IoT Retrofitting: adattare i prodotti già sul mercato e aggiungere servizi smart

 

Lo studio di Dell “Retrofitting Legacy Assets for IoT Enablement” mette in luce i vantaggi del retrofitting per le aziende manifatturiere, che possono così aggiungere valore ai prodotti già presenti presso le aziende clienti che le utilizzano.

E’ comune, infatti, che le aziende clienti utilizzino macchinari che hanno anche 20 o 30 anni, come descrive anche l’articolo di wespeakiot.com, perché i costi per l’acquisto di nuovi macchinari sono alti, e quindi difficili da sostenere. Quindi il retrofitting è la soluzione decisamente più conveniente per i clienti, ma anche per i produttori che non vogliono perdere l’occasione di far diventare 4.0 i propri prodotti già sul mercato.

Quando l’azienda produttrice non pensa al retrofitting

Durante questi anni abbiamo incontrato molte aziende, utilizzatrici di macchinari, che cercano di creare delle soluzioni IoT “fai da te” (riguardo ai vantaggi e svantaggi del fai da te nello sviluppo di applicazioni IoT possiamo leggere l’articolo di Stefano Butti), perché sentono la necessità di connettere i macchinari e di gestirli, controllarli e avere analisi attraverso l’uso di tecnologie web.

I produttori che non adeguano il parco macchine presente sul mercato perdono potere contrattuale nei confronti dei clienti e la loro fidelizzazione, con una conseguente diminuzione delle quote di mercato e danno d’immagine del brand.

Lasciar creare delle soluzioni IoT fai da te ai clienti, inoltre, porta a non avere una tecnologia standard (e non perfettamente idonea) tra i macchinari già venduti, che quindi hanno problemi di comunicazione e integrazione tra di loro.

I produttori, quindi, devono aggiornare i prodotti prima che i clienti ci pensino in autonomia, per poter mantenere il proprio vantaggio competitivo ed anche aumentarlo, grazie al valore che le nuove funzionalità 4.0 aggiungono ai prodotti già sul mercato, e che i clienti sono in attesa di utilizzare

Quali sono i vantaggi del retrofitting?

I vantaggi del retrofitting si possono suddividere principalmente in due categorie: per il business dell’azienda produttrice e per il cliente utilizzatore del macchinario.

Vantaggi di business per l’azienda produttrice

  • Aumento di valore dei macchinari già esistenti presso i clienti/utilizzatori rispetto ai prodotti dei concorrenti che non hanno ancora adottato le tecnologie IoT
  • Difesa del vantaggio competitivo rispetto ai concorrenti
  • Aumento della fidelizzazione dei clienti

Vantaggi per il cliente utilizzatore delle macchine

Senza dover cambiare il macchinario, l’utilizzatore può beneficiare di:

  • Miglioramento dell’uso e dell’interazione con il macchinario
  • Utilizzo dei Servizi Smart (come la manutenzione preventiva o predittiva)
  • Riduzione dei costi di manutenzione
  • Aumento dell’efficienza del macchinario

Come fare retrofitting? Un esempio eclatante.

embedded-computing.com spiega come, per poter apportare il retrofitting alle macchine già presenti presso i clienti, ci sia bisogno di…

  • un convertitore industriale analogico/digitale che catturi il segnale proveniente da un microcontrollore, o da un PLC…
  • per poterlo convertire ed inviare verso una porta ethernet, che così comunica i dati…
  • ad un gateway che li invia online, per essere visualizzati…
  • …attraverso un pannello di controllo web o una mobile app (come Semioty)

Bosch mostra come qualsiasi oggetto possa essere connesso online, addirittura collegando online un tornio del 1887, a cui è aggiunto un sensore che consente di calcolare il numero di giri del macchinario. Se anche un tornio di oltre un secolo può essere connesso, è la dimostrazione che qualsiasi macchinario può diventare 4.0!

Il vantaggio più grande: l’aggiunta di Servizi Smart

Il retrofitting, dotando le macchine già esistenti delle funzionalità IoT, è la soluzione che consente di aggiungere servizi smart, e quindi di poter creare nuovi modelli di business, oppure rinnovare quelli esistenti, per aumentare le fonti di ricavo.

