L’industrial IoT, il suo avatar digital twin, lo smart manufacturing e lo smart product. No, non è il titolo dell’ennesima fiction tecno-industriale ma il tema con cui si stanno confrontando le imprese nel loro percorso di trasformazione digitale. Per Stefano Linari, presidente e ceo di Alleantia, l’IIoT non è un’utopia o qualcosa che si può acquisire solo attraverso complicate formulazioni alchemiche dei dati di produzione o di utilizzo del prodotto. Lo dimostrano numerosi use case, in primis quello realizzato dal partner iProd per Bosch con la soluzione Mop (manufacturing optimisation platform). Dopo solo 6 mesi l’incremento di efficienza raggiunto con un controllo smart manufacturing della produzione è stato del 15%: questo vuol dire che nella multinazionale tedesca la giornata lavorativa di una macchina si è allungata da 24 a 27 ore.
Come spiega Antonio Conati Barbaro, chief operating officer di Alleantia «La nostra missione è rendere disponibile la tecnologia abilitante l’Industrial IoT. Per diffonderla, distribuirla, ci affidiamo agli oltre 30 partner che costituiscono il nostro ecosistema per il trasferimento tecnologico alle imprese. Fornitori di software indipendenti, integratori di sistemi, piattaforme SaaS che si occupano di sviluppare la parte applicativa di processo, a cui si aggiungono produttori di macchine e clienti finali del mondo manifatturiero e industriale. Da parte nostra curiamo tutti gli aspetti di interfaccia con il mondo fisico per gestire al meglio tutti i dati macchina». Centrale è il ruolo di Alleantia con la propria piattaforma di IoT integration per la gestione completa dei dati IoT in modo efficace, scalabile e soprattutto veloce, veramente plug&play. Si tratta di una soluzione software che risiede on edge e che sostanzialmente mette a disposizione tre principali funzionalità: comunicare con le macchine tramite i cosiddetti driver, incrementare l’intelligenza incorporata nei dati con logiche, regole, creando eventi ed allarmi tramite la combinazione di informazioni e dati, trasferire queste informazioni dove servono e quando servono per ottenere il vero valore di business della trasformazione digitale, ovvero alle applicazioni IT (on-prem o in cloud), con un’architettura completamente aperta e flessibile. Oltre a queste funzionalità, la tecnologia Alleantia è concepita come piattaforma di gestione grazie alle funzioni di configurazione, supervisione, attivazione, backup e restore, tutte portate in un unico punto da cui si può scegliere la modalità di fruizione della soluzione, come licenza pura o sottoscrizione as-a-service.
Delle potenzialità della piattaforma ne abbiamo parlato con Stefano Linari e Amedeo Bruni, chief Information officer di iProd, uno dei partner più innovativi di Alleantia. Nella visione di Alleantia le macchine diventeranno “machine customer”, saranno in grado di acquistare da sole. Come per le stampanti. Sta finendo la cartuccia? Ecco un avviso in modo che si possa avere il ricambio in tempo utile senza subire alcuna interruzione di funzionamento. Un processo che, traslato in ambito industriale, si potrebbe tradurre nel fare acquisti di consumabili, utensili, parti di ricambio o pianificare la produzione su base previsionale, ottimizzando la supply chain e la logistica di magazzino, fino all’acquisto dell’energia elettrica necessaria al loro funzionamento. E per acquisire informazioni sullo stato di funzionamento di un macchinario entra in gioco anche l’intelligenza artificiale. iProd, per esempio, ha sviluppato un algoritmo che integra un campionamento sonoro di una produzione ottimale permettendo così di individuare eventuali anomalie del ciclo macchina, tutto basato sull’intelligenza artificiale.
Una piattaforma edge con connettori verso il mondo macchina e applicativo, cloud e on premise
La logica con cui è stata creata l’architettura di sistema di Alleantia è in funzione di una messa in esercizio “plug & play”. Il che significa avere i connettori software che consentono di integrare tutti gli elementi che concorrono all’implementazione di un digital twin. Quest’ultimo può essere più o meno esteso, nella sola produzione o trasversalmente a una o più aree aziendali, a seconda di quelli che sono gli obiettivi target. Nella libreria Xpango esiste ormai un catalogo di oltre 5.000 driver per il collegamento con i client di produzione (Cnc, Plc, ausiliari di impianto, inverter e sensori). Sono poi disponibili i componenti di infrastruttura Edge – di networking, di storage e di computing – che consentono di analizzare e visualizzare le informazioni operative e che sono selezionabili dall’offerta dei partner industriali, tra questi Advantech, Cisco, Dell, Hpe e Stratus Technologies.
