Skip to main content
Цю сторінку перекладено автоматично. Перейти натомість до англійської версії?
Еволюція бренду 2022
Партнерське рішення

Контекстуалізований конвеєр даних OT в Databricks

Як ми можемо надійно збирати дані OT, що не залежать від постачальників, з цеху, збагатити їх контекстом активів та виробництва на межі та доставити керовану копію, готову до штучного інтелекту в Databricks для розширеної аналітики, Industrial AI та споживання підприємств?

Огляд

Огляд баз даних архітектурного хаба

Сіменс Industrial Edge до Дабрікс

  1. Підключіть обладнання магазину, що не залежить від постачальника, до Industrial Edge за допомогою попередньо налаштованих роз'ємів.
  2. Створіть безпечний та надійний зв'язок між пристроями Siemens Industrial Edge та платформою Data Intelligence Platform Databricks за допомогою FFT DataBridge для передачі файлів у хмарне сховище об'єктів (S3, ADLS або GCS)
  3. Зберігайте та керуйте гармонізованими промисловими даними в Databricks Lakehouse для масштабованої аналітики та Industrial AI.
  4. Виконуйте розширену аналітику та навчайте моделі штучного інтелекту на гармонізованому рівні даних, включаючи моніторинг OEE, прогнозне обслуговування, оптимізацію якості та агентні програми штучного інтелекту. Розгортайте моделі назад до Industrial Edge для виконання з низькою затримкою.
Завантажити PDF

Гібридна настройка від краю до хмари, де Industrial Edge поглинає та збагачує потоки даних OT, вирівнюючи та контекстуалізуючи телеметрію та події у джерелі, перш ніж пересилати їх через FFT DataBridge через потокове введення в Databricks. У Databricks дані трансформуються та структуруються на рівні лендінгу, кураторства та аналітики, утворюючи основу підприємства для: розширеної аналітики, Industrial AI, розробки моделей та управління життєвим циклом, операційних додатків та забезпечення інтеграції з середовищами MES, ERP та SCADA. Загальний підхід розроблений для забезпечення готовності до штучного інтелекту, надійних та послідовних даних, надійної безпеки, високої стійкості та відкритої взаємодії, нейтральної для постачальників.

Детальна архітектура

архітектура-хаб-датчики-детальні-архітектура-1280x720
Завантажити детальний PDF

    Колекція та контекстуалізація країв (Industrial Edge)

    Industrial Edge запускає вбудовані пристрої поблизу цеху та підключається до обладнання автоматизації, що не залежить від постачальника через роз'єми OT (OPC UA, Modbus, EtherNet/IP тощо). Він набуває необроблену телеметрію, тривоги та події.

    На краю дані попередньо обробляються: фільтрація, стиснення, нормалізація часових міток, збагачення метаданими активів (ієрархії активів, робочий ордер/контекст пакету) та локальна агрегація для зменшення пропускної здатності хмари.

    Внутрішня база даних (MQTT/ Unified Namespace) або Industrial Information Hub поширює гармонізовані тематичні потоки для нижчих компонентів та локальних споживачів.

    Мостування протоколів і форматів

    FFT DataBridge (Edge App) готує та збагачує дані для потокового передавання та надходження в Databricks в режимі майже в режимі реального часу. Його безкоштовний додаток, FFT DataService, отримує доступ до контекстуалізованих даних з Industrial Information Hub Essentials (Edge App) та робить їх доступними для FFT DataBridge, який потім публікує вирівняні, контекстуалізовані потоки даних через Zerobus, що дозволяє безперервну доставку безпосередньо в таблиці, керовані Unity Catalogem.

    Щоб забезпечити надійність, рішення використовує буферизацію в пам'яті та локальну стійкість для подолання перебоїв підключення та тривалих відключень. На стороні Databricks дані поступово потрапляють у таблиці Delta в каталозі Unity, що забезпечує керований доступ з низькою затримкою для подальшої аналітики та робочих навантажень AI. Безпечне підключення підтримується за допомогою механізмів аутентифікації на основі токенів або ключів.

    Платформа для розвідки даних Databricks

    Потокове передавання через Zerobus безперервно доставляє дані в Databricks, де вхідні корисні навантаження OT записуються в таблиці Bronze Delta, керовані Unity Catalog, зберігаючи необроблену структуру та метадані для повної простежуваності та аудиторності.

    Конвеєри трансформації, побудовані за допомогою декларативних конвеєрів Lakeflow, робочих процесів Databricks та Apache Spark, поступово вдосконалюють дані на срібні (кураторські) та золоті (аналітичні) шари, підтримуючи вирівнювання часу, контекстне збагачення та готовність до споживання BI, а також випадки використання на основі штучного інтелекту.

    Моделі штучного інтелекту розробляються та навчаються централізовано в Databricks за допомогою MLFlow та Mosaic AI, а потім можуть бути розгорнуті назад у Siemens Industrial Edge для виконання з низькою затримкою поблизу цеху, що дозволяє оптимізувати замкнутий цикл та фізичні сценарії штучного інтелекту.

    Unity Catalog забезпечує наскрізне управління, включаючи тонкозернистий контроль доступу, маскування даних та відстеження лінії, тоді як платформа Lakehouse працює на основі AWS, Microsoft Azure та Google Cloud Platform, підтримуючи міжхмарне розгортання та безперебійну мобільність даних.

    Цінності та переваги

    Компоненти