Possiamo prendere l’esempio dal nostro articolo “I Business Model che hanno più successo” e immaginare che, anche ad un tornio del 1887 si possa aggiungere un sistema di diagnostica in remoto, per misurare se l’utilizzatore sta utilizzando correttamente il macchinario di oltre 130 anni!

E se vi chiedete quali servizi smart è possibile erogare, leggete il nostro articolo Cosa sono i servizi smart (smart services) nel mondo manifatturiero e come erogarli, oppure scoprite l’esempio del settore HVAC, ed iniziate ad immaginare come può cambiare la customer experience dei vostri clienti mentre utilizzano i vostri macchinari connessi online.

Internet of Things e Machine learning, un binomio dal potenziale altissimo

AI, Machine Learning e Deep Learning, cosa sono?

L’Artificial Intelligence (o AI, Intelligenza artificiale) è il campo dell’informatica che studia le teorie e i metodi di implementazione di hardware e software che compiono attività con prestazioni che, dal punto di vista di un osservatore comune, sono attribuite esclusivamente all’intelligenza umana. Un esempio attuale sono le chatbot, sistemi di risposta automatica nelle chat (come Facebook o Whatsapp) di messaggi scritti con linguaggio naturale e che appaiono quindi come risposte di una persona reale all’altro capo del sistema di messaggistica.

Il Machine Learning  (o apprendimento automatico) fa parte degli studi sull’AI ed è un trend topic degli ultimi anni, ma in realtà il termine nasce nel 1959 da Arthur Samuel, che studiò metodi computazionali degli elaboratori per l’apprendimento (senza interventi di programmazione in itinere) in base ai pattern che esistono nei comportamenti. Il Machine Learning è utilizzato per l’analisi predittiva, ovvero l’analisi dello storico di dati comportamentali (ad esempio, come si comporta la ventola di un forno se questo è usato in modo massivo sempre a massime temperature? Aumentano le vibrazioni?) per poter predire eventi specifici (nel nostro caso, il consumo delle giunzioni della ventola, a causa dello stress delle vibrazioni costanti).

Il Deep Learning  (o apprendimento profondo) è quel campo del Machine Learning e della AI che studia l’apprendimento automatico di concetti più complessi, attraverso la strutturazione dei concetti appresi in livelli (la profondità di questi livelli dà il nome di Deep Learning, più articolato del Machine Learning). Un esempio sono le reti neuronali artificiali, ovvero un sistema computazionale in cui hardware o software comprendono, organizzano e gestiscono le informazioni simulando la struttura neuronale cerebrale, in modo da rispondere a problemi complessi che vengono posti in diversi campi (come l’informatica, l’elettronica o le simulazioni, ad esempio).

IoT e Machine Learning, cosa possono fare insieme?

L’articolo di Towardsdatascience.com spiega quando l’applicazione del Machine Learning è fondamentale per le aziende: nel caso in cui si conoscano i pattern ricorsivi (ovvero, gli indizi) che consentono di determinare l’accadimento di un evento (quindi, predirlo), si possono creare dei sistemi definiti di “Weak AI”, ovvero dei sistemi di intelligenza artificiale che compiono attività semplici, perché sono già note le variabili che consentono di fare un’analisi predittiva. La vera AI, e quindi il ML (Machine Learning), viene in soccorso quando non sono noti i pattern e le variabili di un problema, di cui però vediamo i risultati. Proprio a partire dai risultati, i sistemi di ML possono trovare quali sono i pattern e studiarne i comportamenti, per poter dire ai sistemi hardware e software come ottenere il risultato che vogliamo, in risposta al problema che abbiamo rilevato.

