De qué forma el IIoT puede recuperar datos valiosos que se encuentran dispersos y poco accesibles

Fecha de publicación
Cateogría del artículo Tecnología
Visualizaciones del artículo Leído  1432  veces
Tags del artículo

Michael Condon de Emerson identifica las razones más comunes por los cuales los sistemas de automatización producen datos que se encuentran dispersos y poco accesibles, y cómo puede simplificarse el acceso a esta valiosa información mediante una solución IIoT edge-to-cloud

De qué forma el IIoT puede recuperar datos valiosos que se encuentran dispersos y poco accesibles

Los sistemas de automatización generan una enorme cantidad de datos que pueden utilizarse para mejorar los resultados comerciales, pero solo si es posible acceder a ellos, administrarlos y analizarlos de forma eficaz. Desafortunadamente, estos valiosos datos a menudo permanecen inaccesibles debido a una variedad de razones técnicas y comerciales. Las arquitecturas más recientes están cambiando esta insatisfactoria situación al combinar la flexibilidad y capacidad del Edge Computing con el Cloud Computing, lo que hace que analizar estos datos, obtener nuevos conocimientos y poner los resultados a disposición de las partes interesadas sea no solo posible sino también práctico. Este artículo identifica algunas de las razones más comunes por las que las organizaciones tienen dificultades con el acceso a los datos dispersos y poco accesibles y cómo una solución moderna de IIoT Edge-to-Cloud facilita el proceso de acceder a estos datos y utilizarlos.

Cómo la infraestructura existente causa datos dispersos y poco accesibles

Hasta hace poco, la mayoría de los datos de fabricación procedían de PLCs, HMIs, SCADAs y sistemas históricos que se ejecutaban en el ámbito de las tecnologías de operación (OT). Estos sistemas se han centrado en proporcionar control y visibilidad para maximizar la eficiencia de las operaciones y el tiempo de actividad. Por lo tanto, acceder y analizar datos asociados más allá de los objetivos de producción inmediatos es una preocupación secundaria.

La infraestructura OT se ha diseñado y escalado de acuerdo con las necesidades operativas, lo que lleva a opciones como: seleccionar protocolos de comunicación propios que cumplen con los requisitos de rendimiento pero que no permiten flexibilidad e interoperabilidad entre proveedores; minimizar la recopilación de datos de control y de sensores para maximizar la fiabilidad y simplicidad del sistema; e implementar arquitecturas localizadas en planta para minimizar las amenazas de ciberseguridad, y soluciones cerradas para proteger la propiedad intelectual y asegurar la operación fiable de las máquinas, a menudo a expensas de la conectividad.

Los sistemas resultantes funcionan admirablemente en el contexto de sus objetivos operativos, pero sufren de «puntos ciegos» en cuanto a la disponibilidad de los datos y no se benefician de analizar todos los datos potencialmente accesibles.

Dentro del entorno OT, las fuentes de datos parecen estar abiertas, pero en realidad son bastante difíciles de acceder para las aplicaciones que se encuentran fuera de dicho entorno, donde los datos pueden analizarse más fácilmente. Además, muchas fuentes de datos potencialmente valiosas, como las condiciones ambientales, la información de monitorización de la condición y el consumo de servicios, no son necesarias para la producción o para el control del equipo y, por lo tanto, los sistemas de automatización no las recopilan. Las capacidades de análisis de macrodatos continúan expandiéndose, pero la dificultad de acceso a estos datos continúa limitando su potencial.

"Cuando un usuario final o un OEM pueden recuperar estos datos de fuentes de datos tradicionales y transmitirlos a aplicaciones y servicios alojados en la nube, se crea un gran número de oportunidades, como monitorización a distancia, diagnóstico predictivo y análisis de causa raíz, planificación entre máquinas, plantas e instalaciones", explica Michael Condon de Emerson

Tipos de datos dispersos y poco accesibles

Estos datos dispersos y poco accesibles existen en muchas formas, pueden originarse en las máquinas, la planta de producción y otros sistemas que forman parte de las OT, o que gestionan el BOP. Estos datos pueden ser tan simples como una sola lectura de temperatura, o tan amplios como un registro de datos históricos que identifique la cantidad de veces que un operador reconoció una alerta. Entre los tipos más comunes de estos datos se encuentran:

Aislados: activos de una instalación que no tienen acceso de red a ningún sistema de OT o IT. Este es el caso más simple, aunque no es necesariamente el más fácil de resolver. Imagine un transmisor de temperatura independiente con conectividad de 4 a 20 mA o incluso con capacidad Modbus. Necesita conectarse con algún tipo de dispositivo edge (PLC, controlador edge, Gateway u otro) para que este flujo de datos sea accesible. En muchos casos, los datos no son indispensables para el control de la máquina, por lo que no están disponibles a través de fuentes de datos tradicionales como antiguos PLC/SCADA. Extraer los datos a través del PLC de la máquina más cercana corre el riesgo de invalidar las garantías del fabricante de esta máquina debido a los cambios necesarios en la lógica de programación.

