Este artigo foi originalmente escrito em inglês no dia 17/04/2020 na highbyte.com. O artigo foi traduzido e postado aqui com autorização expressa dos nossos parceiros da HighByte.
A indústria de manufatura está passando por uma mudança tão significativa que ganhou o título de Quarta Revolução Industrial. Esta transformação foi desencadeada pela necessidade da indústria se tornar cada vez mais direcionada pelos dados. As primeiras fábricas do mundo a adotarem uma cultura de análise de dados reconhecem que os dados das operações industriais provenientes de máquinas, processos, produtos e sistemas no chão de fábrica – são ouro. Mais usuários e sistemas querem acesso a esses dados em tempo real para convertê-los em informações valiosas sobre as quais podem agir para prever falhas nas máquinas, prevenir paradas e melhorar a qualidade do produto. Cada vez mais vemos milhões de dispositivos IoT no campo gerando dados. Estes dispositivos incluem máquinas, sensores e câmeras, assim como ferramentas industriais. É um imenso, até mesmo avassalador volume de dados. E como as empresas podem aproveitá-los de maneira eficaz?
O problema: Dados inutilizáveis
Indústria 4.0, Automação Industrial e Smart Manufacturing combinam informações díspares para conduzir decisões automatizadas das máquinas para a nuvem. Tecnologias múltiplas desempenham um papel nesta transformação, incluindo computação em nuvem, plataformas IIoT, análise avançada, realidade aumentada e virtual, plataformas móveis, sensores miniatura e baratos, e redes. O objetivo é colocar mais informações nas mãos das partes interessadas quando e onde elas precisam delas.
Os primeiros usuários da tecnologia Indústria 4.0 imaginavam que simplesmente conectando seus dados industriais a aplicações analíticas e de visualização via APIs produziriam resultados. Em vez disso, eles descobriram que os dados careciam de acessibilidade e contexto. Era inconsistente entre as máquinas e calibrado para os equipamentos de controle – não para o modo como os usuários comerciais pensam.
A solução: Industrial DataOps
Hoje, está surgindo uma nova categoria de software que será fundamental para ajudar as empresas a adotarem a indústria 4.0. Conhecido como DataOps (ou DataOps industrial quando especificamente projetado para dados industriais), esta abordagem resolve os desafios de arquitetura e integração de dados e fornece padronização e contextualização de dados para uso em toda a empresa.
→ Arquitetura e integração de dados
Antes da Indústria 4.0, a arquitetura de dados industriais havia evoluído para uma abordagem em camadas definida no Purdue Model ou ISA-95. Os dados fluíam de sensores para controladores de automação para SCADA/HMI para MES e finalmente para ERP. Mas tanto o volume quanto a resolução diminuíram significativamente à medida que os dados subiam na pilha. Os protocolos de comunicação em cada ponto de conexão entre camadas tendiam a ser proprietários e únicos em vez de reutilizáveis.
O processamento de dados através de camadas de sistemas funcionou por muitos anos, principalmente porque a quantidade de dados era relativamente limitada. Este não é mais o caso. Empurrar dados em excesso e não utilizados através de sistemas que não precisam deles (para chegar àqueles que precisam) complica e retarda o processamento, reduz a segurança e aumenta a vulnerabilidade.
→ Padronização e Contextualização de Dados
A Transformação Industrial tem como objetivo aproveitar dados em tempo real para impulsionar o negócio. Em uma empresa de manufatura, isto significa estender os dados do chão de fábrica além dos ambientes de operações tradicionais aos usuários comerciais em toda a empresa. Estes usuários não têm o mesmo entendimento do sistema de controles de fabricação, mas requerem dados ricos para otimizar o desempenho comercial.
Como os dados em ambientes industriais são muito inconsistentes entre as máquinas, carecem de contexto e estão correlacionados com os equipamentos de controle, uma solução DataOps industrial tem requisitos muito diferentes da tecnologia DataOps usada hoje em dia para sistemas de transações comerciais.
