Implementazione di sistemi di Business Intelligence, analisi dei dati stessi al fine di ottimizzare i processi ed i prodotti che ne derivano.

La manufactoring Big Data o Industrial Analiytics è la specializzazione dei metodi e strumenti per trattre ed elaborare grandi moli di dati sull'ambito manifatturieri e di Supply Chain Management.

I dati quindi possono provenire da sistemi IoT connessi al layer produttivo o dallo scambio tra sistemi IT per la pianificazione e sincronizzazione dei flussi produttivi e logistici.

Nel Manufactoring Big Data rientra l'applicazione di nuove tecniche e strumenti di Data analytics & Visualization, simulation e forecasting, per evidenziare l'informazione celata nei dati e il suo uso efficace per supportare decisioni rapide.

IoT e BigData sono considerate, spesso in modo accoppiato, due delle tecnologie abilitanti
per Industria 4.0, ed in particolare per il suo elemento fondamentale, cioè la “Cyber Physical
Convergence”. Seguendo un approccio logico “bottom-up”, è possibile illustrare gli elementi essenziali di queste tecnologie come segue.


Partendo dalla tecnologia IoT, si evidenziano i seguenti elementi:

  • la miniaturizzazione delle tecnologie di sensing e di comunicazione wireless consente di includere ormai in quasi ogni oggetto fisico dispositivi (sistemi embedded) per la raccolta di informazioni sull’ambiente fisico e la loro comunicazione in rete. Per oggetti che nascono privi di tali dispositivi è ormai possibile aggiungerli in un secondo tempo; pertanto, praticamente ogni oggetto fisico ha (o può avere) la capacità di generare dati sul suo stato e lo stato dell’ambiente fisico che lo circonda;
  • la disponibilità di reti wireless pervasive ad alta capacità (es., lte, wifi, zigbeebluetooth) permette di raccogliere questi dati e di connettere praticamente  qualunque oggetto fisico in internet. Questo permette, da un lato, la raccolta e condivisione dei dati generati dai dispositivi embedded negli oggetti fisici, e dall’altro di configurarli, e quindi agire anche da remoto sugli oggetti fisici ed il loro ambiente circostante;
  • i dispositivi personali degli utenti (smartphones, tablets, oggetti wearable come gli smart watches) possono anch’essi generare dati, comunicarli su internet e ricevere comandi da remoto, esattamente secondo lo stesso paradigma;
  • l’insieme di questi tre elementi (pervasività di sistemi embedded, pervasività delle reti, pervasività di dispositivi personali collegati alla rete) costituisce la base tecnologica dell’internet of things.

Da un punto di vista tecnologico, l’Internet of Things è quindi l’estensione dell’Internet tradizionale, pensato per far comunicare oggetti specifici, i computer, senza un particolare legame con il mondo fisico circostante - ad una rete che permette agli oggetti fisici di
comunicare direttamente tra loro e alle persone di interagire con gli oggetti fisici sia vicini che remoti.
Con la grande diffusione dei dispositivi IoT si assiste di pari passo al cosiddetto “data deluge”, cioè la disponibilità di una quantità enorme di dati “grezzi” generati dai dispositivi nell’ambiente fisico.

Se da un lato la presenza di una tale mole di dati fornisce opportunità eccezionali, dall’altro diventa più che mai necessario accoppiare a tecnologie IoT tecnologie specifiche per la gestione, integrazione dei dati, ed estrazione di conoscenza dai dati grezzi generati dai dispositivi IoT, chiamate comunemente BigData Analytics (che, a loro volta, tipicamente richiedono infrastrutture di calcolo ad alta capacità per poter immagazzinare ed analizzare tali quantità di dati, attualmente fornite tramite piattaforme di cloud storage and computing).
La sinergia tra tecnologie IoT e Big Data è una delle basi della Cyber-Physical Convergence
(e dei corrispondenti Cyber-Physical Production SystemsCPPS). La Cyber Physical Convergence è caratterizzata da un processo circolare (Information Value Loop) tra il mondo fisico ed il mondo cyber (Internet). Grazie a tecnologie IoT, gli oggetti e le persone generano costantemente dati che passano dal mondo fisico al mondo cyber tramite reti pervasive.
Nel mondo cyber, le tecnologie Big Data permettono di analizzare i dati raccolti estraendone conoscenza. 

Si noti anche che la stessa focalizzazione sugli aspetti di IoT e Big Data è alla base dell’iniziativa  (IDS)guidata dal Fraunhofer in Germania, il principale ente di ricerca tedesco orientato all’innovazione industriale. In particolare, IDS è visto come il fattore abilitante per tutte le soluzioni Industry 4.0, ed è focalizzato sulla raccolta, gestione ed analisi dei dati su tutta la catena produttiva, sia nell’ambito delle diverse unità della stessa azienda, che nell’ambito delle varie aziende di una stessa catena produttiva.

Contestualizzata nel mondo di Industria 4.0, la Cyber-Physical Convergence permette una
continua interazione tra cose, dati, persone e servizi, che è alla base di molti dei concetti fondamentali di Industry 4.0.

In particolare, è grazie a questa interazione che diventa possibile quel processo circolare continuo di:

  • produzione di dati;
  • analisi di dati;
  • manutenzione e riconfigurazione dei processi produttivi.