Ignorados: activos conectados con sistemas OT y de generación de datos, pero en los que no se consumen los datos. Muchos dispositivos edge inteligentes proporcionan datos básicos y avanzados. Un monitor inteligente de energía puede dar información básica como voltios, amperios, kilovatios, kilovatios-hora y otros, utilizando protocolos de comunicación industriales o programados. Pero es posible que no se transmitan paquetes de datos más profundos, como la distorsión armónica total (THD, por sus siglas en inglés), debido a una falta de requerimientos de diseño, comunicaciones con poco ancho de banda o capacidad limitada de almacenamiento de datos del sistema. Los datos están ahí, pero nunca se accede a ellos.

La nube también evita al usuario los problemas derivados de configurar los sistemas de hardware y software IT, además de los problemas de implementación, administración, rendimiento, seguridad y actualizaciones de estos sistemas

Sub-muestreados: activos que generan datos pero que se muestrean a una velocidad insuficiente. Incluso cuando un dispositivo inteligente proporciona datos a los sistemas de supervisión a través de algún tipo de bus de comunicación, la velocidad de muestreo puede ser demasiado baja, o la latencia puede ser excesiva, o el paquete de datos puede ser tan grande que los resultados no se obtienen en un formato utilizable. A veces, puede ocurrir que se resumen los datos antes de que se publiquen, lo que genera una pérdida de fidelidad.

Inaccesibles: activos que generan datos (a menudo no relacionados con procesos, pero aun así importantes para aspectos como diagnósticos) aunque en un formato generalmente inaccesible o no disponible a través de los sistemas industriales tradicionales. Algunos dispositivos inteligentes tienen sistemas de datos integrados, como registros de errores, que no pueden comunicarse a través de protocolos de comunicación estándar pero que, sin embargo, serían muy útiles para analizar incidencias que causaron tiempo de inactividad.

No digitalizados: el personal genera datos manualmente en papel, portapapeles y pizarras, y se pierde la oportunidad de captar esta información en formato digital. En muchas empresas, los trabajadores cumplimentan formularios de pruebas e inspecciones y otros documentos similares sobre calidad en formato papel, y no tienen mecanismos para integrar esta información en registros digitales. Un enfoque más moderno utiliza métodos digitales para recopilar estos datos, lo que lleva a una «planta sin papel».

Obtener valor llevando a la nube los datos obtenidos en el edge

Los datos dispersos y poco accesibles son de gran interés para las organizaciones que desean analizar el rendimiento operativo en toda una planta de producción o en varias instalaciones. Buscan soluciones para transmitir estos datos desde campo a la nube para registrarlos, visualizarlos, procesarlos y analizarlos en más profundidad. Esta conectividad, especialmente con los sistemas IT empresariales de alto nivel de planta y basados en la nube, es necesaria para que muchos datos obtenidos en el edge puedan ser historizados y analizados, a fin de obtener resultados analíticos más profundos y a más largo plazo, mucho más allá de lo que normalmente se realiza con objetivos orientados a la producción a corto plazo.

Cuando un usuario final o un OEM pueden recuperar estos datos de fuentes de datos tradicionales y transmitirlos a aplicaciones y servicios alojados en la nube, se crea un gran número de oportunidades, como monitorización a distancia, diagnóstico predictivo y análisis de causa raíz, planificación entre máquinas, plantas e instalaciones, análisis de datos a largo plazo, análisis de activos similares dentro de la planta y entre múltiples plantas, gestión de parques de equipos, análisis de datos entre dominios (deep learning), información de cuellos de botella en la producción e identificación de dónde se originan los defectos del proceso, incluso si no se detectan hasta más adelante en el proceso de producción.

Crear una solución edge

El propósito de las iniciativas de IIoT es resolver los desafíos que presentan los datos dispersos y poco accesibles y llevar de manera eficaz los datos desde el edge a la nube, donde puedan analizarse. Las soluciones de IIoT incorporan tecnologías de hardware en campo, software corriendo tanto en el edge como en la nube y protocolos de comunicaciones, todos ellos integrados y diseñados de manera efectiva para transmitir datos de manera segura y eficiente para análisis y otros usos.

Las soluciones de conectividad edge adoptan diferentes formas, por ejemplo, PLCs grandes o compactos listos para conectarse con PCs industriales (IPC) que ejecutan aplicaciones SCADA o paquetes de software edge; controladores edge o IPCs que ejecutan aplicaciones SCADA o paquetes de software Edge.

