Leia mais sobre o artigo Um glossário para Industrial DataOps

Um glossário para Industrial DataOps

Se você me conhece bem, provavelmente já me ouviu dizer que as palavras importam. Um vocabulário compartilhado - e uma compreensão compartilhada do significado de uma palavra - é uma ferramenta simples, mas poderosa, quando dois corpos abordam um problema de perspectivas diferentes. Dois corpos que frequentemente abordam problemas, projetos e processos de perspectivas diferentes são a Tecnologia da Informação (TI) e a Tecnologia de Operações (OT). Embora a comunidade de automação industrial tenha escrito e discutido a necessidade de convergência TI-OT por quase uma década, essa colaboração funcional ainda é um obstáculo para muitas empresas industriais em suas jornadas rumo à Indústria 4.0. A boa notícia é que o conceito emergente de Industrial DataOps pode fornecer um terreno comum. DataOps é uma nova abordagem para integração e segurança de dados que tem como objetivo melhorar a qualidade dos dados e reduzir o tempo gasto na preparação dos dados para uso em toda a empresa. O Industrial DataOps fornece um conjunto de ferramentas - e uma mentalidade - para que a OT estabeleça contratos de dados" com a TI. Ao usar uma solução de Industrial DataOps, a OT tem o poder de modelar, transformar e compartilhar dados…

Continuar lendoUm glossário para Industrial DataOps
Leia mais sobre o artigo 6 razões para limpar dados na borda

6 razões para limpar dados na borda

Quanto tempo você gasta limpando dados? Se sua fábrica é como a maioria das operações conectadas, provavelmente você tem toneladas de dados brutos fluindo de dispositivos conectados para sistemas empresariais existentes, bancos de dados personalizados e um data lake na nuvem. Essa arquitetura muitas vezes resulta em dados inconsistentes e até mesmo inutilizáveis por várias razões. Sabemos que a nuvem é uma ferramenta-chave para a transformação digital. Ela fornece a escalabilidade e a capacidade de armazenamento necessárias para coletar e interpretar grandes volumes de dados provenientes do nível operacional. No entanto, por natureza, as plataformas em nuvem são ferramentas voltadas para TI. Elas estruturam os dados de forma diferente dos sistemas operacionais, o que significa que a equipe de TI precisa gastar muito tempo limpando os dados antes que eles possam ser usados. E se os dados forem diretamente para diferentes sistemas empresariais, várias equipes em toda a organização irão limpar os dados de forma independente, resultando em diferentes versões da verdade.   Na HighByte, desenvolvemos nosso Intelligence Hub para usuários de OT (tecnologia operacional). Ele foi projetado especificamente para modelar e gerenciar dados do chão de fábrica na borda, sem a necessidade de escrever ou manter…

Continuar lendo6 razões para limpar dados na borda
Leia mais sobre o artigo Quatro casos práticos de uso para Industrial DataOps (IIoT DataOps)

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…

Continuar lendoQuatro casos práticos de uso para Industrial DataOps (IIoT DataOps)
Leia mais sobre o artigo Seis passos para implementar Inteligência Artificial na sua fábrica
Como implementar Inteligência Artificial na sua fábrica? Seis passos que irão te auxiliar

Seis passos para implementar Inteligência Artificial na sua fábrica

Muito se fala sobre a revolução que a Inteligência Artificial irá trazer para a indústria de manufatura. Algumas fábricas já têm lançado diversos projetos para determinar se e como a IA pode beneficiar suas operações. De uma maneira geral, as empresas têm concentrado esforços para implementar tecnologias de IA na linha de produção, nas áreas de qualidade, engenharia, manutenção e logística. O uso de IA é facilitado pela combinação do uso de dados, tecnologia e processos automatizados, mas como implementar Inteligência Artificial na sua fábrica? Neste artigo pontuamos seis passos que irão auxiliar no seu processo de implantação da estratégia da IA. 1_Identifique o problema Comece pelo problema e não pela ferramenta. Tudo bem que você quer implementar Inteligência Artificial na sua fábrica, mas primeiro você precisa saber onde e como você quer que sua IA te auxilie. As empresas precisam se perguntar onde elas querem usar IA a curto, médio e longo prazo e reunir todos os cenários possíveis de forma organizada e com o esforço de implementação de cada um deles. Isso vai te ajudar a definir qual será o projeto piloto. Um caso de sucesso no projeto piloto, de curto prazo e de simples…

Continuar lendoSeis passos para implementar Inteligência Artificial na sua fábrica