Skip to main content
Cette page est affichée à l'aide de traduction automatique. View in English instead?
Solution partenaire

Pipeline de données OT contextualisé dans Snowflake

Comment pouvons-nous collecter de manière fiable des données OT indépendants des fournisseurs à partir de l'atelier, les enrichir avec le contexte des actifs et de la production à la périphérie, et fournir une copie gouvernée et interrogeable dans Snowflake pour l'analyse, le ML et la consommation en entreprise ?

Aperçu

présentation de l'architecture hub snowflake

Une architecture hybride edge-to-cloud où Industrial Edge capture, normalise et contextualise la télémétrie et les événements OT, puis les livre à Snowflake en utilisant à la fois des modèles d'ingestion basés sur des fichiers et en streaming. Snowflake sert de nuage de données d'entreprise pour les couches d'atterrissage, organisées et analytiques, permettant l'analyse en temps quasi réel, la notation des modèles, les applications opérationnelles et les intégrations avec les systèmes MES/ERP/SCADA. La conception donne la priorité à la cohérence des données, à la sécurité, à la résilience et à l'interopérabilité agnostique des fournisseurs.

Architecture détaillée

Collecte et contextualisation des bords (Industrial Edge)

  • Industrial Edge exécute des appareils sur site près de l'atelier et se connecte à des équipements d'automatisation indépendants des fournisseurs via des connecteurs OT (OPC UA, Modbus, Ethernet/IP, etc.). Il acquiert la télémétrie brute, les alarmes et les événements.
  • À la périphérie, les données sont prétraitées : filtrage, compression, normalisation de l'horodatage, enrichissement avec des métadonnées d'actifs (hiérarchies des actifs, ordre de travail/contexte de lot), et agrégation locale pour réduire la bande passante du cloud.
  • Une base de données interne (MQTT /Unified Namespace) ou Industrial Information Hub propage des flux de sujets harmonisés pour les composants en aval et les consommateurs locaux.
architecture hub snowflake graphique détaillé sans texte

Description

Relais de protocole et de format

  • FFT DataBridge (Edge App) transforme et prépare les données pour l'ingestion basée sur des fichiers. Il se met en mémoire tampon pour gérer la perte de connexion, regroupe intelligemment les données, s'authentifie en toute sécurité avec l'authentification des paires de clés Snowflake et écrit sur les étapes du cloud pour le traitement Snowpipe.
  • Snowflake Connector (Edge App) s'abonne à la base de données pour des flux continus, effectue la validation du schéma et des vérifications de santé, met en mémoire tampon de courtes pannes de mémoire et utilise Snowpipe Streaming pour insérer des lignes directement dans Snowflake avec une faible latence.

Plateforme de données Snowflake

  • Ingestion basée sur JSON via Stage + Pipe (FFT DataBRIDGE) : les charges utiles brutes atterrissent dans une zone de rassemblement ; Snowpipe/Tâches créent des tables organisées et des archives historiques.
  • Ingestion directe basée sur les lignes (Snowpipe Streaming via Snowflake Connector) : disponibilité continue et à faible latence des lignes opérationnelles pour les tableaux de bord et la surveillance.
  • Les pipelines de transformation (SQL, Snowpark, Streams & Tâches) produisent des ensembles de données structurés, alignés dans le temps et enrichis en contexte pour la BI et le ML.
  • Snowflake fournit des capacités de gouvernance (contrôle d'accès, masquage, lignage), de mise à l'échelle et de cross-cloud pour la consommation d'entreprise.
  • Snowflake fonctionne de manière native et cohérente sur les principaux fournisseurs de cloud (AWS, Microsoft Azure et Google Cloud Platform), offrant un véritable déploiement intercloud, une réplication et une mobilité des données.

Valeurs et avantages

Composants