Bilanciare soluzioni Cloud ed “On-Premise” per l’analisi di dati di produzione

Ovvero come suggerire alle aziende industriali un approccio equilibrato per la gestione ed archiviazione dei dati con gestione locale degli impianti ed utilizzo programmi di ottimizzazione in Cloud, anche grazie ad utilizzo di Edge Computing.

Molte aziende industriali sempre più di desiderano utilizzare l’analisi di dati in Cloud per ottimizzare efficienza e gestione degli impianti e intravvedono valore nell’avere un’unica piattaforma per l’archiviazione e l’analisi dei dati.

La domanda è: come sfruttare queste analisi sui “Big Data industriali” raccolti dai sensori e sistemi sull’impianto?

La risposta potrebbe essere un modello ibrido che consente alle aziende di collegare il Cloud e le soluzioni on-premise per ottenere i vantaggi di entrambi i sistemi e, qui i CIO ne vedono il potenziale valore. Si iniziano i progetti pilota tutti rivolti al Cloud, e poi, un paio di mesi dopo l’inizio del progetto, qualcuno nel settore finanziario vede le fatture ricevute dal Cloud Provider per l’importazione e l’archiviazione dei dati su cloud e inizia a mettere in discussione le scelte iniziali.

Il Cloud, infatti, può risultare molto costoso, non conveniente per l’archiviazione di serie temporali di dati in alta risoluzione generati da macchine e apparecchiature di impianti industriali.

Quindi, come possiamo sfruttare la potenza degli strumenti di analisi basati su Cloud su Big Data creati dalle macchine moderne?

Fortunatamente, la risposta è chiara: un modello di gestione dei dati ibrido che utilizza la tecnologia esistente vicino alla fonte dei dati (sull’impianto o nel data center aziendale) e sposta i “dati rilevanti” con la giusta frequenza nel Cloud per l’analisi. I dati di macchina e di processo raccolti sugli impianti vengono spesso acquisiti e memorizzati a intervalli di un secondo (o anche più velocemente). Se si fanno i conti, ogni sensore genera circa 2,6 milioni campioni di valori individuali al mese, che devono essere elaborati e potenzialmente archiviati.

Ecco un esempio, riferito ad un importante fornitore di piattaforma di analisi in Cloud che addebita sia l’elaborazione (cioè il caricamento dei dati) che l’archiviazione dei dati. Utilizzando solo la loro opzione di storicizzazione, il costo di elaborazione e archiviazione dei dati per un anno è di circa €200 per sensore. L’opzione di archiviazione è limitata a circa 120 sensori ad alta velocità. Un’altra opzione di archiviazione è leggermente più economica e può memorizzare 10 volte più dati, ma è limitata a 1.200 sensori. Se abbiamo 1.200 sensori a €150 all’anno, il costo sarebbe di €180.000 all’anno.

Un Data Historian tradizionale è progettato appositamente per archiviare i dati delle serie temporali in modo molto efficiente.

Perchè usare un PDB di processo può fare la differenza? leggi questo WP…Historian vs RDB white paper

Per una licenza Data Historian di 10.000 tag (10 volte più grande della piattaforma di analisi in Cloud sopra citata), il costo della licenza e del server su cui installare il software sarebbe inferiore a €90.000, calcolato su un periodo di tre anni.

Si tratta di un risparmio di oltre l’80% rispetto all’utilizzo del Cloud per l’archiviazione. (OK, c’è il costo dell’elettricità e le spese generali IT alle quali pensare, ma con un risparmio dell’80%, i costi di elettricità e IT sono marginali).

L’elemento mancante qui è la suite analitica in Cloud: con un modello ibrido, le aziende industriali possono collegare queste due tecnologie per avere i vantaggi di entrambe.

In un modello ibrido, l’Historian e il Cloud lavorano insieme per soddisfare le esigenze dei team IT e OT. L’Historian è altamente efficiente nell’archiviare serie temporali di dati su larga scala; gli utenti oggi possono memorizzare decine di migliaia di tag per impianto per scopi di analisi e reportistica locale. La tecnologia Historian è disegnata per questo scopo con caratteristiche chiave quali l’economicità, l’efficienza e la sicurezza.

Una delle tecnologie chiave utilizzate per archiviare una grande quantità di dati è la compressione, che riduce al minimo i dati archiviati su disco o trasferiti tra server. La tecnologia di un Historian migliora anche le prestazioni delle query e dispone di funzionalità di aggregazione integrate.

