Recopilación perimetral y contextualización (Industrial Edge)
Industrial Edge ejecuta dispositivos locales cerca de la planta y se conecta a equipos de automatización independientes del proveedor mediante conectores OT (OPC UA, Modbus, EtherNet/IP, etc.). Adquiere telemetría, alarmas y eventos sin procesar.
En el borde, los datos se preprocesan: filtrado, compresión, normalización de la marca horaria, enriquecimiento con los metadatos de los activos (jerarquías de activos, órdenes de trabajo/contexto por lotes) y agregación local para reducir el ancho de banda de la nube.
Un bus de datos interno (MQTT/Unified Namespace) o Industrial Information Hub propaga flujos de temas armonizados para los componentes posteriores y los consumidores locales.
Puenteo de protocolos y formatos
La FFT DataBridge (aplicación Edge) prepara y enriquece los datos para su streaming e ingestión casi en tiempo real en Databricks. Su aplicación complementaria gratuita, FFT DataService, accede a los datos contextualizados de Industrial Information Hub Essentials (Edge App) y los pone a disposición de FFT DataBridge, que luego publica flujos de datos alineados y contextualizados a través de Zerobus, lo que permite la entrega continua directamente a las tablas gobernadas por Unity Catalog.
Para garantizar su solidez, la solución utiliza el búfer en memoria y la persistencia local para reducir las interrupciones de conectividad y las interrupciones prolongadas. Por parte de Databricks, los datos se ingieren de forma gradual en las tablas Delta de Unity Catalog, lo que permite un acceso gobernado y de baja latencia para las cargas de trabajo de análisis e IA posteriores. La conectividad segura se mantiene mediante mecanismos de autenticación basados en claves o fichas.
Plataforma de inteligencia de datos Databricks
La ingestión de streaming a través de Zerobus entrega datos de forma continua a Databricks, donde las cargas útiles de OT entrantes se escriben en tablas Delta de bronce regidas por Unity Catalog, conservando la estructura y los metadatos sin procesar para una trazabilidad y una auditabilidad totales.
Los canales de transformación creados con Lakeflow Declarative Pipelines, Databricks Workflows y Apache Spark refinan progresivamente los datos en capas Silver (curadas) y Gold (analíticas), lo que permite la alineación temporal, el enriquecimiento contextual y la preparación para el consumo de BI, así como casos de uso impulsados por la IA.
Los modelos de IA se desarrollan y entrenan de forma centralizada en Databricks mediante MLFlow y Mosaic AI, y luego se pueden desplegar de nuevo en Siemens Industrial Edge para ejecutarlos con baja latencia cerca del taller, lo que permite la optimización en bucle cerrado y en escenarios de IA física.
Unity Catalog aplica una gobernanza integral, que incluye un control de acceso detallado, el enmascaramiento de datos y el seguimiento del linaje, mientras que la plataforma Lakehouse se ejecuta de forma nativa en AWS, Microsoft Azure y Google Cloud Platform, lo que permite el despliegue entre nubes y una movilidad de datos perfecta.
