Skip to main content
Denne siden vises ved hjelp av automatisk oversettelse. Vis på engelsk i stedet?
Merkevareutvikling 2022
Partnerløsning

Kontekstualisert OT-datapipeline til Databricks

Hvordan kan vi på en pålitelig måte samle leverandøragnostiske OT-data fra verkstedsgulvet, berike dem med ressurs- og produksjonskontekst i utkanten, og levere en styrt, AI-klar kopi til Databricks for avansert analyse, Industrial AI og bedriftsforbruk?

Oversikt

Arkitekturhub databricks oversikt

Siemens Industrial Edge til Databricks

  1. Koble leverandøragnostisk butikkutstyr til Industrial Edge via forhåndskonfigurerte kontakter.
  2. Opprett en sikker og pålitelig forbindelse mellom Siemens Industrial Edge Devices og Databricks Data Intelligence Platform ved hjelp av FFT DataBridge for filbasert inntak i skyobjektlagring (S3, ADLS eller GCS)
  3. Lagre og administrer harmoniserte industridata i Databricks Lakehouse for skalerbar analyse og Industrial AI.
  4. Utfør avansert analyse og tren AI-modeller på det harmoniserte datalaget, inkludert OEE-overvåking, prediktivt vedlikehold, kvalitetsoptimalisering og agentiske AI-applikasjoner. Distribuer modeller tilbake til Industrial Edge for kjøring med lav ventetid.
Last ned PDF

Et hybrid kant-til-sky-oppsett der Industrial Edge tar inn og beriker OT-datastrømmer, justerer og kontekstualiserer telemetri og hendelser ved kilden før de videresendes via FFT DataBridge gjennom strømmeinntak i Databricks. Innenfor Databricks transformeres og struktureres dataene på tvers av landings-, kuraterte- og analysenivåer, og danner grunnlaget for bedriftens innsjøer for: avansert analyse, Industrial AI, modellutvikling og livssyklusstyring, operasjonelle applikasjoner og muliggjør integrasjon med MES-, ERP- og SCADA-miljøer. Den overordnede tilnærmingen er utformet for å sikre AI-beredskap, pålitelige og konsistente data, robust sikkerhet, høy motstandskraft og åpen, leverandørnøytral interoperabilitet.

Detaljert arkitektur

arkitektur-hub-databricks-detaljarkitektur-1280x720
Last ned detaljert PDF

    Kantinnsamling og kontekstualisering (Industrial Edge)

    Industrial Edge kjører lokale enheter nær verkstedsgulvet og kobles til leverandør-agnostisk automatiseringsutstyr via OT-kontakter (OPC UA, Modbus, EtherNet/IP, etc.). Den anskaffer rå telemetri, alarmer og hendelser.

    I utkanten blir data forhåndsbehandlet: filtrering, komprimering, normalisering av tidsstempel, berikelse med ressursmetadata (ressurshierarkier, arbeidsordre/batchkontekst) og lokal aggregering for å redusere skybåndbredde.

    En intern databus (MQTT/Unified Namespace) eller Industrial Information Hub forplanter harmoniserte emnestrømmer for nedstrøms komponenter og lokale forbrukere.

    Protokoll- og formatbrobygging

    FFT DataBridge (Edge App) forbereder og beriker data for streaming og inntak i nær sanntid i Databricks. Den gratis ledsagerappen, FFT DataService, får tilgang til kontekstualiserte data fra Industrial Information Hub Essentials (Edge App) og gjør den tilgjengelig for FFT DataBridge, som deretter publiserer justerte, kontekstualiserte datastrømmer via Zerobus, noe som muliggjør kontinuerlig levering direkte til Unity Catalog-styrte tabeller.

    For å sikre robusthet bruker løsningen buffering i minnet og lokal utholdenhet for å bygge bro over tilkoblingsforstyrrelser og utvidede strømbrudd. På Databricks-siden blir data inntatt trinnvis i Delta-tabeller under Unity Catalog, noe som muliggjør styrt tilgang med lav ventetid for nedstrøms analyse og AI-arbeidsbelastninger. Sikker tilkobling opprettholdes gjennom tokenbaserte eller nøkkelbaserte autentiseringsmekanismer.

    Databricks dataintelligensplattform

    Streaminginntak via Zerobus leverer kontinuerlig data til Databricks, der innkommende OT-nyttelaster skrives inn i Bronze Delta-tabeller styrt av Unity Catalog, og bevarer rå struktur og metadata for full sporbarhet og revisbarhet.

    Transformasjonsrørledninger bygget med Lakeflow Declarative Pipelines, Databricks Workflows og Apache Spark foredler gradvis dataene til Silver (kuratert) og Gold (analytisk) lag, som støtter tidsjustering, kontekstuell berikelse og beredskap for BI-forbruk samt AI-drevne brukstilfeller.

    AI-modeller utvikles og trenes sentralt i Databricks ved hjelp av MLFlow og Mosaic AI, og kan deretter distribueres tilbake til Siemens Industrial Edge for kjøring med lav ventetid nær verkstedsgulvet - noe som muliggjør lukkede sløyfeoptimaliseringer og fysiske AI-scenarier.

    Unity Catalog håndhever ende-til-ende-styring, inkludert finkornet tilgangskontroll, datamaskering og avstamningssporing, mens Lakehouse-plattformen kjører naturlig på tvers av AWS, Microsoft Azure og Google Cloud Platform, og støtter distribusjon på tvers av sky og sømløs datamobilitet.

    Verdier og fordeler

    Komponenter