"Le quattro parti principali di qualsiasi sistema IIoT sono gli asset intelligenti, l'infrastruttura di comunicazione dei dati, l'analisi e le applicazioni per interpretare i dati e agire di conseguenza, e le persone.
Gli asset intelligenti comprendono macchine o altri asset dotati di sensori, processori, memoria e capacità di comunicazione. In alcuni casi, questi asset possono avere entità virtuali associate o supportare la configurazione e le prestazioni definite dal software; gli asset intelligenti generano più dati e condividono informazioni lungo tutta la catena del valore; alcuni asset intelligenti saranno infine autoconsapevoli o opereranno in modo autonomo. Su Internet, le comunicazioni di dati tra questi asset e altre entità sfrutteranno spesso tecnologie di rete come LTE, reti wireless ZigBee, IEEE 802.15-4 e infrastrutture informatiche basate su cloud la cui archiviazione può soddisfare le esigenze di big data. Potenti analisi e software correlati miglioreranno l'ottimizzazione degli asset e dei sistemi. Le analisi predittive saranno utilizzate per ridurre i tempi di inattività non pianificati. Le ultime informazioni disponibili generate da questi strumenti porteranno a nuove applicazioni che supporteranno nuovi modelli di business trasformativi. Le aziende non offriranno più prodotti fisici in vendita, ma offriranno sempre più prodotti "come servizio". Le persone parteciperanno grazie all'accesso a un maggior numero di dati, a migliori strumenti analitici e a migliori informazioni, e prenderanno sempre più spesso decisioni basate sull'analisi generata da queste risorse. Il processo decisionale quantitativo diventerà più comune e le informazioni "intelligenti" saranno disponibili quando e dove le persone ne avranno bisogno. Ma le persone continueranno anche a essere meglio connesse tra loro e con le macchine e i sistemi attraverso strumenti e applicazioni sociali e mobili. "
Ovviamente, le persone sono la parte più importante delle quattro parti del sistema IIoT:
Risorse intelligenti: La quantità di dati che riceviamo oggi da sensori, motori, strumenti, ecc. sta aumentando la quantità di dati che generavamo quando ho iniziato a usarli 20 anni fa. Dobbiamo imparare a sfruttare tutti questi dati, a trovare informazioni utili e a utilizzare l'intelligenza acquisita per migliorare i nostri profitti.
Infrastruttura dati: Solo un decennio fa, il collegamento in rete dei PLC o di altri sistemi di controllo era un'attività poco diffusa in molti settori. Oggi non è più così, quindi dobbiamo essere tutti pronti a gestire la marea di dati provenienti dagli asset intelligenti.
Analisi: È qui che i dati si trasformano in conoscenza. Credo che l'analisi e le sue applicazioni rivoluzioneranno il settore manifatturiero e chi non abbraccia l'analisi rimarrà indietro. Come ho detto prima, il contesto è fondamentale per i dati e l'analisi richiede certamente un contesto per essere efficace. Tuttavia, solo le persone sanno qual è il contesto critico per abilitare l'analisi e renderla utile. L'analisi non si crea da sola, sono le persone a crearla.
Persone: È la componente più critica di tutte. Anche con l'avvento dell'apprendimento automatico e dei pacchetti di analisi predittiva basati sul cloud con contenuti di apprendimento automatico, come Microsoft Azure Machine Learning, Braincube di IPLeanware e così via, le persone devono ancora comprendere appieno i dati per scrivere gli algoritmi per i suddetti strumenti. Le persone devono ancora capire quali metriche hanno il maggiore impatto sull'azienda. Le persone devono ancora modellare i dati per ottenere un significato dagli strumenti.
È inoltre necessario affrontare i problemi evidenziati dagli strumenti sopra citati. Ad esempio, non abbiamo bisogno di un software che risolva effettivamente il problema, ma di persone che si chiedano il "perché". Chi ha mai sentito parlare del termine "data scientist" nel settore manifatturiero o dei servizi pubblici fino a pochi anni fa? La scienza dei dati esiste da molto tempo, ma negli ultimi cinque anni la quantità di lavoro in questo campo è esplosa, e il lavoro è esploso in settori che non avevano mai preso in considerazione una cosa del genere. I data scientist lavorano su problemi che non esistevano fino a pochi anni fa. Allo stesso modo, le persone sono la componente più critica dell'IIoT.
I giusti problem solver con i giusti dati possono essere una combinazione magica, e molte organizzazioni si concentrano così tanto sui primi tre componenti (risorse intelligenti, infrastruttura di dati e soprattutto analisi) da minimizzare il quarto, e più importante, componente: le persone. Un'altra ipotesi che alcune organizzazioni fanno è che se gli stessi dati o informazioni vengono messi di fronte a più persone, ognuna di esse può teoricamente avere lo stesso impatto sull'organizzazione con ciò che vede. Tuttavia, in base alla loro interpretazione delle informazioni, alle loro competenze e alla loro esperienza, questo non è corretto. Noi non facciamo queste ipotesi: sappiamo che mettere le informazioni giuste davanti alla persona giusta, al momento giusto, può fare la differenza.
Parole chiave in questo articolo: Terminale di trasmissione dati Industrial Ethernet