Transformando Pequenos Dados em Insights de Big Data para Manufatura

Instalações de manufatura geram quantidades massivas de dados operacionais de seus equipamentos de produção automatizados, dispositivos de monitoramento de condição e outros sensores e sistemas. À medida que as empresas se tornam mais conscientes do potencial marooned nestes ativos, elas perguntam como iniciativas de Internet Industrial das Coisas (IIoT) podem ajudar a acessar esta informação e criar insights úteis. Mas muitas tentativas de enfrentar isso via mega-projetos empresariais falham em atender expectativas devido ao tamanho e complexidade. Talvez uma abordagem melhor seja começar com "pequenos" dados na fonte para construir até big data usando edge computing, aplicações focadas e conectividade aberta.

Transformação digital nunca é uma tarefa única. Mas assumir um projeto grande demais pode rapidamente descarrilar os esforços. Apenas conectar os muitos produtores de dados diferentes pode ser difícil, ainda que transmitir, processar e armazenar efetivamente esses dados — on-premise ou na nuvem — seja um empreendimento igualmente massivo. Portanto, os projetos mais bem-sucedidos começam de baixo para cima empregando dados de nível de máquina em vez de cima para baixo no nível empresarial (Figura 1).

Focar o campo de visão em desafios e ativos específicos pode entregar retornos imediatos comparado a reunir todos os dados possíveis e tentar descobrir possibilidades sem uma declaração clara do problema. Pessoal da planta pode priorizar insights que abordam questões operacionais cotidianas e selecionar os dados mais relevantes de pontos de sensoriamento existentes ou até novos. Mas isso revela um novo desafio: os dados de interesse geralmente não estão sendo ativamente armazenados no sistema de controle.

Por exemplo, ao experimentar tempo de inatividade excessivo com uma nova máquina, não coletar dados significa que o operador não pode encontrar a causa raiz. Toda ação tomada é reativa a observações após a falha ocorrer. Aplicando um projeto de pequenos dados, o usuário pode reunir dados do sistema de controle junto com novos sensores de pressão de ar e vibração. Coletando e analisando dados em tempo real dentro do contexto da máquina, os operadores podem rapidamente encontrar a causa raiz e resolver os problemas, levando a melhor tempo de atividade.

Fontes de dados de produção são geralmente parte do domínio de tecnologia operacional (OT), que inclui controladores lógicos programáveis (CLPs), dispositivos de movimento e muitos tipos de sensores e instrumentos. Mas comunicar, armazenar e processar quantidades massivas de dados requer capacidades de tecnologia da informação (TI).

A chave para conectar OT e TI — e permitir que pessoal anteriormente em ambos os lados desta divisão trabalhe colaborativamente — é encontrada em uma nova geração de controladores edge (Figura 2). Controladores edge combinam controle determinístico em tempo real utilizando linguagens IEC 61131-3 com computação Linux de propósito geral para criar uma poderosa plataforma IIoT que pode ser construída em novos designs ou incorporada em sistemas legados.

Esta nova geração de controlador também reúne protocolos OT tradicionais como PROFINET e Modbus TCP com protocolos TI modernos como OPC UA e MQTT, permitindo assim conectividade perfeita entre fontes de dados edge e plataformas empresariais de nível superior como MES, ERP, gestão de manutenção e outros sistemas analíticos.

Muitos usuários finais reconhecem que podem se beneficiar do IIoT mas podem estar justificadamente preocupados que um ataque em grande escala a big data pode não ter sucesso. Em vez disso, abordando IIoT com pequenos dados, controladores edge e análises direcionadas, estes usuários alcançarão retornos iniciais, ajudando a impulsioná-los mais rápido em sua jornada de transformação digital.

Este artigo foi escrito por Derek Thomas, Vice-Presidente de Marketing e Estratégia para o negócio Machine Automation Solutions da Emerson, St. Louis, MO. Para mais informações, visite aqui .