A promessa da Indústria 4.0 faz com que muitas lideranças da manufatura pensem grande. Vislumbram um futuro em que o acesso a dados em tempo real abra as portas para o alcance de níveis inéditos de flexibilidade operacional, previsibilidade e melhoria dos negócios. Para várias dessas lideranças, vitórias nos primeiros estágios não raramente levam a projetos maiores que ficam estagnados ou fracassam em escalar porque sua infraestrutura de dados não pode suportar a crescente complexidade do projeto.

Este artigo foi originalmente escrito em inglês no dia 10/11/2021 na highbyte.com. O artigo foi traduzido e postado aqui com autorização expressa dos nossos parceiros da HighByte.

Aí entra o DataOps Industrial

O DataOps (ou operações de dados) é a orquestração de pessoas, processos e tecnologia para fornecer, com segurança, dados confiáveis e prontos para utilização por todos os sistemas e indivíduos que deles precisam. A primeira menção conhecida do termo “DataOps” veio do consultor de tecnologia e editor colaborador da InformationWeek, Lenny Liebmann, em uma postagem feita em 2014 intitulada “DataOps: Why Big Data Infrastructure Matters” (DataOps: por que a infraestrutura de big data é importante)

Para Leibmann:

“Você não pode simplesmente pular a etapa de ciência de dados e esperar que as operações alcancem o desempenho que você precisa no ambiente de produção – assim como não se faz isso com um código de aplicativo. É por isso que o DataOps – a disciplina que garante o alinhamento entre ciência de dados e infraestrutura – é tão importante para o sucesso do Big Data quanto o DevOps é importante para o sucesso do aplicativo.

DataOps para Manufatura

As soluções DataOps são necessárias em ambientes de manufatura onde os dados devem ser agregados de ativos e sistemas de automação industrial e, em seguida, aproveitados por usuários de outros departamentos da empresa e de sua cadeia de suprimentos.

A HighByte desenvolveu uma solução DataOps projetada especificamente para a indústria de manufatura chamada Intelligence Hub. É uma plataforma que permite que as empresas criem modelos escaláveis que padronizam e contextualizam os dados industriais. Ao longo dos anos, tivemos a oportunidade de trabalhar com diversas empresas em estágios variados de implementação de DataOps e com objetivos diferentes.

O presente modelo de maturidade foi criado em virtude dessa diversidade, de modo a ajudar leitores como você a compreender onde se encontra em sua própria jornada – e onde precisa ir para alcançar os resultados esperados. É um processo de quatro estágios que inclui acesso aos dados, contextualização dos dados, visibilidade da planta e visibilidade da companhia.

A realização bem-sucedida de cada estágio – e os benefícios associados a eles – depende de três parâmetros:

• Equipe
• Tratamento de dados
• Estrutura de dados

Falta de acessibilidade entre time de Operações e o de TI? Baixe agora nosso White Paper gratuito: DataOps, o elo que faltava em sua arquitetura de dados industriais

Vamos dar uma olhada em cada estágio e como os diferentes parâmetros se encaixam no processo. A Figura 1 abaixo nos oferece uma visão geral.

Estágio um: Acesso aos Dados

O acesso aos dados requer conectar APIs por meio de protocolos abertos para coletar valores discretos que podem informar sobre como vários equipamentos estão operando (dados de consumo de energia, temperatura ou pressão, por exemplo). Nesse estágio, a estrutura de dados provém do CLP e os dados normalmente estão sendo transportados para a nuvem, um banco de dados local ou um data lake. Normalmente, a equipe de Tecnologia Operacional (TO) entrega os dados à equipe de TI para armazená-los e não há uma forte colaboração para que sejam melhor utilizados.

O estágio de acesso aos dados geralmente é útil para otimizar controles e outras funções operacionais importantes. No entanto, muitas empresas não consideram esses dados adequados para análises mais elaboradas ou para algo mais do que monitoramento de processos.

Para determinar se você está no estágio de acesso aos dados, pergunte-se:

• Estou transmitindo dado de CLP e/ou informações alimentadas por sensores diretamente para a nuvem?
• A equipe de TO está entregando os dados à equipe de TI para uso não especificado?
• Meu objetivo principal é promover melhorias operacionais?

Estágio dois: Contextualização dos Dados

Depois de coletar e definir os dados, pode-se começar a criar modelos que incluem mais descritores, como localização e função do ativo. Os valores começam a ser normalizados com unidades de medida comuns para uma operação específica, como vazão de uma bomba, por exemplo. A conformidade de tipo é aplicada para melhorar a confiabilidade da integração e a estrutura de dados nessa fase é simples. A equipe – que agora envolve o TO enviando dados para a TI, bem como para os engenheiros de dados – estrutura as informações em um formato básico e mais identificável.

