A Schneider Electric 3,1 milliárd dolláros megállapodást jelentett be a Cognite felvásárlására. A lépés nem egyszerű szoftvervásárlás: azt jelzi, hogy az ipari automatizálás következő versenyelőnye az adatok értelmezhető, üzemközeli összekapcsolása lesz.
A modern gyárakban és folyamatipari üzemekben már nem az a fő kérdés, hogy van-e adat. A PLC-k, DCS-ek, SCADA-rendszerek, karbantartási adatbázisok és vállalatirányítási rendszerek rengeteg információt termelnek. A probléma inkább az, hogy ezek az adatok gyakran külön szigetekben élnek, eltérő névkonvencióval, eltérő struktúrával és eltérő minőséggel. Egy AI-modell önmagában ettől még nem fogja érteni, hogy egy adott tag, motor, szelep vagy mérőkör pontosan milyen technológiai összefüggésben működik.
Ezért érdekes a Schneider Electric és a Cognite bejelentése. A Cognite ipari adat- és AI-platformja kifejezetten arra épít, hogy a mérnöki, üzemeltetési és vállalati adatokat nagy léptékben modellezze és kontextusba helyezze. A Schneider közlése szerint a Cognite az AVEVA-val együtt egy egységes ipari AI-platform alapját adhatja, amely nem csak elemzéseket futtat, hanem üzemi döntéstámogatást és munkafolyamat-automatizálást is lehetővé tehet.
Irányítástechnikai szemmel ez azért fontos, mert az AI akkor használható komolyan üzemi környezetben, ha nem csak “szöveget generál”, hanem érti az eszközstruktúrát, a technológiai hierarchiát, az üzemállapotokat és a mérési pontok közötti kapcsolatokat. Egy rosszul értelmezett adatkapcsolat egy irodai rendszerben kellemetlen hiba, egy üzemben viszont hibás karbantartási döntést, rossz beavatkozási javaslatot vagy téves prioritást okozhat.
A bejelentés alapján a felvásárlás célja, hogy a Schneider Electric energia- és automatizálási portfóliója, az AVEVA ipari szoftverei és a Cognite adatkontextualizációs képességei egy irányba álljanak. Ez a gyakorlatban olyan megoldások felé mutat, ahol a mérnöki dokumentáció, az élő folyamatadat, az eszközállapot és a karbantartási információ egy közös ipari tudásrétegben találkozik.
Magyar ipari szereplőknek ebből az a tanulság, hogy az AI-projektek előfeltétele nem a “legújabb modell” kiválasztása, hanem a saját üzemi adatrend kialakítása: tag-struktúra, eszközfa, dokumentumkapcsolatok, mérőkörök, karbantartási előzmények és jogosultságok rendbetétele. Ahol ez megvan, ott az AI valódi mérnöki segédeszközzé válhat. Ahol nincs meg, ott csak drága bemutató marad.