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 do chão de fábrica com os sistemas de TI, sem as preocupações de integração e segurança que têm atormentado essa colaboração por muito tempo.
Se reconhecemos o valor da colaboração TI-OT, o primeiro passo é fazer com que essas funções falem a mesma língua. Esta postagem tem como objetivo documentar os principais termos relacionados ao Industrial DataOps e fornecer à TI e à OT um dicionário comum. Algumas dessas definições são mais técnicas e outras são mais orientadas para o negócio. Vamos começar.
Termos e definições:
Agregação. Uma visão consolidada no conjunto de propriedades de todos os dados de atributos e variáveis provenientes de PLCs, controladores de máquinas, RTUs, sensores inteligentes e outros sistemas.
Atributo. Uma característica de dados proveniente de um PLC, controlador de máquina, RTU, sensor inteligente ou outro sistema, com um valor estático (como localização) ou um valor dinâmico (como temperatura ou estado da máquina).
Conexão. Uma conexão em uma solução de Industrial DataOps representa um caminho para um sistema de origem que contém entradas e saídas. Uma entrada representa um caminho para um ponto de dados contido em uma conexão que pode ser lido. Uma saída representa um caminho para um ponto de dados contido em uma conexão que pode ser gravado.
Contextualização. As estruturas de dados em PLCs e controladores de máquinas têm informações descritivas mínimas, se houver. Em muitos casos, os pontos de dados são referenciados com esquemas de nomenclatura crípticos ou referências a locais de memória. A contextualização transforma os dados brutos em informações, apresentando nomes de propriedades legíveis por humanos e adicionando metadados estáticos ao conjunto de dados. A contextualização permite que os dados industriais sejam usados com mais facilidade fora do ambiente de controle, para manutenção de máquinas, otimização de processos, qualidade e rastreabilidade.
Correlação. O objetivo dos dados de automação historicamente tem sido controlar e monitorar o processo de produção. Portanto, os dados industriais são correlacionados para o controle de processo. Nos casos em que os dados industriais precisam ser analisados e alinhados por máquina para manutenção preditiva, por processo para otimização de processos ou por produto para qualidade e rastreabilidade, os dados devem ser montados e contextualizados adequadamente para cada caso de uso antes de poderem ser usados. A correlação prepara informações para seu propósito final, montando, contextualizando e transpondo os dados para um estado utilizável.
Modelo de Dados. O modelo de dados forma a base para padronizar os dados em uma ampla variedade de dados de entrada brutos. Um modelo de dados é composto por uma coleção de atributos que são comuns ao item lógico. Ao trabalhar com dados industriais, um modelo de dados é tipicamente uma representação padrão de um ativo, processo, produto, sistema ou função.
De uma máquina para outra, cada dispositivo industrial pode ter seu próprio modelo de dados. Historicamente, fornecedores, integradores de sistemas e engenheiros de controle internos não se concentraram na criação de padrões de dados. Eles refinaram os sistemas e modificaram os modelos de dados ao longo do tempo para atender às suas necessidades. Isso funcionou para projetos pontuais, mas os projetos de IIoT de hoje exigem mais escalabilidade.
Para lidar com a escala de centenas de máquinas e controladores – e dezenas de milhares de pontos de dados – um conjunto de modelos padrão pode ser estabelecido dentro de uma solução de Industrial DataOps. Os modelos correlacionam os dados por máquina, processo e produto e os apresentam para as aplicações consumidoras. Essa abordagem sistemática de construir modelos de dados acelera significativamente o uso dessas informações e simplifica o gerenciamento das integrações.
No cerne do modelo está os dados em tempo real provenientes das máquinas e equipamentos de automação. Esses dados muitas vezes precisam ser complementados por várias fontes, incluindo outros equipamentos ou controladores próximos, dispositivos inteligentes ou sensores, derivações ou transformações calculadas a partir de pontos de dados existentes, metadados inseridos manualmente e dados de outros bancos de dados ou sistemas. Uma vez que os modelos padrão são criados na solução de Industrial DataOps, eles podem ser instanciados para cada ativo, processo e/ou produto lógico.
Carga de Dados. A carga de dados é a coleção de dados que é montada por meio da instância do modelo e é enviada no fluxo para a conexão de destino. Essa carga de dados deve ser formulada de maneira que o sistema de destino possa consumi-la e deve incluir informações suficientes para que seja compreensível, identificável e útil.
Edge. A computação e o processamento de dados podem ser feitos na borda (edge), em servidores locais ou na nuvem.
O edge refere-se ao final da rede TCP/IP onde ele se conecta aos equipamentos de automação industrial.Também inclui os computadores instalados próximos a essa fronteira de rede que influenciam os dados que fluem por ela. À medida que os computadores se tornaram mais baratos, mais fáceis de gerenciar e mais robustos, aumentou a prevalência de arquiteturas de sistemas com computadores minimamente configurados instalados na borda para processar, rotear e analisar dados. Os computadores localizados na borda reduzem a latência e aumentam o tempo de resposta, tornando-os células autônomas ideais para suportar uma solução de Industrial DataOps. Esses computadores variam desde PLCs e switches de rede com núcleos Linux ou Windows abertos, até computadores de placa única como o Raspberry Pi, até computadores industriais de tamanho PC.
