L’IoT per l’innovazione di processo: cos’è l’IoT Industriale (IIoT)

Come l’iot può aiutare nell’innovazione di processo e quale è una architettura tipica dell’Iot per il processo?


Le potenzialità dell’Internet of Things sono molteplici, e si possono dividere in due macro aree, anche se le contaminazioni tra i due ambiti sono molto frequenti.

La prima è quella dell’Internet of Things Industriale, cioè di tutte quelle tecnologie abilitanti della fabbrica intelligente e dell’innovazione nei processi produttivi.

La seconda area attiene alla sfera degli oggetti di uso quotidiano, o più in generale dei prodotti che si connettono alla rete durante la fase d’uso presso il cliente e che riportano indietro nuove informazioni e abilitano nuovi servizi. Si parla in questo caso di innovazione di prodotto legata all’Internet of Things (facendo riferimento alla figura 1: il prodotto, anche il meno propenso alla connettività come un rubinetto può diventare smart e raccogliere dati ed informazioni)

Figura 1 – Processo, prodotto e servizio: i cardini dell’IoT

La prima area è quella della trasformazione digitale delle aziende che è sempre più importante per operare velocemente, per ridurre i costi e per creare un modello d’impresa che è potenzialmente più veloce ad affrontare cambiamenti e predisposto all’analisi.

Per prima cosa focalizziamoci su quello che si intende per Industrial IoT. Quando l’Internet delle cose deve diventare industriale, non si parla più solo di smartphone e dispositivi indossabili, ma di un insieme di elementi indispensabili che devono interagire tra di loro, attraverso standard, protocolli e tecnologie già esistenti congiuntamente a tecnologie e modus operandi nuovi.

L’IIoT (Industrial Internet of Things) nasce dalla traslazione delle ultime tecnologie IoT, sia hardware che software, nel mondo della produzione, per migliorare le performance aziendali, nella sicurezza sul lavoro, ed aumentarne quindi la competitività.

Secondo un’analisi di Accenture [1] l’IIoT potrebbe aggiungere entro il 2030 all’economia globale 14,2 bilioni di dollari. Sono numeri impressionanti che, per quanto semplici prospezioni sul futuro, ci danno un’idea del peso che queste tecnologie stanno già avendo oggi sulle aziende che per prime hanno intrapreso la strada della conversione digitale.

Sensori, attuatori, schermi e dispositivi di comunicazione costituiscono la parte hardware, a cui si aggiunge una infrastruttura di comunicazione, capace di garantire la trasmissione rapida ed efficace degli enormi flussi di dati.

Non si può parlare di IIoT senza parlare di altre due componenti fortemente caratterizzanti: da un lato essere pronti a gestire il grande flusso di dati (Big Data) comporta avere un’infrastruttura veloce, con grande capacità di immagazzinamento, dall’altro la potenzialità analitica (Big Data Analytics), che include la capacità di descrivere, diagnosticare e soprattutto predire.

Tutto questo insieme abilita una pluralità di applicazioni, che vanno dalla realtà aumentata alle simulazioni, dal marketing alla manutenzione.

Ma perché focalizzarsi su Big Data e Analytics quando di parla di Internet of Things?

Perché l’accento va posto sull’Internet, che non è la mera connettività, ma l’insieme dei servizi e delle applicazioni. Eppure molto spesso si confonde la tecnologia di comunicazione con il contenuto della comunicazione stessa.

Non si parla di tecnologie veramente nuove: inizialmente i Big Data hanno significato semplicemente aumentare la capacità descrittiva del processo produttivo. L’introduzione di sistemi analitici avanzati, ha invece permesso soprattutto di cambiare le domande e di farne emergere di nuove: “perché un evento è accaduto?”, “che cosa può capitare in futuro?”, “quali azioni possono evitare il ripetersi di situazioni analoghe?”. Il cambio di paradigma associato a Industria 4.0 non comporta solo la realizzazione di una copia digitale del sistema fisico, ma l’ideazione e l’adozione di un nuovo modello di management aziendale.

