AES_2 2023

Primo piano 21 SCENARI Automazione e Strumentazione n Marzo 2023 gestione dei dati primari derivanti da strumentazione e sensori in campo. I Big Data nell’industria La sfida attuale per l’industria è quella tratta di rac- cogliere la maggior quantià di dati nel minor tempo. Aspetto chiave della messa a frutto dei Big Data è la comprensione di dove, quando e come i dati possono essere utilizzati. Con queste premesse gli analisti pos- sono confrontare e correlare enormi serie di dati sto- rici diversi, creando altrettante possibilità di analisi. Di conseguenza, gli operatori possono individuare rapida- mente tendenze e modelli per capire come funzionano le apparecchiature e i processi, prevenendo possibili problemi di manutenzione. La tecnologia sta evol- vendo perché tutte queste funzionalità siano integrate in una piattaforma unificata in cui i Big Data possano essere usati efficamente in termini di aumento dei pro- fitti e riduzione dei costi. Perché questo sia possibile, la creazione di valore e il miglioramento dell’effi- cienza devono essere allineati agli obiettivi strategici dell’azienda. In genere le analisi in tempo reale per l’ottimizzazione dei processi industriali vengono eseguite con sistemi ad anello chiuso. Questo tipo di analisi richiede che i dati siano raccolti correttamente a partire da sensori, strumentazione, sistemi DAQ, reti di controllo e Scada. I dati vanno quindi memorizzati e storicizzati nel por- tafoglio degli asset aziendali. Successivamente vanno interpretati da parte di operatori qualificati con appli- cazioni che tengano conto di metriche di prestazione, qualità ed efficienza. Nel caso della manutenzione, i dati provenienti dalle attività di monitoraggio e diagno- stica consentono di programmare interventi in campo, evitando costose trasferte di operatori o tempi di fermo non pianificati. Grazie al valore di questi dati, il per- sonale addetto alla manutenzione può identificare le cause dei malfunzionamenti e utilizzare l’analisi pre- dittiva per evitare futuri problemi. Questo è un modo concretto e diretto per ricavare valore dai dati. I software di analisi predittiva forniscono ulteriore supporto apprendendo il comportamento normale delle apparecchiature e prevedendo il comportamento futuro. In genere questa classe di software sfrutta le tecniche di analisi multivariata, che consentono di identificare relazioni molto complesse nei dati per prevedere gli stati futuri in base a qualsiasi variazione degli input. D’altra parte, nel tempo, i dati industriali si accumulano fino diventare potenzialmente ingestibili. Per questo i trend di analisi dei Big Data industriali si stanno concentrando su piattaforme ibride che combi- nano sistemi operativi ad alte prestazioni con sistemi di archiviazione basati sul cloud che sfruttano tecnologie integrate per condurre analisi in tempo reale su enormi set di dati, per esempio Hadoop . Sebbene tutti questi componenti lavorino in sinergia per risolvere sfide complesse, è necessario un unico livello di interfaccia di facile accesso. Una volta che i dati sono diventati obsoleti e non sono più necessari per l’analisi in tempo reale, possono essere trasferiti in una piattaforma di archiviazione a lungo ter- mine. Vale infine la pena sottilineare che per estrarre valore da più fonti di dati, è fondamentale un’adeguata integrazione dei dati in combinazione con la gestione dei metadati (informazioni che integrano i dati reali) e dei master data (dati identificativi orientati al business). Strumenti intelligenti L’uso di strumenti intelligenti per migliorare i processi industriali richiede quasi sempre l’implementazione di tecnologie IIoT. Gli strumenti intelligenti determi- nano la generazione di grandi quantità di dati, raccolti e archiviati in sistemi host. Gli smart device trasmettono inoltre le variabili di processo, i parametri di calibrazione, la diagnostica e altre informazioni, attraverso reti digitali. Questi dati diventano preziosi quando vengono analizzati dagli utenti finali nel contesto di un processo specifico, con- sentendo ad esempio di eseguire la manutenzione pre- dittiva, ridurre i tempi di fermo e apportare altri miglio- ramenti operativi. Dal punto di vista della comunicazione i protocolli IoT e Industrial Ethernet sono i più efficaci per raccogliere i dati degli strumenti intelligenti e dai dispositivi di campo di nuova generazione. Architettura Big Data Hadoop