Glosár twinzo

Dátové silo

Dátové silo je izolované úložisko informácií, ktoré spravuje jedno oddelenie, organizačná jednotka, podniková aplikácia alebo prevádzkový systém a ostatné časti organizácie k nemu nemajú ľahký prístup. Vo výrobe, logistike a pri návrhu prostredia s digitálnym dvojčaťom sa dátové silá prejavujú ako vzájomne nepripojené softvérové aplikácie, uzavreté hardvérové platformy alebo oddelené dátové architektúry. Zamedzujú komunikácii medzi oddeleniami aj výmene dát v reálnom čase.

Dátové silá zvyčajne vznikajú zo špecifických prevádzkových potrieb, zo starších technologických riešení a z hraníc medzi organizačnými celkami. Systémy prevádzkovej technológie (OT) vo výrobnej hale, napríklad programovateľné logické automaty (PLC), platformy dispečerského riadenia a zberu dát (SCADA) či systémy riadenia výroby (MES), totiž často ukladajú dáta nezávisle od podnikových systémov informačných technológií (IT). Patria medzi ne plánovanie podnikových zdrojov (ERP), systémy riadenia skladu (WMS) a softvér na riadenie dodávateľského reťazca (SCM). Takéto oddelenie obmedzuje prehľad o štruktúre procesov, bráni jednotnej analytike a spomaľuje rozhodovanie v celom hodnotovom reťazci.

Hlavné súčasti

Dátové silá v priemyselnom podniku vznikajú a pretrvávajú z viacerých technických, architektonických a organizačných dôvodov:

Rôznorodé architektúry systémov: V priemyselnom prostredí sa používa široká škála softvérových platforiem a databázových systémov (relačné, časových radov, grafové aj objektovo orientované). Rozdiely v dátových modeloch, schémach a formátoch ukladania vytvárajú technické prekážky, ktoré bránia priamym dotazom aj zdieľaniu dát v reálnom čase.
Nekompatibilné protokoly a rozhrania: Staršie zariadenia OT často komunikujú cez protokoly priemyselnej zbernice (napríklad Modbus, PROFIBUS) alebo vlastné formáty, kým moderné architektúry IT využívajú webové API, REST, MQTT alebo OPC UA. Bez middlewaru alebo konverzie protokolov dáta zostanú uväznené v lokálnych regulačných slučkách.
Organizačné a funkčné hranice: Organizačné jednotky, ako sú nákup, prevádzka závodu, zabezpečenie kvality či logistika vozového parku, často spravujú svoje systémy samostatne. Izoláciu informácií posilňujú pravidlá správy dát jednotlivých oddelení, oddelené rozpočty aj rozdielne priority.
Riadenie prístupu a bezpečnostné politiky: Prísna segmentácia siete (napríklad podľa štandardného Purdueovho modelu pre priemyselnú kybernetickú bezpečnosť) často oddeľuje siete v teréne od podnikovej IT infraštruktúry. Z hľadiska kybernetickej bezpečnosti je to nevyhnutné, no ak chýbajú bezpečné integračné mechanizmy, môžu hranice dátam sťažiť prístup.
Zastaraná infraštruktúra: Hardvér a softvér nasadený pred desaťročiami často nemá vlastné sieťové funkcie, API ani moderné exportné rozhrania, takže dôležité údaje o stave a výkone zariadení zostávajú len na lokálnych strojoch.

Využitie vo výrobe a logistike

Dátové silá priamo ovplyvňujú, ako dáta prúdia priemyselnými procesmi, alebo kde sa zastavia. Dopadajú na prevádzkový výkon, analytiku aj nasadenie digitálnych dvojčiat:

Synchronizácia digitálneho dvojčaťa

Digitálne dvojča vyžaduje nepretržitý tok presných dát z fyzických zariadení, senzorov prostredia, záznamov o údržbe a podnikových aplikácií. Dátové silá mu bránia získať úplný aktuálny stav fyzického zariadenia. Ak napríklad virtuálny model stroja dostáva telemetriu zo SCADA, no chýbajú mu aktuálne informácie z MES (o detailoch výrobnej zákazky) alebo z CMMS (o nedávnej výmene komponentov), klesá presnosť dvojčaťa aj jeho schopnosť predikcie.

