La grande promessa dell’Industry 4.0 è legata all’idea di una produzione industriale del tutto automatizzata e interconnessa che, attraverso nuove tecnologie e servizi digitali, permetterà alle aziende di innovare più rapidamente anche attraverso la scelta di nuovi business model. Ma la strada verso la Fabbrica 4.0 non è priva di criticità e sfide, prima fra tutte quella legata alle infrastrutture che abilitano l’unificazione dei dati, la loro gestione, l’integrazione delle applicazioni. Un’evoluzione complessa che fa della Data Science la nuova frontiera evolutiva grazie alla quale accelerare Big Data e Advanced Analytics.
Leggi e scarica subito il White Paper Infrastrutture per Big Data e Data Science
Verso la Fabbrica 4.0 con le tecnologie digitali
Un concetto di impresa del tutto nuovo con una visione progettuale dove l’aumento dell’efficienza e dell’efficacia dei processi, l’innovazione di prodotto e di servizio e il ridisegno dei modelli di business trovano nelle tecnologie digitali il driver primario. È la Fabbrica 4.0, così come si sta definendo da un paio d’anni dopo l’introduzione del concetto di Industria 4.0 che non si limita ad essere un neologismo per identificare la quarta rivoluzione industriale ma un “simbolo” di cambiamento profondo, tecnologico e di visione.
Quali sono le tecnologie che stanno spingendo questo grande momento evolutivo lo evidenzia un rapporto della società americana McKinsey:
1) Big Data, Internet of Things (IoT), Machine-to-Machine (M2M) e Cloud Computing per la centralizzazione delle informazioni e la loro conservazione, come conseguenza diretta dell’aumento del volume di dati (e il loro utilizzo), della potenza di calcolo e della connettività;
2) Analytics e soluzioni di Data Intelligence, sfere tecnologiche che afferiscono al “valore dei dati” e al loro reale utilizzo, uno dei pilastri decisivi per l’Industria 4.0 che, come vedremo, porta alla convergenza di Information Technology (IT) e Operational Technology (OT);
3) soluzioni e forme nuove di interazione uomo-macchina (interfacce touch e sistemi di realtà aumentata ne sono esempi concreti), con un grande insito potenziale verso la semplificazione nell’uso delle tecnologie da parte dell’uomo nonché nell’interazione con esse con risultati sul fronte delle più elevate prestazioni (delle aziende ma degli esseri umani stessi);
4) robotica avanzata, soluzioni IoT e stampanti 3D con conseguente miglioramento e ottimizzazione dei processi di “traduzione” e trasferimento di dati/informazioni e istruzioni digitali al mondo fisico.
Lo storage nell’Industry 4.0: servono flessibilità e portabilità dei dati
Ragionare in un’ottica di Industria 4.0 significa anche focalizzare l’attenzione sulle infrastrutture e sui dati. Ma cosa significa concretamente? La risposta è molto semplice (anche se cela ovviamente un percorso di trasformazione digitale delle infrastrutture a supporto del dato tutt’altro che banale): serve riportare in luce lo storage e affrontare il tema delle infrastrutture di archiviazione e disponibilità dei dati in un’ottica rinnovata.
Tipicamente, i Dipartimienti IT si sono dovuti occupare dell’archiviazione dei dati all’interno dei propri data center (ponendo congiuntamente attenzione alle infrastrutture di rete). Nel mondo dell’Industria 4.0 e nei nuovi ambienti delle connected factory questo approccio è inefficace perché i dati sono necessari laddove vengono generati, quindi significa vicino alle macchine produttive o ai sensori e dispositivi IoT che abilitano la Factory 4.0, rimandando al data center e alle infrastrutture centralizzate solo i dati necessari, modificati o rilevanti per gli applicativi centrali.
Questo significa che il nuovo ruolo dello storage si gioca su concetti come dinamicità, flessibilità, portabilità dei dati che potrebbero trovare risposte tecnologiche soddisfacenti nell’utilizzo del Cloud.
Scarica e leggi il White Paper su Big Data e Data Science nell’Industria 4.0
Smart Manufacturing: è corsa all’Industrial IoT
Oggetti fisici connessi ad Internet che interagiscono con altri oggetti, con sistemi e con la rete stessa aumentando a dismisura la generazione e il trasferimento di dati. Da una prima sommaria identificazione del fenomeno Internet of Things è evidente la strettissima relazione con il mondo dei Big Data e degli Analytics, oggi sempre convergenti nella declinazione di Data Science e Data Intelligence a rimarcare quanto il dato sia l’elemento da cui parte (e si alimenta in un vortice continuo) questa rivoluzione industriale.
