Collecte et contextualisation des bords (Industrial Edge)
Industrial Edge utilise 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 les métadonnées des 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.
Bridage des protocoles et des formats
FFT DataBridge (Edge App) prépare et enrichit les données pour la diffusion en continu et l'ingestion en quasi-temps réel dans Databricks. Son application complémentaire gratuite, FFT DataService, accède aux données contextualisées de Industrial Information Hub Essentials (Edge App) et les met à la disposition de FFT DataBridge, qui publie ensuite des flux de données alignés et contextualisés via Zerobus, permettant une livraison continue directement dans les tables régies par le catalogue Unity.
Pour assurer la robustesse, la solution utilise la mise en mémoire tampon en mémoire et la persistance locale pour combler les interruptions de connectivité et les pannes prolongées. Du côté de Databricks, les données sont ingérées de manière incrémentielle dans les tables Delta sous Unity Catalog, ce qui permet un accès gouverné et à faible latence pour les charges de travail d'analyse en aval et d'IA. La connectivité sécurisée est maintenue par des mécanismes d'authentification basés sur des jetons ou des clés.
Plateforme de renseignement de données Databricks
L'ingestion en continu via Zerobus fournit des données en continu dans Databricks, où les charges utiles OT entrantes sont écrites dans des tables Bronze Delta régies par Unity Catalog, préservant la structure brute et les métadonnées pour une traçabilité et une auditabilité complètes.
Les pipelines de transformation construits avec Lakeflow Declarative Pipelines, Databricks Workflows et Apache Spark affinent progressivement les données en couches Silver (curated) et Gold (analytiques), prenant en charge l'alignement du temps, l'enrichissement contextuel et la préparation à la consommation BI ainsi que des cas d'utilisation pilotés par l'IA.
Les modèles d'IA sont développés et formés de manière centralisée dans Databricks à l'aide de MLflow et Mosaic AI, et peuvent ensuite être déployés à nouveau sur Siemens Industrial Edge pour une exécution à faible latence près de l'atelier, ce qui permet une optimisation en boucle fermée et des scénarios d'IA physique.
Unity Catalog applique une gouvernance de bout en bout, y compris un contrôle d'accès précis, le masquage des données et le suivi de la lignée, tandis que la plateforme Lakehouse fonctionne en mode natif sur AWS, Microsoft Azure et Google Cloud Platform, prenant en charge le déploiement inter-cloud et la mobilité transparente des données.
