di Marco de’ Francesco ♦︎ Le Frecce d’Argento sono dotate del sistema Converged Edgeline della multinazionale americana, in grado di processare i dati (500 miliardi quelli prodotti dalle due monoposto durante il weekend di gara) direttamente “a bordo macchina”. Così le informazioni sono generate in real time e con un minore consumo di energia, grazie alla convergenza tra sistema It e Ot. Ne abbiamo parlato con Claudio Bassoli, vice president della filiale italiana di Hewlett Packard Enterprise
La scuderia Mercedes di F1 porta l’edge computing ai box. Per esaminare in real time 500 miliardi di byte di dati provenienti direttamente dai bolidi da corsa e realizzare variazioni incrementali di assetto e altro, il team grigio-argento adotta sistemi Hpe che consentono di realizzare una piena convergenza con l’apparato It pre-esistente: si risparmia banda, spazio e consumo energetico; e si incrementa l’accuratezza delle analisi. Lo ha annunciato giorni fa a Milano Matt Harris, il responsabile It di Mercedes Amg Petronas Motorsport, il team che negli ultimi cinque anni ha messo in riga Ferrari, Aston Martin, Red Bull, Williams, Renault, McLaren e altri.
Fra le altre tecnologie utilizzate dalla scuderia legata alla casa madre tedesca Daimler, chassis di computer ad alte prestazioni per valutare le informazioni provenienti dalla galleria del vento e una piattaforma di deep learning, che si basa su un sistema “digital twin” per la simulazione del comportamento dei bolidi di Formula 1, sia in assetto da gara che durante le prove dei giorni precedenti. Il team si avvale del sostegno degli specialisti di Pointnext, un’organizzazione di servizi tecnologici di Hpe composta da 25mila tecnici in 80 Paesi. Hpe ha fornito un significativo apporto tecnologico ai progetti della scuderia. Pertanto abbiamo sentito Claudio Bassoli, vice presidente della filiale italiana del colosso americano.
Cinque anni consecutivi di successo si spiegano anche con l’utilizzo di alte tecnologie
«Se penso agli ultimi, cinque, o sei anni, devo dire che per me i risultati rappresentano un motivo di orgoglio», spiega Matt Harris. Ed in effetti la scuderia tedesca ha macinato successi. Il periodo di dominio quasi incontrastato è iniziato nel 2014. Quell’anno la squadra vince il titolo costruttori in anticipo, e l’inglese Lewis Hamilton sale sul podio più alto di quello piloti. Lo schema si ripeterà nel 2015, nel 2017 e l’anno scorso. Nel 2016 vince sempre la Mercedes, ma il pilota campione del mondo è il tedesco Nico Rosberg. Insomma, da sei anni la Mercedes Amg Petronas Motorsport è la squadra da battere, quella che per lunghi periodi lascia le briciole alla concorrenza. Anche quest’anno il team ha vinto le prime cinque gare, tre volte con Hamilton e due volte con il finlandese Valtteri Bottas. Ma come è riuscita la Mercedes a imporre e mantenere una tale supremazia? Dietro i due piloti che si battono sulle piste, c’è uno staff di mille persone, fra ingegneri e tecnici, che hanno a che fare con tecnologie molto avanzate.
È sempre stato così: la Formula 1 è per antonomasia un luogo di sperimentazione continua e di innovazione. Ma se ai tempi di Juan Manuel Fangio, Graham Hill, Niki Lauda e Emerson Fittipaldi ciò che faceva la differenza era la meccanica, ora, se non tutto, tanto sembra dipendere da variazioni di assetto, componenti e tanto altro che si realizzano grazie all’analisi dei dati. L’importanza che viene conferita all’innovazione è, secondo Harris, ben chiara a tutto il team, «che è molto coeso, competitivo, aperto al confronto interno e al contempo consapevole degli obiettivi comuni da perseguire». Così, per Harris il team produce innovazioni sostanziali «all’incirca ogni 335 ore. La nostra, come altre scuderie del circuito, è un’azienda veloce nel realizzare trasformazioni; anche se i 100 milioni di spettatori sparsi in tutti i Paesi del mondo non si rendono conto di queste attività». D’altra parte, secondo Claudio Bassoli «nella Formula 1 ogni giorno è un giorno di frontiera; le cose si fanno come se fosse la prima volta, con dati diversi, secondo un processo di evoluzione costante».
