{"id":6607,"date":"2022-01-13T07:38:00","date_gmt":"2022-01-13T07:38:00","guid":{"rendered":"https:\/\/www.novotek.com\/no\/?post_type=insights&p=6607"},"modified":"2025-07-04T08:14:20","modified_gmt":"2025-07-04T08:14:20","slug":"fire-praktiske-use-cases-for-industriell-dataops","status":"publish","type":"insights","link":"https:\/\/www.novotek.com\/no\/insight\/fire-praktiske-use-cases-for-industriell-dataops\/","title":{"rendered":"Fire praktiske use cases for industriell DataOps"},"content":{"rendered":"
\n

Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.<\/p>\n<\/div>\n\n

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

De fleste produksjonsbedrifter kjenner til fordelene ved \u00e5 utnytte industrielle data for \u00e5 forbedre produksjonen og spare kostnader. Mange har allerede testet i liten skala, men utfordringen er \u00e5 oppskalere funksjonene til \u00e5 inkludere hele anlegget. Det er flere \u00e5rsaker til dette. Integrasjonsprosjekter kan v\u00e6re tidkrevende og dyre, bedriften er bekymret for \u00e5 utsette driftssystemer for cybertrusler, og de mangler ansatte med de rette ferdighetene for \u00e5 kunne gjennomf\u00f8re prosjektet. <\/p>\n<\/div>\n\n

\n

Bakgrunnen for utfordringene er at det er vanskelig \u00e5 integrere datastr\u00f8mmer p\u00e5 tvers av applikasjoner. Dette gjelder spesielt milj\u00f8er med mange ulike systemer, fra ulike leverand\u00f8rer, som er bygd opp med tilpasset koding og skripting. Standardisering av datamodeller, flows og nettverk er hardt arbeid. I motsetning til et kontormilj\u00f8 med en h\u00e5ndfull systemer og databaser, kan en fabrikk eller anlegg ha hundrevis av datakilder. Disse er fordelt p\u00e5 maskinkontrollere, PLS\u2019er, sensorer, servere, databaser, SCADA-systemer og historians, – bare for \u00e5 nevne noen. <\/p>\n<\/div>\n\n

\n

Industriell DataOps er en ny tiln\u00e6rming til dataintegrasjon og administrasjon. L\u00f8sningen gir et programvareverkt\u00f8y for dokumentering, styring og sikring av data, – fra detaljniv\u00e5 p\u00e5 hver enkelt maskin, til hele linjer og anlegg, og opp p\u00e5 bedriftsniv\u00e5. Industriell DataOps kommer med et eget dataabstraksjonslag, eller hub. Dette s\u00f8rger for sikker innsamling og distribusjon av standard datamodeller p\u00e5 tvers av lokale og skybaserte applikasjoner. <\/p>\n<\/div>\n\n

\n
\"HighByte
Modellen viser hvordan data samles inn fra ulike systemer og utstyr, til en hub hvor dataene standardiseres.<\/figcaption><\/figure>\n<\/div><\/div>\n\n
\n

De fire use casene nedenfor illustrerer hvordan industriell DataOps kan integrere operasjonssystemene med IT-systemene dine, i tillegg til eksterne leverand\u00f8rer.<\/p>\n<\/div>\n\n

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

1. \u00abJeg m\u00e5 akselerere og skalere bruken av Analytics\u00bb<\/h2>\n<\/div>\n\n
\n

La oss si du har flere linjer med spr\u00f8ytemaskiner. Du vil kj\u00f8re analyse som sammenligner 20 datapunkter fra hver linje for \u00e5 m\u00e5le KPI\u2019er og OEE, for \u00e5 optimalisere ytelsen p\u00e5 alle linjene. Problemet er at maskineriet er fra ulike leverand\u00f8rer, og kj\u00f8pt med ti\u00e5rs mellomrom. Kontrollerne er ogs\u00e5 fra ulike leverand\u00f8rer, og har blitt modifisert og tilpasset gjennom \u00e5rene, – i likhet med databasene de er koblet til.<\/p>\n<\/div>\n\n

