6 tegn på at du trenger industriell DataOps
Av John Harrington, Medgrunnlegger og Chief Product Officer, HighByte
En direktør i en industriell bedrift fortalte meg en gang at selv om fabrikkene hans var fulle av maskiner og utstyr av samme type, slet han fremdeles med å få tilgang til fornuftige beslutningsdata. Hver enkelt plastsprøytestøpemaskin hadde sin egen måte å presentere data på. Dette betydde at bedriften måtte spesialtilpasse koding for hvert enkelt utstyr for å få presentert data på en mer enhetlig og nyttig måte.
Dette er et helt vanlig scenario i mange industrielle miljøer, der fabrikker kan ha hundrevis av PLS’er og styresystem for forskjellige maskiner, som genererer driftsdata som er uforståelig for dataanalytikere som ønsker innsikt.
Det er her Industriell DataOps kommer inn i bildet. En DataOps løsning hjelper til med å standardisere, normalisere og kontekstualisere data ved hjelp av vanlige modeller eller objektorienterte tilnærminger. Data fra flere kilder kan sammenstilles og administrers i en slik løsning. Vi tar en nærmere kikk på de seks tydeligste tegnene på at det er på tide å vurdere en Industriell DataOps-løsning for bedriften din.
1. IIoT-prosjekter skalerer ikke på grunn av problemer med datainteroperabilitet
Oversettelse og analyse av data fra hundrevis eller til og med tusenvis av maskiner kan ende opp med titusenvis av datapunkter. Uten en felles protokoll eller standardisert måte å presentere data på, kan det bli utrolig tidkrevende å manipulere eller håndtere hvert enkel datatag.
Ingeniører har i mange år løst kommunikasjonsutfordringer med ved hjelp av protokolloversettere eller drivere. En helt annen utfordring er å forstå og håndtere forskjellige datastrukturer. Modellering av data for hvert system er inneffektivt og dyrt.
Det er ingen enkel måte å administrere individuelle maskinmodeller og implementere dem på flere enheter og systemer. Industriell DataOps løser dette problemet med et standardsett med modeller som kombinerer flere datapunkter i en enkel “flow”.
2. Du skriver og vedlikeholder “custom script” for å utnytte IIoT-data
Mange produsenter utvider raskt IIoT-prosjekter, bare for å oppdage at de blir fanget i “teknisk gjeld”. Begrepet teknisk gjeld ble skapt av programmereren Ward Cunningham tidlig på 1990-tallet for å beskrive scenarier der folk implementerer programvare ved å velge den raskeste og enkleste tilgjengelige koden, uten å ta hensyn til fremtidige teknologibehov.
Dessverre ender ofte IIoT-prosjekter opp i stampe fordi produksjonsbedriftene har valgt den samme tilnærmingen og kontinuerlig skriver om koden hver gang de gjør endringer på fabrikkgulvet, for eksempel å erstatte maskiner, optimalisere prosesser eller legge til nye produktlinjer.
Integrerte systemer som ikke er knyttet til standardiserte modeller, opplever ofte avbrudd på grunn av krevende og tidkrevende skripting. En Industriell DataOps-løsning som gir muligheten til å bygge standardiserte modeller, er mer fleksibel og robust mot fremtidige endringer.
3. Dataanalytikere bruker tid på å finne, manipulere og forberede data til analyser
Det er ofte en “kløft” mellom Operations Technology (OT) og IT-teamene. Tidligere var PLS-protokoller som Modbus tilstrekkelige for å kommunisere koder til OT-teamet. Men en numerisk kode gir ikke IT-folk mye informasjon å jobbe med. Dataanalytikere bør ikke kaste bort tid på å manipulere data.
Industriell DataOps gjør informasjonen tilgjengelig i et brukervennlig, selvforklarende format for dataanalytikere, slik at de kan presentere dem for ulike funksjoner i hele organisasjonen for strategisk beslutningstaking.
4. OT-teamet er overveldet av dataforespørsler
En annen tydelig indikasjon på at det er på tide å vurdere en Industriell DataOps-løsning, er strømmen av forespørsler om data til OT-teamet fra interessenter på tvers av organisasjonen som trenger tilgang til eller forståelse av maskin- og produksjonsdata.
Dette innebærer at IT-teamet ikke mottar kontekstualisert informasjon i rett tid, og de er altfor avhengige av OT-personell, som kanskje har konfigurert systemene, for å forklare hva visse koder betyr.
Industriell DataOps automatiserer analyseprosessen og frigjør dermed OT-teamet fra manuelle datarapporter, samtidig som tilgjengeligheten for dataanalytikere økes.
5. Du har høye, variable kostnader for rådata i sky, men ingen strategi for hvordan data skal brukes
Unødvendige høye kostnader for sky-løsninger blir spesielt frustrerende når du mangler en klar visjon for hvordan du skal utnytte data. Mange av disse lagringsalternativene stammer fra forbrukerteknologiverdenen og er ikke tilpasset industrielle applikasjoner.
En Industriell DataOps løsning er skapt for å imøtekomme industriens databehov. I en Industriell DataOps-konfigurasjon kan data behandles nær maskinene, enten i et lokalt datasenter eller i skyen, avhengig av spesifikke krav.
Løsningen opererer tett på enheten og sender kun nødvendige data til sky-applikasjoner med angitt frekvens eller tilstand, noe som reduserer de høye og uforutsigbare kostnadene i sky.
6. Usikkerhet om hvem som har tilgang til data skaper sikkerhetsproblemer
IIoT-tilkobling kan skape sikkerhetsutfordringer. Når enhetene er på nett, blir informasjonen sårbar for hackere og andre trusler. Å gi leverandører direkte tilgang til maskinene kan forbedre oppetiden, men samtidig medføre cyberrisiko. Utveksling av data ved bruk av innebygd sikkerhet i OPC UA og MQTT reduserer risiko og potensielle angrep.
Ved å ta en proaktiv tilnærming til det å styre og administrere dataflyten gir sikkerhet på et høyere nivå enn typiske publisher/subscriber-brokerarkitekturer og åpen, ikke-administrert API-tilgang.
Å starte et IIoT-program uten Industriell DataOps er som å balansere på en knivsegg. Du kan ha sensorene og de analytiske verktøyene, men uten evnen til å overføre og forberede data, vil du feile. Industriell DataOps løsninger bygger bro mellom innsamling og analyse av data, slik at bedrifter kan treffe bedre og mer riktige beslutninger.
Gjenkjenner du ovennevnte utfordringer?
Hvis du sliter med en eller flere av utfordringene beskrevet i denne artikkelen, la oss ta en prat. Bestill en demo for å se HighByte Intelligence Hub i aksjon og få en personlig sjekk av din dataarkitektur.
Teksten i denne artikellen er oversatt fra HighBytes Blog: IIoT health check: 6 signs you need Industrial DataOps
Book en demo – HighByte Intelligence Hub
Utfyll skjemaet, så kontakter vi deg snart
