Kembali ke blog

Emerson dan Databricks Menghubungkan Data Fabric OT ke AI Perusahaan

Emerson dan Databricks menghubungkan data OT AspenTech Inmation dengan analitik dan AI perusahaan. Peluangnya adalah konteks yang lebih kaya; tantangan rekayasanya adalah memastikan batas keamanan,...

Emerson dan Databricks mengumumkan kolaborasi yang bertujuan menghubungkan data operasional industri dengan analitik dan AI perusahaan. Rilis tanggal 19 November 2026 ini berfokus pada AspenTech Inmation, yang disebut sebagai fabric data teknologi operasional, serta akses native ke data tersebut dari Databricks Data Intelligence Platform.

Cakupan kolaborasi

Menurut Emerson, Inmation dapat mengumpulkan, mengontekstualisasikan, dan mengatur informasi OT real-time dan historis di lingkungan lapangan, edge, dan cloud. Kolaborasi baru ini dirancang agar informasi yang telah dikontekstualisasikan dapat diakses bersama data bisnis dan perusahaan di Databricks. Emerson juga menyatakan bahwa pengguna akan dapat mengakses kemampuan AI industri AVA dari AspenTech dan data Inmation di lingkungan Databricks.

Tujuan arsitekturnya sederhana: menghindari pembangunan proyek ekstraksi dan kontekstualisasi data terpisah untuk setiap kasus penggunaan pemeliharaan, kinerja, atau AI. Lapisan data operasional bersama dapat memungkinkan tim analitik menggabungkan status peralatan, riwayat proses, pesanan produksi, catatan kualitas, dan peristiwa pemeliharaan tanpa harus berulang kali membuat ulang pemetaan tag dan konteks aset.

Potensi manfaat praktis bagi pabrik

Pemeliharaan prediktif adalah contoh yang paling jelas, tetapi kasus penggunaan yang lebih bermanfaat biasanya bersifat spesifik. Sebuah tim dapat membandingkan getaran pompa atau perilaku katup dengan mode operasi dan jenis produk, meneliti apakah pola alarm mendahului penurunan hasil produksi, atau menggabungkan konsumsi energi dengan jadwal produksi. Manfaatnya bergantung pada terjaganya stempel waktu, satuan teknik, kode kualitas, dan hubungan aset—bukan sekadar menyalin tag dalam jumlah besar ke lakehouse.

Perangkat keras kontrol yang sudah ada tetap menjadi sumber sebagian besar konteks operasional tersebut. Pabrik proses mungkin memiliki pengontrol seperti pengontrol Emerson DeltaV MQ, modul antarmuka seperti Modul I/O Virtual DeltaV, dan kartu konvensional seperti modul input analog KJ3002X1-BC1. Ini adalah contoh lapisan terpasang yang dapat menjadi sumber informasi proses; pengumuman tersebut tidak menyatakan bahwa produk-produk ini memiliki koneksi Databricks native secara langsung.

Batas kontrol harus tetap dinyatakan dengan jelas

Rilis ini membahas akses, analitik, alur kerja AI, dan agen, tetapi tidak menetapkan wewenang kontrol loop tertutup. Perbedaan itu penting. Rekomendasi yang dihasilkan AI perusahaan tidak setara dengan tindakan kontrol yang tervalidasi, dan lakehouse bukan pengganti kontrol deterministik, interlock, atau sistem instrumen keselamatan independen.

Fungsi keselamatan memerlukan batasan yang sangat tegas. Logic solver seperti modul SIS Emerson VS3202 DeltaV merupakan bagian dari siklus hidup keselamatan yang diatur, dengan kontrol perubahan, diagnostik, dan persyaratan uji pembuktian yang telah ditetapkan. Data dari SIS dapat mendukung analisis, tetapi jalur penulisan, kredensial, dan rekomendasi yang dihasilkan AI tidak boleh melewati desain keselamatan. Tidak ada bagian dalam pengumuman yang menetapkan otorisasi semacam itu.

