Укажите общие шаги перехода к использованию данных в условиях датацентричного управления

Дата-центрическая архитектура: «волшебная пуля» от интеграционных проблем

Любой корпоративный ИТ-ландшафт состоит из множества приложений, большинство из которых имеет собственные базы данных. В этих базах хранятся информационные объекты, представляющие бизнес-объекты, события и фазы бизнес-процессов. Многие объекты бизнес-процессов имеют «отражения» сразу в нескольких базах данных: например, единица оборудования промышленного предприятия с разных точек зрения описана в системах бухучета, управления ремонтами и обслуживанием, управления производством и др.

Чтобы бизнес-приложения, автоматизирующие разные бизнес-процессы, могли как-то работать вместе, их необходимо интегрировать: внедрять продукты класса MDM (Master Data Management, система управления мастер-данными) и ESB (Enterprise Service Bus, корпоративная сервисная шина), позволяющие хоть как-то управлять обменом информацией между множеством разноплатформенных решений. Тем, кто занимался такой интеграцией, хорошо известно, что это долгий, сложный и неблагодарный труд.

А что, если найдется способ избавиться от всех интеграционных проблем разом? Такая «волшебная пуля» существует, и называется она — дата-центрическая архитектура. Ее основная идея состоит в том, чтобы сделать центральным элементом корпоративной ИТ-архитектуры не бизнес-приложения, а данные. Этот принцип изложен в Манифесте дата-центрической архитектуры и в книге The Data-Centric Revolution: Restoring Sanity to Enterprise Information Systems.

Представьте, что в компании существует единое виртуальное хранилище данных, в котором каждый бизнес-объект или событие существует в единственном экземпляре. Для наглядности можно вообразить, что идея системы MDM доведена до логически полного воплощения, и именно MDM является хранилищем всех корпоративных данных; бизнес-приложения не имеют собственных СУБД и работают только с объектами данных из MDM. Преимущества такой архитектуры очевидны:

Раз и навсегда отменяется необходимость в интеграционных процедурах.

Снижаются затраты на хранение данных за счет избавления от множества копий каждого бизнес-объекта в разных системах.

Упрощается аналитика и поддержка принятия решений, так как теперь для построения любого аналитического среза больше не нужно месяцами добывать и склеивать данные из разных систем — они всегда под рукой.

Повышается качество данных за счет избавления от неполных, не актуальных представлений бизнес-объектов.

Упрощается процесс замены одних бизнес-приложений на другие, потому что все они работают с одними и теми же данными. Можно легко и быстро создавать микро-фронт-энды для решения частных бизнес-задач.

«Это какая-то фантастика», скажут некоторые. Нельзя же выбросить все существующие бизнес-приложения и начать с чистого листа, вывернув наизнанку всю корпоративную ИТ-архитектуру?

Нужен плавный процесс перехода, и его вполне можно обеспечить, если думать о корпоративной платформе управления данными не только как о физическом хранилище, содержащем материализованные представления всех бизнес-объектов, но и как о логической витрине данных, способной извлекать эти объекты из любых хранилищ, в том числе баз данных и сервисов унаследованных бизнес-приложений. Клиенту платформы должно быть безразлично, где находятся нужные ему данные — в одном из множества хранилищ, спрятанных внутри платформы, или в СУБД какого-либо бизнес-приложения. На практике, вероятнее всего, нужный объект данных будет собран платформой в момент выполнения запроса из нескольких источников.

Итак, если на первом этапе построить платформу, работающую в режиме логической витрины данных, способную предоставить «прозрачный» доступ ко всем (или хотя бы ко многим) данным из существующих корпоративных систем, а затем постепенно мигрировать эти данные в виртуальное корпоративное облако — плавный переход к дата-центрической архитектуре будет успешным. Уже на первом этапе появится возможность создавать новые, дата-центрические приложения.