Per fare un esempio concreto, l’autore dell’articolo, Muhammad Anser, mostra il grafico (che riportiamo sotto) e spiega come Google abbia utilizzato sistemi di ML per diminuire il consumo di energia elettrica per la refrigerazione nei propri data center. Il sistema di ML ha calcolato il comportamento dei sistemi di refrigerazione e le temperature dei computer nei data center, per poter stabilire come poter diminuire il consumo elettrico, preservando la sicurezza degli elaboratori. Quindi, è stato applicato il controllo da parte del sistema di ML e quello che potete vedere di seguito è il risultato, con un notevole risparmio di costi…

Fonte: Machine Learning application in IoT – Towards Data Science

Le tecnologie IoT, quindi, che consentono il monitoraggio, il controllo e la configurazione in remoto dei macchinari connessi, se integrati con sistemi di Machine Learning, offrono un binomio sicuramente vincente, perché i macchinari possono apprendere e risolvere in autonomia delle problematiche a cui l’uomo non saprebbe rispondere da solo. E il ruolo degli specialisti dedicati ai macchinari diventa di configuratore e monitoraggio, diminuendo in maniera esponenziale il tempo e gli sforzi necessari per ottenere dei risultati sicuramente significativi per le aziende in termini di risparmio e di produttività.

Il successo è nei dettagli (dei dati)

Sicuramente, l’uomo non potrebbe elaborare con la stessa precisione e velocità una mole di dati come analizzati dai sistemi Big Data. Il Machine Learning applicati all’analisi dei Big Data e alle tecnologie IoT, consentono di risolvere problemi complessi con un numero di variabili enorme, grazie, come abbiamo visto, alla capacità di scoperta e analisi dei pattern comportamentali dei sistemi che si riescono a riscontrare analizzando in dettaglio lo storico di dati provenienti dalle macchine connesse.

Un nuovo esempio ci viene suggerito dall’articolo di iotforall.com, che spiega come Caterpillar abbia utilizzato un sistema di Machine Learning per risparmiare oltre 650.000 dollari l’anno sui costi di carburante della propria flotta di cinquanta navi.

L’azienda ha utilizzato il ML per scoprire come il consumo di carburante fosse legato all’energia prodotta dai generatori elettrici presenti sulle navi, grazie ai dati provenienti dai sensori disposti nei diversi settori e macchinari all’interno delle strutture. L’azienda è giunta alla conclusione che avere più generatori all’interno delle navi che producono meno tensione è più conveniente, risparmiando così fino a 30 dollari l’ora.

Il binomio tra Machine Learning e IoT ha, come visto, un potenziale altissimo. Le idee di applicazione al business sono molteplici e l’articolo di medium.com ne fornisce addirittura 120 per 12 settori industriali, tra cui il manifatturiero. Possiamo prendere ad esempio la predizione di trend futuri e di problematiche lungo tutta la supply chain per la produzione di un prodotto.

Abbiamo sempre detto che con un sistema di Things Relationship Management tutto l’ecosistema di aziende che vive intorno alla produzione può trarre i benefici delle tecnologie IoT attraverso i dati provenienti dai macchinari connessi. E se il software TRM si integrasse con un sistema di Machine Learning, potendo così stabilire regole e algoritmi per fare analisi predittive sui trend e addirittura anticipare le necessità dei clienti senza bisogno di specifiche da parte dell’azienda manifatturiera?

Applicazioni IoT per clienti e servizi post-vendita: sviluppare o acquistare? La scelta delle aziende manifatturiere

Le più innovative e lungimiranti aziende produttrici di apparecchiature, macchinari e attrezzature vogliono sfruttare le tecnologie IoT per aumentare la propria Value Proposition, trasmettere più valore ai clienti e aumentare le vendite. Nella maggior parte dei casi ciò implica anche la definizione di nuovi modelli di business IoT, che coinvolgono in particolare i servizi post-vendita.

Per 3 anni abbiamo parlato con le aziende manifatturiere di queste nuove incredibili opportunità e le abbiamo aiutate a rispondere a questa domanda: di quale software ho bisogno per mettere in pratica questa visione di lungo termine?

Molto spesso questo porta a una scelta: sviluppiamo la nostra applicazione personalizzata o ci affidiamo a una soluzione già pronta?

Proviamo qui per fare una valutazione dei vantaggi e degli svantaggi.

