Exploitez vos données UNS avec HighByte Intelligence Hub

Une des préoccupations les plus fréquentes que j’entends concernant l’Unified Namespace (UNS) est que l’architecture manque de polyvalence pour répondre à la diversité des consommateurs de données en aval.

Supposons que les équipes qualité, maintenance et procédés collaborent toutes pour soutenir une ligne de production. Les équipes qualité ont besoin des résultats d’inspection, les équipes maintenance ont besoin des données de performance d’actifs, et les ingénieurs procédés ont besoin des paramètres de lots et de processus. Les jeux de données dont ces équipes ont besoin se recoupent partiellement, mais diffèrent également selon les cas d’usage. Ces ingénieurs utilisent différentes applications et services — allant de modules ERP pour la qualité et la maintenance à des plates-formes ML spécialisées dans le cloud — qui nécessitent chacun des structures de données très différentes. Beaucoup de ces applications et services n’interagissent pas facilement avec l’UNS ni avec ses conventions architecturales. Ils ne savent pas toujours dialoguer nativement avec des brokers MQTT — et ce n’est pas forcément souhaitable. Ils ne consomment pas forcément des charges utiles basées sur une hiérarchie d’actifs rigide et sur la publication de données de télémétrie provenant des nœuds de contrôle de processus. Ils peuvent avoir des besoins totalement différents de ce qui avait été envisagé lors de l’installation et de l’intégration de l’automatisation industrielle. Leurs besoins en données peuvent aller bien au-delà de la façon dont l’UNS était initialement conçu et organisé.

HighByte Intelligence Hub peut surmonter ces défis. Grâce à la modélisation des données et aux pipelines, l’Intelligence Hub permet d’exploiter tout le potentiel de l’UNS et de fournir des données manufacturières contextualisées au cloud. Examinons une architecture type pour comprendre comment.

Dans notre architecture d’exemple, nous allons fournir des données exploitables provenant de capteurs, de machines et de systèmes industriels vers des applications cloud via l’UNS.

Historiquement, les consommateurs de données basés dans le cloud ont été difficiles à atteindre pour l’UNS, illustrant ce que l’on appelle souvent le « fossé OT-IT ». Une architecture UNS est idéale pour les systèmes industriels utilisant le modèle publish-subscribe pour échanger des données de télémétrie, mais tout le reste nécessite une couche d’abstraction robuste (la partie de l’UNS où les jeux de données sont assemblés, contextualisés et standardisés). L’Intelligence Hub peut non seulement construire et gouverner l’UNS ; il peut aussi servir d’UNS et s’y abonner, en fournissant des données aux services cloud et autres applications selon leurs exigences uniques. Concrètement, l’Intelligence Hub peut :

Voici l’architecture d’exemple décrite.

Ce diagramme fournit un aperçu du flux de données pour les utilisateurs d’Intelligence Hub exploitant un UNS en parallèle avec AWS et Snowflake. Dans son article Abstraction puts the ‘unified’ in Unified Namespace, mon collègue John Harrington explique les bases de la contextualisation des données machines pour l’UNS. Concentrons-nous ici sur la manière dont Intelligence Hub contextualise les données UNS pour le cloud, en utilisant Snowflake Data Cloud et AWS IoT SiteWise comme exemples.

Snowflake Data Cloud est l’un des systèmes cibles les plus populaires parmi les utilisateurs de HighByte Intelligence Hub. La plateforme Data Cloud permet un partage instantané, simple et sécurisé de données vivantes au sein et entre organisations, avec scalabilité, simultanéité et performance.

Dans les versions précédentes de l’Intelligence Hub, les utilisateurs pouvaient se connecter à Snowflake via des interfaces générales comme JDBC (SQL), MQTT Sparkplug, ou Kafka, ou via un service de stockage objet cloud comme Amazon S3 ou Azure Blob Storage. Avec la version 3.3 d’Intelligence Hub (depuis disponible en 4.2 et plus), HighByte a introduit deux connecteurs Snowflake dédiés : Snowflake Streaming et Snowflake SQL (voir autres fonctionnalités en version 4.2 ). Ces connecteurs permettent d’exploiter toute la puissance du Data Cloud au sein de l’UNS.