Vi possono essere diversi ambiti di applicazione del processo circolare sopra illustrato. Se applicato ad un singolo processo produttivo, ad esempio, tale approccio consente di monitorare il processo in maniera accurata e continua in modo da controllarlo efficacemente, migliorarlo costantemente nel corso del tempo e riadattarlo rispetto alla variabilità del contesto esterno (con benefici in termini di costi, tempi e flessibilità del processo in questione in ottica “zero-defect”). Se esteso a diversi reparti e linee della stessa azienda, esso consente di ottenere un’integrazione interna ottimale, andando a migliorare le performance a livello aziendale (integrazione verticale). Se esteso al di fuori delle imprese (cioè se anche altre imprese esterne adottassero tecnologie IoT e Big Data), le nuove tecnologie offrirebbero la possibilità, finora mai stata così potente, di integrarsi in filiere più ampie, andando a identificare dinamicamente partner manifatturieri in network produttivi che sarebbe altrimenti impossibile agganciare, anche solo per produzioni temporanee (integrazione orizzontale). Infine, se l’approccio di IoT e Big Data venisse esteso anche al mondo dei clienti, il flusso di informazioni sui prodotti durante il loro ciclo di vita e sui clienti stessi permetterebbe di far evolvere i modelli di business aziendali nella direzione dell’offerta di servizi ad alto valore aggiunto e di circular economy.

Visto che le tecnologie IoT e Big Data sono al momento mature (benché sempre in evoluzione nel settore della ricerca) è possibile programmare interventi puntuali ed immediati di adozione di tecnologie IoT e BigData sin da subito, nell’ottica di una migrazione a più lungo termine verso modelli Industria 4.0. .
A titolo di esempio, si possono indicare le seguenti tecnologie che sono al momento già disponibili sul mercato. Per quanto riguarda le tecnologie IoT:

  • ARDUINO e RASPBERRY PI. Permettono la realizzazione di piccoli sistemi integrati  bassissimo costo. Sono essenzialmente piattaforme hw generali, su cui è possibile "montare” sensori di vario tipo (luce, umidità, movimento, etc.) e schede per la  comunicazione wireless che implementano i più diffusi standard di comunicazione (wifi, zigbee, …). Dispongono anche di processori locali che possono essere programmati per l’analisi dei dati raccolti “sul posto”.
  • Zigbee. E’ il nome di soluzioni commerciali basate sullo standard ieee 802.15.4 per la realizzazione di reti di sensori (IoT) a basso consumo energetico. I dispositivi zigbee possono comunicare tra loro e ricevere comandi da remoto, per modificare il loro stato. Sono spesso usati per applicazioni di controllo, come ad esempio la domotica, ma hanno applicazioni in molti settori, come retail, smart parking, illuminazione intelligente, smart metering, etc.
  • Bluetooth low energy. E’ l’evoluzione della tecnologia bluetooth per dispositivi IoT a bassissimo consumo energetico. Permette la comunicazione wireless tra oggetti fisici in prossimità, come dispositivi indossabili (smart watches, smart badges, etc.) e con dispositivi inseriti nell’ambiente fisico circostante (es. termostati intelligenti).
  • Sigfox, lora, cellular-iot. Sono tecnologie per la copertura wireless di grandi aree geografiche per dispositivi iot a bassissimo consumo. Applicazioni tipiche sono illuminazione intelligente o smart metering. Ad esempio, nel caso sigfox, un operatore del servizio di rete (concettualmente simile ad un operatore cellulare) garantisce copertura in particolari aree geografiche. Acquistando dispositivi IoT(tipicamente sensori) che possano comunicare sulla rete sigfox si ha automaticamente la possibilità di creare sistemi per il monitoraggio ed il controllo di oggetti fisici. In particolare, sigfox raccoglie i dati generati dai sensori e li fornisce all’utente che li ha installati sottoscrivendo un servizio di accesso tramite cloud.
  • Libelium. E’ uno dei principali produttori di sensori e dispositivi IoT fisici. I dispositivi disponibili permettono di raccogliere dati su una grandissima varietà di grandezze fisiche. E’ possibile associare a tali sensori schedine di rete per abilitare la trasmissione dei dati sulle principali tecnologie IoT.


Per quanto riguarda le tecnologie Big Data, si possono citare:

  • Hadoop. È il framework tecnologico open di riferimento per la programmazione di sistemi di analisi su grandi quantità di dati.
  • Hive. Permette l’esecuzione efficiente di richieste (queries) per la raccolta e l’analisi di dati su sistemi distribuiti, compatibili con Hadoop.
  • Spark. Tecnologia di riferimento per la programmazione efficiente di sistemi paralleli per l’analisi di dati su larga scala.
  • HBase e Cassandra. Tecnologie per la gestione di grandi quantità di dati su sistemi distribuiti con prestazioni particolarmente elevate.

Applicando tali tecnologie, è possibile, per esempio, sin da ora:

  • integrare dispositivi IoT per il monitoraggio delle varie fasi della produzione;
  • analizzare Big Data provenienti dal processo di produzione o dall’utilizzo dei prodotti da parte dei clienti. 
  • costruire processi circolari secondo lo schema Information Value Loop. Al momento è ragionevole pensare ad implementazioni in tal senso all’interno di una singola realtà produttiva o, nel caso di aziende più grandi, come supporto all’integrazione “verticale” di varie unità produttive della stessa azienda. Uno degli esempi più immediati di questo approccio è la predictive maintenance dei macchinari.


Condividi
La funzionalità è stata disattivata perché si avvale di cookies (Maggiori informazioni)

Attiva i cookies