Pro e contro dello sviluppo di un’applicazione personalizzata iot per clienti e servizi post-vendita

Vantaggi

  • l’applicazione si adatta perfettamente alle esigenze e alle specifiche dell’azienda
  • l’applicazione rispetta qualsiasi interazione dell’utente, processo di business o logica aziendale definita dalla società

Svantaggi

  • i costi di sviluppo sono molto più elevati
  • i costi sono anticipati al 100%: prima che il primo cliente usi l’applicazione, il sistema deve essere pronto al 100%
  • esistono costi imprevisti e spesso sottostimati
    • la conformità al GDPR (General Data Protection Regulation- Regolamento UE 2016/679 – regolamento generale sulla protezione dei dati)
    • la conformità di sicurezza, certificazione e aggiornamenti continui di sicurezza
    • lo sforzo necessario per la costruzione di un’interfaccia utente per i clienti differente rispetto a quella per gli utenti tecnici interni
    • la gestione complessa di utenti, ruoli e dispositivi
    • lo sviluppo continuo di nuove versioni e aggiornamenti dopo la versione 1.0
    • la flessibilità: l’IoT è un ambito di studio nuovo, e un’applicazione IoT personalizzata deve essere pronta anche per soddisfare anche le esigenze di domani
  • la società deve dedicare del tempo a definire specifiche dettagliate
  • la mancanza di competenze: le competenze riguardo le tecnologie cloud e lo sviluppo software di livello enterprise spesso non sono disponibili

Pro e contro di acquistare una soluzione IoT pronta per clienti e servizi

Vantaggi

  • i costi iniziali sono molto più bassi
  • la scalabilità: i costi sono rapportati al numero di clienti
  • i costi sono ricorrenti, “all inclusive” e tutti prevedibili
  • l’azienda può concentrarsi solo sugli argomenti di business più importanti: modello di business, modello di ricavi, modello organizzativo, definizione del servizio
  • i componenti software sono già disponibili e testati
  • l’applicazione è validata, cross-industry e “best of breed”: si può scegliere il prodotto migliore, testato anche in altri settori industriali

Svantaggi

  • la roadmap di sviluppo della soluzione potrebbe non adattarsi perfettamente alle esigenze dell’azienda
  • potrebbero esserci limitazioni nella personalizzazione dell’interfaccia utente o nell’implementazione di una specifica logica di business

Falsi miti sullo sviluppo delle applicazioni IoT personalizzate o sull’utilizzo di soluzioni IoT già pronte

Quando parliamo con le aziende, spesso ascoltiamo falsi miti sullo sviluppo di applicazioni IoT personalizzate o sull’uso di soluzioni IoT pronte all’uso.

La nostra applicazione IoT è semplice, dobbiamo solo visualizzare i nostri dati”: falso! La visualizzazione dei dati è solo la punta dell’iceberg

Questo è l’errore più comune: sottovalutare lo sforzo necessario per implementare un’applicazione robusta e scalabile di livello enterprise che verrà utilizzata da migliaia di clienti, installatori, manutentori, distributori, fornitori. Non si tratta solo di visualizzare i dati: questa è solo la punta dell’iceberg. Un’applicazione di livello aziendale deve gestire in modo intelligente le logiche che permettono di visualizzare correttamente i dati: gestione dei ruoli interni ed esterni, registrazione dei clienti, gestione dell’inventario dei prodotti, definizione dei servizi, definizione del revenue model, gestione degli abbonamenti, interfacce user friendly di utenti esterni e utenti interni non tecnici (back office), ecc…

Una soluzione IoT pronta all’uso non protegge la mia Proprietà intellettuale”: falso!

Una soluzione IoT pronta all’uso fornisce numerosi componenti software, moduli, funzionalità. Questi sono disponibili anche per i tuoi concorrenti, vero, ma la differenza sta nel modo in cui vengono configurati e utilizzati. Sia l’azienda manifatturiera che i concorrenti utilizzano un sistema ERP, un MES, un sistema PLM, un software CAD o un sistema CRM acquistato e uguale per tutti. Ma questo non limita affatto la capacità di differenziarsi. È simile al CMS WordPress. Anche se il tuo concorrente usa WordPress per il suo sito web, apparirà diverso dal tuo, giusto?

“Una soluzione IoT pronta all’uso ha un TCO più elevato (Total Cost of Ownership – costo totale di proprietà)”: falso!

