(Alerta de spoiler: sugestão de uso de #opcua e Matrikon Data Broker (MDB))
O OPC UA é conhecido por sua robusta funcionalidade de modelagem de informações e pela crescente lista de modelos de informações padronizados chamados OPC UA Companion Specifications construídos em torno dele. Enquanto os fornecedores que incorporam o OPC UA em suas ofertas são livres para escolher quais modelos de informação são implementados, os usuários finais tradicionalmente tinham que trabalhar com qualquer que fosse sua infraestrutura OT nova e herdada. Quando engenheiros e integradores de sistemas queriam integrar dados de vários componentes de automação de controle de terceiros, eles precisavam trabalhar com qualquer contexto que cada componente oferecesse. Embora vários aplicativos avançados fornecessem funcionalidade de aprimoramento de contexto (dados estruturados, estruturas, etc.), esses recursos eram inconsistentes entre os aplicativos e geralmente não eram interoperáveis devido à sua natureza proprietária.
O desafio de utilizar dados OT foi ampliado com o advento da era #iot e #i40 porque, à medida que as empresas começaram a se mover em direção à #digitalização, implementação de #digtialtwins, #bigdataanalytics, #ml, #ai e assim por diante, dados OT dependências expandidas para aplicativos em toda a empresa e na nuvem. Profissionais e aplicativos de negócios e ciência de dados enfrentam uma tarefa ainda mais desafiadora de dar sentido a esses dados OT porque eles estão mais distantes do contexto dinâmico do chão de fábrica. Isso é efetivamente uma extensão da proverbial “lacuna IT/OT”.
Qual tem sido sua experiência na utilização de dados OT em toda a empresa e na nuvem?
Uma solução Matrikon: a tecnologia de dados MDB (DT) permite que os usuários finais importem dinamicamente modelos de informações OPC UA que eles criam ou baixam e associam (mapeia) itens de dados OT brutos de todas as fontes de dados OT que eles federam com MDB. Isso permite que todos que precisam acessar esses dados os obtenham em um formato e estrutura que façam sentido em seu contexto.
Para obter uma visão geral de como o MDB faz isso e uma demonstração da modelagem e mapeamento de dados do MDB, confira o vídeo abaixo.