Pertanyaan yang belum terjawab dalam pengumuman

  • Topologi konektor: Emerson tidak menyebutkan kolektor, protokol, atau pola penerapan yang menyediakan akses bawaan, maupun apakah penerapan Inmation yang sudah ada memerlukan gateway tambahan.
  • Latensi dan kelengkapan: tidak ada angka yang diberikan untuk latensi dari peristiwa hingga kueri, penyanggaan selama gangguan, resolusi stempel waktu, atau pemeliharaan tanda kualitas sumber.
  • Keamanan: pabrik tetap memerlukan jalur terdokumentasi melalui zona jaringan OT, kontrol identitas, manajemen sertifikat, pencatatan audit, serta penerapan komunikasi satu arah atau hanya-baca jika diwajibkan.
  • Residensi data: lokasi yang diatur oleh regulasi dan tersebar secara geografis harus menetapkan tempat penyimpanan dan pemrosesan data mentah, yang telah dikontekstualisasi, dan turunan.
  • Siklus hidup dan biaya: rilis ini tidak merinci lisensi, versi yang didukung, dependensi peningkatan, atau tanggung jawab operasional atas model dan agen.
  • Operasi tanpa koneksi: belum jelas fungsi apa saja yang tersedia untuk lokasi yang terisolasi dari jaringan atau saat koneksi cloud terputus.

Jalur adopsi yang masuk akal

Pabrik sebaiknya memulai dengan satu kasus penggunaan yang terukur dan hanya-baca, bukan memindahkan data di seluruh perusahaan. Pertama, tentukan hierarki aset, tag sumber, aturan kualitas, dan hasil bisnis yang diharapkan. Lalu ukur latensi data dan kesenjangan selama operasi normal, penghentian untuk pemeliharaan, dan gangguan jaringan. Model AI hanya boleh dilatih atau diterapkan setelah tim memercayai jalur data tersebut.

Pada tahap awal, hasil model sebaiknya hanya menjadi masukan dan dibandingkan dengan temuan operator dan tim pemeliharaan. Setiap langkah selanjutnya menuju tindakan otomatis memerlukan tinjauan bahaya, model wewenang, rencana pemulihan, dan proses manajemen perubahan tersendiri. Tim pengadaan juga harus meminta daftar versi perangkat lunak, dependensi konektor, asumsi pemindahan data ke luar, dan prosedur pemulihan agar arsitektur dapat didukung setelah tahap uji coba.

Makna strategi data industri

Kolaborasi ini penting karena mengakui bahwa kegunaan AI perusahaan hanya sebaik aksesnya ke data pabrik yang telah dikontekstualisasikan dengan benar. Inmation berpotensi mengurangi pekerjaan integrasi berulang, sementara Databricks menyediakan lingkungan yang lebih luas untuk rekayasa data dan AI. Nilai teknisnya akan ditentukan oleh kualitas konteks OT dan kedisiplinan batas kontrol—bukan oleh banyaknya tag yang dapat dilihat oleh platform AI.

Bagi pemimpin operasional, peluang dalam waktu dekat adalah analisis lintas domain yang lebih baik dengan lebih sedikit pekerjaan integrasi khusus. Risiko dalam waktu dekat adalah membiarkan jalur data yang praktis berubah menjadi jalur kontrol yang tidak terdokumentasi. Penerapan yang berhasil harus menyediakan lebih banyak informasi operasional tanpa melemahkan tanggung jawab sistem yang menjalankan pabrik terkait determinisme, keamanan siber, dan keselamatan.

Sumber: Emerson, “Emerson dan Databricks Menyatukan AI Industri dan Perusahaan,” diterbitkan 19 November 2026. Pengumuman resmi. Analisis editorial oleh PLC ProTech, 20 November 2026.

Tinggalkan komentar

Harap diperhatikan, komentar perlu disetujui sebelum dipublikasikan.