Architettura di riferimento AI industriale per la produzione

Integrazione e elaborazione dei dati

I sistemi industriali (ERP, sensori, attrezzature) alimentano i dati grezzi attraverso DataOps nell'architettura medaglione basata su cloud, dove viene pulito e arricchito attraverso i livelli Bronzo, Argento e Oro per diversi casi d'uso.

• Analisi e intelligenza: I dati elaborati alimentano i cruscotti di business intelligence per le metriche di produzione (OEE, conformità, conteggi in tempo reale) e addestrano i modelli AI per la manutenzione predittiva, il controllo della qualità e l'ottimizzazione delle prestazioni
• Agenti AI e distribuzione edge: Gli avanzati agenti AI gestiscono le raccomandazioni per il servizio sul campo e il controllo della produzione autonomo, con modelli distribuiti su dispositivi edge vicino alle attrezzature per decisioni in tempo reale, a bassa latenza e controlli di sicurezza

Flussi di dati

Ecco le descrizioni dei flussi di dati mostrati nel diagramma dell'architettura AI industriale.

1. I modelli di ingestione si dividono in due categorie:
   1. ERP, dati di mercato e manuali di prodotto forniscono il contesto sulla configurazione dell'asset o del prodotto
   2. Industrial DataOps collega la fonte di dati nel Livello 3 e sotto all'interno del Modello Purdue al cloud per la visibilità su Databricks
2. I dati vengono ingeriti tramite Lakeflow Connect nell' architettura medaglione strato Bronzo insieme ai metadati (namespace unificato), sfruttando letture e scritture incrementali efficienti per rendere l'ingestione dei dati più veloce, scalabile e più economica, mentre i tuoi dati rimangono freschi per il consumo a valle.
3. Pulisci e arricchisci i dati eterogenei in modo scalabile utilizzando Lakeflow Declarative Pipelines sia per i pipeline di dati batch che streaming nelle tabelle Argento (modelli di dati di produzione). Le tabelle Argento vengono spesso utilizzate come input di addestramento per i modelli AI per la manutenzione predittiva, l'ispezione della qualità, ecc., migliorando così le prestazioni degli asset e la qualità del prodotto attraverso processi di produzione complessi.
4. Per l'intelligence aziendale e la generazione di report, i dati possono essere aggregati all'interno delle tabelle Gold per supportare l'analisi in tempo reale dell'efficacia complessiva delle attrezzature (OEE), inclusa la conformità (passaporto carbonio) e i conteggi di produzione in tempo reale. Inoltre, interfacce di linguaggio naturale come AI/BI democratizzano l'accesso alle prestazioni della rete di fabbriche globali e agli strumenti avanzati di controllo dei processi.
5. Il Mosaic AI Agent Framework può addestrare, servire e auditare modelli AI agentici, come un agente di servizio sul campo che raccomanda azioni di riparazione e guida alla risoluzione dei problemi o un controllo di produzione autonomo che simula scenari di produzione e sovrascrive i programmi di produzione in base alle condizioni economiche, alle materie prime o alle condizioni ambientali.
6. Gli agenti AI e i modelli di apprendimento automatico vengono distribuiti all'edge per funzionare localmente vicino alle attrezzature per il controllo a bassa latenza e per motivi di sicurezza.

Vantaggi

I vantaggi dell'utilizzo della piattaforma Databricks per l'architettura AI industriale includono i seguenti.

• Stabilisci l'architettura delle migliori pratiche per i casi d'uso dell'AI industriale
• Scopri quali integrazioni sono possibili e come differenziano Databricks come leader del settore