The development of dynamic data-based Decision Support Systems (DSSs) along with the increasing availability of data in the industry, makes real-time data acquisition and management a challenge. Intelligent automation appears as a holistic combination of automation with analytics and decisions made by artificial intelligence, delivering smart manufacturing and mass customization while improving resource efficiency. However, challenges towards the development of intelligent automation architectures include the lack of interoperability between systems, complex data preparation steps, and the inability to deal with both high-frequency and high-volume data in a timely fashion. This paper contributes to industrial frameworks focused on the development of standardized system architectures for Industry 4.0, closing the gap between generic architectures and physical realizations. It proposes a platform for intelligent automation relying on a gateway or middleware between field devices, enterprise databases, and DSSs in real-time scenarios. This is achieved by providing the middleware interoperability, determinism, and automatic data structuring over an industrial communication infrastructure such as the OPC UA Standard over Time Sensitive Networks (TSN). Cloud services and database warehousing used to address some of the challenges are handled using fog computing and a multi-workload database. This paper presents an implementation of the platform in the pharmaceutical industry, providing interoperability and real-time reaction capability to changes to an industrial prototype using dynamic scheduling algorithms.

基于动态数据的决策支持系统（DSS）的发展以及行业中数据可用性的提高，使得实时数据采集和管理成为一个挑战。智能自动化似乎是自动化与人工智能的分析和决策的整体结合，可提供智能制造和大规模定制功能，同时提高资源效率。但是，开发智能自动化体系结构的挑战包括系统之间缺乏互操作性，复杂的数据准备步骤以及无法及时处理高频和大容量数据。本文为致力于工业4.0标准化系统体系结构开发的工业框架做出了贡献，缩小通用架构和物理实现之间的差距。它提出了一个实时场景中依赖于现场设备，企业数据库和DSS之间的网关或中间件的智能自动化平台。这是通过在工业通信基础架构（如OPC UA时间敏感网络标准（TSN））上提供中间件互操作性，确定性和自动数据结构来实现的。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。它提出了一个实时场景中依赖于现场设备，企业数据库和DSS之间的网关或中间件的智能自动化平台。这是通过在工业通信基础架构（如OPC UA时间敏感网络标准（TSN））上提供中间件互操作性，确定性和自动数据结构来实现的。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。它提出了一个实时场景中依赖于现场设备，企业数据库和DSS之间的网关或中间件的智能自动化平台。这是通过在工业通信基础架构（如OPC UA时间敏感网络标准（TSN））上提供中间件互操作性，确定性和自动数据结构来实现的。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。和实时场景中的DSS。这是通过在工业通信基础架构（如OPC UA时间敏感网络标准（TSN））上提供中间件互操作性，确定性和自动数据结构来实现的。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。和实时场景中的DSS。这是通过在工业通信基础架构（如OPC UA时间敏感网络标准（TSN））上提供中间件互操作性，确定性和自动数据结构来实现的。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。通过工业通信基础架构（例如OPC UA时间敏感网络标准（TSN））上的自动数据结构。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。通过工业通信基础架构（例如OPC UA时间敏感网络标准（TSN））上的自动数据结构。使用雾计算和多工作量数据库来处理用于解决某些挑战的云服务和数据库仓库。本文介绍了该平台在制药行业中的实现，它使用动态调度算法为更改工业原型提供了互操作性和实时反应能力。