{"id":7129,"date":"2024-01-04T14:19:33","date_gmt":"2024-01-04T14:19:33","guid":{"rendered":"https:\/\/www.novotek.com\/dk\/?post_type=insights&p=7129"},"modified":"2024-06-13T13:32:50","modified_gmt":"2024-06-13T13:32:50","slug":"7-trin-til-at-goere-industrielle-data-brugbare","status":"publish","type":"insights","link":"https:\/\/www.novotek.com\/dk\/insight\/7-trin-til-at-goere-industrielle-data-brugbare\/","title":{"rendered":"7 trin til at g\u00f8re industrielle data brugbare"},"content":{"rendered":"
\n
\"G\u00f8r<\/figure>\n<\/div>\n\n
\n

Af John Harrington, Co-Founder & Chief Product Officer, HighByte<\/a><\/em><\/strong><\/p>\n<\/div>\n\n

\n

Et moderne industrianl\u00e6g kan nemt producere en terabyte data hver dag. Med udbredelsen af sensorer og dashboarding i realtid, kunstig intelligens og maskinl\u00e6ringsteknologier burde vi se enorme produktivitetsgevinster. Uplanlagt vedligeholdelse af aktiver og produktionslinjer burde v\u00e6re for\u00e6ldet.<\/p>\n<\/div>\n\n

\n

Dette er dog ikke tilf\u00e6ldet. Adgang til data betyder ikke, at det er brugbart. Industriel data er meget r\u00e5 og skal g\u00f8res form\u00e5lsegnede for at udvinde deres sande v\u00e6rdi. Ydermere skal de v\u00e6rkt\u00f8jer, der bruges til at g\u00f8re data egnede til form\u00e5let, fungere i samme skala som et industrianl\u00e6g.<\/p>\n<\/div>\n\n

\n

Med disse fakta i tankerne har jeg skrevet en praktisk syv-trins guide til producenter og andre industrivirksomheder for at g\u00f8re deres data egnede til form\u00e5let.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Begynd med Use Casen<\/h2>\n<\/div>\n\n
\n

Alle informationsteknologi (IT) og Operation Technology (OT) projekter b\u00f8r begynde med klare use cases og forretningsm\u00e5l. De kan fokusere p\u00e5 maskinvedligeholdelse, procesforbedringer eller produktanalyse for at forbedre kvaliteten eller sporbarheden for at n\u00e6vne nogle f\u00e5. S\u00f8rg for, at de rigtige tv\u00e6rfunktionelle interessenter deltager i og prioriterer projektet \u2013 og kan n\u00e5 til enighed om projektets <\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Identificer m\u00e5lsystemerne<\/h2>\n<\/div>\n\n
\n

Dern\u00e6st skal du identificere de m\u00e5lapplikationer, der vil blive brugt til at n\u00e5 disse m\u00e5l. Karakteris\u00e9r m\u00e5lapplikationen ved at dokumentere, hvor applikationen er placeret, hvordan den modtager data, hvilken information den kr\u00e6ver, hvor ofte data skal opdateres, og hvad der f\u00e5r data til at opdatere.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Identific\u00e9r datakilderne<\/h2>\n<\/div>\n\n
\n

Industrielle data er afg\u00f8rende for at h\u00e5ndtere industrielle og forretningsm\u00e6ssige use cases, men det kan v\u00e6re vanskeligt at indsamle, korrelere og standardisere. Du kan lettere forst\u00e5 de specifikke udfordringer som dit projekt vil m\u00f8de, ved at identificere dine datakilder. Dokument\u00e9r hvilke data der er tilg\u00e6ngelige, hvor de er placeret, om de er dynamiske eller statiske, og om data i \u00f8jeblikket er tilg\u00e6ngelige i det korrekte format eller skal udledes f\u00f8r de indtages.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