Чем такой подход отличается от создания «обычного» корпоративного облака данных (corporate data cloud) или озера данных (data lake)? Прежде всего — методологией использования платформы, особым вниманием к структуре данных и некоторой функциональной спецификой. Если обычный data lake часто представляет собой коллекцию наборов данных, созданных кем-то для решения конкретных задач и заведомо содержащих копию уже существующей где-то информации, то для дата-центрической архитектуры принципиально соблюдение принципа «один объект в реальном мире — один объект данных». И никаких физических срезов, по крайней мере персистентных.

Управление структурой корпоративных данных — отдельный и очень важный вопрос, которому часто уделяется слишком мало внимания. Задача описания структуры всей информации, с которой работает предприятие, может показаться настолько сложной, что никто и не думает ее решать; вместо этого создается множество структур данных под конкретные бизнес-задачи, что влечет очевидные последствия. Мы утверждаем, что эта задача может и должна решаться; она успешно решается на практике в конкретных проектах, нужно лишь использовать подходящие для этого технологии. Одним из возможных вариантов является описание структуры корпоративной информации с помощью онтологий (см. спецификацию OWL консорциума W3C).

Тема онтологического моделирования выходит за рамки этой статьи, отметим лишь, что одной из его ключевых особенностей является технологическая однородность самих данных и описания их структуры. Отсутствие привычного в реляционном мире разрыва между данными и описанием их структуры (которое иногда не совсем точно называют метаданными), возможность управлять данными и их структурой с помощью одних и тех же инструментов обеспечивает уровень гибкости, необходимый для создания и поддержки моделей данных, включающих десятки тысяч типов сущностей и свойств. Нельзя забывать и про множество разработанных методик онтологического моделирования, использование онтологий верхнего уровня, переиспользование и расширение стандартных онтологий.

Когда вся корпоративная информация становится структурированной и логически связной, она приобретает свойства корпоративного графа знаний (corporate knowledge graph), который открывает предприятию новый уровень аналитических возможностей и позволяет гораздо эффективнее монетизировать накопленную информацию.

Какими функциональными свойствами должна обладать платформа, являющаяся ядром дата-центрической архитектуры? Она должна:

Поддерживать хранение состояния каждого объекта данных на любой момент времени. Объекты данных — не просто отражения текущего состояния объектов или событий реального мира, а «четырехмерные» описания всех состояний на протяжении всего времени жизни объекта.

Хранить непрерывную историю модели (структуры) данных. Структура данных столь же изменчива, как и сами данные. Платформа должна иметь возможность представлять объекты данных в соответствии с любой версией структуры. Структура должна формально описывать смысл каждого элемента данных.

Поддерживать множество API для работы с данными, включая REST, GraphQL, SPARQL.

Предоставлять возможности обнаружения и поиска данных.

Иметь развитые инструменты управления доступом к данным и защиты конфиденциальной информации.

Поддерживать инструменты прослеживания происхождения данных (data provenance), контроля их качества (data quality), описания степени доверия к данным.

Построение подобных платформ с использованием онтологических моделей открывает и другие возможности. В онтологической модели можно описать в машинно-читаемой и автоматически исполняемой форме не только структуру данных, но и алгоритмы их обработки — правила контроля целостности, арифметических вычислений, дополнения информации (см. спецификации SHACL и SHACL Advanced Functions). Это позволяет по-новому взглянуть и на принцип low code: если в единой корпоративной платформе управления данными хранятся не только данные и описание их структуры, но и машинно-читаемое описание алгоритмов обработки данных, то новые бизнес-приложения, ориентированные на использование таких описаний, станут еще гибче и смогут изменять свое поведение «на лету» без вмешательства не только в код, но и в настройки приложений.

Платформы, отвечающие таким требованиям, уже существуют и применяются и на российском, и на зарубежном рынке.

