Negli ultimi anni acquisire informazioni, in ogni ambito, sta riscuotendo un importante successo.
Per questo l’affermazione “data is the new oil” è ormai diventata scontata ed abbracciata in tutti i contesti operativi e quello che anni fa era avveniristico oggi è dato per scontato.
Non è quindi raro che, come Big 4 con spiccatissima connotazione Tecnologica, si venga coinvolti in progetti finalizzati alla raccolta d’informazioni, alla loro comprensione ed alla sfidante ricerca del “valore” informativo nascosto nel dato.
Sull’onda della Transizione 4.0, molti contesti industriali ma anche Energy Utility hanno aumentato il loro budget d’investimento sul data management che vede in un sistema di raccolta dati dal campo una piccola ma fondamentale parte da cui iniziare uno studio che, ad oggi, è in grado di determinare un importante vantaggio competitivo.
Proprio nei contesti sopra menzionati siamo stati recentemente ingaggiati per la progettazione e realizzazione di una Piattaforma di acquisizione dati dal campo, finalizzata all’asset monitoring, con una spiccata verticalità sulle performance e la maintenance.
La primaria necessità condivisa è stata la semplicità d’interazione da parte dell’utente, infatti, la scelta di non optare per una soluzione a prodotto è stata proprio veicolata dalla mancanza di “sintesi” e semplicità informativa che molte opzioni, dovendo rispondere alle esigenze più complesse, non riescono ad offrire.
Il contesto nel quale si è operato è stato caratterizzato dall’obiettivo di veicolare un numero molto limitato di segnali finalizzati alla descrizione delle performance degli asset nel plant ed a supporto delle fasi di training/retraining dei modelli di predictive e prescriptive maintenance.
Abbiamo quindi analizzato la situazione di campo ed optato per una soluzione DCS(data collecting system) basata su tecnologia Microsoft, in particolare sullo stack di servizi PaaS offerto dalla piattaforma MS Azure.
Si è suddiviso lo schema applicativo nel classico approccio edge/fog-cloud(schema).
La soluzione leader di mercato PTC KEPserverEX è stata utilizzata per interfacciare gli asset coinvolti e beneficiare di uno standard riconosciuto come OPC UA.
I dati vengono prelevati dalle macchine e veicolati tramite KEPserverEX ad una istanza di Stream analytics presente sul campo grazie ad IOTEdge che garantisce il provisioning degli strumenti necessari al progetto.
Successivamente i dati processati beneficiano della sinergia con IOThub per lo streaming verso il cloud.
Al contempo, una istanza Telegraf, agent open source per l’acquisizione dati, recepisce i medesimi dati e li persiste all’interno di un TSDb InfluxDb opportunamente configurato per una data retention di 5-7 giorni, nonché per la gestione di allarmistica e dashboarding integrata. .
I dati presenti nel TSDB vengono utilizzati da una Azure Function App per consumare un servizio d’inferenza esposto sull’edge nel quale un modello ML di predictive maintenance esegue delle previsioni in base ai segnali raccolti ed a delle soglie configurate dal team operation, restituendo all’operatore un segnale di warning che verrà poi da lui valutato.
I dati Hot dal campo vengono collezionati alla frequenza di 1hz mentre i dati Cold vengono processati ogni minuto. Grazie ad IOThub e successivamente a Event hub è possibile creare un bacino di buffering che permette di lavorare separatamente e comodamente le due tipologie di dati.
I dati raw vengono quindi storicizzati nella loro interezza per mezzo di file persistiti su di un Azure storage account con una retention concordata.
La vera sorpresa di tutto lo stack utilizzato è stato Microsoft ADX senza il quale non sarebbe stata possibile la creazione di dashboard di telemetria in così poco tempo.
A conclusione dello schema, l’intero pool d’informazioni, sia strutturate che non, vengono depositate su Cosmos Db e Istanze di Azure Sql Server a disposizione delle data platform.
L’ architettura ha permesso di assicurare il calcolo dei parametri di performance degli asset(OEE, OOE, TEEP) corretto ed, in ambito industriale, il monitoraggio dei parametri energetici in sinergia alle informazioni su lavorazione e commesse di lavoro. E’ possibile infine determinare quale asset sia il più energivoro rispetto a specifiche lavorazioni e processi produttivi, informazioni al giorno d’oggi determinanti per i moderni APS molto sensibili all’aspetto energetico per la pianificazione/schedulazione della produzione.