La monoposto del 2019
La macchina da corsa impegnata nell’anno in corso è il modello Mercedes Amg F1 W10 Eq Power+. È stata presentata il 13 febbraio. Dispone di un motore V6 turbo 1600 cc, che sviluppa una potenza di 990 cavalli. Pesa 743 kg, è lunga 5,14 metri, larga 2 metri ed ha un’altezza di 95 cm. Il passo è pari a 3,725 metri. Il carburante è Petronas; la macchina ne consuma 2 kg al giro. Gli pneumatici sono della Pirelli. L’impianto elettrico è della Magneti Marelli. Il cambio è sequenziale a 8 rapporti + Rm, la trazione è posteriore.
Al box, edge computing per l’analisi dei dati della macchina
Secondo Harris «ognuna delle nostre macchine dispone di circa 300 sensori; e le due macchine insieme producono nel weekend di test e corse circa mezzo terabyte di dati». E cioè 500 gigabyte, 500 miliardi di dati. Sono volumi straordinari, e le analisi devono essere svolte il più rapidamente possibile. La tecnologia che rende possibile tutto ciò è l’edge computing. Se ne parla quando i dati sono processati “a bordo macchina”, in prossimità degli strumenti che li generano; e cioè, in questo caso, ai box. Le informazioni sono acquisite, “normalizzate”, integrate, trasformate, e infine rese disponibili. A questo compito provvedono, «da quest’anno», i sistemi della famiglia Hpe Converged Edgeline. Un beneficio di rilievo derivante dall’utilizzo di tecnologie di questo genere è la riduzione della latenza, che consente risposte in real-time, e quindi il risparmio di banda. I sistemi di Hpe sono, all’aspetto, molto compatti.
Sono dotati di un processore Intel Xeon, di uno storage veloce e ad alta capacità nonché di una connettività cablata Lte 4G e wireless che connette facilmente il mondo Ot (Operational Technologies) con quello It ad alte prestazioni. Secondo Hpe, i sistemi Edgeline sono strumenti il cui vantaggio principale consiste nel far convergere l’Ot, che include i sistemi di acquisizione dei dati e quelli di controllo con i sistemi It tradizionali. Si ottengono risparmi di spazio e riduzione del consumo di energia, la riduzione dei costi operativi e superiori prestazioni. Per Harris «questi strumenti consentono di affinare molto il lavoro degli ingegneri, partendo da informazioni più certe e sofisticate. Con i sistemi Edgeline disponiamo di servizi di livello enterprise». Anche se, per Harris, molto spesso questa strumentazione deve operare in condizioni disagevoli: nell’ambiente dei box è presente polvere di fibra di carbonio e circolano tante persone. Talvolta le condizioni climatiche non sono tra le migliori. Ad esempio A Singapore, dove si tiene un Gran Premio, le temperature sono alte, e l’umidità può raggiungere il 77%. Occorre dunque prendere le dovute misure per garantire il raffreddamento, con la circolazione dell’aria, degli apparati It.
L’esame dei dati nella fabbrica di Brackley
A Brackley, località a 70 miglia a nord-ovest di Londra, c’è la fabbrica del moderno team Mercedes F1 da quando la casa madre tedesca è tornata in Formula 1, nel 2010. Secondo l’azienda, il sito copre un’area di 60mila metri quadrati. Il numero di edifici è aumentato di sei volte negli ultimi anni e ora fornisce servizi ultramoderni per la progettazione e lo sviluppo dei bolidi a quattro ruote. Qui, ad esempio, ci sono gli apparati per la fluidodinamica computazionale (Cdf), sistemi che utilizzano l’analisi numerica e gli algoritmi per analizzare il comportamento di liquidi e gas. Perché sono così importanti? Perché le prestazioni di una macchina da corsa sono legate al motore per il 15%; al peso per il 35% e all’aerodinamica per il 50%. Oggi la carrozzeria di un’auto da Formula 1 è composta da fibra di carbonio, il materiale più leggero disponibile sul mercato. Pesa meno della metà dell’acciaio, riduce i consumi e aumenta la sicurezza. Gli ingegneri devono capire a quali carichi sarà sottoposto il mezzo. L’anno scorso la Mercedes ha rinnovato la galleria del vento di Brackley: è stata installata una turbina gigantesca. Secondo Harris, «tutti i team hanno una galleria del vento, ma devono seguire un regolamento: si possono analizzare fino ad un massimo di 20 teraflop (il flop indica il numero di operazioni eseguite in un secondo dalla Cpu di un computer) in 20 ore». Anche qui, Mercedes si è affidata ad Hpe. In particolare ci si è affidati a soluzioni Moonshot Hpe, chassis ad alta densità che possono ospitare 45 server blade, due switch di rete e quindi consentire di combinare più computer in base ad esigenze specifiche. L’ingombro è inferiore, come d’altra parte i costi operativi. Il sistema è altamente scalabile. Secondo Harris, «conoscendo la velocità della Cpu, siamo riusciti ad ottimizzare la nostra attività».
