Siemens Energy acelera o desenvolvimento de aplicações usando gráfico de conhecimento do metaphactory

A Siemens Energy supervisiona uma frota de milhares de grandes turbinas a gás que operam em vários países em todo o mundo. Gerenciar uma frota tão ampla de equipamentos em diferentes ambientes e contextos apresentava um grande desafio logístico. O gerenciamento de catálogos de peças de reposição e configurações específicas do cliente para cada turbina exigia uma quantidade considerável de processamento manual e mão de obra. Isso também requeria uma melhor otimização de estoque do lado do cliente e recomendações mais precisas de peças de reposição. A empresa precisava de uma forma confiável de modelar dados contextuais e hierarquias complexas na Nuvem AWS para obter visibilidade e aprimorar a tomada de decisões sobre a frota de grandes turbinas a gás.

A Siemens Energy descobriu a tecnologia de grafos de conhecimento como solução ideal para ajudar a organizar, gerenciar e consultar estruturas de dados de máquinas em toda a frota. A estrutura hierárquica dessas máquinas se presta à modelagem de grafos de conhecimento. Os grafos de conhecimento, uma forma de modelar dados estruturados e não estruturados, são criados por especialistas no assunto e aumentados com a ajuda de algoritmos inteligentes de machine learning. A Siemens Energy escolheu o grafo de conhecimento metaphactory, produzido pela empresa de tecnologia alemã metaphacts. O metaphactory oferece gerenciamento de grafos de conhecimento, desenvolvimento rápido de aplicações e interação orientada ao usuário final. Ele oferece suporte aos clientes com aquisição e integração de dados, criação de conteúdo, visualização interativa e exploração de dados, bem como vinculação e reutilização de fontes externas de conhecimento. O metaphactory se baseia no serviço de grafos de conhecimento do Amazon Neptune.

A Siemens Energy estava interessada em usar a tecnologia de grafos de conhecimento para projetar e criar sua própria aplicação, que apresentaria consultas e formulários personalizados. Como o metaphactory é uma plataforma de baixo código para o rápido desenvolvimento de aplicações de grafos de conhecimento, se alinhava perfeitamente às necessidades da Siemens Energy. De acordo com Lutz Lukas, arquiteto de soluções de TI da Siemens Energy, “a Siemens Corporate Technology trabalhou com o metaphactory por vários anos em várias iniciativas. Em projetos anteriores, descobrimos que o metaphactory pode ser aproveitado para criar uma aplicação personalizada de forma rápida e em escala. Além disso, as opções de visualização e consulta fornecidas pela metaphacts nos ajudaram a validar dados de forma rápida e eficiente, prototipar interfaces de usuário e explorar gráficos.”

A Siemens Energy criou uma parte essencial da aplicação Turbine Knowledge Graph usando as capacidades de baixo código do metaphactory. Isso permite a visualização das relações e conexões complexas dentro da frota em questão. Daniel Herzig-Sommer, diretor de Operações da metaphacts, explica da seguinte forma: “Pense no desenvolvimento de baixo código como construir uma casa modular: você não precisa construí-la tijolo por tijolo, mas pode usar elementos prontos, como paredes com janelas e portas embutidas. É o mesmo com o metaphactory. Você usa nossos componentes prontos para visualização, pesquisa, edição de dados grafos ou o que você precisar em suas tarefas de gerenciamento de dados. Em seguida, você os configura e combina da maneira que desejar, e tem uma aplicação em pouco tempo.” O metaphactory faz isso por meio de modelos personalizáveis e um conjunto elaborado de componentes Web prontos, que podem ser parametrizados para atender à aparência do cliente. Esses componentes estão disponíveis para tarefas de gerenciamento de dados e para visualizar grandes quantidades de dados e relacionamentos estruturados e não estruturados de forma mais intuitiva. A plataforma também fornece uma bancada de trabalho de qualidade de dados que monitora os dados e verifica se eles são consistentes com os modelos existentes.

