OT DataOps Nedir? Veri Mühendisliğini Fabrika Zeminine İndirmek

OT veri projeleri neden analitikten önce takılır?

Üretimde sık karşılaşılan bir senaryoyu ele alalım. Veri veya yapay zeka girişimi başlar; ancak kaynaklardan ortak operasyonel bağlamı olmayan etiket adları, değerler, kalite durumları ve zaman damgaları gelir.

Veri Bilimci, bilgisayarını açar ve şirketin Veri Gölüne bağlanır. Karşısında uygun, temiz, yapılandırılmış veri setleri bulmayı beklemektedir. Ancak ekranda gördüğü şey şudur:

• Tag ID: 49021. Value: 43. Timestamp: 12:00:01
• Tag ID: DB4.DBX2.1. Value: TRUE. Timestamp: 12:00:02
• Tag ID: VIB_01A. Value: ERR_COMM. Timestamp: 12:00:03

49021 numaralı etiket (tag) ne anlama geliyor? 43 değeri Santigrat mı, Fahrenheit mı yoksa yavaşlayan bir motorun devri mi? Zaman damgası (timestamp) hangi saat dilimine (UTC) ait?

Makine verisi öncelikle kontrol ve teşhis için üretilir; kurumsal analiz için kendiliğinden hazır değildir. Dashboard, iş akışı, istatistiksel model veya yapay zeka tüketicisi için ekipman kimliği, birim, kalite, üretim durumu ve veri kökeni gerekir.

İşte bu önemli darboğaz, OT DataOps disiplininin tam olarak çözmek için doğduğu sorundur.

Sonuçlar yük profiline, donanım kapasitesine ve dağıtım topolojisine bağlıdır.

OT DataOps Nedir?

DataOps (Data Operations - Veri Operasyonları), aslında IT (Bilgi İşlem) dünyasında doğmuş bir kavramdır. Analitik ekiplerinin daha hızlı çalışabilmesi için verinin akışını, kalitesini ve teslimatını otomatize etmeye odaklanır.

OT DataOps (Operasyonel Teknoloji DataOps) bu prensipleri endüstriyel kaynaklara ve işletme kısıtlarına uygular. PLC, SCADA, sayaç ve makineleri bağlama; veriyi doğrulayıp bağlamsallaştırma; canlı ve tarihsel operasyonel bağlamı yetkili tüketicilere yönetişimli biçimde teslim etme disiplinidir.

OT DataOps, Proxus içinde ayrı bir ürün kategorisi değildir. Endüstriyel veri platformu kapsamında uygulanan bir çalışma disiplinidir: kaynak sahipliği, modelleme, kalite, teslimat sözleşmeleri, izleme ve değişiklik yönetimi aynı yaşam döngüsünde ele alınır.

OT DataOps Boru Hattının (Pipeline) 4 Aşaması

Endüstriyel veri platformu olarak çalışan Proxus gibi IIoT platformları tarafından desteklenen olgun bir OT DataOps stratejisi, veri mühendisliğinin şu 4 kritik aşamasını otomatikleştirir:

Veri Çekimi (Connectivity)

Bağlanamadığınız bir şeyi analiz edemezsiniz. Bir fabrikada yeni bir kontrolörle onlarca yıllık seri cihaz yan yana bulunabilir. OT DataOps; gerekli protokoller, polling davranışı, etiket hacmi, ağ bölgeleri ve kaynak sistem sınırları için boyutlandırılmış bir edge veri toplama katmanıyla başlar. Bağlantı kapsamı gerçek ürün sürümü ve sürücü envanteriyle doğrulanmalıdır.

Normalleştirme ve Bağlamsallaştırma

En kritik adım budur. Ham veri, fabrikayı terk edip IT dünyasına geçmeden önce insanların (ve algoritmaların) okuyabileceği bir "anlama" çevrilmelidir. OT DataOps motoru, buluta anlamsız bir DB4.DBX2.1 = 120 göndermek yerine paketi şu şekilde dönüştürür (normalleştirir):

{
 "asset": "Ekstruder_A",
 "location": "Fabrika_Bursa",
 "metric": "Sıcaklık",
 "value": 120,
 "unit": "Celsius",
 "status": "Uyari"
}

Artık bu veri paketi Buluta veya ERP'ye ulaştığında, karşıdaki Veri Bilimci (Veya Yapay Zeka (AI) Asistanı) tam olarak neye baktığını anında anlayabilir.

Akıllı Filtreleme ve Deadbanding

Bulut hizmet sağlayıcılar (AWS, Azure vb.), Buluta yüklediğiniz (Ingress) her bir Gigabayt veri için size fatura keser. Eğer bir sıcaklık sensörü her 10 milisaniyede bir aynen 22.1°C değerini iletiyorsa, bu birbirinin kopyası milyonlarca veriyi Buluta göndermek ölçeklenebilir bir para israfıdır. OT DataOps; Edge (Uç) seviyesinde "Deadbanding" (sadece değer %1 veya %5 değiştiğinde veriyi gönder) veya "Zaman Bazlı Kümeleme" (60.000 adet milisaniyelik ham veri yerine, 1 dakikalık temiz bir 'ortalama' gönder) gibi Akıllı Filtreleme teknolojilerini kullanarak önemli "veri fırtınalarını" dindirir.