Le premier, Snowflake Streaming, utilise l’API Snowpipe Streaming de Snowflake. Lorsqu’un utilisateur publie des données modélisées vers Snowflake, le connecteur crée ou met à jour le schéma de table Snowflake selon le modèle défini dans Intelligence Hub, puis l’alimente avec des données industrielles cohérentes et contextualisées. Cette interface permet une publication directe dans des tables Snowflake sans fichiers de staging, sans tables de staging, ni applications tierces. Cette publication directe réduit le calcul, le stockage, la latence et le coût de l’historisation d’événements de télémétrie fréquents. Idéal pour l’UNS, le connecteur Snowflake Streaming permet de diffuser rapidement et facilement des charges utiles contextualisées, sans devoir maintenir manuellement les définitions dans les systèmes OT et dans Snowflake. C’est un chemin simple et direct entre les applications Snowflake et l’UNS.

Le second connecteur, Snowflake SQL, permet aux utilisateurs d’Intelligence Hub d’interroger directement des tables Snowflake. Plutôt que de seulement publier vers Snowflake, Intelligence Hub peut rendre accessibles aux appareils et applications industriels les informations et le contexte dérivés dans Snowflake. Dans le contexte de l’UNS, cela signifie que des calculs avancés réalisés via des tâches, scripts ou bibliothèques Snowpark peuvent être réinjectés dans un UNS sous forme de KPI, de paramètres avancés de process, ou d’événements destinés à des systèmes SCADA ou HMI.
Par exemple, supposons qu’un fabricant utilise Intelligence Hub pour fournir des données industrielles contextualisées à Snowflake et exécute des workloads ML/IA pour la détection d’anomalies en qualité, maintenance ou ingénierie des procédés. Ces anomalies sont utiles non seulement pour les services IT comme l’informatique décisionnelle, mais aussi pour les services OT sur le terrain, tels que la gestion d’alarmes et les plateformes d’opérations de première ligne. Intelligence Hub peut opérationnaliser ces événements et informations en les rendant disponibles à une grande variété de consommateurs via l’UNS.

AWS IoT SiteWise est un service de base de données orientée actifs pour séries temporelles, qui collecte, modélise, stocke et surveille les données industrielles. La capacité de créer des modèles, actifs et relations dans AWS IoT SiteWise et de les alimenter en données industrielles existe depuis longtemps dans Intelligence Hub. Grâce à ses capacités de modélisation, Intelligence Hub peut normaliser une grande variété de sources de données industrielles en un ensemble cohérent de mesures au sein d’actifs modélisés dans IoT SiteWise.

Fonctionnalité apparue avec la version 3.3 (depuis disponible en 4.2 et plus), les utilisateurs peuvent explorer et cibler l’espace de nommage des actifs IoT SiteWise directement depuis Intelligence Hub, ainsi qu’extraire les modèles, instances et relations sous forme de métadonnées via les nouvelles fonctions d’expression d’instances. Cela peut servir à contextualiser davantage les charges utiles ou à orienter dynamiquement leur livraison.

Fait important, Intelligence Hub peut s’abonner à l’UNS et historiser les données modélisées, une étape nécessaire pour fournir des données d’un UNS vers une base de données temporelle comme IoT SiteWise. Agissant pour le compte du système consommateur, Intelligence Hub collecte les données UNS et les rend facilement ingérables par IoT SiteWise, en les livrant à l’intervalle ou à l’événement optimal avec le bon contexte.

L’architecture UNS continue de gagner en intérêt et en adoption. Malgré l’hétérogénéité des technologies opérationnelles (OT) au sein et entre les secteurs industriels, une architecture UNS permet aux organisations d’harmoniser la distribution des données industrielles en un seul endroit et dans une structure reflétant leur activité. Au lieu d’être limité à la manière dont les solutions OT présentent les données, l’UNS offre la liberté de publier et consommer les données industrielles à la manière dont l’organisation fonctionne réellement.

Si vous souhaitez voir de vos propres yeux ce que l’Intelligence Hub peut faire, rejoignez notre programme d’essai gratuit et contactez un membre de l’équipe Novotek France pour vous guider dans votre évaluation.