\n

Til tross for fors\u00f8k p\u00e5 \u00e5 standardisere og integrere kritiske aspekter ved denne infrastrukturen, varierer konteksten og datastrukturene. Selv om alle bruker trykk-, temperatur- og optiske sensorer, varierer leverand\u00f8rer, teknologier, kommunikasjonsprotokoller og til og med m\u00e5leenheter. <\/p>\n<\/div>\n\n

\n

\u00c5 ta fatt p\u00e5 et \u00abfjern-og-erstatt\u00bb-prosjekt er b\u00e5de kostbart og f\u00f8rer til nedetid, og \u00e5 skrive tilpasset kode er tidkrevende. I stedet kan maskinenes OPC UA-tagger kobles til standard informasjonsmodeller i en industriell DataOps-hub. Huben kj\u00f8rer p\u00e5 en rekke plattformer \u00abon edge\u00bb, fra en single-board IoT gateway, Raspberry Pi og industrial switch, til en hvilken som helst Linux-enhet gjennom Windows 10 og Windows Server-plattformer. For skalerbarhet, isolasjon og sikkerhet, kan huber installeres p\u00e5 maskin-, linje- eller anleggsniv\u00e5.<\/p>\n<\/div>\n\n

\n

N\u00e5 har spr\u00f8ytemaskinene str\u00f8mlinjeformet, optimalisert data. OT-personell kan enkelt levere data videre til lokale systemer i nettverket, eller til Data Scientists som er avhengig av skybaserte systemer for AI og annen avansert analyse. Datamodeller er fullstendig kontekstualiserte og standardiserte f\u00f8r de sendes til skylagring. Det betyr at Data Scientists, som normalt sett bruker 80% av tiden p\u00e5 \u00e5 rense og forberede data, kan komme rett i gang med dataforskning. B\u00e5ndbredden og skylagringen reduseres, og tiden brukt p\u00e5 Analytics akselereres kraftig. <\/p>\n<\/div>\n\n

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

Les ogs\u00e5:<\/strong> Slik gj\u00f8r du industriell data egnet til ditt bruk<\/a><\/p>\n<\/div>\n\n

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

2. \u00abJeg trenger ekstern visualisering, og vil utf\u00f8re analyse p\u00e5 tvers av flere anlegg.\u00bb <\/h2>\n<\/div>\n\n
\n

I industrier som papir og masse er datastr\u00f8mmer fra de forskjellige delene av prosessen ulike. Fra \u00abv\u00e5te\u00bb kontinuerlige prosesser, til hybrid batch og emballasjeprosesser. Det samme gjelder bransjer som kjemikalier og n\u00e6ringsmiddel. <\/p>\n<\/div>\n\n

\n

Denne type produksjon byr p\u00e5 flere utfordringer. Data m\u00e5 integreres fra flere systemer p\u00e5 tvers av anlegg, og bedriften er avhengig av tekniske support-team p\u00e5 hvert sted. Mange bedrifter velger derfor \u00e5 ha ett, sentralt ingeni\u00f8r- og IT-team. Dette teamet trenger tilgang til data for \u00e5 kunne overv\u00e5ke, vedlikeholde og optimalisere ressurser for \u00e5 oppfylle bedriftsomfattende m\u00e5l. <\/p>\n<\/div>\n\n

\n

For \u00e5 kunne gj\u00f8re analyse p\u00e5 dette niv\u00e5et definerer det sentrale ingeni\u00f8r- og IT-temaet enhetlige modeller, og sender dem til de ulike anleggene. Der kan OT-personell installere modellene i en edge-native industriell DataOps-hub. <\/p>\n<\/div>\n\n

\n

Ingeni\u00f8rer kartlegger sine lokale datapunkter til standardmodellene etter hvert som systemer endres eller legges til. Dersom et nytt anlegg anskaffes, kan data ogs\u00e5 enkelt kartlegges til modellene. Som resultat unng\u00e5r bedriften nedetid for\u00e5rsaket av tradisjonelle metoder eller \u00abfjern- og erstatt\u00bb-prosjekter.<\/p>\n<\/div>\n\n

