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 manufactura complejos. Los fabricantes deben entender cómo operan estos sistemas para solucionar problemas y aumentar la eficiencia operativa.

Para ayudar a los fabricantes a desarrollar aplicaciones más inteligentes, esta solución muestra cómo MongoDB Atlas puede simplificar un entorno IoT al recopilar datos de dispositivos periféricos dispersos y utilizarlos para potenciar las aplicaciones.

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

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

• Telecomunicaciones: Puedes usar 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 con su modelo orientado a documentos, permitiéndote organizar los datos para adaptarlos a los requisitos de tu aplicación. También te ofrece una API de query expresiva para recuperar datos de la manera que prefieras.

Figura 2. Arquitectura de referencia con MongoDB

Enfoque de 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 (Nm)

• Desgaste de herramienta (min)

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
}

A continuación, se puede utilizar el marco de agregación de MongoDB para query datos de series de tiempo con facilidad. Por ejemplo, puedes agrupar documentos por la fecha del sensor y devolver resultados agregados, como el promedio.

Compilar 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.

Lecciones clave

• Desarrolla aplicaciones IoT: Recopila datos relevantes de IoT en MongoDB Atlas y utilízalos para entrenar modelos de aprendizaje automático y ejecutar aplicaciones empresariales.

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

• Gestiona diversos tipos de datos: El modelo orientado a documentos flexible de MongoDB gestiona diferentes estructuras de datos, permitiendo almacenar datos de múltiples dispositivos IoT y modelos de aprendizaje automático en una sola base de datos.

Author

• 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