Architecture de référence IA industrielle pour la fabrication

Intégration et traitement des données

Les systèmes industriels (ERP, capteurs, équipements) alimentent en données brutes via DataOps dans une architecture de médaille basée sur le cloud, où elles sont nettoyées et enrichies à travers les couches Bronze, Argent et Or pour différents cas d'utilisation.

• Analyse et intelligence : Les données traitées alimentent les tableaux de bord d'intelligence d'affaires pour les métriques de production (OEE, conformité, comptages en temps réel) et entraînent des modèles d'IA pour la maintenance prédictive, le contrôle de qualité et l'optimisation des performances
• Agents IA et déploiement en bordure : Des agents IA avancés gèrent les recommandations de service sur le terrain et le contrôle de production autonome, avec des modèles déployés sur des appareils en bordure près de l'équipement pour une prise de décision en temps réel, à faible latence et des contrôles de sécurité

Flux de données

Voici les descriptions des flux de données illustrés dans le diagramme d'architecture IA industrielle.

1. Les modèles d'ingestion se divisent en deux catégories :
   1. L'ERP, les données de marché et les manuels de produits fournissent un contexte sur la configuration de l'actif ou du produit
   2. DataOps industriel connecte la source de données au niveau 3 et en dessous dans le modèle Purdue au cloud pour une visibilité sur Databricks
2. Les données sont ingérées via Lakeflow Connect dans l' architecture de médaille couche Bronze aux côtés des métadonnées (espace de noms unifié), exploitant des lectures et des écritures incrémentielles efficaces pour rendre l'ingestion de données plus rapide, évolutive et plus rentable, tout en gardant vos données fraîches pour la consommation en aval.
3. Nettoyez et enrichissez les données hétérogènes de manière évolutive en utilisant les pipelines déclaratifs Lakeflow pour les pipelines de données en lots et en streaming vers les tables Silver (modèles de données de fabrication). Les tables Argent sont souvent utilisées comme entrées d'entraînement pour les modèles IA pour la maintenance prédictive, l'inspection de la qualité, etc., améliorant ainsi les performances des actifs et la qualité des produits à travers des processus de production complexes.
4. Pour l'intelligence d'affaires et les rapports, les données peuvent être agrégées au sein des tables Gold pour soutenir l'analyse en temps réel de l'efficacité globale des équipements (OEE), y compris la conformité (passeport carbone) et les comptes de production en temps réel. De plus, les interfaces en langage naturel comme AI/BI démocratisent l'accès aux performances du réseau d'usines mondial et aux outils de contrôle avancé des processus.
5. Le Cadre d'Agent IA Mosaic peut entraîner, servir et auditer des modèles IA agentiques, comme un agent de service sur le terrain qui recommande des actions de réparation et des conseils de dépannage ou un contrôle de production autonome qui simule des scénarios de production et modifie les calendriers de production en fonction des conditions économiques, des matières premières ou des conditions ambiantes.
6. Les agents IA et les modèles d'apprentissage automatique sont déployés en bordure pour fonctionner localement près de l'équipement pour des contrôles à faible latence et de sécurité.

Avantages

Les avantages de l'utilisation de la plateforme Databricks pour l'architecture AI industrielle comprennent les suivants.

• Établir une architecture de meilleures pratiques pour les cas d'utilisation de l'IA industrielle
• Découvrez quelles intégrations sont possibles et comment elles différencient Databricks en tant que leader de l'industrie