Simulazione e sistema Digital-Twin
Mercedes è anche impegnata con la simulazione e con un sistema digital twin. Questi ultimi sono copie digitali dinamiche di qualcosa di reale: di un prodotto manifatturiero, di un processo produttivo o di un’intera fabbrica. Presentano vantaggi intrinseci: si evita, risparmiando, la creazione di costosi prototipi fisici e si può valutare, in anticipo sull’effettiva realizzazione fisica, l’operatività di un sistema. Secondo Harris «grazie alla simulazione sul sistema digital twin della macchina, siamo riusciti a definire la versione “definitiva” della macchina, quella utile per il Gran Premio, in un solo giorno, invece che tre o quattro giorni di lavoro». Secondo Claudio Bassoli «un simile recupero di tempo è strategico per una scuderia di Formula 1». È stata utilizzata la tecnologia di Hpe Apollo 6500, che secondo l’azienda nella versione Gen10 puo’ ospitare una piattaforma software per l’Hpc e modelli sofisticati di deep learning, che offrono prestazioni evolute grazie a Gpu (coprocessore specializzato nel rendering di immagini grafiche) leader di settore. Il computer è in grado di apprendere, utilizzando enormi set di dati. Quanto a Gen10, secondo l’ad di Hewlett Packard Enterprise Italia Stefano Venturi «grazie ad una stretta collaborazione con Intel – con la quale abbiamo condiviso le rispettive capacità ingegneristiche – abbiamo fatto un tuning (e cioè una “messa a punto”) alle nostre Cpu, che fa sì che gli stessi chip Intel già operativi su altri server realizzino prestazioni impressionanti, non ancora raggiunte dalla concorrenza. Performance che consentono alle aziende di risparmiare su licenze di software utilizzate; infatti, è possibile caricare più macchine virtuali per ogni Cpu». Secondo Edmondo Orlotti, Hpc & Ai business development manager di Hpe Italia, nonché esperto di tematiche di Supercalcolo, le cose stanno così: «Abbiamo inserito nei server Gen10 funzionalità tipiche di Hpc. Con questo termine, in informatica, si indica il calcolo ad elevate prestazioni. Oggi quest’ultimo è necessario per le esigenze di base dell’ingegneria, e della scienza in genere. Si pensi alla genomica, alla chimica: tutto si basa su simulazioni effettuate dal computer, da macchine potenti. Se devo estrarre il Dna da un nucleo, ho bisogno di un sistema Hpc che traduca una sequenza chimica in un file. Tornando a Gen10, in pratica i processori funzionano a frequenze medie molto più elevate del normale; perché ciò accada, occorre lavorare su tanti parametri. Una questione complessa, dal punto di vista tecnico, ma solo così la macchina può dare il massimo». In proposito, si può consultare questo articolo di Industria Italiana.
Pointnext, sostegno nell’It e nell’apprendimento automatico
Pointnext è un’organizzazione di servizi tecnologici di Hpe dedicata all’assistenza delle aziende perché accelerino la propria trasformazione digitale. È composta da 25mila specialisti di 80 Paesi. Sono competenti nelle tecnologie emergenti, come l’IoT, i big data, l’analytics, l’intelligent edge e il cloud ibrido. Anche Mercedes se ne avvale. Secondo Harris, «uno di loro è inserito nel nostro team di It, e partecipa alle nostre riunioni operative con grande assiduità. Un altro fa parte del nostro team scientifico, ed è una risorsa incredibile. Si occupa di machine learning. I nostri sistemi di calcolo ad alte prestazioni sono chiamati ad affrontare 45 terabyte di dati alla settimana, spesso legati ai video dei processi Cfd. Se entro tre anni riuscissimo a sviluppare un nuovo algoritmo di machine learning, potremmo fare una selezione più accurata dei dati da tenere e da analizzare. Perché è importante che il sistema apprenda dai dati giusti».