İstikrarlı Teslimat: Birleşik İsim Alanı (UNS)

Son olarak; temizlenmiş, filtrelenmiş ve etiketlenmiş o güzel veri, gidip de aranması zor eski tip tekil parça (silo) veritabanlarına çöplük gibi atılmaz. Merkezi bir Birleşik İsim Alanı'na (Unified Namespace - UNS) yayınlanır. UNS, yetkili tüketicilerin yeniden kullanabileceği yönetişimli bir operasyonel model sağlar. ERP, MES, BI, iş akışları, dashboard'lar ve onaylı Model Context Protocol (MCP) istemcileri farklı sözleşmeler tüketebilir; UNS kaynak sahipliği, yetkilendirme, veri kökeni ve mutabakat gereksinimlerini ortadan kaldırmaz.

Değerlendirilmesi gereken operasyonel sonuçlar

• Daha az tekrarlanan hazırlık: Ortak kimlik, birim, kalite ve durum modelleri güncel tutulduğunda eşleştirme işinin tekrarını azaltır.
• Kontrollü üst katman veri hacmi: Deadband, özetleme ve olay seçimi gönderilen veriyi azaltabilir; sonuç sinyal davranışı ve saklama gereksinimine göre ölçülmelidir.
• Yeniden kullanılabilir teslimat sözleşmeleri: Yetkili tüketiciler her kontrol kaynağına doğrudan yeniden bağlanmadan bağlamsal veriyi kullanabilir.

Sonuç

OT DataOps, birden fazla operasyonel tüketici tutarlı ve yönetişimli veriye ihtiyaç duyduğunda; kaynak bazında veri hazırlığı yönetilmesi zorlaştığında anlamlıdır. İşlemenin bir bölümü edge katmanında kalırken ortak yönetişim, tarihsel saklama ve tüketici teslimatı edge ile merkez arasında dağılabilir. Ürün sınırının tamamını değerlendirmek için Proxus Endüstriyel Veri Platformu sayfasından başlayıp onaylı veri çıkışlarını IT/OT Köprüsü üzerinden planlayabilirsiniz.

Ne zaman uygun olmayabilir?

• Düşük frekanslı telemetride daha basit yaklaşımlar yeterli olabilir.
• Tek hatlı küçük tesislerde tam dağıtık mimari maliyet-etkin olmayabilir.
• Katı legacy kısıtları olan ortamlarda kademeli geçiş gerekebilir.
• Emniyet-kritik kapalı çevrim kontrol, PLC/Safety PLC katmanında kalmalıdır.

Bu davranış, topoloji ve yük özelliklerine göre değişebilir.

Sık Sorulan Sorular

OT DataOps, IT DataOps'tan nasıl farklıdır?

IT DataOps yazılım tarafından üretilen veri hatlarını (veritabanları, API'ler, loglar) optimize eder. OT DataOps fiziksel sensörlerden ve PLC'lerden gelen makine verisini yönetir - tescilli protokoller, gerçek zamanlı kısıtlamalar ve ağ kesintilerinin sık olduğu ortamlarla ilgilenir. Depola ve İlet deseni bu ortama özgü bir dayanıklılık mekanizmasıdır.

OT verisinin ne kadarı saklanmalı veya iletilmelidir?

Evrensel bir oran yoktur. Karar; proses dinamiğine, inceleme ihtiyaçlarına, alarm ve olay gereksinimlerine, örnekleme davranışına, mevzuat saklama süresine ve ayrıntı kaybının etkisine bağlıdır. Akıllı filtreleme kuralları yaygınlaştırılmadan önce temsilî sinyaller üzerinde doğrulanmalıdır.

Ayrı bir OT DataOps ekibine ihtiyacım var mı?

Mutlaka değil. Çoğu kuruluşta mevcut otomasyon/kontrol ekibi IT veri mühendisleriyle işbirliği yapar. Kritik olan ortak bir namespace tasarımı (UNS) ve Edge-Bulut hattının net sahipliğidir.

Kaynaklar

1. DataOps Manifesto - OT DataOps'un endüstriyel ortamlara uyarladığı çevik veri mühendisliği prensipleri. dataopsmanifesto.org
2. ISA-95 / IEC 62264 - OT DataOps hattını yapılandıran kurum-kontrol veri modelini tanımlayan standart.
3. Eclipse Sparkplug - MQTT tabanlı OT veri normalizasyonu için payload standardizasyon çerçevesi. sparkplug.eclipse.org

Proxus Endüstriyel Veri Platformunu İnceleyin →