Colección y contextualización de Edge (Industrial Edge)
Industrial Edge ejecuta dispositivos locales cerca del taller y se conecta a equipos de automatización independientes del proveedor a través de conectores OT (OPC UA, Modbus, Ethernet/IP, etc.). Adquiere telemetría, alarmas y eventos sin procesar.
En el borde, los datos se procesan previamente: filtrado, compresión, normalización de marca de tiempo, enriquecimiento con metadatos de activos (jerarquías de activos, orden de trabajo/contexto de lote) y agregación local para reducir el ancho de banda de la nube.
Un bus de datos interno (MQTT/Unified Namespace) o un Industrial Information Hub propaga flujos de temas armonizados para componentes descendentes y consumidores locales.
Puentamiento de protocolo y formato
FFT DataBridge (Edge App) prepara y enriquece los datos para la transmisión y la ingestión casi en tiempo real en Databricks. Su aplicación complementaria gratuita, FFT DataService, accede a 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 en tablas gobernadas por Unity Catalog.
Para garantizar la robustez, la solución utiliza almacenamiento en memoria intermedia y persistencia local para salvar las interrupciones de conectividad y las interrupciones prolongadas. En el lado de Databricks, los datos se ingieren de forma incremental en las tablas Delta bajo Unity Catalog, lo que permite un acceso gobernado y de baja latencia para análisis descendentes y cargas de trabajo de IA. La conectividad segura se mantiene a través de mecanismos de autenticación basados en tokens o claves.
Plataforma de inteligencia de datos Databricks
La ingestión de transmisión a través de Zerobus entrega continuamente datos a Databricks, donde las cargas útiles de OT entrantes se escriben en tablas Bronze Delta regidas por Unity Catalog, preservando la estructura sin procesar y los metadatos para una trazabilidad y auditabilidad completas.
Las tuberías de transformación creadas con tuberías declarativas Lakeflow, Databricks Workflows y Apache Spark refinan progresivamente los datos en capas Silver (curadas) y Gold (analíticas), lo que permite la alineación de tiempo, el enriquecimiento contextual y la preparación para el consumo de BI, así como casos de uso impulsados por IA.
Los modelos de IA se desarrollan y entrenan centralmente en Databricks utilizando MLFlow y Mosaic AI, y luego se pueden implementar de nuevo en Siemens Industrial Edge para una ejecución de baja latencia cerca del taller, lo que permite la optimización de bucle cerrado y escenarios físicos de IA.
Unity Catalog aplica la gobernanza de extremo a extremo, incluido el control de acceso detallado, el enmascaramiento de datos y el seguimiento de linaje, mientras que Lakehouse Platform se ejecuta de forma nativa en AWS, Microsoft Azure y Google Cloud Platform, lo que permite la implementación entre nubes y la movilidad de datos sin problemas.