Источник

Укажите общие шаги перехода к использованию данных в условиях датацентричного управления

Факторы развития ИИ

Опираясь на принципы работы человеческого мозга, глубокое обучение использует массово-параллельные вычисления нейронных сетей и в ходе изучения огромного множества примеров самостоятельно и весьма эффективно создает программный код. Технология глубокого обучения уже доказала высокую эффективность в областях, где данные имеют менее яркое числовое выражение и требуют более когнитивного подхода. Такие задачи, как распознавание речи и звука, обработка человеческого языка или распознавание образов, вероятно, не выполнялись бы так быстро при использовании стандартных методов машинного обучения.

Раскрываем потенциал данных через инновации в области инфраструктуры

Чтобы по-настоящему извлечь выгоду из датацентричной архитектуры, система должна работать в режиме реального времени, обеспечивая требуемую производительность для аналитических систем нового поколения, раскрывающих весь потенциал ИИ. Она также должна быть доступна по требованию и быть беспилотной, то есть не требовать постоянного администрирования. Это позволяет ИТ-подразделению стать поставщиком услуг хранения для организации. Консолидация и упрощение с развитием флеш-технологий значительно облегчают поддержку инструментов, которые обеспечат рост в будущем.

Новое качество больших данных, GPU и глубокого обучения благодаря СХД

Выравнивая совместную работу вычислительных ресурсов и СХД, организации смогут определить эталонную архитектуру развертывания, которая обеспечивает графические процессоры идеальной инфраструктурой хранения, сочетая в себе скорость внутренних дисков с простотой, ёмкостью и консолидацией, свойственных внешней СХД.

Такие компании, как Paige.AI и Global Response, уже используют этот оптимизированный подход к вычислительным ресурсам и СХД для поддержки своих ИИ-проектов.

Имея доступ к одному из крупнейших в мире архивов опухолевой патологии, компания нуждалась в самой совершенной доступной DL-инфраструктуре, чтобы быстро превратить огромные объемы данных в клинически проверенные приложения ИИ.

Таким организациям, как Global Response, ИИ позволяет пересмотреть существующие бизнес-модели. Global Response начала разработку современной системы колл-центра, которая транскрибирует и анализирует звонки в службу поддержки в реальном времени. Такой подход обеспечит превосходное качество обслуживания клиентов и оперативное решение проблем. Это немаловажно, поскольку ожидания потребителей сильно смещаются в сторону персонализированного опыта.

Global Response достигла переломного момента, когда интеграция ИИ на всех уровнях компании обрела решающее значение для эффективной работы бизнеса. Используя решение, которое объединяет современное программное и аппаратное обеспечение, командам Global Response удалось перестроить ряд бизнес-моделей не за недели или месяцы, а за несколько часов.

Пусть ваши данные будут в центре бизнеса

ИИ и глубокое обучение поднимают аналитические возможности на новый уровень, что оказывает влияние на каждую отрасль. В ближайшие годы Gartner прогнозирует тотальное распространение ИИ: он будет присутствовать практически в каждом доступном программном продукте и услуге. Приблизить эту реальность можно, сделав данные фундаментом ИТ-стратегии организаций. Без внедрения датацентричной архитектуры любые попытки использовать вычислительную мощь глубокого обучения и современных графических процессоров не принесут особого эффекта. Действительно успешное применение ИИ зависит от этого идеального партнерства, тандема вычислительной мощности и СХД. Без него весь потенциал данных не будет реализован

Источник

Дата-центричное и интегрированное решение EPLAN для полного жизненного цикла Автоматизированных систем управления технологическим процессом

Дата-центричное и интегрированное решение EPLAN для полного жизненного цикла Автоматизированных систем управления технологическим процессом

Дата-центричное и интегрированное решение EPLAN для полного жизненного цикла Автоматизированных систем управления технологическим процессом (АСУ ТП).

В рамках документоцентричного подхода основной единицей информации является бумажный документ с подписью.

Его сканирование и сохранение в электронном архиве не меняет сути подхода.

Для получения данных необходимо открыть документ и прочитать его.

Непосредственное использование данных, содержащихся в документе, как правило, невозможно.