La transizione va gestita e non è solo un problema di Informatica o di Rete. Bisogna legare una strategia aziendale con un’infrastruttura tecnologica adeguata. Per unire due mondi a volte molto distanti servono competenze sia nel settore Information Technology sia a livello di processo produttivo, per essere in grado di estrarre il massimo valore da uno strumento nuovo. E l’efficacia di questa transizione dipende da alcuni fattori:

  • Sensori posizionati sui macchinari di produzione, sugli apparati di sicurezza, di videosorveglianza e, in generale, su qualsiasi strumento che raccolga dei dati importanti per il processo, per il prodotto in lavorazione, ma anche per altri attori non facilmente codificabili (per esempio i lavoratori stessi)
  • Una piattaforma IoT che raccolga i dati provenienti da tutti i sensori installati. Questo tipo di piattaforme è solitamente in cloud, per consentire l’accesso alle informazioni anche da remoto e in mobilità, oltre che completo di funzionalità di base (analisi dei dati, filtro dei dati secondo le necessità, alert configurabili, insights personalizzabili) o avanzate (algoritmi avanzati per il Machine Learning e l’Intelligenza Artificiale) come si può vedere nelle figure 2 e 3.

Figura 2 – Una visione di Architettura per L’IIoT [1]. (fonte http://www.iiconsortium.org)

Figura 3 – Ecosistema IoT Industriale per l’innovazione dei processi

I benefici che un’azienda produttiva può trarre dall’implementazione di un progetto IIoT sono diversi e quantificabili in maniera diversa secondo il settore o nicchia particolare nella quale questa si colloca e della complessità del progetto che si implementa. Sicuramente tra tutti vale la pena evidenziare i seguenti:

  • Maggiore efficienza e produttività: sensori specifici per i macchinari delle linee di montaggio consentono una precisione estrema nel calcolo della produttività di ciascun macchinario e di individuare eventuali prodotti difettosi;
  • Ampia disponibilità di dati grazie ai sensori: la capacità di elaborare le informazioni da parte di una piattaforma IoT completa di machine learning permette una visione globale sulla produttività aziendale e assicura una maggiore durata nella vita del macchinario grazie alla previsione di future rotture (utilizzando le statistiche passate o una variazione anche minima nel comportamento del macchinario) e all’individuazione precisa dei problemi, che consente ai manutentori di intervenire a colpo sicuro solo sul pezzo danneggiato. I sensori e la capacità di analisi tipica della IIoT modificano il modo di concepire la manutenzione, non più basata su tempi fissi o sulla risposta ai guasti, ma predittiva e fondata sul monitoraggio continuo. Questo cambiamento non solo può garantire migliori prestazioni e più sicurezza (anche per l’incolumità fisica dei lavoratori), ma anche migliorare l’efficienza energetica, ridurre i tempi di riparazione e abbattere i costi di manutenzione in modo significativo.
  • Maggiore sicurezza sul posto di lavoro: si utilizzano, in questo caso, sensori dedicati alla rilevazione di fughe di gas, di movimenti non programmati vicino a macchinari pericolosi e via dicendo. Questa tipologia di progetto è pensata per prevenire il danno (con sensori di pressione sui contenitori di gas per esempio), o per minimizzarlo, laddove sia già avvenuto, automatizzando le comunicazioni ai responsabili ed attivando specifiche procedure di sicurezza e di soccorso (per esempio configurando alert di avviso interni e chiamate al pronto soccorso più vicino).
  • Visione Strategica: l’insieme dei dati raccolti dai sensori e la loro successiva analisi da parte di avanzati algoritmi di intelligenza Artificiale, permette di avere a disposizione informazioni organiche, precise e molto dettagliate su tutta l’azienda. Tali informazioni sono strategiche per il management aziendale per individuare eventuali colli di bottiglia che rallentano la produzione industriale e dirigere nel modo più efficiente gli investimenti futuri. Un esempio? Con la presenza di sensori sugli scaffali è possibile riordinare in real time materie prime o semilavorati, accelerando il processo senza passare attraverso telefonate o mail degli uffici specifici e senza soprattutto creare blocchi o rallentamenti di produzione.
  • Gestione “data driven” delle scorte: attraverso i dispositivi intelligenti è possibile sviluppare sistemi di riassortimento che consentono di gestire le scorte ottenendo meno sprechi e occupando meno spazio. Per esempio, è possibile installare dei sensori in grado di pianificare l’utilizzo just-in-time dei componenti e quindi di inviare la richiesta di fornitura accurata sia per quantità che tempi, evitando lo stoccaggio di materiali in eccesso.
  • Distribuzione ed intra-logistica: attraverso dispositivi integrabili con le persone o con i sistemi di movimentazione è possibile tracciare lotti di prodotti per controllarne qualità e sicurezza (per esempio la temperatura per i prodotti nella catena del freddo) e ottenere informazioni in tempo reale utili ad organizzare le spedizioni.

