Quatro casos práticos de uso para Industrial DataOps (IIoT DataOps)

No momento você está vendo Quatro casos práticos de uso para Industrial DataOps (IIoT DataOps)

A maioria das empresas de manufatura reconhece os benefícios de alavancar dados industriais para melhorar a produção e economizar custos, mas ainda enfrenta desafios em como expandir seus testes piloto e de pequena escala para níveis mais amplos, como na fábrica inteira, multiplanta ou em nível empresarial. Existem muitas razões para isso, incluindo o tempo e o custo de projetos de integração, o medo de expor sistemas operacionais a ameaças cibernéticas e a falta de recursos humanos qualificados.

 

Na raiz de todos esses problemas está a dificuldade de integrar fluxos de dados entre aplicativos em um ambiente de vários sistemas e vários fornecedores, o que exigiu algum grau de codificação personalizada e scripts. Padronizar modelos de dados, fluxos e redes é um trabalho difícil. Ao contrário de um ambiente de escritório com algumas dezenas de sistemas e bancos de dados, uma fábrica típica pode ter centenas de fontes de dados distribuídas entre controles de máquinas, PLCs, sensores, servidores, bancos de dados, sistemas SCADA e historiadores – só para citar alguns.

 

Industrial DataOps fornece uma nova abordagem para integração e gerenciamento de dados. Ele fornece um ambiente de software para documentação, governança e segurança de dados desde o nível mais granular de uma máquina em uma fábrica até o nível de linha, planta ou empresa. Industrial DataOps oferece uma camada de abstração de dados separada, ou hub, para coletar dados com segurança em modelos de dados padrão para distribuição em aplicativos locais e baseados em nuvem.

 

Esses quatro casos de uso ilustram como o Industrial DataOps pode integrar seus sistemas operacionais baseados em funções com seus sistemas de TI empresariais, bem como com os de fornecedores externos, como construtores de máquinas e provedores de serviços.

1. “Preciso acelerar e dimensionar a implantação de análises”.

Digamos que você tenha várias linhas de moldagem por injeção e queira executar análises comparando 20 pontos de dados de cada linha para medir KPIs, realizar OEE e executar análises para otimizar o desempenho em toda a frota. O problema é que as máquinas foram compradas décadas atrás de diferentes fornecedores. Da mesma forma, os controles são de vários fornecedores e foram modificados e personalizados ao longo dos anos – como os bancos de dados aos quais se conectam.

Apesar dos esforços para padronizar e integrar aspectos críticos dessa infraestrutura, o contexto e as estruturas de dados variam. Mesmo que todos usem sensores de pressão, temperatura e ópticos, os fornecedores, tecnologias, protocolos de comunicação e até unidades de medida variam.

 

Em vez de embarcar em um projeto de substituição caro e que requer tempo de inatividade ou escrever código personalizado para tratar os dados, engenheiros de automação e  controle podem conectar as tags OPC UA de suas máquinas a modelos de informação padrão em um hub Industrial DataOps. O hub é executado em uma variedade de plataformas no Edge, comoum gateway IoT Single Board tal como Raspberry Pi, switch industrial ou qualquer dispositivo Linux até Windows 10 e Plataformas Windows Server. Para escalabilidade, isolamento e segurança, os hubs podem ser instalados no nível da máquina, da linha ou da instalação.

 

Agora, aquelas máquinas de moldagem por injeção têm dados otimizados e simplificados que a Tecnologia Operacional (sigla OT em inglês) pode facilmente entregar para sistemas locais na rede edge, bem como para cientistas de dados que dependem de sistemas baseados na nuvem para inteligência artificial (IA) e outras análises avançadas. Os modelos de dados são totalmente contextualizados e padronizados, não apenas jogados na nuvem onde os cientistas de dados – que gastam até 80% do seu tempo limpando e preparando dados – podem começar a trabalhar, fazendo ciência de dados como deveria ser. A largura de banda e o armazenamento em nuvem são reduzidos e o tempo de implantação de análise é muito acelerado.

2.”Preciso de visibilidade remota da instalação e desejo realizar análises em vários locais”

 

Em setores como papel e celulose, os dados fluem de vários locais com processos contínuos “úmidos” para processos híbridos em lote e de embalagem discretos. O mesmo ocorre em setores como produtos químicos especiais e alimentos e bebidas.

Para atender ao desafio de integrar dados de vários sistemas em várias instalações – e também superar a dificuldade de recrutar e manter equipes de suporte técnico em cada local – muitas empresas mantêm uma equipe centralizada de Engenharia e TI corporativa. Essa equipe precisa de acesso aos dados para monitorar, manter e otimizar ativos para atender aos objetivos de toda a empresa.

 

Para alcançar esse nível de análise de desempenho, o grupo corporativo define modelos uniformes e os envia para as plantas distribuídas, que podem instalá-los em um hub de Industrial DataOps nativo no Edge.