Uno degli ambiti dell’IoT più “effervescenti” quanto a corsa evolutiva è la Smart Manufacturing spesso classificata come “tendenza tecnologica” in grado di favorire l’integrazione e la cooperazione aziendale e interaziendale (modificando i processi che vedono l’azienda coinvolta, collaborativa e integrata con tutto il suo ecosistema), elevando all’ennesima potenza la qualità dei flussi informativi (quindi, il “controllo” sui dati).
A confermare questa inarrestabile corsa sono i dati dell’Osservatorio Industria 4.0 del Politecnico di Milano secondo le cui ultime rilevazioni il 63% del macro mercato dell’Industria 4.0 è oggi legato a progetti di connettività e acquisizione dati (identificati come Industrial IoT e parte della nuova visione di Smart Manufacturing), con una quota rilevante della componente hardware (oggi l’Industrial IoT vale circa 1 miliardo di euro, la fetta più grande – il 63% appunto – del mercato Industria 4.0 che in Italia vale circa 1,7 miliardi di euro).
Se a questo aggiungiamo il fatto che nell’ambito della Smart Manufacturing si sta assistendo a una chiara evoluzione dei sistemi MES – Manufacturing Execution System (i sistemi che stanno alla base della gestione del dato in fabbrica) verso un più “nobile” ruolo di MOM – Manufacturing Operations Management (quale modello tecnologico “orizzontale” che abilita il coordinamento tra le diverse aree funzionali sul campo, Produzione, Manutenzione, Qualità e Logistica), è evidente che anche la base tecnologica di riferimento dell’azienda necessita di una revisione in un’ottica di agilità e interoperabilità con una focalizzazione primaria, ancora una volta, sul dato (quindi guardando a Cloud, on-premise server e storage, sistemi iperconvergenti, tecnologie flash, …).
Data Science: dai Big Data alla Data Intelligence
Nella sua accezione più ampia, Industrial Analytics indica l’insieme di nuove tecniche e strumenti tecnologici di Business Intelligence, Data Visualization, Simulation e Forecasting, Data Analytics, ossia tutti quei sistemi atti a “far emergere” l’informazione/la conoscenza celata nei dati. Sono sistemi che devono elaborare i Big Data, intesi nell’accezione più “classica” di grandi moli di dati, provenienti da Produzione e Supply Chain, quindi da sistemi IoT o dall’interconnessione dei sistemi IT con quelli OT (Operational Technology).
Quello dell’Industria 4.0 è infatti uno scenario dove i dati raccolti saranno analizzati per migliorare la capacità produttiva, l’efficienza, la sicurezza e la continuità operativa e dove l’intera fabbrica – connessa a tutto il proprio sistema (ed ecosistema) logistico-produttivo, ai fornitori ed ai clienti tramite piattaforme cloud – potrà sfruttare questi dati per identificare nuove opportunità di business (per esempio ridefinendo i servizi di post-vendita, lo sviluppo di nuovi prodotti o servizi attraverso l’analisi dei dati relativi all’utilizzo dei prodotti connessi).
Partendo dall’assunto che i Big Data non sono né statici né prevedibili (e ancor meno lo saranno con la crescita dell’IoT), è intuibile che i più moderni Data Analytics devono essere modellati su qualcosa di “ignoto” e con un livello di agilità che ne permetta l’utilizzo in tempo reale. Cosa che deve tradursi non solo nella disponibilità dei dati per le analisi interattive in tempo reale, ma anche il loro spostamento per alimentare i più moderni sistemi di Intelligenza Artificiale (AI) o di apprendimento automatico Machine Learning (ML) nonché per nuovi workload di Data Simulation o disponibili in sistemi avanzati di Data Visualization, alla base di quelli Industrial Analytics che rappresentano una delle concretizzazioni più efficaci della nuova Data Science.
La più ampia visione di Data Science e Data Intelligence porta con sé anche la visione meno rosea del cambiamento, quella legata alle infrastrutture di supporto al dato: molte aziende si trovano a dover fare i conti con infrastrutture storage tradizionali che, in molti casi, rappresentano un collo di bottiglia per lo sviluppo del business digitale e dell’Industria 4.0 (per capire come affrontare al meglio l’evoluzione infrastrutturale a supporto di Big Data e Analytics scarica il White Paper: Infrastrutture per Big Data e Data Science nell’Industria 4.0)
Lo storage, di fatto, è lo spazio dove “vivono” i dati e rappresenta il layer tecnologico grazie al quale distribuirli rendendoli disponibili secondo la velocità e le prestazioni (nonché l’affidabilità e la sicurezza) ideali per ciascuna tipologia di business o workload, in modo dinamico e, pensando all’IoT e all’Industria 4.0, sempre più in real-time.
