Coleta e contextualização de borda (Industrial Edge)
O Industrial Edge executa dispositivos locais perto do chão de fábrica e liga-se a equipamentos de automação independentes do fornecedor através de conectores OT (OPC UA, Modbus, Ethernet/IP, etc.). Adquire telemetria bruta, alarmes e eventos.
No limite, os dados são pré-processados: filtragem, compressão, normalização do carimbo de data/hora, enriquecimento com metadados de ativos (hierarquias de ativos, ordem de serviço/contexto em lote) e agregação local para reduzir a largura de banda na nuvem.
Um banco de dados interno (MQTT/Unified Namespace) ou Industrial Information Hub propaga fluxos de tópicos harmonizados para componentes downstream e consumidores locais.
Protocolo e ponte de formato
O FFT DataBridge (Edge App) prepara e enriquece os dados para streaming e ingestão quase em tempo real no Databricks. A sua aplicação complementar gratuita, o FFT DataService, acede a dados contextualizados do Industrial Information Hub Essentials (Edge App) e disponibiliza-os ao FFT DataBridge, que depois publica fluxos de dados alinhados e contextualizados via Zerobus, permitindo a entrega contínua diretamente no Catálogo Unity — tabelas governadas.
Para garantir a robustez, a solução utiliza buffer na memória e persistência local para ligar 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 análises downstream e cargas de trabalho de IA. A conectividade segura é mantida através de mecanismos de autenticação baseados em tokens ou chaves.
Plataforma de inteligência de dados Databricks
A ingestão de streaming via Zerobus fornece dados continuamente para o Databricks, onde as cargas de entrada de OT são gravadas em tabelas Bronze Delta governadas pelo Catálogo Unity, preservando a estrutura bruta e os metadados para total rastreabilidade e auditabilidade.
Os pipelines de transformação construídos com Lakeflow Declarative Pipelines, Databricks Workflows e Apache Spark refinam progressivamente os dados em camadas Silver (curadas) e Gold (analíticas), suportando alinhamento de tempo, enriquecimento contextual e prontidão para o consumo de BI, bem como 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 uma governação de ponta a ponta, incluindo controlo de acesso refinado, mascaramento de dados e rastreio de linhagem, enquanto a Lakehouse Platform é executada nativamente na AWS, Microsoft Azure e Google Cloud Platform, suportando implementação entre nuvens e mobilidade de dados perfeita.
