Come evitare errori nell’industrial edge computing e supportare la convergenza tra information technology/operational technology? lo abbiamo chiesto ad Alberto Bastianon, Presales Director, Dell Technologies Italia
Un grande impianto chimico impiega un mix eterogeneo di asset, diversi per la funzione che svolgono, per gli anni che hanno – secondo un range che può andare dai 5 agli oltre 25 anni – ed il livello di modernizzazione.
Analizziamo insieme quello che potrebbe capitare in una settimana: la domanda dei clienti è elevata e l’impianto chimico sta lavorando al massimo della sua capacità per portare a termine gli ordini e rispettare la consegna. Nella giornata di martedì, a tre ore dall’inizio della produzione, lo scambiatore di calore utilizzato in un processo di distillazione si guasta, provocando l’arresto dell’intero processo produttivo.
Ci vogliono otto ore per riprendere l’attività che dunque causa una interruzione non pianificata della produzione, e altre due ore per riportare lo stabilimento ai livelli di qualità richiesti. I costi per l’impianto e l’attività aumentano notevolmente: sono stimati intorno ai 260mila dollari all’ora. Questo significa che le 10 ore di fermo della produzione equivalgono a una perdita di 2,6 milioni di dollari.
La domanda è: questa interruzione imprevista si poteva prevenire?
Anche se ipotetico, questo scenario è basato su fatti reali, che accadono tutti i giorni, e mostra la natura critica – e vulnerabile – degli asset e dei processi di produzione. Nessun impianto produttivo ne è esente: automotive, oil&gas solo per citarne due. Questi imprevisti per i proprietari degli impianti si quantificano in circa 50 milioni di dollari all’anno: trovare una soluzione in grado di contenere queste perdite, è vitale.
Nel settore manifatturiero, una soluzione per far fronte alle numerose vulnerabilità di produzione, inclusi i tempi di inattività non pianificati, potrebbe essere l’edge computing e i molteplici utilizzi che se ne possono fare. L’industrial edge computing permette infatti di avere maggiore flessibilità, aumentare la redditività e stimolare la competizione a livello globale. I primi risultati dell’utilizzo dell’edge e dell’Industrial Internet of Things (IIoT) come fattori abilitanti dell’Industria 4.0 sono molto promettenti.
La sfida è raggiungere una convergenza tra informational technology (IT) e operational technology (OT), un concetto che non è così banale da implementare. Queste due aree funzionali operano infatti in ambienti eterogenei – la realtà in un contesto produttivo – dove non è insolito trovare tecnologie diverse, e di vendor diversi, datate tra i 5 e i 25 anni. Avviare un processo di modernizzazione e trasformazione dello storage e del calcolo computazionale per ottenere risultati positivi dall’edge computing è ormai diventato un business imperative.
Ma prima di schierarsi a favore delle soluzioni edge-based, oltre al punto di vista dei professionisti IT e dei data scientist, certamente più favorevoli all’industrial edge, occorre tenere conto anche del punto di vista di chi opera nelle operation: le persone, infatti, giocano un ruolo importante almeno tanto quanto la tecnologia.
Come classificare la convergenza di Industrial edge computing IT/OT secondo Dell
Possiamo classificare 5 livelli di Industrial edge computing, dove provare a testare la convergenza IT/OT (informational technology / operational technology), e ridurre il gap tra i due; analizzare le diverse prospettive porterà a una migliore collaborazione e quindi a un miglior risultato a favore dell’edge. Tale collaborazione dovrà tenere conto della edge strategy, del data fabric per l’artificial intelligence/machine learning (AI/ML), della modernizzazione dell’infrastruttura, della trasformazione di persone, processi e tecnologie, della governance, della sicurezza dei dati e della gestione delle soluzioni hardware e software implementate. In sostanza, quelli descritti di seguito sono tutti i fattori necessari per creare una edge compute platform di successo.
- Le piattaforme informatiche edge-based si devono adattare agli imprevisti
Punto di vista dell’IT . Quando si intraprende un progetto di industria 4.0, i professionisti IT e i data scientist tendono a considerare i dati esistenti, l’infrastruttura e le informazioni disponibili come input empirici. I requisiti tecnologici sono basati su regole fisse e conosciute e su relazioni che danno risultati altamente probabili (90+%).
Punto di vista dell’OT. Di contro, nell’industrial edge troviamo professionisti OT e il loro ambiente di produzione reale. Questi si avvalgono di regole diverse, relazioni e ponderazioni basate su dati che potrebbero riguardare uno specifico processo o un asset. Per questo motivo, il contributo dell’OT potrebbe non essere vitale per progettare e implementare in modo ottimale l’edge computing per un’intera fabbrica.
La soluzione: Per trovare la convergenza tra le due posizioni, si potrebbe utilizzare un approccio scalabile, adattabile alle incertezze legate all’industrial edge. Per esempio, modelli di AI/ML in grado di capire se ci sono più o meno dati, se questi sono nuovi, o mancanti o protetti, se sono stati manipolati, oscurati o altro. Questi dati potrebbero variare per qualità e quantità, sulla base di situazioni real time che potrebbero essere conformi o meno per dare un set di regole ottimali, pre-definite sulla base di classificazioni passate.
