En Mas Ingenieros, nos dimos cuenta hace tiempo que muchos clientes con los que hablamos se están ahogando en datos. Sin embargo, están luchando para que sea útil.
Una instalación industrial moderna, puede producir enormes cantidades de datos cada día. Desde las nuevas tecnologías, aplicaciones de inteligencia artificial y aprendizaje automático, cuadros de mando en tiempo real, o realidad aumentada, por ejemplo. Por no hablar de scada o cualquier otro sistema existente en planta. Hoy hablamos de la arquitectura de integración.
Arquitectura de integración
Sin embargo, este acceso a todos estos datos no significa que sean útiles y seamos capaces de convertirlos en verdadera y útil información.
Los datos industriales son muy crudos. Los datos deben ser «adecuados para el propósito» para extraer su verdadero valor. Además, las herramientas utilizadas para hacer que los datos se ajusten al propósito deben operar a la escala de una instalación industrial.
Por ese motivo y con la realidad en el foco, proponemos una sencilla guía, paso a paso, con la intención de que los datos industriales se adecúen a su verdadera finalidad.
Paso 1: Comienza con el caso de uso
Los proyectos de tecnología de la información (TI) y tecnología de operaciones (OT) deben comenzar con casos de uso y objetivos claros. Para muchas empresas manufactureras, los soluciones para mejorar la calidad o la trazabilidad.
Paso 2: Identifica los sistemas de destino
Con los casos de uso y los objetivos comerciales identificados, el siguiente paso requiere identificar las aplicaciones de destino que se utilizarán para lograr estos objetivos, mediante preguntas:
¿Dónde se encuentra esta aplicación de destino: en Edge, en las instalaciones, en la Nube, etc.?
¿Cómo puede esta aplicación recibir datos: MQTT, OPC UA, REST, carga de base de datos, etc.?
¿Qué información se necesita para esta solicitud?
¿Con qué frecuencia deben actualizarse los datos y cuál es la causa de la actualización?
Paso 3: Identifica las fuentes de datos
Los datos industriales son, claramente, una fuente importante de información. Sin embargo, hay algunos importantes desafíos para acceder a estos datos y convertirlos en información útil: Volumen, Correlación, Contexto, Estandarización.
Paso 4: Selecciona la arquitectura de integración
Las arquitecturas de integración se dividen en dos tipos fundamentalmente: Programación directa de aplicaciones (API) (aplicación a aplicación) o concentradores de integración (DataOps).
Las conexiones API directas funcionan bien si solo tiene dos aplicaciones que necesitan ser integradas. Los datos no necesitan ser preparados para la recepción y los sistemas de origen son muy estáticos.
Esto suele tener sentido en entornos donde la empresa tiene un solo SCADA o MES y no hay necesidad de aplicaciones para acceder a los datos.
Las conexiones API directas no funcionan bien cuando se necesitan datos industriales en múltiples aplicaciones como SCADA, MES, ERP, IIoT Platform, Analytics, varias bases de datos personalizadas, tableros u hojas de cálculo. Estas conexiones, tampoco funcionan bien cuando hay muchas transformaciones de datos que deben realizarse para preparar los datos para el sistema consumidor.
Estas transformaciones se pueden realizar fácilmente en Python, C# o cualquier otro lenguaje de programación, pero luego son «invisibles» y difíciles de mantener.
Por último, las conexiones API directas no funcionan bien cuando las estructuras de datos se modifican con frecuencia.
Una alternativa a las conexiones API directas es un centro de integración de DataOps.
DataOps es un nuevo enfoque para la integración y seguridad de datos que tiene como objetivo mejorar la calidad de los datos y reducir el tiempo dedicado a preparar los datos para su uso en toda la empresa.
Una integración hub actúa como una capa de abstracción que aún usando API para conectarse a otras aplicaciones, proporciona una herramienta de gestión, documentación y gobierno para conectar fuentes de datos a todas las aplicaciones requeridas, pues están diseñados específicamente para mover grandes volúmenes de datos a altas velocidades con transformaciones que se realizan en tiempo real mientras los datos están en movimiento.
Paso 5: Establece conexiones seguras
Ahora que el plan del proyecto está en su lugar, comienza la integración del sistema estableciendo conexiones a los sistemas de origen y de destino. Entiende bien los protocolos que con los que trabajan y los riesgos y beneficios de seguridad que brindan.
Muchos sistemas admiten protocolos abiertos para definir la conexión y la comunicación.
Los protocolos abiertos típicos incluyen OPC UA, MQTT, REST, ODBC y AMQP, entre otros. También hay muchos protocolos cerrados y API definidas por el proveedor para los cuales el proveedor de la aplicación publica la documentación del protocolo API.
Pregúntate:
¿El protocolo admite conexiones seguras? Y, ¿cómo se crean estas conexiones?
La seguridad no se trata solo de nombres de usuario, contraseñas, cifrado y autenticación, sino también de la arquitectura de integración.
Paso 6: Modela los datos
La implementación y adopción de análisis o IIoT en toda la empresa a menudo se retrasa por la variabilidad de los datos que salen de la planta de producción.
De una máquina a la siguiente, cada dispositivo industrial puede tener su propio modelo de datos. Históricamente, los proveedores, los sistemas, los integradores y los ingenieros de control internos no se han centrado en la creación de datos estándares. Se depuraron los sistemas y cambiaron los modelos de datos con el tiempo para adaptarse a sus necesidades.
Esto funcionó para proyectos únicos, pero los proyectos de IIoT de hoy requieren más escalabilidad.
El primer paso en el modelado de datos es definir los modelos estándar requeridos en el objetivo.
Paso 7: Sigue los datos
Cuando se completa el modelado, los flujos de datos deben controlarse modelo por modelo.
Esto normalmente se realiza mediante la identificación del modelo que se va a mover, el objetivo y la frecuencia o disparador para el movimiento.
Con el tiempo, los datos también fluyen y ello requerirá seguimiento y gestión.