Con 2 miliardi di euro d’investimenti dedicati alla creazione ed espansione della cloud region europea nell’area milanese entro il 2029, Amazon Web Services stima che il Pil italiano possa aumentare di 3,7 miliardi contribuendo a una crescita di una media di 1.155 posti di lavoro all’anno. La piattaforma cloud è stata progettata per un’It as a service. La region dispone di 3 availability zone ognuna composta da uno o più data center. «Sono dislocate in luoghi geografici separati e distinti per ridurre il rischio che un singolo evento possa compromettere la business continuity delle aziende, ma allo stesso tempo abbastanza vicine per fornire una bassa latenza e piena affidabilità delle applicazioni», afferma Antonio d’Ortenzio, senior manager solutions architecture di Aws. Un cloud di prossimità, dunque, per supportare il nascente edge computing. Importante in questo senso la collaborazione con le telco. Un esempio è il servizio Aws Wavelength sviluppato da Aws. Utilizzato da società del calibro Verizon e Vodafone, il servizio integra i servizi di calcolo e di storage Aws nei data center dei fornitori di telecomunicazioni ai margini delle reti 5G, fornendo un’infrastruttura per lo sviluppo, l’implementazione e la scalabilità di applicazioni a bassa latenza.
«Stiamo continuando a espandere questo servizio in modo da supportare carichi di lavoro che richiedono capacità di calcolo e storage vicino all’edge», dice d’Ortenzio. Un cloud con estensioni locali, più vicine agli utenti finali, che permette alle telco di implementare reti 5G cloud-native, creando le premesse per lo sviluppo di use case innovativi in ambiente di produzione, nella supply chain, nella logistica. L’infrastruttura cloud include tecnologia di intelligenza artificiale, machine learning e digital twin per abilitare la nuova Industry 4.0 con soluzioni di monitoraggio remoto, di manutenzione predittiva o di smart supply chain. Ma anche applicazioni di frontiera.
L’italiana D-Orbit, per esempio, sfrutta il combinato disposto delle risorse di calcolo e di algoritmi di machine learning di Aws per l’elaborazione di dati provenienti dai satelliti spaziali. A bordo della piattaforma vi sono già aziende come Enel, Ferrero e Pirelli, Heineken e DeLonghi. Anche Ferrari. Cloud, machine learning e artificiale. La casa di Maranello sfrutta le capacità avanzate di analisi, apprendimento automatico, calcolo, archiviazione e database di Aws per ottenere rapidamente approfondimenti sulla progettazione e sulle prestazioni delle automobili su strada e su pista. Le collaborazioni si estendono anche ai competence center, in particolare quella sviluppata con il Cim4.0 di Torino, attraverso il quale la multinazionale del cloud mette a disposizione servizi e infrastruttura tecnologica a supporto delle pmi. Ecco i servizi che la cloud region di Aws mette a disposizione delle aziende del mondo manifatturiero industriale. «La piattaforma è allineata agli standard di sicurezza, compliance e protezione dei dati, dice d’Ortenzio. I clienti italiani hanno la certezza di mantenere la completa proprietà e inamovibilità dei dati, a meno che non siano loro stessi a scegliere di spostarli».
Aws, una piattaforma per l’Industrial IoT di pmi e grandi aziende del mondo industriale e manifatturiero
Digitalizzare i processi, innovare i modelli di business, migliorare le performance riducendo contemporaneamente gli sprechi. Aws fornisce una piattaforma di servizi integrati che gestiscono l’intero ciclo di vita dei dati di fabbrica, dalla connettività di macchina all’analisi dati supportata da algoritmi di intelligenza artificiale.
«I building blocks di questa piattaforma si dividono in 3 grandi famiglie a seconda della loro funzione, afferma Giorgio Chivilo, Business Developer Manufacturing & Industrial di Aws. La prima è rappresentata dalla famiglia dei device software ovvero gli Aws IoT Greengrass. Sono servizi che vengono eseguiti on-premise all’interno fabbrica e gestiscono la connessione edge-cloud garantendo sicurezza e stabilità nella movimentazione dati. E poi i control services focalizzati sulla gestione dei dati in transito ed il controllo remoto di dispositivi edge. La terza ed ultima famiglia è quella dei servizi analitici che permettono di modellare, visualizzare in maniera facile ed intuitiva sia dati storici sia in tempo reale da una o più sorgenti e di applicare algoritmi o inferenze di intelligenza artificiale e machine learning fornendo un livello avanzato di informazione predittiva. Ci sono già diversi esempi di industrial IoT basati su piattaforma Aws, afferma il manager. Da pmi come Menabrea ad Heineken, che collega tutti i propri impianti, in Italia e nel mondo, per ottenere una vista aggregata ed olistica delle operazioni. Monitoraggio e analisi ella produzione consentono ad Heineken di identificare e scegliere il sito produttivo dove allocare una certa produzione in funzione di disponibilità e performance dell’impianto».
