Il connected manufacturing è a un punto di svolta, sulla scia di un cambiamento reale e misurabile nella tipologia di dati – quelli in tempo reale e quelli storicizzati stanno crescendo del 50% più velocemente rispetto a quelli latenti o statici, mentre l’analisi dei flussi streaming è destinata a crescere fino un CAGR del 28% – rendendo le piattaforme legacy specializzate in soluzioni di dati storici statici, che operano on-prem o in cloud discreti, inadeguate a soddisfare le attuali esigenze di insight in tempo reale. La crescita dei dati in streaming è alimentata dal fatto che permette una visione in tempo reale e, cosa più importante, un processo decisionale autonomo.
Questo cambiamento nella produzione è stato reso possibile dalla proliferazione di economici sensori di processo adatti a usi specifici, da robusti dispositivi di edge computing che abilitano decisioni autonome ripetitive, al cloud computing che esegue sia l’analisi che lo storage, fino al 5G, che apre la strada ai dati liberando i processi di produzione dalle catene delle connessioni cablate. Ma i benefici dello streaming rappresentano una sfida in termini di gestione dell’enorme volume di dati, di strutture diverse, e di velocità in tempo reale nei processi aziendali di produzione.
Limitazioni alle tradizionali soluzioni di data ingestion nel connected manufacturing
I produttori odierni si trovano ad affrontare limitazioni derivanti dalla complessità della digitalizzazione, molte delle quali dovute alla rapida evoluzione delle fonti di dati – nuovi e connessi – e dall’enorme volume di informazioni emesse. Alcune delle sfide e delle considerazioni che le organizzazioni devono affrontare in termini di gestione dei dati per il Connected Manufacturing sono:
- Il costo della gestione dei dati: I tradizionali meccanismi di gestione dei dati tendono ad essere notoriamente costosi, non scalano facilmente e non sono stati costruiti per catturare ed elaborare i petabyte di dati IoT in streaming dai dispositivi connessi. Oggi, le organizzazioni hanno bisogno di una piattaforma di data management & analytics più flessibile e scalabile che possa facilmente ingerire, memorizzare, gestire ed elaborare i dati in streaming da fonti IoT a un costo inferiore.
- Gestire il volume e la varietà dei dati IoT: Per abilitare il monitoraggio e l’ottimizzazione dei processi, la manutenzione predittiva e i casi d’uso emergenti dell’IoT, gli architetti dell’informazione hanno bisogno di una piattaforma in grado di gestire tutti i tipi di strutture e schemi di dati, dalle letture intermittenti di temperatura, pressione e vibrazioni alla gestione di dati completamente non strutturati (ad esempio, immagini, video, testo, dati spettrali) o altre forme come i segnali termografici o acustici, dall’edge, forniti attraverso diversi driver e protocolli supportati.
- Gestire la complessità dei dati in tempo reale: Per guidare il monitoraggio continuo del processo, l’ottimizzazione della produttività o la manutenzione predittiva, una piattaforma di gestione dei dati deve consentire l’analisi in tempo reale dei dati in streaming. La piattaforma ha anche bisogno di ingerire, archiviare ed elaborare efficacemente i dati in streaming in tempo reale o quasi-reale, al fine di fornire istantaneamente approfondimenti e azioni.
- Liberare i dati dai silos indipendenti: i processi specializzati (piattaforme di innovazione, QMS, MES, ecc.) all’interno della catena del valore premiano fonti di dati disparate e piattaforme di gestione dei dati che si adattano a soluzioni uniche e silos. Queste soluzioni puntuali limitano il valore dell’impresa considerando solo una frazione degli insight che i dati cross-enterprise possono offrire, inoltre, le soluzioni duplicate in silo dividono il business, limitando le opportunità di collaborazione. Infine, la piattaforma deve avere la capacità di ingerire, memorizzare, gestire ed elaborare i dati in streaming da tutti i punti della catena del valore, combinarli con le fonti Data Historians, ERP, MES e QMS e sfruttarli in intuizioni utilizzabili.
Data la complessità e la varietà dei dati di produzione e dell’IoT, i produttori in ambito manufacturing si stanno concentrando sugli insight dall’edge fino all’AI. Per farlo, un ottimo punto di partenza è naturalmente all’inizio, dove i dati vengono ingeriti nel data lake e nella piattaforma dati aziendale.