Sledovateľnosť v dodávateľskom reťazci a v logistike od začiatku do konca

Sledovanie zásielky v logistike vyžaduje, aby boli synchronizované lokálne systémy riadenia skladu (WMS), systémy riadenia dopravy (TMS) aj externí logistickí partneri. Ak tieto platformy fungujú ako dátové silá, prehľad o polohe zásob, teplote v chladiacom reťazci a predpokladanom čase príchodu (ETA) sa roztriešti. Výsledkom sú nafúknuté bezpečnostné zásoby, pomalá reakcia na výpadky v preprave a nepresné harmonogramy plnenia objednávok.

Prediktívna údržba a spoľahlivosť zariadení

Modely prediktívnej údržby vychádzajú z navzájom prepojených súborov dát. Sú to vysokofrekvenčné údaje zo senzorov (vibrácie, teplota, tlak), história pracovných príkazov, záznamy o poruchách a prevádzkový kontext (rýchlosti, posuvy a výrobné šarže materiálu). Ak údaje o vibráciách zostanú uzavreté v nástroji na monitorovanie stavu zariadení a pracovné príkazy v systéme riadenia údržby (CMMS), dátoví analytici len ťažko natrénujú modely strojového učenia, ktoré by včas odhalili prvé príznaky poruchy.

Kontrola kvality a optimalizácia procesov

Uzavretý cyklus riadenia kvality vyžaduje, aby sa výsledky kontroly hotových výrobkov (zo systémov riadenia kvality alebo z vizuálnych kontrolných staníc) dali spätne priradiť k presným hodnotám prevádzkových parametrov (z PLC a monitorovania prostredia) počas výroby. Ak sú dáta rozdelené do dátových síl, nedá sa automaticky určiť základná príčina a pri odchýlkach kvality treba dáta ručne vyťahovať a zosúlaďovať.

Prínosy a úskalia

Dátové silá sa v modernom priemysle vo všeobecnosti považujú za prekážku prevádzky, no prečo vznikajú, sa dá pochopiť až pri pohľade na ich funkčné dôvody aj negatívne dôsledky.

Funkčné dôvody a lokálne prínosy

Lokálna optimalizácia a výkon: Izolované systémy sú často optimalizované na konkrétnu rýchlu alebo odborne zameranú úlohu. Systém SCADA napríklad uprednostňuje deterministickú reakciu s nízkou latenciou pred všeobecnou interoperabilitou databáz.
Bezpečnosť a izolácia podľa oblasti: Oddelenie kritických riadiacich systémov zmenšuje plochu pre priemyselné kybernetické útoky, pretože medzi OT a externými sieťami je fyzické oddelenie (air-gap) alebo prísna ochrana perimetra.
Jednoduchšia lokálna správa: Jednotlivé oddelenia si ponechávajú plné vlastníctvo aj administratívnu právomoc nad svojimi nástrojmi, takže odpadajú zložité procesy riadenia zmien medzi oddeleniami.

Prevádzkové úskalia

Roztrieštený prehľad o prevádzke: Manažment ani prevádzkové tímy nemajú jediný zdroj pravdy, a tak sa musia spoliehať na ručne zostavované výkazy, statické tabuľky a oneskorené metriky.
Nekonzistentné a duplicitné dáta: Tá istá entita (napríklad číslo dielu, zákaznícky účet alebo ID stroja) môže existovať vo viacerých systémoch pod rôznymi názvami, čo vedie k nesúladu dát a chybám pri ich zosúlaďovaní.
Nemožnosť rozšíriť pokročilú analytiku: Priemyselná umelá inteligencia (AI), strojové učenie a analytika v rámci celého podniku potrebujú centralizovaný alebo federovaný prístup k dátam z viacerých zdrojov. Dátové silá predlžujú prípravu dát a zvyšujú náklady na integráciu.
Vyššie náklady na systémovú integráciu a údržbu: Prepájanie izolovaných systémov po nasadení často vyžaduje zložité individuálne integrácie typu point-to-point, ktoré sa ťažko udržiavajú, aktualizujú a rozširujú.