A sobreposição da plataforma do metaphactory no serviço de banco de dados de grafos do Amazon Neptune permitiu que a Siemens Energy criasse uma ferramenta inteligente para gerenciar peças de reposição com mais eficiência. O processo de implantação dessa aplicação de grafo de conhecimento na produção foi simples. Depois de uma série de chamadas semanais com a metaphacts, a Siemens Energy começou a operar rapidamente com um conjunto de visualizações contextuais em sua frota global de turbinas. Graças à interface de usuário intuitiva, os engenheiros de turbinas da Siemens Energy trabalham com as visualizações diariamente. A criação da aplicação teria demorado mais sem o metaphactory. Agora, a Siemens Energy pode usar dados do Resource Description Framework (RDF), protocolos SPARQL e consultas de linguagem de pesquisa RDF (SPARQL), bem como ontologias criadas perfeitamente no Amazon Neptune. Como resultado, a empresa obteve eficiências operacionais iniciais ao descobrir relações inéditas entre rastreamento e monitoramento de seu repositório global de turbinas.

Paul Zolnowski, líder de Seção, Pós-Documentação na Siemens Energy, aponta: “A principal vantagem do metaphactory é que pudemos visualizar facilmente nossos dados durante o desenvolvimento para obter comentários antecipados da empresa, permitindo melhorias na qualidade dos dados e um desenvolvimento rápido e focado no alvo de nossa aplicação e do modelo de dados”.

Por meio da plataforma metaphactory adquirida do AWS Marketplace, a Siemens Energy criou e implantou uma aplicação de grafos de conhecimento personalizado orientada ao usuário final para gerenciar sua frota de grandes turbinas a gás em apenas seis meses. Isso foi impressionante do ponto de vista operacional, caracterizado pelos comentários rápidos e pela adesão na linha de negócios e por um ciclo acelerado de desenvolvimento, teste e implantação. “Graças ao metaphactory, pudemos desenvolver uma aplicação poderosa que permitiu que os engenheiros de turbinas tomassem decisões ainda mais precisas baseadas em dados e economizassem esforços manuais”, disse Zolnowski.

A Siemens Energy também economizou 1.500 horas de processamento manual no primeiro ano. Antes, a anotação de dados exigia a comparação de informações entre as diferentes configurações de máquinas da frota. Com o metaphactory, a Siemens Energy introduziu um processo mais eficiente para selecionar e criar catálogos de peças de reposição e gerenciar configurações para sua frota de grandes turbinas a gás. “Em última análise, isso nos ajudou a aumentar a qualidade geral das recomendações para nossos clientes”, diz Lutz Lukas. “Nossos engenheiros de turbinas podem atuar com mais eficiência.”

Construir no serviço de banco de dados de grafos de alta performance e baixa latência do Amazon Neptune também conectou a Siemens Energy a outros serviços do AWS Marketplace, como armazenamento, balanceadores de carga, gateways e redes. Como o metaphactory é um aplicativo em dock, isso também exigiu a integração com os modelos do AMI AWS CloudFormation para implantação. A adoção dos serviços da AWS proporcionou à Siemens Energy a performance e a agilidade necessárias para entrar no mercado de forma rápida e econômica, sem abandonar seus altos padrões de segurança.

A aquisição do metaphactory no AWS Marketplace proporcionou às equipes de DevOps a flexibilidade de testar imediatamente novos recursos e executar o metaphactory sob demanda. Lutz Lukas observa: “Também apreciamos muito os preços e o licenciamento flexíveis oferecidos pela AWS e pela metaphacts. Isso nos permitiu configurar um sistema de dois níveis, um para desenvolvimento e outro para produção. A licença de não produção foi usada para desenvolvimento, teste de novos atributos e comentários do usuário, enquanto reservamos a licença de produção para implantações de novas versões da aplicação para nossos engenheiros de turbinas. Além disso, apreciamos a flexibilidade de iniciar e interromper instâncias com base na demanda de uso e nas programações diárias.”

A Siemens Energy está satisfeita com a eficácia da tecnologia de machine learning e grafo de conhecimento na criação rápida de aplicações que agregam valor comercial. Ela planeja continuar construindo e aprimorando a aplicação de grafos de conhecimento de turbinas e vê potencial na aplicação de grafos de conhecimento em outras linhas de negócios.