\n

N\u00e5 kan operative brukere fylle ut datamodeller og opprettholde forbindelser uten \u00e5 skrive en eneste linje med kode, mens Data Scientists mottar enhetlige data av h\u00f8y kvalitet. Analytics-syklustiden akselererer, og vi er i gang med digital transformasjon p\u00e5 bedriftsniv\u00e5.<\/p>\n<\/div>\n\n

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

3. \u00abJeg trenger \u00e5 distribuere industriell data til flere bedriftssystemer.\u00bb<\/h2>\n<\/div>\n\n
\n

Produksjonsbedrifter kan ikke kun sende data vertikalt fra sanntidssystemer til hovedkontoret. Datastr\u00f8mmer m\u00e5 kunne bevege seg p\u00e5 tvers av ulike anlegg- og bedriftssystemer. Disse systemene inkluderer SCADA, MES, ERP, laboratorier\/systemer for kvalitetssjekk, oversikt over ressurser, vedlikeholdssystemer, overv\u00e5kning av cybertrusler, ulike dashbord, regnearkapplikasjoner, og selvsagt IIoT-infrastruktur som muliggj\u00f8r Analytics, Machine Learning og AI. <\/p>\n<\/div>\n\n

\n

I flere ti\u00e5r har integrasjoner blitt gjort med API\u2019er og tilpasset koding\/skripting fra applikasjon til applikasjon, i stedet for et enhetlig milj\u00f8 som alle datakilder flyter gjennom. Denne tiln\u00e6rmingen til API\u2019er begraver koden inne i applikasjonen, og gj\u00f8r integrasjonen vanskelig \u00e5 vedlikeholde. Uunng\u00e5elige endringer i produkter, automatisering og bedriftssystemer kan \u00abbryte\u00bb integrasjoner. Dette kan resultere i uoppdagede d\u00e5rlige, eller manglende data i flere uker eller m\u00e5neder. <\/p>\n<\/div>\n\n

\n

Industriell DataOps forhindrer at slike sammenbrudd oppst\u00e5r fordi integrasjoner ikke lenger skjuler seg i tilpasset kode mellom applikasjoner. I stedet vedlikeholdes alle gjennom en l\u00f8sning som gir et felles abstraksjonslag. Med systemer koblet sammen gjennom \u00e9n enkelt integrasjonshub, f\u00e5r OT-personell et fleksibelt milj\u00f8, hvor de proaktivt kan administrere og distribuere data. <\/p>\n<\/div>\n\n

\n

N\u00e5 har bedriften en raskere, enklere og mer robust m\u00e5te \u00e5 etablere og vedlikeholde integrasjoner, med en l\u00f8sning som gir datasynlighet, vedlikehold, dokumentasjon, styring og sikkerhet. <\/p>\n<\/div>\n\n

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

4. \u00abJeg m\u00e5 trygt gi kundene data fra maskinene mine.\u00bb<\/h2>\n<\/div>\n\n
\n

Maskinbyggere st\u00e5r overfor kontinuerlige utfordringer med \u00e5 redusere tid og kostnader som brukes p\u00e5 \u00e5 utvikle, integrere og vedlikeholde maskiner. Smidighet og fleksibilitet er n\u00f8kkelen til \u00e5 forhindre tid- og kostnadsoverskridelser. Dette er spesielt viktig n\u00e5r systemene skal integreres med utstyr som transport\u00f8rer, roboter, drivere og HMI\/SCADA-systemer p\u00e5 kundens anlegg. Tradisjonelt sett innebar denne integrasjonen \u00e5 tilpasse maskinkode eller ladder logic-programmering for \u00e5 kunne st\u00f8tte kundens systemer, – eller \u00e5 be kunden om \u00ab\u00e5 finne ut av det\u00bb.<\/p>\n<\/div>\n\n