Quando si calcolano i TCO di un’applicazione personalizzata non si devono considerare solo i costi dell’infrastruttura ma anche i costi di:

  • manutenzione dell’applicazione in conformità con la protezione dei dati e della privacy (GDPR) e aggiornata ai più recenti standard di sicurezza
  • evoluzione dell’applicazione allo stesso ritmo delle esigenze aziendali
  • aggiornamento alle ultime tecnologie Mobile e Web a cui gli utenti finali sono abituati

Conclusione: svilupperesti davvero un CRM personalizzato invece di utilizzarne uno già pronto?

La nostra conclusione è che un’azienda manifatturiera che vuole sfruttare le tecnologie IoT per aumentare la sua value propositon, dare più valore ai clienti e aumentare i ricavi non dovrebbe avere dubbi nella scelta di una soluzione IoT pronta all’uso. Se sei ancora in dubbio, pensa a questo: svilupperesti davvero un sistema CRM personalizzato invece di usarne uno già pronto?

Il futuro degli apparecchi medicali IoT? La condivisione dei dati per l’assistenza sanitaria preventiva

 

L’articolo “What is the future for IoT and industrial medical equipment?” del sito canadese www.ept.ca – Electronic Products and Technology – descrive alcune soluzioni Internet of Things già esistenti, dedicate agli apparecchi medicali industriali. Sedia a rotelle che inviano dati fisiologici e di funzionamento in tempo reale ai medici, barelle con tag RFID che aiutano la logistica negli ospedali, contenitori per le pillole che segnalano all’azienda sanitaria se il paziente assume regolarmente il farmaco o se ha bisogno di una nuova prescrizione perché ha terminato le dosi.
Queste soluzioni IoT per il settore medico possono sembrare futuristiche, ma sono già realtà.

Alcune soluzioni IoT per il settore medico possono sembrare futuristiche, e invece sono realtà.

E la condivisione dei dati con i medici e il sistema sanitario aiuta il monitoraggio continuo dei pazienti a distanza, aiuta ad intervenire in caso di necessità (al superamento di valori prestabiliti) e anche ad intervenire in modo preventivo, salvaguardando ulteriormente la salute del paziente.

Dalla manutenzione predittiva all’assistenza sanitaria

Si parla molto di manutenzione predittiva nell’industria 4.0 e per i prodotti industriali smart, come forni o frigoriferi commerciali: s’implementano attività di manutenzione volte ad evitare il malfunzionamento di un prodotto attraverso la misurazione di parametri estrapolati con modelli matematici, che misurano il tempo rimanente prima del guasto… E se questo approccio venisse usato anche per l’assistenza sanitaria?

E se l’approccio IoT venisse usato anche in ambito assistenza sanitaria?

L’articolo “IOT & predictive analytics in heathcare” di cloudtweaks.com (un blog che parla di innovazione), descrive proprio come la quantità di dati, utili a creare uno storico e a poter fare analisi con strumenti dedicati nel settore sanitario, stia crescendo di giorno in giorno; già oggi esistono sistemi di sorveglianza per evitare le infezioni, un problema particolarmente sentito nelle strutture ospedaliere e assistenziali.

La medicina preventiva è una realtà e può migliorare grazie all’analisi predittiva “con un effetto positivo sulla salute pubblica”, come scrive Jennifer Klostermann nel suo articolo.

 

I gateway: cosa sono, come si programmano e quanto costano

Per entrare nel mondo dell’IoT e connettere il proprio prodotto industriale al cloud è necessario disporre di un gateway IoT. Un gateway IoT s’interfaccia direttamente con il prodotto, legge i dati logici o fisici rilevati dai sensori, li trasforma – quando necessario – e poi li invia verso il cloud. Lo scopo del gateway è quello di astrarre i prodotti presenti sul campo, permettendo un interfacciamento standardizzato tra cloud e prodotto. Ricordiamo infatti che per lo strato applicativo esiste un solo modo per descrive e comunicare con un prodotto, poi (lato hardware), ogni prodotto avrà le use interfacce, parametri e protocolli. Il gateway è invece in grado di parlare la lingua del prodotto che viene definita protocollo M2M (machine 2 machine).

In ambito industriale il protocollo M2M più diffuso è Modbus, che permette una comunicazione seriale via cavo RS485. Ogni periferica, sensore o variabile ha un proprio indirizzo, che serve per identificare i dati serializzati nel bus.