V\u00e6lg integrationsarkitektur<\/h2>\n<\/div>\n\n
\n

N\u00e5r du bedre forst\u00e5r dine m\u00e5lsystemer og datakilder, kan du bestemme og dokumentere din integrationsarkitektur, hvilket vil kr\u00e6ve, at du v\u00e6lger mellem at lave direkte API-forbindelser eller implementere en integrationshub (s\u00e5som HighByte Intelligence Hub<\/strong><\/a>). For at tr\u00e6ffe dette valg skal du vide, hvor mange applikationer der skal integreres, om dit udstyr og sensordata kr\u00e6ver kuratering og forberedelse, og hvor ofte dit fabriksudstyr og -systemer \u00e6ndres. Jeg vil g\u00e5 mere i dybden med dette emne i mit n\u00e6ste blogindl\u00e6g.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Etabl\u00e9r sikre forbindelser<\/h2>\n<\/div>\n\n
\n

N\u00e5r projektplanen er p\u00e5 plads, kan systemintegration p\u00e5begyndes ved at etablere sikre forbindelser til kilde- og m\u00e5lsystemerne. Forst\u00e5 de protokoller, du vil arbejde med (\u00e5ben vs lukket) og de sikkerhedsrisici og -fordele, de giver. Sikkerhed handler ikke kun om brugernavne, adgangskoder, kryptering og autentificering, men ogs\u00e5 om integrationsarkitektur. Protokoller som MQTT<\/a> kr\u00e6ver kun udg\u00e5ende \u00e5bninger i firewalls, hvilket sikkerhedsteam foretr\u00e6kker, fordi hackere ikke er i stand til at udnytte protokollen til at komme p\u00e5 interne netv\u00e6rk. Selvom sikkerhed nogle gange tidligere har skabt sp\u00e6ndinger mellem IT- og OT-teams, er sikring af et sikkert netv\u00e6rk faktisk en fantastisk mulighed for disse to funktioner til at samarbejde og tilf\u00f8je v\u00e6rdi til projektet, n\u00e5r de kan blive enige om f\u00e6lles m\u00e5l.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Modell\u00e9r data<\/h2>\n<\/div>\n\n
\n

Det er afg\u00f8rende at definere de standardmodeller, der kr\u00e6ves i m\u00e5lsystemet for at opfylde projektets forretningsm\u00e5l. Kernen i modellen er de realtidsdata, der kommer fra maskineriet og automationsudstyret. N\u00e5r standardmodellerne er oprettet, b\u00f8r de tilpasses for hvert aktiv, proces og\/eller produkt. Dette er generelt en manuel opgave, men kan accelereres, hvis kortl\u00e6gningen allerede findes i Excel eller andre formater, s\u00e5fremt der er konsistens fra enhed til enhed, der kan kopieres, eller hvis en indl\u00e6ringsalgoritme kan anvendes.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

L\u00e6s mere om datamodellering:<\/strong> Datamodellering: Vejen til effektivitet og innovation<\/a><\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n
\"Trin<\/figure>\n<\/div><\/div><\/div>\n<\/div>\n\n
\n
\n

Flyt data<\/h2>\n<\/div>\n\n
\n

N\u00e5r modelleringen er f\u00e6rdig, skal datastr\u00f8mme etableres og kontrolleres, model for model. Dette g\u00f8res typisk ved at identificere den model, der skal flyttes, m\u00e5lsystemet og frekvensen eller triggeren for bev\u00e6gelsen. Over tid vil datastr\u00f8mme ogs\u00e5 kr\u00e6ve overv\u00e5gning og styring.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n

Opsummering<\/h2>\n<\/div>\n\n
\n

At g\u00f8re industrielle data egnede til form\u00e5let er afg\u00f8rende for producenter, der \u00f8nsker at skalere deres IIoT-projekter og have kontrol over datastyring. Vi h\u00e5ber, at dette indl\u00e6g gav dig praktiske r\u00e5d til at starte dit n\u00e6ste projekt. For mere information om dette emne, download venligst artiklen i fuld l\u00e6ngde, “How to make industrial data fit for purpose”.<\/p>\n<\/div>\n\n

\n
\n Download<\/strong>\n \n

L\u00e6s artiklen i sin fulde l\u00e6ngde (engelsk).<\/p>\n<\/div>\n \n