Hva er industriell datamodellering, og hvorfor er det viktig?

Data er det nye gullet, spesielt i industrien. I et produksjonsanlegg genererer maskiner og utstyr kontinuerlig enorme mengder data som inneholder nyttig informasjon. Utfordringen er at denne informasjonen ofte er vanskelig å trekke ut, fordi dataene presenteres på forskjellige måter. Vanligvis har datatagger fra ulike datakilder forskjellige måleenheter og prøvefrekvenser. For å kunne sammenligne disse dataene er det derfor nødvendig å modellere dem først.

En datamodell er en definisjon som beskriver et stykke informasjon, og er grunnlaget for standardisering av rå inputdata. Informasjonen kan ha mange forskjellige attributter, – noen attributter inneholder sanntidsdata og rå driftsdata, mens andre definerer disse dataene. Sistnevnte gir kontekst, og kan f.eks. beskrive datakilde, måleenhet, min- og maksområder, eller annet som gir informasjon om utstyr, prosesser og systemer.

All OT-data har én ting til felles: Den kommer nesten alltid fra forskjellige datakilder. Anleggets kontrollsystemer utvikler seg over tid, og ofte finner man utstyr og systemer fra forskjellige leverandører. Selv om kommunikasjonsstandarder som OPC og MQTT blir brukt mer og mer, er det fortsatt store forskjeller i tolkningen av disse standardene. En sentral OPC-server er derfor første steg mot å gjøre prosessdataene dine tilgjengelige.

Det er mange forskjellige typer data å forholde seg til. Vi skiller mellom digitale signaler, som for eksempel på/av, og analoge signaler, som temperaturmålinger. For å kunne gjøre en sammenligning av to eller flere signaler bør de være av samme datatype. Dette krever at en konvertering av dataene gjøres på et bestemt sted.

Digitalisering av målinger innebærer at de tas med en viss frekvens. Ofte er det klienten som bestemmer hvor ofte dataene skal samples. Utfordringene er at disse frekvensene ikke alltid er like. Hvordan kan du sammenligne en måling som gjøres hvert minutt med en måling som gjøres hvert sekund? På et tidspunkt vil interpolering eller ekstrapolering av målinger måtte gjøres for å utjevne dette.

Hvert datapunkt i et anlegg eller fabrikk har en unik adressering, eller navn. Fordi produksjonsanlegg gjerne har titusenvis av datapunkter, er denne adresseringen ofte kompleks. PLS- og SCADA-programmererne kan vanligvis forstå dette, men for IT-ingeniøren som ønsker å jobbe med dataene er det vanskeligere. Han/hun må derfor bruke mye tid i forkant på å klargjøre dataene, før selve arbeidet kan starte.

Datamodellering gjør det mulig å standardisere informasjon og kategorisere hvordan data trekkes sammen. Dette gir mulighet for interoperabilitet og deling av informasjon på tvers av ulike applikasjoner, og gir en «single source of truth» for personell i ulike roller med ulik kunnskap, som bruker dataene på forskjellig måte. 

Med riktig datamodellering vil personell i ulike roller kunne se dataene og raskt forstå kilden, strukturen og hva modellen representerer (f.eks. en pumpe eller produksjonslinje). Det er denne konteksten som gjør datamodellering viktig. OT-personell kan styre hvilke roller som får tilgang til hvilke data og når, slik at alle brukere får tilgang til informasjonen de trenger, og kan bruke den til å optimalisere produksjonsprosessen.

Et slikt system er fremdeles nytt for mange bedrifter, – men vil gi store fordeler. Vi leverer kommunikasjonsløsninger som DataOps fra HighByte og OPC Server som kan hjelpe deg i gang.