Il gateway opportunamente configurato sarà in grado di tradurre i “dati di campo” in dati che possono essere poi usati dallo strato applicativo sovrastante. Per esempio il registro P02A4DA con valore 9F6, verrà tradotto in temperature con valore 25.5 °C.

 

Esistono vari tipi di gateway

Embedded: il gateway viene incluso direttamente all’interno del prodotto, sotto forma di scheda aggiuntiva, direttamente interfacciato con la scheda di controllo presente. Questa soluzione permette di ottimizzare gli spazi della parte elettronica e ridurre i costi del gateway stesso. Per esempio un gateway di questo tipo può essere inglobato in un cronotermostato da muro.
Standalone: il gateway è incluso in un case certificato dotato di ingressi e uscite; viene connesso alla scheda o PLC del prodotto mediante cavo seriale, USB o LAN. Nel caso di macchinari industriali, come per esempio un frigorifero o un condizionatore, il gateway può essere installato al suo interno. Questa soluzione è preferibile quando è necessario soddisfare criteri di sicurezza, isolamento e robustezza.

Il gateway inoltre gestisce la sicurezza per l’accesso alla rete internet; il canale aperto tra gateway e cloud viene criptato e autenticato. In questo modo il prodotto è connesso in modo sicuro e non ci si deve preoccupare di gestire la sicurezza in quanto delegata al gateway.
Il canale aperto verso il cloud è bidirezionale, il che permette anche l’invio di comandi da remoto (es. sbrinamento) e l’update del firmware del gateway stesso e/o del prodotto connesso. I gateway più evoluti inoltre permettono di archiviare i dati letti dal prodotto, in modo da evitarne la perdita in caso di connettività temporaneamente assente. In alcuni casi l’invio di dati verso il cloud viene scaglionato in blocchi durante la giornata.

 

Come si programmano?

I gateway sono dotati di un sistema operativo, normalmente Linux, dotato delle funzionalità necessarie alla lettura e scrittura degli ingressi e uscite presenti sul gateway. In funzione del caso applicativo, poi si andrà a installare un’applicazione specifica in grado di tradurre il linguaggio macchina in linguaggio standard e interpretabile dal cloud, e viceversa. Normalmente la comunicazione tra gateway e cloud viene gestita con il protocollo MQTT o CoAP, al cui interno transitano i dati comprensibili dallo strato applicativo.

La programmazione dell’applicativo da installare sul gateway può essere fatta mediante i più comuni linguaggi di programmazione: Java, C++, Python e sfruttando la moltitudine di librerie già pronte all’uso per gestire la comunicazione e la trasformazione dei dati.

 

Quanto costano?

Il costo del gateway dipende principalmente dalle sue caratteristiche hardware: tipologia del case se presente, tipologia e numero dei connettori, potenza di calcolo e memoria interna, tipo di connettività (LAN, GPRS, BlueTooth, WIFI).

Per dare un’idea, un gateway embedded con limitati ingressi ed uscite, fattore di forma ridotto, che può essere inglobato in un cronotermostato può arrivare a costare 10,00-15,00 €.

Al contrario, un gateway standalone può partire da 60,00-70,00 € per un entry level, salire sui 200,00-300,00 € per un gateway di medie funzionalità, e arrivare fino a 600,00-1.000,00 € per un gateway specifico per applicazioni critiche. Ad esempio, per il trasporto pubblico è necessario disporre di un gateway con case isolato IP66, basso riscaldamento e connettori anti distacco.

 

Cosa riserva il futuro?

I gateway si stanno evolvendo e includono sempre più servizi, protocolli M2M supportati, funzionalità, fattore di forma sempre più compatti e prezzi più accessibili. I modelli di ultima generazione permettono di effettuare l’analisi sui dati in tempo reale nella ricerca di anomalie e nella previsione dei guasti. In questo modo viene alleggerito il carico del cloud e il gateway si limiterà ad inviare delle metriche specifiche per gestire gli allarmi riscontrati. Con il crescere della potenza di calcolo sarà possibile aggiungere nuove funzionalità atte a creare valore aggiunto al prodotto connesso.

