Relatório de Internos da Indústria – Parte 1

As modernas redes de automação permitem que os fabricantes coletem uma grande quantidade de dados sobre todos os aspectos do processo de fabricação. O desafio agora é: o que você faz com todos esses dados?

Big Data não é apenas uma tendência na indústria de TI: seu uso está progredindo em alta velocidade no campo do marketing de consumo em geral. O uso de Big Data se espalhará para o Industial Ethernet Book de manufatura, procurando desafios e insights em seu uso expandido.

Uma estrada se abre para coleta de dados na indústria de manufatura com Big Data

Com o Big Data sendo um termo famoso na indústria de TI há vários anos, hoje mais e mais empresas de automação industrial começaram a falar sobre isso. A tecnologia de suporte por trás disso é a ascensão da Ethernet Industrial como o protocolo de comunicação comum na automação industrial. Antes disso, era difícil acessar dados de ambientes de produção. Até a segunda metade do século 20, coleta de dados dos processos de produção significava registros manuscritos das leituras dos medidores que eram armazenados em arquivos.

A ascensão dos Fieldbus industriais melhorou a situação, pois permitiram a coleta de dados de maneira mais oportuna. No entanto, esses dados vieram em grande variedade de formatos e eram normalmente usados ​​apenas em uma máquina ou nível de controle. A Ethernet Industrial finalmente forneceu a largura de banda, a velocidade e a estrutura de dados comum para trocar dados desde o nível do sensor e do atuador até o nível corporativo. As informações obtidas a cada segundo por sensores de temperatura, pressão, potência e outros produzem vários terabytes de informações por semana. No entanto, em muitos casos, esses dados não são usados ​​de maneira muito eficiente. Dr. Olaf Sauer, do Instituto Fraunhofer for Optronics *, Tecnologias de Sistema e Exploração de Imagens IOSB estima que “as operadoras de hoje usam apenas cerca de sete por cento desses dados para manutenção ou proteção contra falhas”.

*Fraunhofer IOSB (Instituto Fraunhofer de Optronics, Tecnologias de Sistema e Exploração de Imagens): O maior instituto de pesquisa aplicada que desenvolve aplicativos na Europa.

Plantas industriais com muitos sensores monitorando vários dados (Fonte: Daimler AG)

O que é Big Data?

O termo é comumente usado para uma coleção de conjuntos de dados que são muito grandes e complexos para serem processados ​​com sistemas tradicionais de gerenciamento de banco de dados relacional e aplicativos de estatísticas e visualização de desktop. O que é considerado “grande demais”, claro, depende das capacidades de uma organização, do tamanho dos conjuntos de dados com os quais eles normalmente trabalham. Por exemplo, os cientistas que trabalham nos campos de meteorologia, genômica ou simulações complexas de física são usados ​​para processar dados na faixa de terabytes e, ao longo dos anos, desenvolveram as plataformas de computador e aplicativos de software necessários.

Mas o big data não é apenas sobre tamanho. Doug Laney, VP de Pesquisa da Gartner Research, definiu o desafio como tridimensional e introduziu o modelo 3V, com crescente volume (quantidade de dados), velocidade (rapidez de entrada e saída de dados) e variedade (conjunto de tipos e fontes de dados). Atualmente, esse modelo 3V é comumente usado na indústria para descrever desafios e oportunidades de Big Data. A situação que todos esses três Vs estão expandindo abruptamente pode ser considerada como o Big Data em si. Enquanto isso, alguns adicionaram uma quarta dimensão, veracidade e oportunidades, a autenticidade ou confiabilidade dos dados coletados.

Figura 1: Modelo 3V expressando Big Data em três dimensões

Este modelo 3V é frequentemente e amplamente usado hoje para explicar o Big Data. Na indústria de transformação, em particular, a velocidade (frequência de ocorrência de dados) deve ser realçada.

No campo do marketing de consumo em geral, o Big Data está sendo usado para oferecer serviços que atendam às necessidades do consumidor e ao planejamento de produtos. Por exemplo, as câmeras são instaladas em máquinas de venda automática para coletar dados sobre os compradores e a data e hora em que as compras são feitas, e os sensores são usados ​​para coletar informações ambientais, como clima e temperatura. Esses dados, juntamente com o Big Data, serão usados ​​para processar as informações a serem usadas em marketing. Nesse caso, várias horas a vários dias seriam suficientes para a coleta e análise de dados (frequência de ocorrência de dados).

Enquanto isso, a indústria de manufatura controla instalações de produção e maquinário em linhas de produção em “tempo real”. Portanto, o Big Data (Figura 2), que consiste em log de dados de linhas de produção automatizadas, várias informações de sensores e informações ambientais dentro e fora da planta, precisa ser coletado e analisado na frequência de várias a várias dezenas de segundos, similar ao “tempo real”. Não se espera que esse tipo de dado se expanda tão rapidamente quanto o Big Data usado no campo do marketing de consumo em geral, mas se teme que essa alta velocidade (frequência de ocorrência de dados) resulte em um aumento explosivo de dados com a adição de vários sensores. Gostaria de salientar que essa é uma questão importante para entender o Big Data a ser usado na indústria de manufatura.

Figura 2: coleta de Big Data em uma planta

Desafios ao uso de Big Data na indústria de manufatura

Muitas ferramentas e aplicativos já foram desenvolvidos para o uso de Big Data no marketing de consumo em geral.

No entanto, alguns especialistas do setor alertam que as ferramentas e o software usados ​​no mercado de consumo não podem ser simplesmente adaptados aos requisitos industriais de Big Data. Embora seja uma prática comum para o Google, eBay ou Yahoo executar análises de Big Data em um cluster de servidores independentes, a maioria das arquiteturas de sistemas de automação industrial é configurada em torno de um banco de dados centralizado. Um white paper da GE Intelligent Platforms intitulado A ascensão do Big Data industrial indica que a complexidade envolvida e as qualificações especializadas necessárias para criar um ambiente Hadoop estão frequentemente além das capacidades das empresas industriais.

As dificuldades na análise de dados para a indústria de manufatura são criar dados na forma de análises que são derivadas de comparações de longo prazo de lote para lote, mês a mês, turno para turno ou ordem para pedido. A análise dessas tendências pode fornecer uma visão mais profunda sobre causa e efeito e ajudar a otimizar os processos industriais. Por exemplo, na fabricação de plásticos, pode ser importante entender a importância da variação anual da temperatura na qualidade. Um supervisor de linha de produção poderia analisar anos de dados antigos ​​sobre anomalias e variações, e ver se eles foram seguidos por interrupções subsequentes para, assim, permitir a manutenção preditiva.

Na parte 2 deste artigo, será feita uma tentativa de examinar o mérito a ser obtido com o uso de Big Data pela indústria de manufatura e os problemas que possam surgir dentro das empresas devido ao seu uso. O uso do Big Data avançará na indústria manufatureira apesar do custo de introdução e sua complexidade?

Fonte:https://www.renesas.com/br/en/about/edge-magazine/global/13-big-data.html

Sobre o autor

Equipe Conteúdo Cetax

Comentar

Posts recentes

Comentários

Arquivos

Categorias

Meta