Um executivo de uma empresa de produtos industriais uma vez me disse que, mesmo que suas fábricas estejam cheias de equipamentos semelhantes, ele ainda enfrenta dificuldades para acessar dados significativos das máquinas. Cada uma das máquinas de moldagem por injeção de plástico tinha uma maneira diferente de apresentar os dados. Isso significava que a empresa precisava personalizar a codificação para cada equipamento para obter insights significativos.
Essa é uma situação comum em muitos ambientes industriais, onde as plantas podem ter centenas de controladores lógicos programáveis (PLCs) e controladores de máquinas em máquinas diversas, gerando dados operacionais que são incompreensíveis para os cientistas de dados que precisam interpretá-los.
É aqui que o Industrial DataOps entra em jogo. Ele fornece uma maneira de padronizar dados usando modelos comuns ou abordagens orientadas a objetos, para integrar e gerenciar informações provenientes de várias fontes. Aqui está uma olhada mais detalhada nos seis principais sinais de que é hora de considerar uma arquitetura de Industrial DataOps para sua empresa.
- Os projetos IIoT não estão sendo escalados devido a problemas de interoperabilidade de dados.
Traduzir e analisar dados de centenas ou até milhares de máquinas pode deixá-lo com dezenas de milhares de pontos de dados. Sem um protocolo comum ou uma maneira padronizada de apresentar os dados, manipular ou lidar com cada tag de dados individual pode ser extremamente demorado. Os engenheiros resolveram os problemas de comunicação da máquina há anos com tradutores de protocolo, mas dar sentido a diferentes estruturas de dados é outro desafio. Modelar dados para cada sistema é ineficiente e custoso. Não há uma maneira simples de gerenciar modelos de máquina individuais e implementá-los em vários dispositivos e sistemas. O Industrial DataOps resolve esse problema com um conjunto padrão de modelos que combinam vários pontos de dados em um único fluxo.
2. Você está escrevendo e mantendo scripts personalizados para aproveitar dados IIoT.
Muitos fabricantes rapidamente aumentam projetos IIoT apenas para se verem atolados em “dívida técnica”. Dívida técnica é um termo que o programador Ward Cunningham cunhou no início dos anos 90 para descrever uma situação em que as pessoas implantam software usando o código mais rápido e fácil disponível, com pouco respeito pelas necessidades futuras de tecnologia. Infelizmente, os projetos IIoT muitas vezes travam porque os fabricantes adotaram essa mesma abordagem e estão constantemente reescrevendo o código cada vez que precisam fazer uma alteração na linha de produção, como substituir máquinas, otimizar processos ou adicionar novas linhas de produtos. Sistemas integrados que não estão ligados a modelos padronizados são propensos a interrupções devido a scripts cansativos e demorados. Uma solução de Industrial DataOps que permite aos fabricantes construir modelos padronizados é mais adaptável e resistente a mudanças futuras.
- Os cientistas de dados estão gastando mais de 50% do tempo deles encontrando, manipulando e preparando dados para análises.
Muitas vezes há uma desconexão entre as equipes de Tecnologia Operacional (OT) e as equipes de Tecnologia da Informação (TI). No passado, os protocolos de PLC, como o Modbus, eram suficientes para comunicar códigos para a equipe OT. Mas um código numérico não fornece muitas informações aos profissionais de TI. Os cientistas de dados não deveriam perder tempo manipulando dados. O Industrial DataOps disponibiliza as informações em um formato autoexplicativo e utilizável para os cientistas de dados, para que possam apresentá-las às diversas funções em toda a organização para tomadas de decisão estratégicas.
- A equipe OT está com um grande volume de solicitações de dados.
Outra indicação clara de que é hora de considerar uma solução de Industrial DataOps é um grande volume de solicitações de dados da equipe OT de partes interessadas de diferentes departamentos para conceder acesso e explicar dados de máquinas. Isso significa que a equipe de TI não está recebendo informações contextualizadas de forma oportuna e que depende muito do pessoal OT, que pode ter configurado os sistemas, para explicar o que determinados códigos significam. O Industrial DataOps automatiza o processo de análise para liberar a equipe OT de relatórios manuais de dados e aumentar a disponibilidade para os cientistas de dados.
- Você está pagando altas taxas de armazenamento em nuvem variáveis para dados brutos industriais sem uma estratégia para como os dados serão usados.
Taxas de armazenamento em nuvem caras são particularmente frustrantes quando você não tem uma visão clara de como usar os dados. Muitas dessas opções de armazenamento são originadas do mundo da tecnologia do consumidor e não foram feitas para aplicações industriais de grande escala. O Industrial DataOps foi projetado para atender às necessidades de dados industriais. Em uma configuração de Industrial DataOps, os dados podem ser processados próximos à máquina, em um centro de dados local ou na nuvem, dependendo de seus requisitos exclusivos. A solução é executada próxima ao dispositivo e alimenta as aplicações em nuvem apenas com os dados necessários e na frequência ou condição especificadas, reduzindo assim as taxas de armazenamento em nuvem altas e imprevisíveis.
- Você não tem certeza de quem tem acesso aos dados operacionais interna e externamente, o que cria problemas de segurança.
A conectividade do IIoT pode gerar preocupações com segurança. Conectar mais dispositivos à Internet pode deixar as informações vulneráveis a hackers e outras ameaças maliciosas. Permitir o acesso direto de fornecedores às máquinas pode melhorar o tempo de atividade, mas também pode introduzir riscos cibernéticos. A troca de dados usando a segurança embutida do OPC UA e MQTT reduz possíveis ataques. Além disso, adotar uma abordagem proativa de manter saídas por conexão permite que os administradores implementem gerenciamento e segurança em um nível mais alto do que as arquiteturas típicas de corretor pub/sub e acesso aberto e não gerenciado a APIs.
Lançar um programa de IIoT sem o Industrial DataOps é como operar com apenas duas pernas de um banquinho. Você pode ter os sensores e as ferramentas analíticas, mas sem a capacidade de transmitir e preparar os dados, você irá falhar. O Industrial DataOps preenche a lacuna entre a coleta e a análise dos dados, permitindo que os fabricantes tomem decisões estratégicas.
Se você está enfrentando um ou mais dos desafios discutidos neste post, vamos conversar. Solicite uma demonstração para ver o HighByte Intelligence Hub em ação e receber uma análise personalizada da sua arquitetura de dados.
*This blog post was originally posted in English on 24/06/2020 on HighbyteThe post has been translated and reposted here with the express written permission of our partners at HighByte. Posted by John Harrington.
*Este post foi originalmente postado em inglês em 24/06/2020 no Highbyte O post foi traduzido e repostado aqui com a permissão expressa por escrito de nossos parceiros da HighByte. Postado por John Harrington