Infine, in dotazione alla piattaforma ci sono i connettori che permettono l’integrazione con le applicazioni business più utilizzate, on premise e in cloud. Insomma, una volta individuati gli elementi core di architettura Alleantia ha creato il collante per integrare il tutto con un livello di performance coerente con quelle che sono le esigenze e le necessità dell’end user. «È possibile controllare il processo in tempo reale, anticipare le anomalie di funzionamento delle macchine, prevenendo i guasti in maniera efficace e tempestiva, dice Linari. Il controllo di processo in tutti i suoi progressi consente di raggiungere i massimi livelli di qualità e manutenzione predittiva e di migliorare gli standard di produttività». Il punto di forza della piattaforma di IoT Integration sono la scalabilità e la modularità che ne permettono una configurazione fine tuning con una granularità applicativa molto potente. Un’architettura fault tolerant? Ecco la tecnologia Stratus Technologies; elevati standard di sicurezza? Ecco la tecnologia Cisco. Compatibilità con hardware adottato dal cliente? Ecco Advantech, Dell, Hpe.
Gli obiettivi primari? Ridurre i costi e aumentare i ricavi
Quando chiediamo cosa significa per le aziende mettere in cantiere un progetto di Industrial IoT, Stefano Linari non ha alcuna esitazione e va dritto al punto. «Sono due gli obiettivi primari: ridurre i costi e aumentare i ricavi. Il primo implica un’elaborazione dati macchina; il secondo introduce un livello di complessità maggiore e coinvolge l’intera azienda poiché significa trasferire i dati alle funzioni di business coordinate dalle più diverse applicazioni (Erp, Plm, Mes, Crm, Supply Chain e Logistica). In altre parole l’IIoT deve essere visto come unico elemento per una doppia trasformazione digitale da cui trarre una molteplicità di vantaggi: monitoraggio della produzione e del suo avanzamento in tempo reale, riduzione dei tempi di produzione e di lead time, controllo da remoto, maggiore qualità, riduzione degli sprechi, manutenzione predittiva, migliore interazione con le macchine, incremento del ritorno dell’investimento esteso a tutto il ciclo di vita di utilizzo del bene produttivo».
La giornata di lavoro della macchina si estende da 24 a 27 ore
Da quanto appreso durante la conversazione con Linari nel corso del workshop “Industria 4.0: la soluzione universale per digitalizzare la tua azienda”, l’Industrial IoT, ovvero la logica applicativa per antonomasia dell’Industry 4.0, non è un qualcosa di esoterico, qualcosa che si può acquisire attraverso complicate formulazioni alchemiche dei dati prodotto. «È tutto molto semplice – afferma Linari -: basta avere le idee chiare e, sia in ambienti Pmi che in quelli di grandi aziende, si possono raggiungere riduzione dei costi e aumento dei ricavi. Non è un’utopia né tanto meno un esercizio puramente tecnologico: dispiegare l’IoT all’interno della fabbrica ed estenderlo alle “line of business” si traduce in un tangibile aumento di produttività e di efficienza grazie alla pianificazione dell’intero ciclo del valore aziendale».
Digital twin come prodotto naturale dell’IIoT
La digitalizzazione non è una fiction tecno-industriale. Il digital twin non è aria fritta e nemmeno una disquisizione sul sesso degli angeli, non appartiene alla categoria del vaporware, termine che in passato indicava un qualcosa che non aveva alcuna chance di realizzazione. «Digital twin – afferma Linari – è il prodotto naturale dell’Industrial IoT. Nel momento in cui si sensorizza una macchina, un impianto, un processo e si è in possesso dell’infrastruttura edge per poter elaborare e visualizzare le informazioni che ne permettono il monitoraggio, e in fasi successive e incrementali la manutenzione predittiva, si realizza il digital twin, una rappresentazione digitale dell’asset sul quale poter compiere tutta una serie di interventi di produzione migliorativi».
Cosa serve per realizzarlo? Dati di telemetria, innanzitutto, che si traducono in informazioni in tempo reale che vanno a popolare dashboard su una molteplicità dispositivi come pannelli Hmi, tablet o pc. E poi lo storico delle anomalie. «Ricordiamoci sempre – precisa Linari – che per riuscire a comprendere come una macchina potrà lavorare in futuro non dipende soltanto da come la macchina sta funzionando in quel preciso istante. Le sue performance sono infatti strettamente associate alla sua età ed alla sua storia di utilizzo. È una macchina nuova o una macchina che si approssima a fine ciclo vita? Ha lavorato su più turni, alcuni dei quali magari non presidiati? Ha eseguito operazioni ad alta velocità o alta potenza? Sono tutte considerazioni importanti, che devono essere correlate opportunamente per riuscire ad avere una proiezione del suo comportamento futuro».