Il punto chiave di questa trasformazione è la convergenza tra l’Information Technology (IT) e l’Operation Technology (OT).

Questa convergenza coinvolge molti aspetti, con diverse ricadute organizzative e tecniche.

OT si riferisce tipicamente alle tecnologie di controllo e automazione a supporto delle operations, che storicamente venivano intenzionalmente separate dall’IT. Originariamente questa separazione era generata dalle differenti tecnologie coinvolte e differenti competenze richieste.

In precedenza, il sistema IT era proprietario, richiesto internamente dai programmatori, solitamente usato per calcoli finanziari, libro paga, o gestione delle transazioni commerciali. Al contrario, il sistema OT era preconfigurato, di solito costituito da sistemi proprietari dei produttori, progettati per funzionare solo su specifiche attrezzature.

Questa differenza tecnica è diventata progressivamente una separazione organizzativa: il settore IT generalmente si occupa dei sistemi operativi, dei database, dei server aziendali, delle reti di comunicazione, ed in generale dell’elaborazione dei dati disponibili per la pianificazione, la logistica e gli ordini; il settore OT invece si occupa del processo, degli impianti, degli equipaggiamenti relativi alla produzione, dei sistemi di controllo, supervisione e manutenzione, come PLC, RTU, CNC, HMI, SCADA.

Si stima che in molte aziende, una grande quantità di dati disponibili a livello di fabbrica (tra il 40% fino anche all’80%) resta sconosciuta ai reparti di IT che quindi, potrebbero gestire in modo più efficiente i processi se solo disponessero di tali informazioni.

Figura 4 – Integrazione IT-OT

La sfida che offre la tecnologia Industrial IoT (Figura 4) è proprio quella di garantire un flusso di informazioni più efficace, superando i limiti e le barriere dei due livelli OT ed IT.

Inoltre occorre considerare che potrebbe essere richiesta una connettività con diverse specifiche: cioè lo scambio dati può essere richiesto solo tra il livello OT (sistemi di fabbrica diversi che si parlano tra loro), solo tra il livello IT (sistemi gestionali che si parlano tra loro) oppure entrambe le cose.

La tecnologia IIoT è pensata proprio per superare ogni limite infrastrutturale.

Ciò tuttavia richiede una analisi accurata dei fabbisogni, delle tecnologie in campo, del volume dei dati da trattare, della affidabilità delle infrastrutture, delle performances e della sicurezza.

Perché un progetto di IIoT sia veramente funzionale è necessaria la piena collaborazione di OT ed IT, affinché le competenze, il know-how e l’esperienza di ciascuno possa tradursi in successo per l’azienda.