Документ в этом подходе первичен, а данные, содержащиеся в нем, вторичны.

Поэтому и бизнес-процессы сконцентрированы вокруг документов.

Исполнители несут ответственность за выпуск документов (томов, комплектов) и по документам распределяют свои зоны ответственности.

В рамках такого подхода информатизация сводится к созданию электронного архива и автоматизации движения документов.

Поскольку содержимое документов непрозрачно для системы, наладить автоматизированный контроль качества работы не представляется возможным.

Дата-центричный подход подразумевает, что данные первичны.

Пользователи отвечают за внесение и редактирование тех или иных данных.

Понятно, что такой подход обеспечивает совершенно другой уровень контроля процесса создания инженерных данных.

Качество данных в рамках дата-центричного подхода может непрерывно контролироваться.

Документы являются производными от данных и представляют данные (порой одни и те же) в разных представлениях, максимально отвечающих потребностям пользователя на том или ином этапе работы.

Дата-центричность всех задействованных систем – необходимое условие их полноценной интеграции.

В частности, только в рамках такого подхода возможна интероперабельность в том виде, в котором она описана в ISO 15296.

Говоря о жизненном цикле АСУ ТП стоит отметить, что в связи с бурным развитием технологий эта сфера постоянно совершенствуется и обновляется.

Можно вспомнить массовый переход с электро-механических систем на микропроцессорную технику, который затронул все отрасли экономики.

В настоящий момент распределенные системы уверенно теснят центральные контроллеры, в промышленность проникает Интернет вещей.

Системы управления обновляются гораздо чаще, чем основное оборудование, и в целом в большинстве индустрий фокус развития смещается от строительства новых производств к повышению эффективности существующих.

Основной ресурс повышения эффективности – системы управления, построенные на новых принципах.

Отсюда жизненный цикл АСУ ТП представляет из себя скорее спираль постоянного реинжиниринга, а не классическую линейную схему проектирование-строительство-эксплуатация-утилизация.

В этой ситуации наличие дата-центричной модели значительно ускоряет модернизацию и снижает связанные с ней риски.

Еще одно существенное отличие тематики АСУ ТП заключается в том, что для создания полезной информационной модели (такой модели, от использования которой владелец\оператор объекта получит существенные выгоды) требуется работа в единой модели нескольких игроков – генподрядчика, субподрядчиков, монтажных и пусконаладочных организаций.

В самом деле, большая часть оборудования АСУ ТП устанавливается в шкафах.

Именно подрядчики, собирающие шкафы, выбирают как конкретные устройства (с заказным номером и техническими характеристиками), так и их «экземпляры» – в терминологии EPLAN это конкретное изделие с серийным номером, датой следующего обслуживания\поверки.

Создание центральной базы данных проекта – оптимальный шаг на пути создания единой цифровой модели производства.

У компании Intergraph есть такое решение – это SmartPlant Foundation.

Благодаря своей дата-центричности среда EPLAN может быть без проблем интегрирована SPF.

Для быстрой и беспроблемной интеграции необходим партнер, обладающий компетенциями как в EPLAN, так и в Intergraph.

Такой партнер есть – это компания Ulysta.

Решение uConnect этой компании готово к интеграции с EPLAN.

Сроки и стоимость такой интеграции определяются в зависимости от объема данных, которые необходимо публиковать в SPF.

Если центральной базы данных нет, это не проблема.

Среда EPLAN обладает мощными инструментами интеграции, начиная от стандартных инструментов импорта-экспорта данных в форматах TXT, CSV, XML, XLS и интеграции с базами данных (Access, SQL) и заканчивая мощным API, дающим внешним приложениям доступ к любым инженерным данным, содержащимся в проекте EPLAN.

Среда EPLAN «умеет» автоматически создавать ссылки на свои объекты для быстрого открытия этих объектов из внешних приложений, а так же может хранить ссылки на внешние объекты для их быстрого открытия в сторонних приложениях.