Súvisiace pojmy

Konvergencia IT a OT: Prepojenie systémov informačných technológií (IT), ktoré slúžia na prácu s dátami, so systémami prevádzkovej technológie (OT), ktoré sledujú a riadia fyzické priemyselné procesy.
Zjednotený menný priestor (Unified Namespace, UNS): Softvérová architektúra, ktorá slúži ako centrálna štruktúra pre priemyselné dáta. Všetky podnikové aplikácie a zariadenia v nej môžu dáta v štandardizovanom formáte publikovať aj odoberať.
Interoperabilita: Schopnosť rôznych informačných systémov, zariadení a aplikácií pristupovať k dátam, vymieňať si ich, integrovať ich a spoločne ich koordinovane využívať.
Data lake: Centralizované úložisko, v ktorom môžu organizácie v ľubovoľnom rozsahu ukladať štruktúrované, pološtruktúrované aj neštruktúrované dáta, čo pomáha odstraňovať lokálne dátové silá.
Extrahovanie, transformácia a načítanie (Extract, Transform, Load, ETL): Proces dátovej integrácie, ktorý spája dáta z viacerých zdrojov, transformuje ich podľa obchodných pravidiel a načíta do cieľového systému.
Systém riadenia výroby (MES): Informačný systém, ktorý prepája, sleduje a riadi zložité výrobné systémy a toky dát vo výrobnej hale.

Časté otázky

Ako dátové silá priamo ovplyvňujú možnosti digitálneho dvojčaťa?

Digitálne dvojčatá potrebujú aktuálny aj historický kontext z viacerých oblastí (napríklad fyzickú telemetriu, vlastnosti materiálov a prevádzkové parametre). Dátové silá bránia platforme digitálneho dvojčaťa priebežne preberať všetky potrebné premenné. Virtuálny model je potom neúplný a nedokáže presne simulovať správanie v reálnom svete ani predpovedať poruchy.

Aký je hlavný rozdiel medzi dátovým silom a data lake?

Dátové silo je izolovaný systém, ktorého dáta sú pre externé aplikácie nedostupné pre technické alebo organizačné prekážky. Data lake je zámerne centralizované a prístupné úložisko určené na ukladanie surových dát z rôznorodých zdrojov v rámci celého podniku. Je navrhnuté práve na to, aby sa dátové silá odstránili a dala sa vykonávať centralizovaná analytika.

Ako koncept zjednoteného menného priestoru (UNS) rieši priemyselné dátové silá?

Zjednotený menný priestor (UNS) využíva udalosťami riadenú architektúru typu publish-subscribe (zvyčajne implementovanú cez MQTT alebo podobné protokoly). Namiesto vlastných spojení point-to-point medzi jednotlivými aplikáciami publikuje každé priemyselné zariadenie, senzor aj podnikový softvér svoje dáta do štruktúrovaného centrálneho menného priestoru. Dáta si odtiaľ môže odoberať každá oprávnená aplikácia, čím lokálne dátové silá fakticky zanikajú.

Dajú sa staršie zariadenia integrovať bez vzniku nových dátových síl?

Áno, dajú. Staršie zariadenia možno integrovať pomocou edge gateway, konvertorov protokolov a štandardizovaných priemyselných komunikačných protokolov, ako sú OPC UA alebo MQTT. Keď sa proprietárne alebo sériové protokoly preložia na okraji siete do jednotných dátových štruktúr, dáta zo starších zariadení sa dajú preberať priamo do podnikových sietí a nezostanú izolované v lokálnych riadiacich jednotkách strojov.