Home » Insights » Waarom data modeling of data modelleren toepassen?
Modelleren

Waarom data modeling of data modelleren toepassen?

Wat is data modeling?
Data is het nieuwe goud; dat geldt met name voor de industrie. Machines genereren constant data over wat ze aan het doen zijn en hoe goed of slecht dat gaat. Er zit veel informatie verborgen in deze data, maar het is vaak nog een hele kunst om die er uit te kunnen halen. Een van de oorzaken is de verschillende manieren waarop machines en systemen de data aanbieden. Meestal zijn het losse tags vanuit verschillende databronnen, met verschillende sample-frequenties en verschillende eenheden. Voordat je met al die data aan de slag gaat, kun je daarom beter eerst de data modelleren ofwel data modelling toepassen. Dit biedt namelijk de mogelijkheid om data te uniformiseren en te standaardiseren.

Data modeling toepassen op data uit meerdere databronnen

Data uit het OT domein heeft een ding gemeen: het komt vrijwel altijd uit verschillende databronnen. De besturingssystemen van een fabriek evolueren door de tijd heen en zijn vaak van verschillende leveranciers. Hoewel er steeds meer gebruik gemaakt wordt van communicatiestandaarden als OPC en MQTT blijven er altijd nog grote verschillen in de interpretatie van deze standaarden. Een centrale OPC server van een enkele leverancier is daarom vaak al een goede eerste stap om je procesdata toegankelijk te maken.

Lees het artikel: MQTT wat kun je ermee

Modelleren start met de verschillende datatypen en eenheden

In de besturingssystemen heb je te maken met veel verschillende soorten datatypen. Je hebt digitale signalen (aan/uit) en analoge signalen (temperatuur). Binnen die laatste categorie heb je dan nog verschillende soorten als integer, signed integer, double, float, int32, etc. Om een goede vergelijking te kunnen maken tussen twee signalen is het wel zo fijn als deze van het zelfde datatype zijn. Er moet dus een conversie plaatsvinden op een bepaalde plaats.

Interpolatie of extrapolatie van samplefrequenties

Digitaliseren van metingen betekent dat er met een bepaalde frequentie samples genomen worden. Vaak bepaalt de client met welke frequentie de data bemonsterd moet worden. Alleen zijn deze frequenties niet altijd gelijk. Hoe vergelijk je nu een meting die elke minuut is uitgevoerd met een meting die elke seconde wordt uitgevoerd. Er zal op een gegeven moment interpolatie dan wel extrapolatie van metingen plaats moeten vinden om dit gelijk te trekken.

Adressering van datapunten

Elk datapunt in een fabriek heeft een uniek adres. Omdat een fabriek al gauw tienduizenden datapunten heeft, is deze adressering meestal vrij complex. De PLC en SCADA programmeurs kunnen dit meestal nog wel begrijpen maar de IT engineer die met de data aan de slag wil niet. Het kost hem of haar veel tijd om de juiste metingen bij elkaar te zoeken.

Een OT datamodel biedt uitkomst

Om verschillende gebruikers van procesdata op een eenvoudige manier toegang te geven tot deze data, adviseren we dan ook de procesdata te modelleren. Je tuigt als het ware een kapstok op waar je de metingen aan hangt, uniformiseert en standaardiseert. Zo’n centraal systeem is vaak nieuw in een organisatie, maar biedt vele voordelen. Zo kunnen de OT engineers op een centrale locatie bepalen, wie er wanneer toegang heeft tot welke data.


Data modelleren: Make your Industrial Data Useful
Make Your Industrial Data Useful with Data Modelling

Hoe geeft u op een eenvoudige manier verschillende gebruikers toegang tot de procesdata.
Lees het artikel

  • Close

    Download bestand


Wilt u meer weten over data modelling?
Bekijk de HighByte product pagina
Lees de insight: “Wat is een Unified Name Space


Meer artikelen