\n

N\u00e5, med industriell DataOps, kan leverand\u00f8ren standardisere programmeringen, og utf\u00f8re de n\u00f8dvendige tilpasningene gjennom informasjonsmodellering i huben. N\u00e5r kunden trenger \u00e5 sende \u00abdisse fem datapunktene til SCADA-systemet, disse ti til MES-systemet, og disse syv til skyl\u00f8sning koblet mot bedriftssystemet\u00bb, vil leverand\u00f8rer enkelt v\u00e6re i stand til \u00e5 definere modellene og rute informasjonen.<\/p>\n<\/div>\n\n

\n

Med Industriell DataOps kan maskinbyggere koble seg mot produksjonskunders huber, og dermed mot HMI\/SCADA, MES og andre systemer. Muligheten til \u00e5 tilby fjernoverv\u00e5kning, diagnostikk, OEE og prediktivt vedlikehold i alle skalaer gir stor verdi til kundeforholdet. <\/p>\n<\/div>\n\n

\n

N\u00e5r informasjon er i en standardform som er enkel \u00e5 vedlikeholde, f\u00e5r alle parter bredere integrasjon. Enten det er p\u00e5 ett enkelt anlegg, flere anlegg, eller eksternt gjennom bedriftsorganisasjonen eller eksterne partnere.<\/p>\n<\/div>\n\n

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

Artikkelen er originalt skrevet av John Harrington ved HighByte. Les den her.<\/a><\/strong> <\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"

Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.<\/p>\n","protected":false},"featured_media":0,"template":"","insight_category":[22],"class_list":["post-6607","insights","type-insights","status-publish","hentry","insight_category-dataops"],"acf":[],"yoast_head":"\nFire praktiske use cases for industriell DataOps - Novotek Norge<\/title>\n<meta name=\"description\" content=\"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops\" \/>\n<meta property=\"og:locale\" content=\"nb_NO\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Fire praktiske use cases for industriell DataOps - Novotek Norge\" \/>\n<meta property=\"og:description\" content=\"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops\" \/>\n<meta property=\"og:site_name\" content=\"Novotek Norge\" \/>\n<meta property=\"article:modified_time\" content=\"2025-07-04T08:14:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Insights\/2022\/DataOps_use_cases\/Data_storage_1920x800.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"800\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ansl. lesetid\" \/>\n\t<meta name=\"twitter:data1\" content=\"7 minutter\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/insight\\\/fire-praktiske-use-cases-for-industriell-dataops\\\/\",\"url\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops\",\"name\":\"Fire praktiske use cases for industriell DataOps - Novotek Norge\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/wp-content\\\/uploads\\\/sites\\\/5\\\/Insights\\\/2022\\\/DataOps_use_cases\\\/Data_storage_1920x800-1024x427.jpg\",\"datePublished\":\"2022-01-13T07:38:00+00:00\",\"dateModified\":\"2025-07-04T08:14:20+00:00\",\"description\":\"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops#breadcrumb\"},\"inLanguage\":\"nb-NO\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops#primaryimage\",\"url\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/wp-content\\\/uploads\\\/sites\\\/5\\\/Insights\\\/2022\\\/DataOps_use_cases\\\/Data_storage_1920x800.jpg\",\"contentUrl\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/wp-content\\\/uploads\\\/sites\\\/5\\\/Insights\\\/2022\\\/DataOps_use_cases\\\/Data_storage_1920x800.jpg\",\"width\":1920,\"height\":800,\"caption\":\"Data Storage, servere\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.highbyte.com\\\/blog\\\/four-practical-use-cases-for-industrial-dataops#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Fire praktiske use cases for industriell DataOps\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#website\",\"url\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/\",\"name\":\"Novotek Norge\",\"description\":\"Automasjon, digitalisering og Analytics\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"nb-NO\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#organization\",\"name\":\"Novotek AS\",\"url\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/wp-content\\\/uploads\\\/sites\\\/5\\\/Forside\\\/Novotek_logo.png\",\"contentUrl\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/wp-content\\\/uploads\\\/sites\\\/5\\\/Forside\\\/Novotek_logo.png\",\"width\":1200,\"height\":348,\"caption\":\"Novotek AS\"},\"image\":{\"@id\":\"https:\\\/\\\/www.novotek.com\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.linkedin.com\\\/company\\\/novotek-as\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Fire praktiske use cases for industriell DataOps - Novotek Norge","description":"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops","og_locale":"nb_NO","og_type":"article","og_title":"Fire praktiske use cases for industriell DataOps - Novotek Norge","og_description":"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.","og_url":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops","og_site_name":"Novotek Norge","article_modified_time":"2025-07-04T08:14:20+00:00","og_image":[{"width":1920,"height":800,"url":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Insights\/2022\/DataOps_use_cases\/Data_storage_1920x800.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_misc":{"Ansl. lesetid":"7 minutter"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.novotek.com\/no\/insight\/fire-praktiske-use-cases-for-industriell-dataops\/","url":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops","name":"Fire praktiske use cases for industriell DataOps - Novotek Norge","isPartOf":{"@id":"https:\/\/www.novotek.com\/no\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops#primaryimage"},"image":{"@id":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops#primaryimage"},"thumbnailUrl":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Insights\/2022\/DataOps_use_cases\/Data_storage_1920x800-1024x427.jpg","datePublished":"2022-01-13T07:38:00+00:00","dateModified":"2025-07-04T08:14:20+00:00","description":"Bli bedre kjent med hvordan du kan utnytte en industriell DataOps-l\u00f8sning gjennom fire praktiske use cases.","breadcrumb":{"@id":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops#breadcrumb"},"inLanguage":"nb-NO","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops"]}]},{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops#primaryimage","url":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Insights\/2022\/DataOps_use_cases\/Data_storage_1920x800.jpg","contentUrl":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Insights\/2022\/DataOps_use_cases\/Data_storage_1920x800.jpg","width":1920,"height":800,"caption":"Data Storage, servere"},{"@type":"BreadcrumbList","@id":"https:\/\/www.highbyte.com\/blog\/four-practical-use-cases-for-industrial-dataops#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.novotek.com\/no\/"},{"@type":"ListItem","position":2,"name":"Fire praktiske use cases for industriell DataOps"}]},{"@type":"WebSite","@id":"https:\/\/www.novotek.com\/no\/#website","url":"https:\/\/www.novotek.com\/no\/","name":"Novotek Norge","description":"Automasjon, digitalisering og Analytics","publisher":{"@id":"https:\/\/www.novotek.com\/no\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.novotek.com\/no\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"nb-NO"},{"@type":"Organization","@id":"https:\/\/www.novotek.com\/no\/#organization","name":"Novotek AS","url":"https:\/\/www.novotek.com\/no\/","logo":{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/www.novotek.com\/no\/#\/schema\/logo\/image\/","url":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Forside\/Novotek_logo.png","contentUrl":"https:\/\/www.novotek.com\/no\/wp-content\/uploads\/sites\/5\/Forside\/Novotek_logo.png","width":1200,"height":348,"caption":"Novotek AS"},"image":{"@id":"https:\/\/www.novotek.com\/no\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/novotek-as"]}]}},"_links":{"self":[{"href":"https:\/\/www.novotek.com\/no\/wp-json\/wp\/v2\/insights\/6607","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.novotek.com\/no\/wp-json\/wp\/v2\/insights"}],"about":[{"href":"https:\/\/www.novotek.com\/no\/wp-json\/wp\/v2\/types\/insights"}],"wp:attachment":[{"href":"https:\/\/www.novotek.com\/no\/wp-json\/wp\/v2\/media?parent=6607"}],"wp:term":[{"taxonomy":"insight_category","embeddable":true,"href":"https:\/\/www.novotek.com\/no\/wp-json\/wp\/v2\/insight_category?post=6607"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}