Data i rörelse

En klassisk dataplattform samlar in data i efterhand och svarar på vad som hände igår. Vi bygger flöden som fångar händelser när de sker. Det kan vara signaler från en maskin i fabriken eller transaktioner från en kassa i butiken. Datan går via strömmande pipelines till larm, beslut och applikationer som reagerar inom sekunder, inte nästa morgon.

Vi arbetar inom två områden. Det första är industrin och industriell IoT: vi kopplar upp maskiner, PLC:er och styrsystem, ger signalerna struktur och sammanhang och knyter produktionsdata till order, batch och kvalitetsutfall. Det andra är realtid utanför fabriken; handel, logistik, finans och andra verksamheter där minuter spelar roll.

I båda fallen tar vi ansvar för hela kedjan: från arkitektur, edge och uppkoppling till strömmande bearbetning, lagring för både realtid och historik, och de gränssnitt där människor och system faktiskt använder datan.

Där fördröjningen kostar

Ofta är det fördröjningen som kostar. Datan fanns, den kom bara fram för sent.

Avvikelsedetektion på kritisk utrustning. Vibration, temperatur och strömförbrukning analyseras löpande mot varje maskins normala beteende. Ett kullager som börjar gå sönder, eller en process som glider ur sitt fönster, upptäcks timmar eller dagar före haveriet, medan det fortfarande går att planera ett stopp.

Lagersaldon i realtid. I handel och logistik uppdateras saldot över alla kanaler i samma ögonblick som något säljs. E-handeln säljer inte varor som redan tagit slut, och påfyllnaden styrs av det som faktiskt säljs just nu.

‍

Realtid ställer andra krav än batch. Händelser måste hanteras i rätt ordning och på rätt tid, tillstånd måste överleva omstarter, latensen mäts i millisekunder och ingen data får försvinna när en länk faller bort. Vi väljer teknik lager för lager utifrån vad miljön kräver i molnet, on-prem i fabriken eller i ett helt nätverksisolerat OT-nät.

Edge och uppkoppling - där datan uppstår. OPC UA, MQTT med Sparkplug B och Modbus mot maskiner och styrsystem, organiserat i en Unified Namespace så att varje signal har ett namn, en enhet och ett sammanhang. Lätta och driftsäkra edge-tjänster med lokal buffring (store-and-forward), gärna i Rust där resurssnålhet och stabilitet är avgörande.

Strömning och bearbetning - där datan rör sig. Apache Kafka och Azure Event Hubs som ryggrad, med schemaregister och tydliga dataavtal mellan producenter och konsumenter. Apache Flink och Spark Structured Streaming för tillståndsbaserad bearbetning med event time, fönster och exactly-once-semantik. Change data capture med Debezium hämtar händelser direkt ur affärssystem som ERP och MES.

Lagring och analys - där datan blir svar. ClickHouse och andra kolumnbaserade databaser för snabba frågor över stora tidsserier. Databricks, Snowflake och Microsoft Fabric Real-Time Intelligence knyter ihop realtidsdatan med resten av verksamhetens data, med öppna format som Delta Lake och Apache Iceberg i botten.

Drift och plattform - det som håller det igång. Kubernetes i molnet eller på bare metal i fabriken, infrastruktur som kod och GitOps, och observability med Prometheus, Grafana och OpenTelemetry.

Hubben. Industrial leds av Niclas Grahm, I över 10 år har Niclas byggt dataplattformar. De senaste åren har nästan allt handlat om samma sak: data som behöver användas medan den fortfarande är färsk. Sensordata från en produktionslina. Försäljning som tickar in mitt under en kampanj. Beslut som inte kan vänta på morgondagens rapport.

‍

Data som finns i maskinen men aldrig lämnar den. PLC-taggar utan sammanhang, historiker som bara går att läsa lokalt och produktionsdata som inte går att koppla till vilken order eller batch den hör till. Nattliga batchjobb som svarar på frågor där svaret behövdes inom minuter. Pilotprojekt byggda på ett skript på en laptop i produktionen, som aldrig kom längre eftersom ingen visste hur det skulle driftas.

Och allt oftare: en organisation som vill använda AI för prediktivt underhåll, processoptimering eller prognoser, men där datan under inte håller. En modell på tidsseriedata är aldrig bättre än den data den tränas och körs på. Datan måste vara korrekt tidsstämplad, ha sammanhang och finnas framme i rätt tid. Läs mer på vår tjänstesida AI & Machine Learning

Det är där vi gör vår största nytta, när datan rör sig lika snabbt som verksamheten.

Låt oss prata data. Vi hjälper dig hitta rätt väg framåt, oavsett var du befinner dig idag.
‍