- Le raccomandazioni devono essere comprensibili a più persone
Punto di vista dell’IT. E’ noto che i professionisti IT e i data scientist non parlano la lingua degli OT; ciò nonostante, si dovrà mettere a punto un meccanismo di comunicazione comune, chiaro e collaborativo per garantire che la progettazione e l’implementazione di soluzioni di edge computing siano correttamente comprese ed eseguite con chiarezza.
Punto di vista dell’OT. I dati e le informazioni fornite dalla piattaforma di edge computing devono essere affidabili e tempestive, in modo da essere utilizzate per prendere decisioni che incidano positivamente sulla produzione. Le azioni possono riguardare il flusso di materiale, la gestione delle risorse, delle persone, il controllo dei processi, la qualità del prodotto e la produttività. Gli OT utilizzano i dati primariamente per 1) monitorare i processi e far fronte agli incidenti “fuori specifica” e 2) valutare se i risultati che derivano dagli investimenti sono in continuo miglioramento
La soluzione. È fondamentale capire come le persone che hanno a che fare con l’industrial edge interagiscono con i sistemi OT e IT aziendali esistenti, per il miglioramento continuo e l’ottimizzazione costante dei processi e della produzione.
- La conoscenza euristica è essenziale per la precisione, la semplicità e la predittività.
Punto di vista dell’IT. Ci sono tre fonti di informazioni che aiutano a predire lo stato futuro di una “thing”: i dati correnti, lo storico nel sistema operativo e la conoscenza euristica o esperienziale dei professionisti IT. Mentre questi ultimi e i data scientist spesso hanno familiarità con i pattern delle fonti basate sui dati, è possibile che non sia così per gli OT.
Punto di vista dell’OT. Il livello di conoscenza dei professionisti OT è data dall’esperienza – conoscenza euristica – che condividono con i data scientist; questo permette loro di identificare algoritmi più semplici ed efficaci per fare previsioni. In modo simile, se condivise con i professionisti IT, questo tipo di conoscenza euristica aiuta a realizzare infrastrutture efficienti, resilienti e scalabili in grado di soddisfare le esigenze dell’edge computing. .
La soluzione. Se si vuole implementare una soluzione di edge computing di successo, la conoscenza esperienziale dei professionisti OT deve essere integrata nelle valutazioni dei professionisti IT.
- Le raccomandazioni prescrittive sono un risultato atteso at the edge
Punto di vista dell’IT. Le piattaforme edge e il loro utilizzo fanno leva sull’intelligenza artificiale e il machine learning (AI/ML) per consentire soluzioni prescrittive. Queste soluzioni sono utili per fronteggiare i rischi e l’incertezza della situazione. I professionisti IT e i data scientist potrebbero vedere le raccomandazioni prescrittive come “ottimali”; non sempre i professionisti OT la pensano allo stesso modo.
Punto di vista dell’OT. I professionisti OT tendono a utilizzare le raccomandazioni prescrittive dopo aver considerato criteri aggiuntivi come la disponibilità di risorse, l’affidabilità delle raccomandazioni, il tempo di esecuzione, la complessità della situazione, la sensibilità e la specificità.
La soluzione. Quando si lavora sul data fabric e l’industrial edge, per prescrivere raccomandazioni, sia i professionisti IT sia i data scientist dovrebbero considerare i seguenti punti: a) la differenza tra il rischio e l’incertezza quando si applicano i modelli AI/ML; e b) quelle raccomandazioni prescrittive non saranno ottimali fino a che non saranno presi in considerazione parametri aggiuntivi.
- Nell’industrial edge, la trasparenza stimola una crescita produttiva
Punto di vista dell’IT. Usare la logica del data plane e del control plane in una piattaforma di edge computing richiede un certo grado di trasparenza per ottenere la fiducia dell’OT. Gli algoritmi AI/ML hanno bisogno di una sofisticazione matematica per raggiungere la precisione; in questo processo, ci saranno momenti di diminuzione del rendimento, in cui la crescita della complessità supererà i benefici attesi. Per costruire il consenso, questa sofisticazione si dovrebbe spiegare in modo che possa essere compresa subito dall’OT.
Punto di vista dell’OT. Data la complessità delle operation nei reali ambienti industriali, i professionisti OT sono guidati visivamente. Integrando la trasparenza nell’edge, i professionisti IT e i data scientist possono scegliere di evitare modelli stocastici complessi e opachi con rendimenti decrescenti, e adottare invece casi d’uso più semplici con migliori value proposition nell’edge.
La soluzione. I professionisti IT dovrebbero considerare ogni use case e soppesare la precisione del “pay-off” raggiunto. In questo modo, le complicazioni aggiuntive possono essere evitate o minimizzate. Il risultato è la trasparenza, componente chiave per guadagnarsi la fiducia degli OT e una edge User Experience. Inoltre, la trasparenza permette ai professionisti IT e OT di fare modifiche appropriate e continuative basate su regole che governano l’ingestione di dati e l’inferenza che governa il comando e controllo.
I next step
Nell’impianto di produzione chimica, i tempi di inattività non pianificati avrebbero potuto essere mitigati dall’utilizzo o dalla manutenzione predittiva dell’industrial edge computing per prevenire un guasto imminente al minor costo possibile di riparazione.
Il settore manifatturiero può guadagnare molto massimizzando l’industrial edge. Ad ogni modo, decidere di implementare un edge efficace richiede una strategia dove IT e OT possano collaborare. Avere come riferimento i cinque punti sopra elencati potrebbe facilitare questa collaborazione e portare a una implementazione di successo at the edge.