O estágio de contextualização de dados implica no fornecimento de dados condicionados e padronizados para a equipe de operações, permitindo que eles comparem esses pontos com outros semelhantes. A equipe de TO se beneficia por ter informações analíticas que podem ser usadas para embasar decisões operacionais.

As respostas para as seguintes perguntas vão lhe ajudar a determinar se você está no estágio de contextualização de dados:

• Estamos criando estruturas simples para definir melhor cada ponto de dados para as informações enviadas à nuvem?
• Estou incluindo descritores com entrega de dados como localização (incluindo instalações, linha e/ou célula de trabalho) ou função operacional?
• Tenho formatos padrão para apresentar dados de operações específicas, incluindo os valores numéricos utilizados?
• A equipe de operações pode obter insights estratégicos e analíticos a partir dos dados?

Estágio três: Visibilidade da Planta

Para visibilidade de todo um setor, você precisa de modelos lógicos de informações sobre células de trabalho, ativos e linhas que sejam padronizados. A ferramenta que possibilita isso é o Unified Namespace (UNS). Um UNS é uma estrutura consolidada e abstrata pela qual todos os aplicativos da empresa podem consumir dados industriais em tempo real de maneira consistente. Ela permite combinar vários valores em um único modelo lógico estruturado que pode ser entendido por usuários de outros departamentos e usado em toda a empresa, inclusive no Edge, para tomada de decisões em tempo real.

O foco do estágio de visibilidade do setor é oferecer pacotes de informação para os usuários de outros departamentos que não o de operações. São dados normalmente usados para aprimorar a qualidade, pesquisa e desenvolvimento, manutenção dos ativos, conformidade, cadeia de suprimentos, etc.

Para determinar se você está no estágio de visibilidade do setor, faça a si mesmo as seguintes perguntas:

• Estou combinando dados de várias fontes, como dados MES, com dados de sensores em tempo real?
• Posso filtrar dados baseados em eventos em vez de descrições numéricas?
• Posso usar os dados no Edge?
• Meus arquitetos de sistemas, equipe de TI e equipe de TO estão trabalhando de forma colaborativa para contextualizar os dados?

Estágio quatro: Visibilidade da Empresa

Em relação a sofisticação de dados, o DataOps para a empresa como um todo é semelhante àquele específico para um setor, com a diferença de proporcionar a ampliação dos benefícios por toda a organização. No estágio de visibilidade da empresa, as estruturas de dados de vários setores e de sistemas diversos são sincronizadas. É possível ter um UNS geral e mover dados da nuvem para o Edge, ou seja, leva-se a análise do nível corporativo para o chão de fábrica, tornando realidade a visibilidade de ponta a ponta. Pode-se comparar os setores sem precisar remover e substituir os sistemas existentes. Esse estágio geralmente requer forte colaboração entre as equipes de TO, TI e transformação digital. Os arquitetos de informação também podem se envolver no processo de modelagem de dados.

O estágio de visibilidade da empresa é o que adiciona mais valor para as organizações, permitindo agregar informações dos diversos setores em dashboards, métricas e análises comuns. Também permite que as empresas implementem sofisticados processos de tomada de decisão orientada por dados e automação da nuvem para o Edge.

Para identificar se você atingiu o estágio de visibilidade da empresa, pergunte-se: 

• Tenho uma visualização multisetorial e consigo fazer comparações entre setores?
• Posso enviar dados da nuvem para o Edge?
• Posso fazer a integração de um processo em andamento sem ter de substituí-lo?
• Minhas equipes de TO, TI, e transformação digital são capazes de trabalhar bem em colaboração?

Concluindo

A principal conclusão aqui é que a abordagem de acesso aos dados não lhe permite desfrutar dos benefícios da visibilidade da empresa.

Muitas empresas reconhecem os benefícios do uso e visibilidade de dados no âmbito da organização como um todo, mas não se dão conta dos requisitos de dados para alcançar tais benefícios. Sim, estamos na era das APIs. Mas trabalhar com dados de manufatura é mais do que ter acesso a eles e permitir que cientistas de dados extraiam dali o desempenho dos negócios por meio da inteligência artificial. Os usuários dos demais departamentos devem trabalhar com as equipes que dão suporte à fábrica, os dados devem ser selecionados e as soluções projetadas para implementação em escala, no setor e na empresa.

Para saber mais sobre como o DataOps Industrial pode ajudá-lo a atingir suas metas de transformação digital, baixe o white paper, DataOps: O Elo que faltava em sua Arquitetura de Dados Industriais.

This blog post was originally posted in English on 11/10/2021 on highbyte.com. The post has been translated and reposted here with the express written permission of our partners at HighByte.