 

Os engenheiros mapeiam seus pontos de dados locais para os modelos padrão à medida que os sistemas são modificados ou adicionados. Se uma nova planta for adquirida, os dados também podem ser facilmente mapeados para os modelos. Como resultado, a empresa evita o tempo de inatividade causado por métodos tradicionais ou projetos de substituição completa.

 

Agora, os usuários operacionais podem popular modelos de dados e fazer conexões sem escrever uma única linha de código, e os cientistas de dados recebem dados uniformes e de alta qualidade. O ciclo de análise acelera e a transformação digital em nível empresarial ganha o impulso que anteriormente faltava.

3. “Eu preciso distribuir dados industriais para múltiplos sistemas de negócios.”

Empresas de manufatura precisam que os dados fluam não apenas verticalmente dos sistemas em tempo real para o escritório, mas também em todas as instalações e empresas. Esses sistemas incluem SCADA, MES, ERP, sistemas de laboratório/qualidade, sistemas de ativos/manutenção, sistemas de monitoramento de ameaças cibernéticas, bancos de dados customizados, painéis de controle, planilhas e, é claro, a infraestrutura de IIoT que permite análises, aprendizado de máquina e investigações de IA.

 

Por décadas, a integração foi realizada por meio de APIs e scripts/codificação personalizados de sistema  a sistema, em vez de um ambiente unificado pelo qual todas as fontes de dados fluem em tempo real de forma estruturada. Essa abordagem às APIs enterra o código dentro dos aplicativos, tornando as integrações difíceis de manter. Mudanças inevitáveis em produtos, automação e sistemas empresariais podem “quebrar” as integrações, resultando em dados ruins ou faltando não detectados por semanas ou até meses.

 

Industrial DataOps impede que tais falhas ocorram porque as integrações não ficam mais escondidas em código específicoentre aplicativos; todas são mantidas por meio de uma solução que fornece uma camada de abstração comum. Com sistemas conectados por meio de um único hub de integração, OT obtém um ambiente ágil para gerenciar e distribuir dados de forma proativa.

 

Agora, as empresas têm uma maneira mais rápida, fácil e robusta de estabelecer e manter suas muitas integrações com uma solução que fornece visibilidade de dados, manutenção, documentação, governança e segurança.

 

4. “Eu preciso fornecer dados de forma segura aos meus clientes a partir das minhas máquinas.”

Os construtores de máquinas enfrentam o desafio contínuo de reduzir o tempo e o custo de desenvolvimento, integração e manutenção de suas máquinas. Agilidade e flexibilidade são essenciais para evitar atrasos no tempo e nos custos do projeto. Isso é especialmente crítico quando precisam integrar seus sistemas com ativos a montante/a jusante, como transportadores, robôs, drives e outros ativos (talvez incluindo o sistema HMI/SCADA do cliente) na instalação do cliente. Essa integração tradicionalmente envolvia a personalização do código da máquina ou programação de lógica em escada para suportar os sistemas do cliente ou pedir para o cliente “descobrir como fazer”.

 

Atualmente, com o Industrial DataOps, o fornecedor pode padronizar sua programação e realizar as personalizações necessárias por meio da modelagem de informações no hub. Quando o cliente precisa que “esses cinco pontos de dados vão para o sistema SCADA, esses 10 para o MES e esses 7 para a nuvem corporativa”, eles são capazes de definir facilmente os modelos e rotear as informações.

 

Além do site do cliente, o Industrial DataOps conecta os fabricantes de máquinas aos hubs de seus clientes de manufatura e, por sua vez, aos seus sistemas HMI/SCADA, MES e outros. A capacidade de fornecer serviços de monitoramento remoto, diagnóstico, OEE e manutenção preditiva em qualquer escala traz valor agregado à relação fornecedor-cliente.

Quando a informação está em um formato padrão que é fácil de manter, todas as partes ganham uma integração mais ampla, seja em um único local, vários locais ou remotamente por meio de comunicações com organizações corporativas ou parceiros externos. O Industrial DataOps fornece uma camada de abstração para gerenciamento independente de fluxos de informação que liberta as organizações de depender da plataforma de qualquer fornecedor. Igualmente importante, permite que a tecnologia operacional faça alterações em ativos, lógica de controle e sistemas sem “quebrar” integrações ou interromper a infraestrutura operacional existente.

Esses quatro casos de uso ilustram uma nova maneira de pensar sobre a integração de conexões, modelos e fluxos de dados em nível de máquina, linha, planta e corporação usando o Industrial DataOps.

Para saber como essa abordagem pode servir a sua organização específica, assista a este breve vídeo apresentando o Industrial DataOps e o HighByte Intelligence Hub ou solicite uma demonstração.

 

*This blog post was originally posted in English on 04/08/20on 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 04/08/20 no Highbyte O post foi traduzido e repostado aqui com a permissão expressa por escrito de nossos parceiros da HighByte. Postado por John Harrington