辑链接，目的是支持诊断信息的寻址。通道作为模块或子模块的实际接口，通常标识单一连接器或夹具。该引用被用来标识诊断PDU中的失败点。
为了实现诊断，一个通道等同于一个被监视的实体。监视可以由子模块自身实现（例如，短路，断线或过温），也可以由附加的传感器或执行器实现（例如，传感器故障）。特定的通道由ChannelNumber和Direction唯一标识，通道号标识诊断来源。
2.3 Severity诊断严重性分类
严重性分级用来表达需要维护的急迫性，分类如表2所示。


Qualifier用来细分严重性等级。
3 如何通过PROFINET实现预测性诊断
预测性维护是以状态为依据的维修，是对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，提前制定预测性维护计划并采取相应措施的行为。因此，状态监测和故障诊断是预测性维护实现的基础。PROFINET诊断数据可通过传统的网络（比如，PROFINET、以太网）分级向上传输，然后在上层实现诊断信息语义化模块；也可以通过OPC UA进行语义化建模后向上传输，可提高维护的效率。
3.1 PROFINET设备诊断数据通过OPC UA建模传输
PROFINET是开放的支持标准以太网的技术。这使得可以在传感器/仪表中增加OPC UA接口，实现数据直接向“云”或边缘网关的发送，而不对已有的自动化解决方案产生任何影响，这样的方案对于现有系统中实现创新性的诊断方法提供了一种途径。OPC UA接口也可以布置在控制层、控制设备与智能设备之间（中间件）、边缘设备等处，提供诊断信息多路径（见图2）的向上传递，适应不同的系统设计方案。


图2 PROFINET诊断信息传输路径
3.2 通过PROFINET实现预测性维护实例–某汽车生产公司
汽车生产工厂的一个在线测量系统，通过高度柔性软管将铆钉输送到机械臂上的铆接工具，铆钉会对软管产生磨损，因此，通常在传输一定量的铆钉之后需更换软管。传统维护方式是根据经验，预估软管出现问题的时间进行更换。为了降低维护成本和精准维护，通过创建时间分析序列，检测软管的磨损程度。软管的磨损导致出现一些小的空洞，因此，软管里就能检测到更多的空气。实时记录这些数据，并通过OPC UA技术将数据实时传输至PROFINET控制器。现场人员通过数据的实时反馈，可以及时发现软管是否需要更换，从而实现系统的精准维护。
4 结束语
基于对实验室进行PROFINET认证测试的IO设备所实现的诊断信息分析，可以发现部分设备制造商并没有充分利用PROFINET的诊断机制，如此就不能在应用现场提供充分的诊断信息。如果没有底层诊断数据的支撑，预测性维护将成为无源之水，难以实现。而当前工业4.0背景下，智能工厂对预测性维护的需求尤为迫切。
本文在给出工业以太网PROFINET诊断机理的基础上，结合智能制造专项研究以及工业智能仪表认证测试经验，提出智能设备诊断信息语义化（OPC UA）传输方式，以及智能仪表自身的诊断能力在工业控制系统预测性维护中的重要性。
原文刊载于《中国仪器仪表》2021年第8期 作者：机械工业仪器仪表综合技术经济研究所 谢素芬