“O DataOps fornece uma maneira de padronizar dados usando modelos comuns, ou abordagens orientadas a objetos, para integrar e gerenciar informações provenientes de múltiplas fontes”
Este artigo foi originalmente escrito em inglês no dia 24/06/2020 na highbyte.com. O artigo foi traduzido e postado aqui com autorização expressa dos nossos parceiros da HighByte.
Um executivo de uma empresa de produtos industriais me disse certa vez que, apesar de suas fábricas estarem cheias de equipamentos similares, ele ainda tinha dificuldades para acessar dados significativos das máquinas. Cada uma das máquinas de moldagem por injeção plástica tinha uma maneira diferente de apresentar os dados. Isso significava que a empresa precisava personalizar a codificação de cada equipamento para obter informações significativas.
É um cenário comum em muitos ambientes industriais, onde fábricas podem ter centenas de CLPs e controladores de máquinas em máquinas diferentes gerando dados operacionais ininteligíveis para os cientistas de dados que devem fazer sentido.
É aqui que entra o Industrial DataOps. Ele fornece uma maneira de padronizar dados usando modelos comuns, ou abordagens orientadas a objetos, para integrar e gerenciar informações provenientes de múltiplas fontes. Veja mais de perto os seis principais sinais de que está na hora de considerar uma arquitetura DataOps Industrial para sua empresa.
1. Os projetos IIoT não estão escalonando devido a dados virem de diversas fontes
Traduzir e analisar dados de centenas ou mesmo milhares de máquinas pode deixá-lo com dezenas de milhares de pontos de dados. Sem um protocolo comum ou maneira padronizada de apresentar os dados, analisar ou manipular cada pacote de dados individual pode ser incrivelmente demorado. Os engenheiros resolveram problemas de comunicação das máquinas anos atrás com tradutores de protocolo, mas obter algum sentido de dados que surjam de diferentes estruturas é um grande desafio. Modelar os dados para cada sistema é ineficiente e caro. Não há uma maneira simples de gerenciar modelos individuais de máquinas e implementá-los em múltiplos dispositivos e sistemas. O DataOps Industrial resolve este problema com um conjunto padrão de modelos que combinam múltiplos pontos de dados em um único fluxo.
2. Você está escrevendo e mantendo scripts personalizados para aproveitar os dados do IIoT.
Muitos fabricantes aumentam rapidamente os projetos do IIoT apenas para se encontrarem presos em “dívidas técnicas”. Dívida técnica é um termo que o programador Ward Cunningham inventou no início dos anos 90 para descrever um cenário no qual as pessoas implantam software usando o código mais rápido e fácil disponível, com pouca consideração pelas necessidades tecnológicas futuras. Infelizmente, os projetos da IIoT muitas vezes param porque os fabricantes adotaram esta mesma abordagem e estão constantemente reescrevendo o código cada vez que precisam fazer uma mudança no chão de fábrica, como substituir máquinas, otimizar processos ou adicionar novas linhas de produtos. Os sistemas integrados que não estão vinculados a modelos padronizados são propensos a interrupções devido ao trabalho pesado e demorado de escrita. Uma solução DataOps Industrial que permite aos fabricantes construir modelos padronizados é mais adaptável a mudanças futuras.
Sente falta de contextualização e normalização de dados? Baixe agora nosso White Paper gratuito: DataOps, o elo que faltava em sua arquitetura de dados industriais
3. Os cientistas de dados estão gastando mais de 50% de seu tempo encontrando, massageando e preparando dados para análise.
Muitas vezes existe uma desconexão entre a Tecnologia de Operações (OT) e as equipes de TI. No passado, protocolos PLC, como o Modbus, eram suficientes para comunicar códigos à equipe OT. Mas um código numérico não dá muita informação para o pessoal de TI trabalhar. Os cientistas de dados não deveriam ter que perder tempo manipulando os dados. O DataOps Industrial disponibiliza as informações em um formato utilizável e auto-descritivo para que os cientistas de dados possam apresentá-las a diversas funções em toda a organização para a tomada de decisões estratégicas.
4. A equipe OT está em atraso com os pedidos de dados.
Outro sinal seguro de que é hora de considerar uma solução Industrial DataOps é um acúmulo de solicitações de dados para a equipe OT de partes interessadas interdepartamentais para conceder acesso e explicar os dados das máquinas. Isso significa que a equipe de TI não está recebendo informações contextualizadas em tempo hábil e que eles dependem demais do pessoal OT, que pode ter configurado os sistemas, para explicar o que certos códigos significam. Industrial DataOps automatiza o processo analítico para liberar a equipe OT dos relatórios manuais de dados e para aumentar a disponibilidade para os cientistas de dados.
5. Você está pagando taxas elevadas e variáveis de armazenamento em nuvem para dados industriais brutos sem uma estratégia de como os dados serão utilizados.
As taxas de armazenamento em nuvem são particularmente frustrantes quando você não tem uma visão clara de como usar os dados. Muitas destas opções de armazenamento saem do mundo da tecnologia de consumo e não foram feitas para aplicações de tamanho industrial. A DataOps Industrial foi projetada para as necessidades de dados industriais. Em uma configuração Industrial DataOps, os dados podem ser processados perto das máquinas, em um centro de dados no local ou na nuvem, dependendo de suas necessidades específicas. A solução funciona perto do dispositivo e alimenta as aplicações da nuvem somente com os dados necessários e na freqüência ou condição especificada, reduzindo assim as altas e imprevisíveis taxas de armazenamento na nuvem.
6. Você não tem certeza de quem tem acesso aos dados operacionais interna e externamente, o que cria problemas de segurança.
A conectividade IIoT pode criar problemas de segurança. Trazer mais dispositivos on-line pode deixar as informações vulneráveis a hackers e outras ameaças maliciosas. Permitir aos fornecedores acesso direto às máquinas pode melhorar o tempo de funcionamento, mas pode introduzir riscos cibernéticos. O intercâmbio de dados usando a segurança integrada da OPC UA e MQTT reduz os ataques potenciais. Além disso, adotar uma abordagem proativa de manter os resultados por conexão permite aos administradores implementar gerenciamento e segurança de nível mais alto do que as típicas arquiteturas de pub/sub corretoras e acesso API aberto e não gerenciado.
No final das contas, você pode ter os sensores e as ferramentas analíticas, mas sem a capacidade de transmitir e preparar os dados, você não terá um projeto de IIoT escalável. O Industrial DataOps preenche a lacuna entre a coleta e a análise dos dados para que os fabricantes possam tomar decisões mais informadas.
This blog post was originally posted in English on 06/24/2020 on highbyte.com. The post has been translated and reposted here with the express written permission of our partners at HighByte.