Il mercato dei gateway, grazie all’avvento dell’IoT che ha radicalmente cambiato le esigenze di chi si occupa di prodotti industriali, negli ultimi anni è cresciuto tantissimo, e le leve di acquisto tendono sempre più verso la scelta del software e servizi. I gateway stessi stanno diventando delle commodities e grazie alla standardizzazione ne viene favorita la sostituzione, laddove possibile, con prodotti concorrenti.

IoT e l’evoluzione del telecontrollo dei prodotti industriali

Il Telecontrollo e i tempi degli SMS

Il telecontrollo si diffonde nelle aziende negli anni 80′ e si compone di due funzioni principali: il monitoraggio, ovvero la lettura di un dato a distanza (come la lettura di una temperatura), e la configurazione, ossia la modifica mediante attuatori dello stato di un sistema remoto (come la regolazione di valvole).

Il monitoraggio remoto dei prodotti industriali viene fatto inizialmente usando linee dedicate o attraverso la rete telefonica; in seguito si passa allo scambio di messaggi SMS mediante schede GSM, opzione più comoda ma con costi elevati e latenze nello scambio dei dati.

Ad esempio, per cambiare in remoto la temperatura di un condizionatore, attraverso il server locale si invia un messaggio SMS, che viene ricevuto e letto dal condizionatore stesso che si configura con la nuova temperatura.

Internet, VPN e la connessione in remoto dei prodotti

La diffusione di internet, dagli anni 90’ al primo decennio del 2000, permette di abbattere i problemi di connettività e garantire l’accesso agli impianti da remoto per poter direttamente visualizzare i dati e controllare le macchine. Le VPN (Virtual Private Network, ovvero una rete privata che utilizza un protocollo di trasmissione dati pubblico e condiviso, come ad esempio internet) sono il sistema più utilizzato. Il passo in avanti è enorme rispetto agli anni 80’, perché, grazie alla tecnologia internet, la quantità di dati che si possono scambiare è decisamente superiore; le macchine, inoltre, sono controllabili in remoto e in tempo reale con costi contenuti.

I limiti, però, sono evidenti:

  • la connessione non è sempre aperta, ma avviene solo quando un operatore si connette alla macchina; non è quindi possibile agire sulla macchina in assenza di un operatore
  • la connessione avviene solo una macchina per volta (una connessione 1:1) e non permette di controllare più macchine contemporaneamente

Tornando all’esempio del condizionatore, con una VPN l’operatore deve connettersi alla macchina tramite pc e modificare la temperatura. E ripetere l’azione 100 volte nel caso abbia 100 condizionatori dislocati sul territorio.

I limiti della tecnologia VPN sono evidenti: connessione aperta solo quando l’operatore si connette e solo per una macchina alla volta.

Cloud, mobile App e IoT – l’ultima evoluzione del telecontrollo

L’evoluzione della tecnologia Internet ha fatto nascere il Cloud (termine nato negli anni novanta, ma diffuso negli anni 2000), ovvero il sistema di fruizione di servizi, come la memorizzazione e l’elaborazione di dati, grazie a risorse hardware e software localizzate su Internet.

I dati provenienti dai prodotti industriali oggi possono quindi essere inviati, archiviati (tramite database NoSQL e Time Series) e processati in Cloud (attraverso microservizi scalabili e altamente performanti). Su Cloud la potenza di calcolo è decisamente maggiore dei server locali presenti nelle aziende e i sistemi di sicurezza sono più evoluti (attraverso la criptazione e anonimizzazione dei dati); ciò rende le soluzioni Cloud meno esposte di quelle private a possibili attacchi esterni.

Per controllare il prodotto industriale non è più necessario aprire una connessione 1:1, ma basta collegarsi al Cloud. E’ quindi possibile controllare più macchine contemporaneamente, visualizzare e fare analisi su dati aggregati e provenienti dalle diverse macchine, anche in modalità multidimensionale (ad esempio in base al modello, alla categoria o alla localizzazione del prodotto).

I servizi applicativi in Cloud, inoltre, permettono l’automazione delle attività. Si possono configurare regole che scatenano azioni automatiche di comando delle macchine connesse online.

L’integrazione con servizi Internet esterni all’azienda può creare ulteriori possibilità ai automazione e controllo remoto. Per esempio, interrogando un servizio meteo disponibile su Internet, un applicativo presente sul Cloud può comunicare ad una caldaia di ridurre la potenza in vista di un aumento della temperatura esterna. Il tutto automaticamente, senza l’intervento da parte dell’uomo.

