Quay lại blog

Emerson và Databricks kết nối nền tảng dữ liệu OT với AI doanh nghiệp

Emerson và Databricks đang kết nối dữ liệu OT của AspenTech Inmation với các nền tảng phân tích và AI cấp doanh nghiệp. Cơ hội nằm ở việc bổ sung ngữ cảnh phong phú hơn; thách thức kỹ thuật là duy ...

Emerson và Databricks đã công bố hợp tác nhằm kết nối dữ liệu vận hành công nghiệp với hoạt động phân tích và AI của doanh nghiệp. Thông cáo ngày 19 tháng 11 năm 2026 tập trung vào AspenTech Inmation, được mô tả là một nền tảng dữ liệu OT, cùng khả năng truy cập trực tiếp dữ liệu này từ Nền tảng Trí tuệ Dữ liệu Databricks.

Phạm vi hợp tác

Theo Emerson, Inmation có thể thu thập, ngữ cảnh hóa và quản trị thông tin OT theo thời gian thực lẫn thông tin lịch sử trong các môi trường tại hiện trường, biên và đám mây. Sự hợp tác mới này được thiết kế để giúp truy cập thông tin đã được ngữ cảnh hóa đó cùng với dữ liệu kinh doanh và dữ liệu doanh nghiệp trên Databricks. Emerson cũng cho biết người dùng sẽ có thể truy cập các khả năng AI công nghiệp AVA của AspenTech và dữ liệu Inmation trong môi trường Databricks.

Mục tiêu kiến trúc rất rõ ràng: tránh xây dựng một dự án trích xuất và ngữ cảnh hóa dữ liệu riêng cho từng trường hợp ứng dụng về bảo trì, hiệu suất hoặc AI. Một lớp dữ liệu vận hành dùng chung có thể giúp nhóm phân tích kết hợp trạng thái thiết bị, lịch sử quy trình, lệnh sản xuất, hồ sơ chất lượng và sự kiện bảo trì mà không phải liên tục tạo lại bản đồ thẻ dữ liệu và ngữ cảnh tài sản.

Những lợi ích thiết thực mà nhà máy có thể nhận được

Bảo trì dự đoán là ví dụ hiển nhiên, nhưng các trường hợp ứng dụng có giá trị hơn thường mang tính đặc thù. Một nhóm có thể so sánh độ rung của máy bơm hoặc hoạt động của van với chế độ vận hành và cấp sản phẩm, xem xét liệu các kiểu cảnh báo có xuất hiện trước khi sản lượng giảm hay không, hoặc kết hợp mức tiêu thụ năng lượng với lịch sản xuất. Lợi ích phụ thuộc vào việc bảo toàn dấu thời gian, đơn vị kỹ thuật, mã chất lượng và mối quan hệ giữa các tài sản, chứ không chỉ đơn thuần sao chép một lượng lớn thẻ dữ liệu vào lakehouse.

Phần lớn bối cảnh vận hành đó vẫn đến từ phần cứng điều khiển hiện có. Một nhà máy quy trình có thể dùng các bộ điều khiển như bộ điều khiển Emerson DeltaV MQ, các mô-đun giao diện như mô-đun I/O ảo DeltaV và các card thông dụng như mô-đun đầu vào analog KJ3002X1-BC1. Đây là những ví dụ về lớp thiết bị đã được lắp đặt, nơi thông tin quy trình có thể bắt nguồn; thông báo không nêu rằng các sản phẩm cụ thể này có kết nối Databricks gốc trực tiếp.

Ranh giới điều khiển phải luôn được xác định rõ ràng

Thông cáo đề cập đến quyền truy cập, phân tích, quy trình AI và các tác nhân, nhưng không xác định quyền kiểm soát vòng kín. Sự khác biệt này rất quan trọng. Một đề xuất được tạo từ AI doanh nghiệp không tương đương với một hành động điều khiển đã được xác thực, và lakehouse không thể thay thế hệ thống điều khiển xác định, các liên động hoặc một hệ thống thiết bị an toàn độc lập.

Các chức năng an toàn đòi hỏi ranh giới đặc biệt rõ ràng. Một bộ giải logic như mô-đun Emerson VS3202 DeltaV SIS thuộc một vòng đời an toàn được quản lý với quy trình kiểm soát thay đổi, chẩn đoán và yêu cầu kiểm tra chứng minh được xác định rõ. Dữ liệu từ SIS có thể hỗ trợ phân tích, nhưng các đường dẫn ghi, thông tin xác thực và đề xuất do AI tạo ra không được phép vượt qua thiết kế an toàn. Thông báo không xác lập bất kỳ quyền hạn nào như vậy.