EPLAN – глобальная компания с собственными офисами в 51 й стране мира.

Еще более чем в 20 странах мы представлены нашими партнерами.

EPLAN работает в объектно-ориентированной парадигме с момента своего основания – уже более 32 лет, и за эти годы превратился в лучшее в своем классе решение, доминирующее в целом ряде отраслей.

Последние несколько лет фокусами развития среды EPLAN являются дата-центричный подход и междисциплинарная интеграция – то что в ряде отраслей именуют мехатроникой – единым процессом, объединяющим электрику, механику и программное обеспечение.

В среде EPLAN проект представляет из себя базу данных в особом проприетарном формате.

Любые данные, вносимые в систему, индексируются в базе данных проекта и увязываются между собой в контексте этого проекта.

Данные могут вноситься как из отдельных файлов (таблиц excel, csv, xml, txt), так и баз данных (Access, SQL, Oracle).

Как только необходимый объем данных внесен в базу данных проекта, среда EPLAN автоматически сгенерирует требуемую документацию.

При создании документов пользователем в среде EPLAN данные из документов автоматически индексируются в базе данных проектов и остаются связанными между собой.

Внешние документы (руководства по эксплуатации, паспорта приборов) индексируются в системе и становятся доступны пользователю.

Пара кликов позволяет перейти с генплана на монтажную документацию по конкретному датчику, посмотреть его manual, перейти на P&ID, затем на схему внешних проводок (чтобы увидеть, как подключен датчик), затем, например, на кабельный журнал (непосредственно на кабель, которым подключен этот датчик).

При изменении схем информация автоматически обновляется в базе данных проекта. Таким образом содержимое документов доступно для обработки и автоматического изменения в контексте проекта.

Наиболее эффективным инструментом построения единой информационной модели АСУ ТП является работа в едином формате EPLAN.

При работе с подрядчиками\субподрядчиками в формате EPLAN им направляется техническое задание и шаблон проекта (либо частичный проект EPLAN).

ZW1 – это резервная копия проекта, единый файл архива, содержащий все необходимые настройки (например, кодирования оборудования, нумерации проводов, кабелей и устройств), рамки, структуру и формы отчетов.

Как правило, проверка входящих проектов может быть автоматизирована, а детальный отчет по требуемым доработкам создан автоматически.

После приемки проект, как правило, индексируется в системе управления инженерными данными, а частичные проекты объединяются в единый проект.

Тематика АСУ ТП кардинально отличается от, например, строительства тем, что решения на 100% составляются из покупных изделий. Их не надо конструировать, надо просто взять и соединить между собой.

Поэтому наличие надежного источника актуальной информации об изделиях является обязательным условием производительной работы в дата-центричной среде.

В EPLAN Data Portal пользователи могут скачать или сконфигурировать свое изделие, получая как его схему подключения, техническую информацию (руководства по эксплуатации, паспорта приборов).

В будущем все важнее будет становиться наличие в цифровой форме информации по надежности (MTBU) и эксплуатации (сроки поверок\замен) изделий.

EPLAN Data Portalготов к предоставлению такой информации.

EPLAN – важная часть Индустрии 4.0.Формат проектов EPLAN используется в лидирующих проектах по созданию производства будущего, таких как SmartFactory KL.

Источник

Проектирование будущего в ИТ-инфраструктуре: датацентричная архитектура

Pure//Accelerate 2018: глобальный опрос выявил, что подавляющее большинство бизнес-руководителей верят в датацентричное будущее, в котором искусственный интеллект играет ключевую роль, хотя для этого придется преодолеть некоторые трудности; Pure представляет усовершенствованный модельный ряд массивов All Flash.