Monitoraggio degli ambienti di produzione e sviluppo di algoritimi di machine learning
In ambito manifatturiero e industriale i clienti Aws possono disporre di risorse di computing, di storage, di analytics e di intelligenza artificiale in combinazione con servizi molto verticali come Amazon Monitron o Amazon Lookout for Equipment che permettono di gestire i processi di manutenzione degli asset in funzione predittiva. O ancora, con Amazon Lookout for Vision, che sfrutta l’intelligenza artificiale per identificare anomalie dei prodotti attraverso l’analisi di immagini, si può dare vita a soluzioni per il controllo di qualità. Algoritmi e modelli di machine learning possono inoltre essere costruiti, allenati e implementati con Amazon SageMaker. «Molte aziende non hanno il budget per coinvolgere specialisti e mantenere risorse dedicate allo sviluppo dell’intelligenza artificiale, dice Chivilo. Ecco, quindi, che SageMaker rende disponibili strumenti integrati per automatizzare i processi manuali ad alta intensità di manodopera, riducendo gli errori umani e i costi dell’hardware».
I componenti di modellazione sono inclusi in un set di strumenti con funzionalità del software intuitive. Forniscono un framework per creare, ospitare, addestrare e distribuire modelli di machine learning su larga scala nel cloud pubblico di Amazon. Servizi di machine learning sono stati utilizzati per raccogliere e analizzare dati satellitari. Protagonista di questa sperimentazione, D-Orbit. L’azienda italiana, membro dell’Aws Partner Network, sfruttando il combinato disposto di risorse di calcolo e di machine learning di Aws con immagini di osservazione terrestre, è stata in grado di analizzare rapidamente grandi quantità di dati direttamente a bordo del satellite in orbita. Infine, il digital twin. Con Aws IoT TwinMaker è possibile creare gemelli digitali di sistemi reali come fabbriche, attrezzature industriali e linee di produzione. «Integrando dati da più sorgenti si creano rappresentazioni virtuali di qualsiasi ambiente fisico, semplificando e velocizzando la creazione di digital twin per ottimizzare le operazioni industriali, aumentare la produzione e migliorare le prestazioni delle apparecchiature», afferma Chivilo.
Supply chain predittive e resilienti grazie ad algoritmi che semplificano i processi decisionali
Aws Supply Chain è un’applicazione basata sul cloud che unifica i dati e fornisce informazioni basate sull’intelligenza artificiale. Aiuta le aziende ad aumentare la visibilità della supply chain per rendere più veloci decisioni in grado di mitigare i rischi, ridurre i costi e migliorare le esperienze dei clienti. Può connettersi a sistemi Erp e di gestione della supply chain esistenti, migliorando la resilienza delle catene di fornitura. Rende disponibile un data lake unificato su cui poter effettuare insight basati sul machine learning. «E’ il servizio che permette di sviluppare soluzioni che aiutano le aziende a prendere decisioni più rapide e informate che mitigano i rischi, riducono i costi e migliorano l’operatività».
Combina e analizza automaticamente i dati delle catene di forniture in modo che le aziende possano osservare le loro operazioni in tempo reale, individuare le tendenze più rapidamente e generare previsioni della domanda più accurate, garantendo un’ottimizzazione del magazzino. «Di grande interesse il progetto nato in Pirelli, dice Chivilo. Non solo per il suo aspetto tecnologico avanzato, ma anche per il cambiamento culturale che la tecnologia abilita. Oggi in Pirelli c’è una cultura digitale, basata sui dati, che sono ora disponibili in tempo reale. Le persone prendono le decisioni basandosi su modelli di intelligenza artificiale che forniscono suggerimenti di tipo preventivo e predittivo. Un altro progetto è DeLonghi che ha implementato un progetto di intelligenza artificiale che migliora l’accuratezza della previsione della domanda dei suoi prodotti; il cuore della soluzione si basa sul servizio Amazon Forecast che sfrutta algoritmi perfezionati da Amazon stessa per la divisione retail».
Ferrari, high performance computing e simulazione supportata da intelligenza artificiale
Per l’esecuzione di simulazioni complesse orientate ad analizzare le prestazioni delle auto in un’ampia varietà di condizioni di guida e scenari di gara, la Ferrari utilizza tutta una serie di servizi Aws per effettuare un efficiente calcolo ad alte prestazioni. Come parte di questo processo, la casa automobilistica utilizza istanze Aws che garantiscono fino al 40% di prestazioni superiori rispetto a tradizionali architetture server tradizionali. Con le risorse di high performance computing Aws, la Ferrari può eseguire migliaia di simulazioni simultaneamente ottenendo più velocemente risultati che in passato venivano eseguiti in un ambiente on-premise. Amazon SageMaker è il servizio di Aws che aiuta gli sviluppatori e data scientist della scuderia a costruire, addestrare e distribuire rapidamente modelli di apprendimento automatico nel cloud. Ferrari lo utilizza per ottenere indicazioni più precise su come i propri componenti e le proprie auto si comportano nelle condizioni del mondo reale. Attraverso l’insieme di servizi Aws, si analizzano i vari fattori che influenzano le prestazioni dell’auto e la gestione del guidatore, come la temperatura del motore a diverse velocità del veicolo, i modelli di vibrazione del veicolo su diverse superfici stradali e i carichi delle sospensioni che influenzano la presa del veicolo su strada. Ne deriva una visione olistica delle prestazioni dell’auto, attraverso la quale il car maker può offrire ai propri clienti esperienze di guida più emozionanti, oltre che maggiore sicurezza e affidabilità.
(ripubblicazione dell’articolo pubblicato il 15 dicembre 2022)