Figura 5 – Ingredienti per la convergenza IT-OT (fonte: Accenture)

innovazione di processo

Figura 6 – La visione dell’integrazione IT-OT

Se si guarda alla figura 6 si vede come sia necessaria una piattaforma intermedia (middleware) al servizio dell’IoT che colleghi i dispositivi con le applicazioni e con gli utenti.

Tra le diverse soluzioni, quella più promettente per favorire l’integrazione, vi è quella basata sul protocollo OPC-UA [3]. La necessità di abilitare lo scambio di informazioni e la collaborazione tra gli “oggetti” interconnessi ha fatto emergere la mancanza di uno strato omogeneo di comunicazione e di interfacce e modelli standardizzati per lo scambio dei dati. OPC-UA, concepito sulla base di un’architettura service-oriented (SOA), rende le informazioni disponibili per tutte le applicazioni autorizzate, in qualsiasi momento e in qualsiasi luogo, indipendentemente dal produttore da cui provengono le applicazioni e dal linguaggio di programmazione in cui sono state sviluppate.

Lo standard OPC-UA garantisce comunicazioni strutturate efficienti e sicure, favorendo una migliore connettività, la gestione di sistemi e interoperabilità a tutti i livelli, fondamento per la gestione degli asset industriali e delle loro performance (come mostrato in figura 7).

Figura 7 – Architettura di Riferimento con OPC-UA

Ma quali sono i modi di uso ed i casi di successo dell’IoT in ambito di processo?

Un’azienda che si occupa di riciclaggio di rifiuti o un produttore di distributori automatici potrebbero non trovare nessuno spunto da un caso di Internet of Things per il monitoraggio dei parametri dei pazienti in un ospedale. Tuttavia a un esame più attento l’obiettivo fondamentale dell’ospedale è di ridurre i costi diminuendo il numero di giri di controllo degli infermieri, e questo è un modello generalizzabile a chiunque abbia asset da monitorare, per esempio per esigenze di periodico riempimento (i distributori) o svuotamento (i cassonetti).

Ed è questo il punto chiave. I modelli di Business dell’IoT sono riconducibili ad alcune finalità ricorrenti, esportabili in diverse situazioni operative, scalandoli ed attualizzandoli, o addirittura miscelandoli per realizzare delle forme ibride.
Si può quindi provare a classificare le principali finalità di questi modelli:

  • Gestire: in questo caso l’obiettivo è controllare lo stato di un asset – da macchinari molto complessi come motori di aereo a spazi, come sale riunioni o posti auto – per migliorarne l’utilizzo. Se gli asset sono connessi ed è possibile – tramite sistemi di sensori più o meno complessi – rilevarne l’uso a scadenze regolari (al limite in tempo reale), tale uso si può ottimizzare attraverso appositi sistemi per combinare al meglio le richieste d’uso dell’asset con la sua disponibilità.
  • Monetizzare: in questo caso l’obiettivo è imputare il costo di un asset – tipicamente di alto valore unitario – in funzione della misura molto accurata del suo grado di utilizzo. I benefici sono la possibilità di sostituire costi di capitale con costi operativi, una maggiore accuratezza del tracciamento del ciclo di vita del prodotto, e una più efficace manutenzione preventiva. Un esempio è il monitoraggio dell’uso di un macchinario, in termini di ore di funzionamento, consumo di energia, e così via, in modo da fatturarne nel modo più accurato lo sfruttamento e ad es. sperimentarne nuovi meccanismi di noleggio, o di determinazione del costo da imputare al processo. Combinando questi dati con altri (localizzazione, velocità, tempi), si possono assegnare dei costi addizionali in modo da rispecchiare il rischio, configurando così delle tariffe estremamente accurate di vendita “pay as you use” che fanno riferimento non tanto alle ore di uso di un mezzo ma alla sua modalità. Per esempio usare il macchinario per un ora in condizioni gravose, porta ad un usura diversa rispetto allo stesso uso in condizioni ottimali e di conseguenza dà origine a due costi e quindi due prezzi diversi.
  • Operare: con questo termine si intende il far funzionare un sistema o un prodotto. In questo caso si usa un asset per controllare l’ambiente circostante. Questo modello si ispira al concetto di “operational technology,” le tecnologie per controllare macchinari e processi delle linee di produzione e montaggio negli stabilimenti.
  • Estendere: in questo caso si prevede la fornitura di servizi o informazioni digitali come “estensione” di un asset, che possono costituire dei veri e propri servizi da vendere verso l’esterno o verso le funzioni interne aziendali. Per esempio un servizio di manutenzione preventiva, può essere venduto ai diversi stabilimenti, da parte dell’IT aziendale, partendo dall’analisi dei dati.

