Raccolta e contestualizzazione dei bordi (Industrial Edge)
Industrial Edge utilizza dispositivi locali vicino all'officina e si connette alle apparecchiature di automazione indipendenti dal fornitore tramite connettori OT (OPC UA, Modbus, EtherNet/IP, ecc.). Acquisisce telemetria grezza, allarmi ed eventi.
All'edge, i dati vengono preelaborati: filtraggio, compressione, normalizzazione del timestamp, arricchimento con metadati delle risorse (gerarchie degli asset, ordine di lavoro/contesto batch) e aggregazione locale per ridurre la larghezza di banda del cloud.
Un database interno (MQTT/Unified Namespace) o Industrial Information Hub propaga flussi di argomenti armonizzati per i componenti a valle e i consumatori locali.
Bridging di protocolli e formati
FFT DataBridge (Edge App) prepara e arricchisce i dati per lo streaming e l'inserimento quasi in tempo reale in Databricks. La sua app complementare gratuita, FFT DataService, accede ai dati contestualizzati da Industrial Information Hub Essentials (Edge App) e li rende disponibili a FFT DataBridge, che quindi pubblica flussi di dati allineati e contestualizzati tramite Zerobus, consentendo la distribuzione continua direttamente nelle tabelle gestite dal catalogo Unity.
Per garantire la robustezza, la soluzione utilizza il buffering in memoria e la persistenza locale per colmare le interruzioni della connettività e le interruzioni prolungate. Per quanto riguarda Databricks, i dati vengono inseriti in modo incrementale nelle tabelle Delta di Unity Catalog, consentendo un accesso governato e a bassa latenza per l'analisi a valle e i carichi di lavoro di intelligenza artificiale. La connettività sicura viene mantenuta tramite meccanismi di autenticazione basati su token o chiavi.
Piattaforma di data intelligence Databricks
L'inserimento in streaming tramite Zerobus fornisce continuamente dati in Databricks, dove i payload OT in entrata vengono scritti in tabelle Bronze Delta governate da Unity Catalog, preservando la struttura e i metadati grezzi per una completa tracciabilità e verificabilità.
Le pipeline di trasformazione create con Lakeflow Declarative Pipelines, Databricks Workflows e Apache Spark perfezionano progressivamente i dati in livelli Silver (curati) e Gold (analitici), supportando l'allineamento temporale, l'arricchimento contestuale e la disponibilità per il consumo della BI, nonché casi d'uso basati sull'intelligenza artificiale.
I modelli di intelligenza artificiale vengono sviluppati e addestrati centralmente in Databricks utilizzando MLFlow e Mosaic AI e possono quindi essere distribuiti nuovamente in Siemens Industrial Edge per un'esecuzione a bassa latenza vicino all'officina, consentendo l'ottimizzazione a circuito chiuso e scenari di intelligenza artificiale fisica.
Unity Catalog applica una governance end-to-end, tra cui controllo granulare degli accessi, mascheramento dei dati e tracciamento del lignaggio, mentre la piattaforma Lakehouse funziona in modo nativo su AWS, Microsoft Azure e Google Cloud Platform, supportando l'implementazione cross-cloud e la mobilità dei dati senza interruzioni.