Con la tecnologia IoT e Cloud, oggi è possibile controllare, aggregare i dati, analizzarli in tempo reale ed anche automatizzare le attività sui prodotti industriali.

Il Cloud, infine, rende possibile anche un uso pervasivo dei dispositivi mobili come strumenti per effettuare il controllo in tutta comodità.

Il nostro esempio del condizionatore vede quindi un operatore che riceve una notifica sul suo smartphone, tramite App dedicata, che lo informa che è stata appena applicata la regola automatica che ha configurato. La temperatura di tutti i condizionatori sta per essere modificata in autonomia e l’operatore può decidere se confermare l’azione oppure intervenire (sempre tramite App) per fare attività di controllo più fine.

Il telecontrollo in questo modo viene semplificato ed automatizzato, consentendo inoltre di raccogliere, elaborare ed analizzare una maggior quantità di dati rispetto al passato, per poter fare previsioni più accurate e affidabili, che consentono alle aziende di migliorare i propri prodotti ed aumentare il vantaggio competitivo rispetto alla concorrenza.

Stampanti IoT e Blockchain, un esempio di opportunità e sicurezza per i prodotti industriali

Nell’articolo di digital4.biz Stampanti intelligenti multifunzione, IoT e blockchain: uno scenario di opportunità” si parla di come le stampanti multifunzione sono cambiate grazie all’IoT, permettendo il controllo remoto, la manutenzione predittiva e la consegna just-in-time dei consumabili grazie all’analisi dei livelli a distanza. Tutti argomenti che torneranno spesso in questo blog, perché descrivono le enormi potenzialità che la tecnologia IoT porta alle aziende che vogliono proporre prodotti innovativi. Tra le altre possibilità, l’IoT si può integrare con la tecnologia Blockchain, come descritto nell’articolo di digital4.biz.

Blockchain (che, per capirsi, è la tecnologia dietro all’utilizzo dei bitcoin) certifica la genuinità dei dati e ne garantisce la totale sicurezza da eventuali manomissioni. Quindi, automatizzando i processi grazie all’IoT, Blockchain garantisce l’invio di dati sicuri tra dispositivi diversi, anche connessi in remoto. Ad esempio, le stampanti possono comprare “da sole” i consumabili facendo transazioni automaticamente, senza il pericolo di attacchi da parte di terzi e di sottrazione di dati sensibili, come quelli delle carte di credito.

Questo esempio può essere esteso dalle stampanti ad altre macchine industriali, come le macchine dell’industria alimentare, che possono monitorare il livello di utilizzo delle materie prime e gestire automaticamente gli ordini.

Per chi compra e usa queste macchine industriali il grado di apprezzamento di servizi come questi potrebbe essere molto alto. Chi non vorrebbe un macchinario industriale che acquista da solo e in totale sicurezza le parti consumabili? Si evita così di dover sempre tenere sotto controllo i livelli di consumo, creare e inviare gli ordini di acquisto. Tutto tempo (e costo) risparmiato che può essere speso in attività di maggior valore.

Un’altro esempio dell’applicazione congiunta di IoT e Blockchain è la certificazione dei dati, come nell’industria alimentare. Gli alimenti devono rimanere a temperatura costante lungo tutta la catena di distribuzione e la certificazione del dato proveniente dai frigoriferi durante lo stoccaggio e il trasporto può dimostrare lo stato di conservazione del prodotto alimentare, aiutando l’idea di garanzia di qualità. Un altro settore è quello degli impianti di condizionamento di ambienti dove la qualità dell’aria deve essere monitorata e certificata (pensiamo ai laboratori specializzati o ad ambienti in cui vengono manipolate sostanze rischiose).

Anche in questo caso la domanda per servizi di questo genere potrebbe essere molto alta. Con un prodotto che monitora e certifica dei dati fondamentali (come la temperatura costante nei laboratori) un’azienda ha una leva in più verso i propri clienti, potendo garantire e certificare un servizio di qualità superiore, dando un valore aggiunto che prima della tecnologia IoT non si poteva avere.