Digital twin per scoprire i reali costi di produzione
«Se create il digital twin del macchinario e lo collegate ai vostri applicativi siete nella condizione di scoprire i reali costi di produzione – spiega Linari – Spesso ci si illude che se una macchina lavora rispettando il ciclo macchina ottimale si è in grado di conseguire l’ammortamento della stessa nei tempi attesi. Pura illusione poiché dipende da quanto una macchina è operativa nel corso della giornata. Se il costo orario di una macchina è 100, questo sarà tale solo se la macchina lavora a tempo pieno. Ma in tutti quegli ambienti di produzione, dove si lavora su commessa e per lotti, basta un errore di pianificazione o un errore di approvvigionamento del materiale per mettere la macchina in stand-by. A quel punto il costo orario non sarà 100, come inizialmente preventivato, ma tenderà ad aumentare in funzione del numero di giorni od ore di inattività. Ergo, la macchina, pur avendo rispettato i tempi di ciclo di lavorazione ha generato un disvalore della commessa. Si può rimediare a questo problema? Certo, mettendo in relazione dati macchina con ordinativi e supply chain».
La complessità esiste ma è del tutto trasparente all’utente
iProd, con sede a Pisa, nasce dallo spin-off della Linari Engineering, che opera da oltre 15 anni nel settore dell’automazione industriale, realizzando soluzioni di elevato profilo tecnologico e con elevati contenuti di innovazione, principalmente destinate a importanti gruppi industriali europei. Grazie ad Alleantia ha creato iProd Mop (manufacturing optimisation platform), la soluzione in cloud per incrementare la produttività, la qualità e l’organizzazione delle aziende manifatturiere di qualsiasi dimensione, in particolare le medio-piccole. «Con i mattoni IIoT di Alleantia – racconta Amedeo Bruni, chief information officer di iProd – realizziamo soluzioni plug & play. Non ragioniamo per progetti complessi, o meglio, ci facciamo carico della complessità risolvendone tutti gli aspetti».
Come dire, la complessità esiste, ma non si percepisce. Driver per avere interconnessione immediata con il front end industriale e far dialogare le macchine con l’edge; raccolta e strutturazione delle informazioni complementari ai dati di telemetria acquisiti da sensori; integrazione con le applicazioni aziendali che permettono di realizzare una smart supply chain su base previsionale con possibilità di condividere ordini di lavoro e commesse con i fornitori in modo che vi sia un aggiornamento in tempo reale dello stato di avanzamento delle lavorazioni. Tutto questo avviene, dice Bruni, perché l’architettura della soluzione dispone degli automatismi implementativi.
L’app come user experience
Quello che cambia rispetto al passato è il modo in cui le soluzioni vengono proposte. «La fruibilità, o meglio, la customer experience, per usare una parola alla moda, è identica a quella che si può avere in ambito consumer e social – afferma il cio di iProd – Per l’utente l’interfaccia è l’app che può essere utilizzata senza necessità di un training specifico. Non esiste più l’applicazione monolitica dalla quale ciascuno deve trovare il modo di estrarre l’interfaccia a lui più coerente. A seconda del profilo utente è la stessa app che presenta le informazioni di cui si ha bisogno». Come dire, si passa da una logica pull a una logica push dell’informatica. Non è il singolo utilizzatore, a dover cercare le informazioni che servono: appaiono in modo automatico sul device, tablet, pc o succedanei, abilitando al tempo stesso un accesso on premise e off premise, da locale e da remoto.
Intelligenza artificiale, l’utilizzo di pattern sonori per individuare possibili anomalie di funzionamento
L’intelligenza artificiale per essere efficace deve essere trasparente all’utente. «Che sia artificiale o altro poco importa all’utente – spiega Bruni – L’importante è quello che fa. Un esempio? Abbiamo sviluppato un software che permette di capire se una macchina sta lavorando nelle condizioni ottimali. Praticamente si è individuato e selezionato il pattern sonoro che l’algoritmo di AI utilizza per capire se si è in presenza di una qualche anomalia. Il rumore si distanzia dal pattern sonoro definito? Evidentemente vale la pena procedere a una serie di accertamenti e valutare se esiste una criticità nel sistema monitorato, dando seguito ad eventuali interventi correttivi».
È quanto iProd ha fatto, ad esempio, con l’algoritmo di AI che è stato associato al comportamento strutturale della pala di un elicottero e grazie al quale si è aggiudicato il challenge AIRtificial Intelligence organizzato dall’Aeronautica Militare in collaborazione con Leonardo. «Ma è un qualcosa che può essere applicato a un qualsiasi controllo di macchina o a un collaudo funzionale di un componente o dell’intera macchina – racconta Bruni – Con un semplice microfono si può eseguire il campionamento sonoro durante la produzione di una serie limitata di pezzi o durante un collaudo in reparto per poi esportare quel pattern in un algoritmo di AI ed essere così nella condizione di individuare potenziali stati di anomalia».
Ripubblicazione dell’articolo dell’11 marzo 2021
