Evaluation and Enhancement of a New Siemens Data Acquisition Using a Time Series Technologies Approach

DSpace Repository

A- A A+

Evaluation and Enhancement of a New Siemens Data Acquisition Using a Time Series Technologies Approach

Show full item record

Title: Evaluation and Enhancement of a New Siemens Data Acquisition Using a Time Series Technologies Approach
Author: Souza, Maurici Meneghetti de
Abstract: Tecnologias como Digital Twins se tornaram poderosos aliados da excelência da manufatura de precisão, uma vez que industrias se esforçam para melhorar os resultados com custos reduzidos. Devido ao fato de que fabricantes usam Controles Numérico Computadorizado (CNCs) para obter melhor qualidade de produção, as soluções de aquisição de dados podem extrair dados valiosos sobre a operação em andamento executada na máquina-ferramenta, para criar uma versão digital do processo e da peça resultante. Neste documento, o foco está nos esforços da gemineers GmbH para otimizar sua área de aquisição de dados, com ênfase especial nas máquinas-ferramenta operadas por controladores Siemens, um participante importante no mercado de CNC. Os objetivos do projeto se concentraram no aprimoramento das capacidades em termos de desempenho, consistência, capacidade de manutenção e usabilidade. A abordagem adotada envolveu uma análise crítica da atual arquitetura de microsserviços da área, levantamento de requisitos e avaliação de possíveis mudanças na estrutura interna do atual software de aquisição de dados, protocolo de comunicação de envio e tecnologias presentes no pipeline de dados. A arquitetura adotada é centrada em um banco de dados de séries temporais, empregado para armazenamento e obtenção eficientes de dados. Os resultados dos testes demonstram que a nova arquitetura é compatível com a versão anterior, destacando melhorias nos recursos de transmissão de dados e no desempenho. A nova versão aumentou em 37% a capacidade de escrita de dados, além de uma notável redução de 65% no uso total da CPU. Além disso, os esforços de manutenção foram significativamente reduzidos, com menos repositórios e uma redução substancial no código.Technologies such as Digital Twins have become powerful allies of precision manufacturing excellence, as industries strive to enhance result at reduced costs. Due to the fact that manufacturers make use of Computerized Numerical Controls (CNCs) to obtain better production quality, data acquisition solutions can extract valuable data, about the in-progress operation running in the machine tool, to create a digital version of the process and resulted part. In this paper, the focus is on gemineers GmbH’s efforts to optimize its data acquisition area, with a particular emphasis on machine tools operated by Siemens controllers, a significant player in the CNC market. The project’s objectives centered around enhancing capabilities in terms of performance, consistency, maintainability, and usability. The approach adopted involved a critical analysis of the current area microservice architecture, requirements gathering and evaluation of possible changes within the internal structure of the current data acquisition software, dispatching communication protocol and the technologies present in the data pipeline. The adopted architecture is centered in a time series database, employed for efficient data storage and retrieval. Results from testing demonstrate the new architecture is compatible with the previous version, highlighting improvements in data transmission capabilities and performance. The new version increased 37% in data writing capacity, and a notable 65% reduction in the total CPU usage. Furthermore, maintenance efforts were significantly shortened, with fewer repositories and a substantial reduction in code.
Description: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Controle e Automação.
URI: https://repositorio.ufsc.br/handle/123456789/253623
Date: 2023-12-13


Files in this item

Files Size Format View Description
Final_Public_Th ... neghetti_de_Souza_PDFA.pdf 1.156Mb PDF View/Open TCC

This item appears in the following Collection(s)

Show full item record

Search DSpace


Browse

My Account

Statistics

Compartilhar