운영 두뇌:산업용 IoT의 지능형 데이터 관리를 위한 새로운 패러다임

Crate.io의 Christian Lutz

IIoT(산업용 사물 인터넷)는 조직이 무수히 많은 생산 프로세스를 최적화하고 보안을 강화하며 작업자 경험(직원이 공장에 있든 사무실에 있든 관계 없이 계속 증가하는 양의 기계 및 센서 데이터를 배포할 수 있게 해줍니다. ).

Crate.io의 CEO인 Christian Lutz는 산업 기업이 말합니다. , 데이터 처리의 오래된 패러다임이 팀이 데이터의 속도를 따라잡는 데 도움이 되지 않고, 새로운 분석 알고리즘과 일치하지 않으며, 가장 중요하게는 실시간 데이터 쿼리에 대한 경쟁적 요구를 가능하게 하지 않는다는 것을 알게 되었습니다. .

이 문제를 해결하기 위한 접근 방식은 최신 분산(오픈 소스) 데이터베이스 아키텍처를 기계 학습/인공 지능 및 IIoT 네트워크와 결합하는 것입니다. 이러한 기술을 함께 사용하면 데이터베이스의 기존 개념을 뛰어넘고 산업 및 제조 비즈니스에서 심각하게 증가하는 데이터 문제를 해결하는 다소 새로운 데이터 관리 패러다임(운영 두뇌라고 부를 수 있음)이 형성됩니다.

운영 두뇌 정의

기존 관계형 데이터베이스(예:Microsoft, SQL 서버 및 오라클 )은 일반적으로 IIoT 애플리케이션이 성공하기 위해 처리해야 하는 방대한 양의 데이터를 처리하는 데 기술적으로 불가능합니다. 이러한 데이터베이스는 실제로 스마트 공장, 스마트 도시 또는 무인 차량을 개발하는 데 필요한 종류의 백본을 생성하도록 설계되지 않았습니다. 이러한 사용 사례에는 더 빠르고 지능적인 데이터 처리가 필요합니다. 포괄적인 데이터베이스 관리 전략은 궁극적으로 메모리 양이나 하드 디스크 속도가 아니라 사용에 따른 추가 비즈니스 가치로 측정됩니다.

저는 이러한 유형의 포괄적인 IIoT 데이터 관리를 "운영 두뇌"라고 부릅니다. 뇌는 이 데이터를 수신하고, 구조화하고, 이를 기반으로 결정을 내릴 수 있는 기관입니다. 미래의 데이터 관리 시스템은 변함없이 우리의 중추 신경계처럼 기능할 것이며, 감각 인상에 직접 연결되고 인공 지능을 사용하여 실시간으로 시스템을 모니터링, 예측 및 제어할 것입니다.

데이터 수집 및 강화

네트워크로 연결된 현대적인 공장에는 다양한 제조업체의 다양한 기계가 통합되어 있습니다. 따라서 과제는 이기종 데이터 구조를 캡처하고 클라우드에서 분석하여 조치를 도출하는 것입니다. 현대 데이터 관리 시스템은 이미 여기에서 시작됩니다. 머신과 데이터베이스가 세 번째 인스턴스를 통해 통신하지 않기 때문에 구현을 단순화하고 오류율을 줄입니다.

컨텍스트가 없으면 수집된 데이터는 추가 처리에 쓸모가 없습니다. 기록된 값은 처음에는 숫자에 불과합니다. 108. 온도인가요? 그렇다면 섭씨 또는 화씨입니까? 상품수인가요? 그렇다면 카운터가 언제 재설정되었으며 실제로 무엇을 계산합니까? 의미 있는 데이터를 얻으려면 데이터가 풍부해야 합니다. 이 보강에는 데이터베이스, 특정 규칙을 실행하는 런타임, 데이터의 의미에 대한 지식이라는 세 가지 구성 요소가 필요합니다.

운영 두뇌는 이러한 모든 필요한 단계를 단일 모델로 결합합니다. 이는 산업 조직이 데이터를 추가 처리에 사용할 수 있도록 하기 위해 알고리즘을 작성하지 않도록 합니다. 대신 처리된 정보 스트림을 해석하도록 규칙을 설정할 수 있습니다. 운영 두뇌는 본질적으로 프로세스를 자동화하는 규칙을 실행하여 공장의 전반적인 장비 효율성(OEE)을 개선하는 기계입니다. 하나 이상의 연결된 원격 공장에서 수백 또는 수천 개의 제품 라인에 배포된 장비의 잠재적으로 수만 개의 센서에서 실시간 데이터 수집을 사용합니다.

운영 두뇌의 중앙 집중식 "미션 제어"는 센서 데이터를 처리 및 분석한 다음 특정 기계를 X시간마다 청소해야 한다고 직원에게 알리거나 엔지니어에게 경고하는 등 공장 현장에서 필요한 관련 유지 관리에 대한 예측 경고를 제공합니다. 제조 공정의 오류율. 요컨대, 그것이 제공하는 정보는 육안 검사로 가능한 어떤 것보다 훨씬 더 효율적입니다.

데이터 기반 자동화의 가치

지능형 데이터 관리는 단순한 데이터베이스 그 이상입니다. 빠른 수집에서 지능형 데이터 검색에 이르기까지 포괄적인 프로세스를 설명합니다. 데이터 기반 자동화는 IIoT 프로젝트 성공의 열쇠가 될 것입니다. 이를 통해 스마트 공장과 같은 시설에서 실시간 데이터 분석을 가능하게 하고, 일관된 가동 시간을 유지하고, 신속한 개발 및 가치 실현 시간을 보장하고, 호스팅, 통합 및 관리를 위한 낮은 IT 운영 비용을 보장할 수 있습니다.

예를 들어 ALPLA – Coca-Cola와 같은 브랜드의 플라스틱 포장 제조업체 및 유니레버 . 이 회사는 OEE를 최적화하기 위해 사용 중인 운영 두뇌를 보유하고 있습니다. 900개의 다양한 공장별 센서 유형에 있는 수만 개의 센서에서 수집된 데이터가 풍부합니다. 그런 다음 자동화된 처리를 위해 클라우드와 중앙 제어실에 정보를 제공합니다. 그러면 연결된(그러나 원격인) 공장에서 공장 성능을 모니터링합니다. 이러한 통찰력을 바탕으로 ALPLA는 초기 단계에서 추세를 식별할 수 있으며 장비 운영자는 예측 사용 사례를 포함하여 필요한 조정을 안내받을 수 있습니다.

공장의 거의 모든 생산 라인에 있는 육안 검사 시스템을 사용하면 변경 사항에 대응할 직원을 생산 현장에 두는 것이 불가능하지는 않더라도 어렵습니다. 운영 브레인 전략은 실시간 센서 데이터 수집 및 분석을 가능하게 하여 직원을 중요한 지점으로 안내합니다(결과적으로 불량률이 낮아지고 효율성이 향상됨).

이러한 전환은 IIoT가 성숙함에 따라 데이터 수집이 충분하지 않다는 광범위한 변화를 상징합니다. 운영 브레인(또는 어떤 이름으로 부르기를 선호하든지 간에)은 이를 따라잡기 위한 IIoT 전제 조건이 될 것입니다.

저자는 다음의 CEO인 Christian Lutz입니다. Crate.io , CrateDB 오픈 소스 실시간 SQL DBMS 및 Crate.io 머신 데이터 플랫폼 개발자