Criando Big Data a partir de Little Data

As instalações de fabricação geram grandes quantidades de dados operacionais de seus equipamentos de produção automatizados, dispositivos de monitoramento de condições e outros sensores e sistemas. À medida que as empresas estão se tornando mais conscientes do potencial abandonado nesses ativos, elas estão se perguntando como as iniciativas de Internet das Coisas Industrial (IIoT) podem ajudar a aproveitar essas informações e criar insights úteis. Mas muitas tentativas de resolver isso por meio de megaprojetos em toda a empresa não atendem às expectativas devido ao tamanho e à complexidade. Talvez uma abordagem melhor seja começar com “pequenos” dados na fonte para construir big data usando computação de borda, aplicativos focados e conectividade aberta.

A transformação digital nunca é uma tarefa única. Mas assumir um projeto grande demais pode inviabilizar rapidamente os esforços. Apenas conectar os muitos produtores de dados diferentes pode ser difícil, mas transmitir, processar e armazenar efetivamente esses dados – no local ou na nuvem – é uma tarefa igualmente grande. Portanto, os projetos mais bem-sucedidos começam de baixo para cima, empregando dados no nível da máquina, em vez de de cima para baixo no nível da empresa (Figura 1).

Concentrar o campo de visão em desafios e ativos específicos pode gerar retornos imediatos em comparação com a coleta de todos os dados possíveis e a tentativa de descobrir possibilidades sem uma declaração clara do problema. O pessoal da fábrica pode priorizar insights que abordam problemas operacionais diários e selecionar os dados mais relevantes de pontos de detecção existentes ou até novos. Mas isso revela um novo desafio:os dados de interesse geralmente não estão sendo armazenados ativamente no sistema de controle.

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

As fontes de dados de produção geralmente fazem parte do domínio da tecnologia operacional (OT), que inclui controladores lógicos programáveis ​​(PLCs), dispositivos de movimento e muitos tipos de sensores e instrumentos. Mas comunicar, armazenar e processar grandes quantidades de dados requer recursos de tecnologia da informação (TI).

A chave para unir OT e TI – e permitir que o pessoal anteriormente em ambos os lados dessa divisão trabalhe de forma colaborativa – é encontrada em uma nova geração de controladores de borda (Figura 2). Os controladores de borda combinam controle determinístico em tempo real utilizando linguagens IEC 61131-3 com computação baseada em Linux de uso geral para criar uma plataforma IIoT poderosa que pode ser incorporada em novos projetos ou incorporada em sistemas legados.

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

Muitos usuários finais reconhecem que podem se beneficiar da IIoT, mas podem estar preocupados com o fato de que um ataque em grande escala ao big data pode não ser bem-sucedido. Em vez disso, ao abordar a IIoT com poucos dados, controladores de borda e análises direcionadas, esses usuários obterão retornos antecipados, ajudando a impulsioná-los mais rapidamente em sua jornada de transformação digital.

Este artigo foi escrito por Derek Thomas, vice-presidente de marketing e estratégia do negócio de soluções de automação de máquinas da Emerson, St. Louis, MO. Para mais informações, visite aqui .