Construya un centro de datos de IoT para la fabricación inteligente

Resumen de la solución

Las fábricas modernas dependen de múltiples máquinas y dispositivos que generan datos y se coordinan entre sí para gestionar procesos de fabricación complejos. Los fabricantes deben comprender el funcionamiento de estos sistemas para solucionar errores e impulsar la eficiencia operativa.

Para ayudar a los fabricantes a crear aplicaciones más inteligentes, esta solución muestra cómo MongoDB Atlas puede simplificar un panorama de IoT al tomar datos de distintos dispositivos periféricos y usarlos para impulsar aplicaciones.

Puede extender los principios de esta solución a otras industrias, como:

• Automotriz: Puedes desarrollar fábricas eficientes y gestionar inventarios complejos para maximizar la producción de automóviles.

• Telecomunicaciones: Puedes utilizar IoT para ofrecer servicios más competitivos a través de dispositivos móviles y conectados.

• Sanidad: Puedes proveer servicios esenciales de atención médica tanto dentro de instituciones médicas como en dispositivos personales.

Arquitecturas de Referencia

Sin MongoDB

Muchos entornos de fabricación cuentan con sistemas únicos que ejecutan su propio software propietario con una base de datos relacional. Sin embargo, a medida que aumenta el volumen de datos y las estructuras de datos se vuelven más sofisticadas, las bases de datos relacionales se vuelven más difíciles de gestionar y su arquitectura se vuelve más compleja. Esto dificulta la transferencia de datos entre diferentes sistemas y la conexión a aplicaciones más nuevas.

Figura 1. Arquitectura de referencia sin MongoDB

Con MongoDB

MongoDB simplifica la gestión de datos gracias a su modelo de documento flexible, lo que permite organizar los datos según las necesidades de su aplicación. También ofrece una API de consulta expresiva para recuperar datos como desee.

Figura 2. Arquitectura de referencia con MongoDB

Enfoque del modelo de datos

Los sensores en una fábrica pueden transmitir datos de series de tiempo de varias máquinas, capturando los siguientes puntos de datos:

• Tipo de producto

• Temperatura del aire (K)

• Temperatura del proceso (K)

• Velocidad de rotación (rpm)

• Par motor (Nm)

• Desgaste de la herramienta (mín.)

Con MongoDB y su modelo orientado a documentos flexible, puedes usar una sola colección de series de tiempo para almacenar todos los datos de sensores entrantes. Por ejemplo, puedes almacenar datos de sensores de la siguiente manera:

{
   "device_id": 1,
   "sensor_id": 12345,
   "start_date": ISODate("2023-01-31T10:00:00.000Z"),
   "end_date": ISODate("2023-01-31T10:59:59.000Z"),
   "measurements": [
{
   "timestamp": ISODate("2023-01-31T10:00:00.000Z"),
   "temperature": 298.1
   "speed": 1551
   "torque": 42.8
   "failure": “No failure”
},
{
   "timestamp": ISODate("2023-01-31T10:01:00.000Z"),
   "temperature": 302.4
   "speed": 1410
   "torque": 65.7
   "failure": “Power failure”
},
...
{
   "timestamp": ISODate("2023-01-31T10:42:00.000Z"),
   "temperature": 298.8
   "speed": 1455
   "torque": 41.3
   "failure": “Tool wear failure”
}
],
"transaction_count": 4223,
"avg_temperature": 300.7
}

Luego, puede usar el marco de agregación de MongoDB para consultar fácilmente datos de series temporales. Por ejemplo, puede agrupar documentos por la fecha del sensor y obtener resultados agregados, como el promedio.

Construir la solución

Figura 3. Descripción general de la solución

Esta solución muestra cómo construir un centro de fabricación inteligente con MongoDB Atlas y Azure IoT Edge. En este caso práctico, sensores simulados envían datos desde máquinas CNC a Azure IoT Hub. Posteriormente, los datos se filtran y se envían a MongoDB Atlas, donde los consumidores de datos, como los analistas que utilizan MongoDB Charts, pueden acceder a ellos y utilizarlos.

Para replicar este flujo de trabajo, la solución utiliza datos de sensores para entrenar un modelo de aprendizaje automático que predice la causa de un fallo de la máquina. Puede implementar esta solución siguiendo las instrucciones del repositorio de GitHub., que le guiará a través de estos pasos.

Aprendizajes clave

• Desarrollar aplicaciones de IoT: recopile datos de IoT relevantes en MongoDB Atlas y utilícelos para entrenar modelos de aprendizaje automático y ejecutar aplicaciones comerciales.

• Escalado de datos IoT: Como una base de datos orientada a documentos, MongoDB gestiona eficientemente los grandes volúmenes de datos generados por aplicaciones IoT.

• Maneje diversos tipos de datos: el modelo de documento flexible de MongoDB maneja diferentes estructuras de datos, lo que le permite almacenar datos de múltiples dispositivos IoT y modelos ML en una sola base de datos.

Autor

• Diana Annie Jenosh, MongoDB

• Utsav Talwar, MongoDB

• Dr. Humza Akhtar, MongoDB

Obtén más información

• Inteligencia impulsada por aplicaciones con datos de IoT

• Diagnósticos automotrices utilizando Atlas Vector Search

• Diagnósticos de IA basados en audio en tiempo real