Sběr hran a kontextualizace (Industrial Edge)
Industrial Edge provozuje on-prem zařízení v blízkosti výrobní haly a připojuje se k automatizačním zařízením nezávisle na dodavateli prostřednictvím OT konektorů (OPC UA, Modbus, EtherNet/IP atd.). Získává surovou telemetrii, alarmy a události.
Na okraji jsou data předem zpracována: filtrování, komprese, normalizace časových razítek, obohacení metadaty aktiv (hierarchie aktiv, pracovní objednávka/kontext dávky) a lokální agregace pro snížení šířky pásma cloudu.
Interní databáze (MQTT/ Unified Namespace) nebo Industrial Information Hub šíří harmonizované toky témat pro následné komponenty a místní spotřebitele.
Přemostění protokolů a formátů
FFT DataBridge (Edge App) připravuje a obohacuje data pro streamování a příjem v blízkém reálném čase do Databricks. Jeho bezplatná doprovodná aplikace, FFT DataService, přistupuje k kontextualizovaným datům z Industrial Information Hub Essentials (Edge App) a zpřístupňuje je FFT DataBridge, který poté publikuje zarovnané, kontextualizované datové toky prostřednictvím Zerobus, což umožňuje nepřetržité doručování přímo do tabulek řízených Unity Catalogem.
Aby byla zajištěna robustnost, řešení využívá vyrovnávací paměť v paměti a lokální perzistenci k překlenutí přerušení připojení a prodloužených výpadků. Na straně Databricks jsou data přijímána postupně do tabulek Delta v rámci Unity Catalog, což umožňuje řízený přístup s nízkou latencí pro následnou analýzu a pracovní zatížení AI. Zabezpečené připojení je udržováno prostřednictvím ověřovacích mechanismů založených na tokenech nebo na základě klíčů.
Datová zpravodajská platforma Databricks
Streamování prostřednictvím Zerobus nepřetržitě dodává data do Databricks, kde jsou příchozí užitečné zatížení OT zapisovány do tabulek Bronze Delta řízených Unity Catalogem, přičemž zachovává surovou strukturu a metadata pro plnou sledovatelnost a auditovatelnost.
Transformační kanály vytvořené pomocí Lakeflow Declarative Pipelines, Databricks Workflows a Apache Spark postupně upřesňují data na stříbrnou (kurátorskou) a zlatou (analytickou) vrstvu, což podporuje časové vyrovnání, kontextové obohacení a připravenost pro spotřebu BI i případy použití řízené umělou inteligencí.
Modely umělé inteligence jsou vyvíjeny a školeny centrálně v databricks pomocí MLFlow a Mosaic AI a poté je lze nasadit zpět do Siemens Industrial Edge pro provádění s nízkou latencí v blízkosti dílny - což umožňuje optimalizaci uzavřené smyčky a fyzické scénáře AI.
Unity Catalog prosazuje komplexní správu, včetně jemného řízení přístupu, maskování dat a sledování linií, zatímco platforma Lakehouse běží nativně napříč AWS, Microsoft Azure a Google Cloud Platform a podporuje nasazení napříč cloudy a bezproblémovou mobilitu dat.