ETL. As soluções ETL (ou Extração, Transformação e Carregamento) integram sistemas empresariais com sistemas de análise. As soluções ETL são projetadas para extrair dados em um processo em lote de sistemas e bancos de dados, como CRM e ERP, combinar esses dados em um armazenamento intermediário de dados e, em seguida, fornecer ferramentas para transformar manual e automaticamente os dados, limpando-os, alinhando-os e normalizando-os. Os dados são então carregados em um armazenamento final de dados para serem utilizados por ferramentas de análise, tendências e busca.
Instância. Os modelos são aproveitados por meio da criação de uma instância do modelo, cada uma das quais é única para uma instância específica de um ativo, processo, produto, sistema ou função. Enquanto um modelo especifica os atributos padrão de um tipo de ativo, processo, sistema ou função, uma instância de modelo representa um desses itens com mapeamentos para dados reais em tempo real. Por exemplo, um modelo pode ser criado para representar como a visualização de um Gerente de Qualidade de uma linha de produção será padronizada. Se houver 10 linhas de produção, 10 instâncias de modelo seriam criadas e preenchidas com dados para representar cada uma delas.
Metadados. Metadados são dados sobre dados. Por exemplo, os metadados de um manômetro de pressão podem incluir a unidade de medida para o valor de pressão, ou os metadados de uma máquina podem incluir onde ela está localizada no chão de fábrica ou a marca e modelo da máquina.
Normalização. A normalização envolve a conversão dos valores das propriedades para unidades de medida comuns, como a conversão de um valor de temperatura de Fahrenheit para Celsius ou a conversão da faixa de medição bruta e sem unidade de um sensor de temperatura para graus Celsius.
A normalização também pode ser aplicada ao fluxo de dados. Por exemplo, sistemas de análise geralmente esperam receber dados em uma frequência consistente ou normalizada. Uma solução de Industrial DataOps pode alinhar os dados após a coleta e normalizar seu fluxo para as aplicações consumidoras.
Padronização. A automação em uma fábrica evolui ao longo do tempo, com máquinas e equipamentos provenientes de uma ampla variedade de fornecedores de hardware. Essa variedade de máquinas resulta em uma ampla variedade de dados disponíveis. Alguns pontos de dados podem ter simplesmente nomes diferentes, enquanto outros podem ter unidades de medida diferentes ou medidas completamente diferentes. A padronização permite que o usuário homogeneize o conjunto de propriedades por ativo, processo, produto ou sistema de destino, o que permite a rápida adoção dos dados em sistemas de análise, visualização e outros sistemas.
Transformação. Dispositivos de computação industrial, como PLCs, controladores de máquinas, sensores inteligentes e dispositivos embarcados, geralmente representam valores e estados com abreviações ou números. Embora esse formato seja ideal para armazenamento e codificação, ele não é utilizável por qualquer pessoa que não esteja intimamente familiarizada com a programação do dispositivo. De uma máquina para outra, transformações únicas devem ser definidas e executadas. Por exemplo, 1 = EXECUTANDO.
Transformações também podem incluir cálculos estatísticos de dados brutos, como os valores médio, mínimo e máximo de temperatura verificados a cada segundo, mas registrados a cada hora. Transformações também podem ser usadas para derivar um valor de atributo quando um dispositivo não possui uma marcação de dados única para ele.
Namespace Unificado. Uma estrutura consolidada e abstraída pela qual todas as aplicações de negócios são capazes de consumir dados industriais em tempo real de maneira consistente. Os benefícios de um Namespace Unificado incluem redução do tempo de implementação de novas integrações, redução dos esforços para manter integrações de dados, maior agilidade das integrações, acesso a novos dados e melhoria da qualidade e segurança dos dados.
Próximos passos
Ao aproveitar uma solução de Industrial DataOps para definir modelos padrão e estabelecer e gerenciar integrações, a OT pode fornecer dados aos sistemas e usuários de negócios que os solicitam de maneira eficiente e gerenciada.
Essa abordagem de abstração de aplicativos permite que a OT assuma a responsabilidade e faça alterações nos equipamentos e na produção no chão de fábrica, adicione novos aplicativos e reaja a mudanças nos relacionamentos comerciais com fornecedores externos sem interromper o acesso aos insights de negócios.
Se você estiver interessado em saber mais sobre Industrial DataOps, confira um white paper escrito pelo meu colega John Harrington, intitulado “DataOps: The Missing Link in Your Industrial Data Architecture”.
Por fim, espero que este glossário forneça clareza sobre os termos e ofereça um vocabulário comum para que TI e OT continuem a construir juntos. Se você acredita que uma solução de Industrial DataOps pode ser adequada para sua organização, agende uma demonstração para saber mais sobre o HighByte Intelligence Hub.
*This blog post was originally posted in English on 06/12/20 on HighbyteThe post has been translated and reposted here with the express written permission of our partners at HighByte. Posted by Torey Penrod-Cambra
*Este post foi originalmente postado em inglês em 06/12/20 no Highbyte O post foi traduzido e repostado aqui com a permissão expressa por escrito de nossos parceiros da HighByte. Postado por Torey Penrod-Cambra