Các câu hỏi mà thông báo chưa giải đáp

  • Cấu trúc liên kết bộ kết nối: Emerson không nêu rõ những bộ thu thập dữ liệu, giao thức hoặc kiểu triển khai nào cung cấp quyền truy cập gốc, hay liệu một hệ thống Inmation hiện có có cần thêm cổng kết nối hay không.
  • Độ trễ và tính toàn vẹn: không có số liệu về độ trễ từ sự kiện đến truy vấn, khả năng đệm khi xảy ra sự cố, độ phân giải dấu thời gian hoặc việc bảo toàn cờ chất lượng nguồn.
  • Bảo mật: các nhà máy vẫn cần quy trình được lập thành tài liệu về các vùng mạng OT, kiểm soát danh tính, quản lý chứng chỉ, ghi nhật ký kiểm toán và thực thi kết nối một chiều hoặc chỉ đọc khi cần.
  • Lưu trú dữ liệu: các cơ sở thuộc diện quản lý và phân bố theo địa lý phải xác định nơi lưu trữ và xử lý dữ liệu thô, đã được bổ sung ngữ cảnh và dữ liệu dẫn xuất.
  • Vòng đời và chi phí: thông cáo không nêu chi tiết về giấy phép, các phiên bản được hỗ trợ, phụ thuộc khi nâng cấp hoặc đơn vị chịu trách nhiệm vận hành mô hình và tác nhân.
  • Hoạt động ngoại tuyến: hiện chưa rõ những chức năng nào có sẵn cho các cơ sở cách ly mạng hoặc khi mất kết nối đám mây.

Lộ trình áp dụng hợp lý

Các nhà máy nên bắt đầu bằng một trường hợp sử dụng chỉ đọc, có thể đo lường được, thay vì chuyển dữ liệu trên quy mô toàn doanh nghiệp. Trước tiên, hãy xác định hệ thống phân cấp tài sản, thẻ dữ liệu nguồn, quy tắc chất lượng và kết quả kinh doanh mong đợi. Sau đó, đo độ trễ và dữ liệu bị thiếu trong quá trình vận hành bình thường, thời gian ngừng để bảo trì và các lần gián đoạn mạng. Chỉ nên huấn luyện hoặc triển khai mô hình AI sau khi đã xác nhận độ tin cậy của luồng dữ liệu.

Ban đầu, kết quả của mô hình nên chỉ mang tính tham khảo và được đối chiếu với những phát hiện của nhân viên vận hành và bảo trì. Mọi bước chuyển sau này sang hành động tự động đều cần có quy trình đánh giá mối nguy, mô hình phân quyền, kế hoạch khôi phục và quy trình quản lý thay đổi riêng. Các nhóm mua sắm cũng nên yêu cầu danh mục phiên bản phần mềm, các thành phần phụ thuộc của bộ kết nối, giả định về luồng dữ liệu ra ngoài và quy trình khôi phục để có thể duy trì kiến trúc sau giai đoạn thử nghiệm.

Ý nghĩa đối với chiến lược dữ liệu công nghiệp

Sự hợp tác này quan trọng vì thừa nhận rằng AI doanh nghiệp chỉ hữu ích khi có thể truy cập dữ liệu nhà máy được ngữ cảnh hóa chính xác. Inmation có thể giúp giảm công việc tích hợp lặp đi lặp lại, trong khi Databricks cung cấp một môi trường toàn diện hơn cho kỹ thuật dữ liệu và AI. Giá trị kỹ thuật sẽ được quyết định bởi chất lượng ngữ cảnh OT và tính nghiêm ngặt của ranh giới điều khiển, chứ không phải số lượng thẻ dữ liệu được hiển thị cho nền tảng AI.

Đối với lãnh đạo vận hành, cơ hội trước mắt là phân tích liên miền tốt hơn với ít công sức tích hợp tùy chỉnh hơn. Rủi ro trước mắt là để một luồng dữ liệu tiện lợi trở thành luồng điều khiển không được lập tài liệu. Một triển khai thành công cần giúp cung cấp thêm thông tin vận hành mà không làm suy giảm các trách nhiệm về tính xác định, an ninh mạng và an toàn của những hệ thống vận hành nhà máy.

Nguồn: Emerson, “Emerson và Databricks kết hợp AI công nghiệp với AI doanh nghiệp,” xuất bản ngày 19 tháng 11 năm 2026. Thông báo chính thức. Phân tích của PLC ProTech, ngày 20 tháng 11 năm 2026.

Để lại bình luận

Xin lưu ý, bình luận cần được phê duyệt trước khi được đăng.