{"id":11871,"date":"2023-09-26T08:52:43","date_gmt":"2023-09-26T08:52:43","guid":{"rendered":"https:\/\/www.novotek.com\/no\/?post_type=insights&p=11871"},"modified":"2025-12-08T14:03:14","modified_gmt":"2025-12-08T14:03:14","slug":"hva-er-industriell-datamodellering","status":"publish","type":"insights","link":"https:\/\/www.novotek.com\/no\/insight\/hva-er-industriell-datamodellering\/","title":{"rendered":"Hva er industriell datamodellering?"},"content":{"rendered":"
\n
\"Bildet<\/figure>\n<\/div>\n\n
\n

Data er det nye gullet, spesielt i industrien. I et produksjonsanlegg genererer maskiner og utstyr kontinuerlig enorme mengder data som inneholder nyttig informasjon. Utfordringen er at denne informasjonen ofte er vanskelig \u00e5 trekke ut, fordi dataene presenteres p\u00e5 forskjellige m\u00e5ter. Vanligvis har datatagger fra ulike datakilder forskjellige m\u00e5leenheter og pr\u00f8vefrekvenser. For \u00e5 kunne sammenligne disse dataene er det derfor n\u00f8dvendig \u00e5 modellere dem f\u00f8rst.<\/p>\n<\/div>\n\n

\n

Hva er en datamodell?<\/h2>\n<\/div>\n\n
\n

En datamodell er en definisjon som beskriver et stykke informasjon, og er grunnlaget for standardisering av r\u00e5 inputdata. Informasjonen kan ha mange forskjellige attributter, – noen attributter inneholder sanntidsdata og r\u00e5 driftsdata, mens andre definerer disse dataene. Sistnevnte gir kontekst, og kan f.eks. beskrive datakilde, m\u00e5leenhet, min- og maksomr\u00e5der, eller annet som gir informasjon om utstyr, prosesser og systemer.<\/p>\n<\/div>\n\n

\n

Variasjoner i industrielle data<\/h2>\n<\/div>\n\n
\n

Ulike datakilder<\/h3>\n<\/div>\n\n
\n

All OT-data har \u00e9n ting til felles: Den kommer nesten alltid fra forskjellige datakilder. Anleggets kontrollsystemer utvikler seg over tid, og ofte finner man utstyr og systemer fra forskjellige leverand\u00f8rer. Selv om kommunikasjonsstandarder som OPC og MQTT blir brukt mer og mer, er det fortsatt store forskjeller i tolkningen av disse standardene. En sentral OPC-server er derfor f\u00f8rste steg mot \u00e5 gj\u00f8re prosessdataene dine tilgjengelige.<\/p>\n<\/div>\n\n

\n

Ulike datatyper og enheter<\/h3>\n<\/div>\n\n
\n

Det er mange forskjellige typer data \u00e5 forholde seg til. Vi skiller mellom digitale signaler, som for eksempel p\u00e5\/av, og analoge signaler, som temperaturm\u00e5linger. For \u00e5 kunne gj\u00f8re en sammenligning av to eller flere signaler b\u00f8r de v\u00e6re av samme datatype. Dette krever at en konvertering av dataene gj\u00f8res p\u00e5 et bestemt sted.<\/p>\n<\/div>\n\n

\n

Ulike samplingsfrekvenser<\/h3>\n<\/div>\n\n
\n

Digitalisering av m\u00e5linger inneb\u00e6rer at de tas med en viss frekvens. Ofte er det klienten som bestemmer hvor ofte dataene skal samples. Utfordringene er at disse frekvensene ikke alltid er like. Hvordan kan du sammenligne en m\u00e5ling som gj\u00f8res hvert minutt med en m\u00e5ling som gj\u00f8res hvert sekund? P\u00e5 et tidspunkt vil interpolering eller ekstrapolering av m\u00e5linger m\u00e5tte gj\u00f8res for \u00e5 utjevne dette.<\/p>\n<\/div>\n\n

\n

Ulike typer adressering<\/h3>\n<\/div>\n\n
\n

Hvert datapunkt i et anlegg eller fabrikk har en unik adressering, eller navn. Fordi produksjonsanlegg gjerne har titusenvis av datapunkter, er denne adresseringen ofte kompleks. PLS- og SCADA-programmererne kan vanligvis forst\u00e5 dette, men for IT-ingeni\u00f8ren som \u00f8nsker \u00e5 jobbe med dataene er det vanskeligere. Han\/hun m\u00e5 derfor bruke mye tid i forkant p\u00e5 \u00e5 klargj\u00f8re dataene, f\u00f8r selve arbeidet kan starte.<\/p>\n<\/div>\n\n

\n

Hvorfor er datamodellering viktig? <\/h2>\n<\/div>\n\n
\n

Datamodellering gj\u00f8r det mulig \u00e5 standardisere informasjon og kategorisere hvordan data trekkes sammen. Dette gir mulighet for interoperabilitet og deling av informasjon p\u00e5 tvers av ulike applikasjoner, og gir en \u00absingle source of truth\u00bb for personell i ulike roller med ulik kunnskap, som bruker dataene p\u00e5 forskjellig m\u00e5te. <\/p>\n<\/div>\n\n

\n

Med riktig datamodellering vil personell i ulike roller kunne se dataene og raskt forst\u00e5 kilden, strukturen og hva modellen representerer (f.eks. en pumpe eller produksjonslinje). Det er denne konteksten som gj\u00f8r datamodellering viktig. OT-personell kan styre hvilke roller som f\u00e5r tilgang til hvilke data og n\u00e5r, slik at alle brukere f\u00e5r tilgang til informasjonen de trenger, og kan bruke den til \u00e5 optimalisere produksjonsprosessen.<\/p>\n<\/div>\n\n

\n

Et slikt system er fremdeles nytt for mange bedrifter, – men vil gi store fordeler. Vi leverer kommunikasjonsl\u00f8sninger som DataOps<\/a><\/strong> fra HighByte<\/a> <\/strong>og OPC Server<\/a><\/strong> som kan hjelpe deg i gang. <\/p>\n<\/div>\n\n

\n
\"HighByte<\/figure>
\n

Make Your Industrial Data Useful<\/h2>\n<\/div>\n\n
\n

Last ned HighBytes solution brief for \u00e5 l\u00e6re mer om industriell DataOps. <\/p>\n<\/div>\n\n