Сан-Франциско, Калифорния. — 19 июля, 2018 г. — В рамках мероприятия Pure//Accelerate 2018 компания Pure Storage (NYSE: PSTG), производитель платформы хранения данных all flash для компаний-инноваторов, которые с помощью данных делают мир лучше, представила свое видение ИТ-инфраструктуры будущего — датацентричную архитектуру. Обладая лучшей в своем классе системой хранения данных (далее СХД), специально созданной для современных рабочих нагрузок и исследовательских задач, Pure Storage помогает «приблизить будущее», предоставляя технологии нового поколения и налаживая партнерские отношения, и позволяет внедрять инновации в бизнесе.

Благодаря развитию технологий машинного обучения и искусственного интеллекта (ИИ) данные стали не просто информационным активом, а центром инновационной деятельности. Сегодня уже недостаточно просто активно использовать данные в бизнесе— организации должны стать датацентричными. Современные компании работают в мире быстроразвивающихся приложений, когда дальнейший успех основывается на извлечении из данных полезной информации и знаний с целью получения конкурентных преимуществ и обеспечения роста бизнеса. Для этого необходим современный технологический фундамент, обеспечивающий оптимальное хранение, совместное использование и эффективный анализ данных в мультиоблачном мире.

Согласно опросу, проведенному MIT Technology Review по заказу Pure Storage, подавляющее большинство руководителей — 86% — признают, что данные служат основой для принятия бизнес-решений, а 87% — что данные играют ключевую роль в получении результатов, предоставляемых клиентам. Суть датацентричной архитектуры в том, что данные и приложения в ней являются первичными, а технологии, разрабатываемые для них, — вторичными; такая архитектура фундаментальным образом меняет конструкцию дата-центра, делая данные его краеугольным камнем.

NVMe и ИИ становятся доступными для всех желающих с улучшенной платформой Pure

Чтобы помочь организациям раскрыть потенциал своих данных и эффективно использовать новые технологии для получения конкурентных преимуществ, компания Pure представила целый ряд новых датацентричных решений корпоративного уровня, которые будут полезными на каждом этапе жизненного цикла компании:

Обзор MIT Tech Review: искусственный интеллект — ключ к знаниям, скрытым внутри данных

Pure предоставила полные результаты исследования, проведенного MIT Technology Review. Результаты, полученные в ходе опроса 2,3 тыс. топ-менеджеров по всему миру, позволяют оценить колоссальный потенциал использования ИИ для извлечения аналитических знаний из данных, а также задачи, которые необходимо решить предприятиям, чтобы реализовать новые возможности.

ИИ открывает перед организациями невиданные прежде возможности по оптимизации операционной деятельности, улучшению обслуживания клиентов и повышению эффективности бизнеса, открывающиеся благодаря реализации проектов, связанных с данными. Однако освоению ИИ мешают сомнения относительно затрат, инфраструктуры данных, наличия квалифицированных специалистов и некоторых этических вопросов.

Вот ключевые результаты исследования MIT Tech Review:

В то же время большинство опрошенных сетует на нехватку времени и ресурсов, необходимых для извлечения аналитических знаний из данных:

Чтобы получить полную версию отчета, нажмите здесь. Для получения дополнительной информации о том, как Pure помогает организациям улучшать мир с помощью данных, посетите наш сайт.

О компании Pure Storage

Pure Storage (NYSE:PSTG) помогает организациям расширять границы возможного. В комплексной платформе хранения Pure (FlashArray, FlashBlade и совместном с Cisco конвергентном решении FlashStack) используется инновационное программное обеспечение, которое подключено к облачному сервису, обеспечивающему управление данными с помощью мобильного устройства, и поддерживает бизнес-модель Evergreen. Флэш-технологии, удобная бизнес-модель, а также простые, эффективные и неустаревающие решения способствуют трансформации деятельности как предприятия в целом, так и его ИТ-подразделения. Поскольку компания Pure Storage имеет наивысший в отрасли индекс лояльности NPS 83.7, сертифицированный Satmetrix, ее клиентов, к которым относятся организации любого уровня и из разных сфер деятельности, можно назвать самыми счастливыми в мире.

Источник