Las soluciones edge pueden ser una parte integral de los sistemas de automatización o instalarse en paralelo para monitorizar los datos que los sistemas de automatización no necesitan. Muchos usuarios prefieren este último enfoque porque les permite obtener los datos necesarios sin afectar los sistemas de producción existentes. Sin embargo, la clave es que estas nuevas capacidades digitales pueden conectarse con todas las formas de estos datos previamente identificadas.

Las soluciones de conectividad edge adoptan diferentes formas, por ejemplo, PLCs grandes o compactos listos para conectarse con PCs industriales (IPC) que ejecutan aplicaciones SCADA o paquetes de software edge; controladores edge o IPCs que ejecutan aplicaciones SCADA o paquetes de software Edge. El hardware implementado en el edge puede necesitar E/S cableadas y/o protocolos de comunicación industrial para interactuar con todas las fuentes de datos en el edge. Una vez que se obtienen los datos, puede ser necesario preprocesarlos o, al menos, organizarlos agregando contexto. Mantener el contexto es particularmente importante en entornos de fabricación donde hay cientos o miles de sensores discretos que monitorizan y ejecutan las acciones mecánicas y físicas de la maquinaria. Los sistemas de software de automatización modernos ayudan a preservar las relaciones entre los datos y el contexto.

Finalmente, se deben transmitir los datos a sistemas de nivel superior, utilizando protocolos como MQTT u OPC UA. La forma en que están evolucionando los estándares actuales de OT/IT garantiza la coherencia y la futura flexibilidad de los datos y las comunicaciones. Es importante que las soluciones sean flexibles a la vez que cumplen con los estándares, a diferencia de las configuraciones personalizadas que serán imposibles de mantener a largo plazo. Una vez que se implementa una solución edge y se pueden obtener los datos, el siguiente paso es hacerlos accesibles a los sistemas ITde nivel superior alojados en la nube, a través de comunicaciones fluidas.

Conectar el edge con la nube

Alojar el software en la nube ofrece una variedad de beneficios, entre los que se incluyen los costes reducidos, ya que el usuario paga solo por lo que usa y evita invertir en comprar y administrar infraestructuras de IT. La computación en la nube se denomina a veces entorno de "computación elástica" porque si se necesitan más recursos informáticos o de datos, es posible añadirlos en tiempo real según sea necesario.

La nube también evita al usuario los problemas derivados de configurar los sistemas de hardware y software IT, además de los problemas de implementación, administración, rendimiento, seguridad y actualizaciones de estos sistemas. Los recursos pueden dedicarse a perseguir los objetivos principales relacionados con el negocio.

Algo que es muy importante es que la nube proporciona la capacidad de procesar grandes paquetes de datos de manera eficiente con el escalado de la potencia de procesamiento de las CPU en función de las necesidades de análisis. Es posible tener accesibilidad y poder acceder a los datos desde cualquier lugar y en cualquier momento utilizando cualquier dispositivo que tenga un navegador web.

La seguridad de los datos se puede mejorar utilizando diferentes servidores para el almacenamiento, con opciones de copia de seguridad y recuperación. Es posible un desarrollo más rápido, con plataformas que pueden estar operativas inmediatamente, necesitando solo una conexión a internet y credenciales de acceso.

Una arquitectura en la nube se adapta particularmente bien a las necesidades de las organizaciones al implementar proyectos de datos de IIoT. La nube es la infraestructura que habilita muchos proyectos de IIoT, y la combinación de estas dos tecnologías permite interacciones innovadoras entre seres humanos, objetos y máquinas, creando nuevos modelos de negocio basados en productos y servicios inteligentes.

Conclusiones

Los datos dispersos y poco accesibles son una realidad extremadamente común en las plantas de fabricación y de producción de todo el mundo. Son el desafortunado resultado de tecnologías obsoletas incapaces de manejar los datos, y de filosofías de diseño tradicionales que se centran en la funcionalidad básica a expensas de la conectividad de datos. Hace muy poco que la importancia y el valor de analizar macrodatos se han convertido en un tema de interés general, y los usuarios finales se están esforzando por integrar esta capacidad en nuevos sistemas e incorporarla a las operaciones existentes.

La conectividad de datos Edge-to-Cloud aporta valor en muchas formas de visualización, registro, procesamiento y análisis más profundo. Cualquier solución IIoT que conecte datos entre OT e IT se basa en capacidades digitales que pueden interactuar con elementos de automatización tradicionales, como PLCs, o que pueden conectarse directamente a las fuentes de datos en paralelo a cualquier sistema existente. Estos recursos edge deben ser capaces de preprocesar los datos hasta un cierto punto y agregar contexto y, seguidamente, transmitirlos a los sistemas en la nube para posterior análisis.

Descargas