Figura 8 – Rapporto tra raccolta dati e fasi del processo

 

Referenze

[1] Accenture, Winning with the Industrial Internet of Things

[2] IIoT: Reference Architecture. IIot Consortium 2017

[3] OPC FUNDATION http://opcfoundation.org


Ed è questo il punto chiave. I modelli di Business dell’IoT sono riconducibili ad alcune finalità ricorrenti, esportabili in diverse situazioni operative, scalandoli ed attualizzandoli, o addirittura miscelandoli per realizzare delle forme ibride.

Si può quindi provare a classificare le principali finalità di questi modelli:

  • Gestire: in questo caso l’obiettivo è controllare lo stato di un asset – da macchinari molto complessi come motori di aereo a spazi, come sale riunioni o posti auto – per migliorarne l’utilizzo. Se gli asset sono connessi ed è possibile – tramite sistemi di sensori più o meno complessi – rilevarne l’uso a scadenze regolari (al limite in tempo reale), tale uso si può ottimizzare attraverso appositi sistemi per combinare al meglio le richieste d’uso dell’asset con la sua disponibilità.
  • Monetizzare: in questo caso l’obiettivo è imputare il costo di un asset – tipicamente di alto valore unitario – in funzione della misura molto accurata del suo grado di utilizzo. I benefici sono la possibilità di sostituire costi di capitale con costi operativi, una maggiore accuratezza del tracciamento del ciclo di vita del prodotto, e una più efficace manutenzione preventiva. Un esempio è il monitoraggio dell’uso di un macchinario, in termini di ore di funzionamento, consumo di energia, e così via, in modo da fatturarne nel modo più accurato lo sfruttamento e ad es. sperimentarne nuovi meccanismi di noleggio, o di determinazione del costo da imputare al processo. Combinando questi dati con altri (localizzazione, velocità, tempi), si possono assegnare dei costi addizionali in modo da rispecchiare il rischio, configurando così delle tariffe estremamente accurate di vendita “pay as you use” che fanno riferimento non tanto alle ore di uso di un mezzo ma alla sua modalità. Per esempio usare il macchinario per un ora in condizioni gravose, porta ad un usura diversa rispetto allo stesso uso in condizioni ottimali e di conseguenza dà origine a due costi e quindi due prezzi diversi.
  • Operare: con questo termine si intende il far funzionare un sistema o un prodotto. In questo caso si usa un asset per controllare l’ambiente circostante. Questo modello si ispira al concetto di “operational technology,” le tecnologie per controllare macchinari e processi delle linee di produzione e montaggio negli stabilimenti.
  • Estendere: in questo caso si prevede la fornitura di servizi o informazioni digitali come “estensione” di un asset, che possono costituire dei veri e propri servizi da vendere verso l’esterno o verso le funzioni interne aziendali. Per esempio un servizio di manutenzione preventiva, può essere venduto ai diversi stabilimenti, da parte dell’IT aziendale, partendo dall’analisi dei dati.

Se si guarda alla figura 6 si vede come sia necessaria una piattaforma intermedia (middleware) al servizio dell’IoT che colleghi i dispositivi con le applicazioni e con gli utenti.

Comments are closed.