Inconsistência de dados entre máquinas? Baixe agora nosso White Paper gratuito: DataOps, o elo que faltava em sua arquitetura de dados industriais
As funções
Uma solução DataOps industrial deve incluir cinco capacidades essenciais para alcançar valor:
1. Padronizar, normalizar e contextualizar os dados
Os dados industriais são gerados por motores, válvulas, transportadores, máquinas e outros equipamentos do gênero. Estes dados normalmente vêm de PLCs, controladores de máquinas, RTUs, ou sensores inteligentes. Uma fábrica pode ter centenas de CLPs e controladores de máquinas, muitas vezes adquiridos em momentos diferentes de diferentes fornecedores. Os pontos de dados disponíveis nos controladores variam; eles também foram projetados para uso por soluções de software industrial.
Para se obter uma visão valiosa a partir destes dados, eles devem ser analisados através de máquinas, processos e produtos. Um conjunto de modelos padrão é necessário dentro da solução DataOps para lidar com a escala de centenas de máquinas e controladores, correlacionar os dados e apresentá-los para as aplicações consumidoras.
2. Conectar-se tanto a sistemas industriais como de TI
Dispositivos/sistemas industriais e sistemas de TI comunicam nativamente de diferentes maneiras. Os primeiros utilizam muitos protocolos proprietários, embora o suporte para OPC UA e outros protocolos abertos esteja em tendência. Os sistemas de TI dependem de seus próprios protocolos para se comunicar com o uso extensivo de APIs e integrações sob medida.
Os sistemas de TI que se comunicam com dispositivos Edge começaram a aproveitar o MQTT, que fornece uma metodologia pub/sub altamente flexível, com baixa sobrecarga, para minimizar a exposição à segurança cibernética e proteger as comunicações criptografadas. Uma solução DataOps deve ser capaz de se integrar perfeitamente com dispositivos e fontes de dados na camada de operações, alavancando os padrões da indústria, ao mesmo tempo em que fornece valor às aplicações comerciais que estão em conformidade com as melhores práticas atuais de TI.
3. Gerencie o fluxo de informações
É fundamental que os fluxos de informação sejam contidos e gerenciados dentro de um sistema onde eles possam ser identificados, habilitados, desativados e modificados. A fim de garantir que os “bons” dados estejam sendo armazenados, as mudanças de máquinas devem ser refletidas com precisão nos dados coletados e transformados.
Do ponto de vista da segurança, é fundamental saber quais dados estão se movendo entre os sistemas – e ser capaz de desligá-los. Como muitos fornecedores querem dados de máquinas para fornecer um serviço aprimorado, a equipe de operações precisa ser capaz de controlar esse fluxo de dados e definir condições e freqüência.
4. Fornecer escala e segurança a nível industrial
A grande amplitude e escala dos dados industriais os distinguem dos dados transacionais típicos armazenados na maioria dos sistemas de TI. Os dados industriais são normalmente usados dentro de milissegundos a segundos após sua criação e devem ser contextualizados e entregues com uma resolução única para o caso de uso específico.
Como tal, as soluções ETL de processamento em lote construídas para dados transacionais não funcionam bem para dados industriais. Além disso, os dados industriais contêm a propriedade intelectual de uma fábrica, que deve ser assegurada e comunicada discretamente.
5. Rodar no Edge
Aplicações analíticas e de visualização que consomem dados industriais podem ser processadas perto das máquinas, em um centro de dados no local ou na nuvem. Mas a própria solução DataOps industrial deve funcionar perto do dispositivo, alimentando as aplicações na freqüência ou condição especificada. Também deve ser capaz de compartilhar modelos em toda a fábrica e na empresa para permitir a padronização e normalização dos dados.
Em Resumo
Uma solução DataOps industrial eficaz:
- Trata as inconsistências de dados nas máquinas
- Normaliza e contextualiza os dados
- Alinha os dados para os usuários comerciais
- Fornece gerenciamento seguro do fluxo de dados
- Oferece acessibilidade através da infra-estrutura de rede, em toda a empresa e a fornecedores externo
This blog post was originally posted in English on 04/17/2020 on highbyte.com. The post has been translated and reposted here with the express written permission of our partners at HighByte.
