Coleção e contextualização do Edge (Industrial Edge)
O Industrial Edge opera dispositivos locais perto do chão de fábrica e se conecta a equipamentos de automação independentes do fornecedor por meio de conectores OT (OPC UA, Modbus, EtherNet/IP etc.). Ele adquire telemetria bruta, alarmes e eventos.
Na borda, os dados são pré-processados: filtragem, compactação, normalização de data e hora, enriquecimento com metadados de ativos (hierarquias de ativos, ordem de trabalho/contexto de lote) e agregação local para reduzir a largura de banda da nuvem.
Um banco de dados interno (MQTT/Unified Namespace) ou um Hub de Informações Industriais propaga fluxos de tópicos harmonizados para componentes posteriores e consumidores locais.
Conexão de protocolos e formatos
O FFT DataBridge (aplicativo Edge) prepara e enriquece os dados para streaming e ingestão quase em tempo real no Databricks. Seu aplicativo complementar gratuito, o FFT DataService, acessa dados contextualizados do Industrial Information Hub Essentials (Edge App) e os disponibiliza para o FFT DataBridge, que então publica fluxos de dados alinhados e contextualizados via Zerobus, permitindo a entrega contínua diretamente nas tabelas governadas pelo Catálogo Unity.
Para garantir a robustez, a solução usa buffer na memória e persistência local para eliminar interrupções de conectividade e interrupções prolongadas. No lado do Databricks, os dados são ingeridos incrementalmente nas tabelas Delta no Unity Catalog, permitindo acesso governado e de baixa latência para cargas de trabalho de análise downstream e IA. A conectividade segura é mantida por meio de mecanismos de autenticação baseados em tokens ou chaves.
Plataforma de inteligência de dados Databricks
A ingestão de streaming via Zerobus entrega continuamente dados ao Databricks, onde as cargas de entrada de OT são gravadas em tabelas Bronze Delta regidas pelo Unity Catalog, preservando a estrutura bruta e os metadados para total rastreabilidade e auditabilidade.
Os pipelines de transformação criados com Lakeflow Declarative Pipelines, Databricks Workflows e Apache Spark refinam progressivamente os dados em camadas Silver (curadas) e Gold (analíticas), oferecendo suporte ao alinhamento temporal, ao enriquecimento contextual e à prontidão para o consumo de BI, bem como para casos de uso orientados por IA.
Os modelos de IA são desenvolvidos e treinados centralmente no Databricks usando MLflow e Mosaic AI e podem então ser implantados de volta na Siemens Industrial Edge para execução de baixa latência perto do chão de fábrica, permitindo otimização de circuito fechado e cenários físicos de IA.
O Unity Catalog impõe governança de ponta a ponta, incluindo controle de acesso refinado, mascaramento de dados e rastreamento de linhagem, enquanto a plataforma Lakehouse é executada de forma nativa na AWS, Microsoft Azure e Google Cloud Platform, suportando a implantação entre nuvens e a mobilidade perfeita de dados.