Inoltre, gli Historian dispongono di collettori, che trasferiscono i dati da una sorgente a una destinazione. Questi collettori possono utilizzare la funzionalità di compressione e aggregazione per ridurre drasticamente la quantità di dati trasferiti da un’origine a una destinazione. Utilizzando i collettori di Historian, gli utenti possono definire sia i rapporti di compressione che l’aggregazione che si traducono nell’invio al Cloud solo delle modifiche del valore dei dati importanti alla giusta velocità necessaria per l’analisi. Ciò permette quantità molto grandi di dati ad alta risoluzione archiviati sull’impianto e una frazione di tali dati inviati al Cloud per l’analisi, alla giusta velocità.

Il modello ibrido dei dati

Questa combinazione di dati, storici on-premise e archiviazione in Cloud, per dati richiesti per l’analisi, il modello ibrido, fornisce alle aziende industriali un approccio equilibrato per l’archiviazione dei dati compatibile con la gestione degli impianti in locale, applicazioni di ottimizzazione e riduce al minimo i costi complessivi.

Per la tecnologia on-premise nel modello ibrido di dati, è importante ricordare che gli Historian offrono vantaggi significativi rispetto ai database relazionali (RDB), che aiutano le aziende a ottenere maggiori informazioni OT supportando semplici query dell’operatore, rispondendo a domande come: Quale cliente ha ordinato il lotto più grande? I database relazionali sono progettati per gestire le relazioni e sono ideali per archiviare informazioni contestuali o genealogiche sui processi di produzione, ma raramente sono l’approccio migliore per raccolta e ottimizzazione di grandi quantità di dati di processo.

D’altra parte, gli Historian sono progettati per la produzione, per l’acquisizione e la presentazione dei dati di processo. Massimizzano la potenza delle serie temporali di dati ed eccellono nel rispondere alle domande tipiche di chi in produzione ha bisogno di prendere decisioni in tempo reale, come ad esempio: qual è stata la media produzione oraria odierna rispetto a quella di un anno fa o due anni fa oggi?

Gli Historian offrono vantaggi chiave rispetto ai RDB, ovvero: capacità di raccolta dati integrati, velocità più elevate, maggiore compressione di dati, robusta ridondanza, maggiore sicurezza dei dati e time-to-value più rapido.

In un modello di Cloud ibrido, la compressione è particolarmente importante. I potenti algoritmi di compressione degli Historian a livello di Plant o Enterprise consentono agli utenti di archiviare online anni di dati in modo semplice e sicuro, il che migliora le prestazioni, riduce la manutenzione e abbassa i costi. I file possono essere creati, sottoposti a backup ed eliminati automaticamente, consentendo un utilizzo prolungato senza la necessità di un designato amministratore del database.

Di conseguenza, le aziende industriali possono sfruttare una maggiore visibilità dei processi per decisioni migliori e più rapide, maggiore produttività e costi ridotti per un vantaggio competitivo sostenibile.

Prediamo ad esempio, le soluzioni di Asset Performance Management (APM) che in genere sfruttano la tecnologia Historian on-premise, e poi invia i dati rilevanti al Cloud. La soluzione APM accede ai dati sul Cloud per analisi e ottimizzazione. Il modello ibrido riduce i costi e la manutenzione garantendo al contempo che gli ingegneri di processo dispongano dei dati necessari per l’analisi.

In un altro esempio, una industria alimentare utilizza soluzioni HMI/SCADA e MES insieme a un Historian per la gestione di serie temporali di dati e A&E (Allarmi ed Eventi) in un modello di dati ibrido on-premise / Cloud. L’Historian raccoglie i dati ad altissima velocità dalle molteplici sorgenti di dati, li aggrega e li archivia in modo efficiente e sicuro. Un sottoinsieme dei dati viene poi inviato al Cloud e utilizzato dal software di analisi. Questa soluzione ha permesso una riduzione dei costi delle materie prime e abbassato del 33% i reclami dei Clienti.

Conclusione

Con l’aumento dell’analisi, le aziende industriali non possono prevedere oggi in modo esauriente di quali dati avranno bisogno per rispondere al prossimo problema domani. Fortunatamente, il modello ibrido di dati (Cloud e On-premise) consente alle aziende di utilizzare la tecnologia Historian per avere un modo flessibile e conveniente per la raccolta di tutti i dati e renderli disponibili per l’invio al Cloud e successive analisi, rielaborazioni ed estrazioni di preziosi KPI.

Fonte: Using the hybrid-data model to bridge cloud & on-premises solutions