Per anni l’industria ha raccolto dati. Oggi il problema è farli arrivare nel posto giusto, con il significato giusto, nel momento in cui servono. Un sensore registra una temperatura, uno SCADA controlla una linea, un historian conserva migliaia di serie temporali. Più in alto, quegli stessi dati dovrebbero alimentare applicazioni enterprise, piattaforme cloud, analytics e progetti di intelligenza artificiale. È in questo passaggio che molte architetture si inceppano.
Veronika Grozdanovska, la nostra COO, usa una metafora semplice: l’“idraulico del dato industriale”. Curiosamente, all’inizio non la convinceva. “Quando mi proposero di parlare di data plumber, rifiutai: non mi piaceva e non capivo cosa volesse dire. Oggi invece ne vedo perfettamente il senso: racconta il movimento del dato”. La metafora descrive bene anche la fase che stiamo vivendo in Italia: far fluire le informazioni tra macchine, sistemi OT, applicazioni IT e cloud, mantenendo qualità, contesto e sicurezza.
Tutti parlano di dati industriali. Noi lo facciamo dal 1986
Industrial Data, Industrial IoT, DataOps, convergenza IT/OT, AI industriale. Il lessico cambia velocemente, ma il problema di fondo ha radici più lontane. Grozdanovska lo riporta alle nostre origini. Nel 1986 il fondatore di Novotek Göran Andersson intuì le possibilità offerte dai PC sul factory floor, quando portarli in fabbrica appariva ancora un’idea poco convenzionale. “Oggi tutti parlano di digitalizzazione industriale e dati. Io continuo a dire ai nostri gruppi: noi queste cose le facciamo dal 1986, allora si chiamavano semplicemente in un altro modo”. Un operatore che alla fine degli anni Novanta visualizzava dati SCADA per prendere una decisione stava già lavorando con i dati industriali. Cloud e AI hanno moltiplicato le possibilità, senza cancellare la necessità originaria di acquisire informazioni dal processo, comprenderle e trasformarle in decisioni.
È attorno a questa esperienza che abbiamo costruito il nostro posizionamento nell’Industrial IT. Oggi che la convergenza tra IT e OT è diventata un tema centrale, quella definizione risulta ancora più attuale. Ne abbiamo già approfondito le implicazioni parlando dei tre tasselli alla base della convergenza IT/OT: analytics, cybersecurity ed edge computing devono lavorare insieme per evitare nuovi silos. Quarant’anni dopo la fondazione, come gruppo contiamo 21 sedi in 12 Paesi europei, oltre 200 dipendenti, più di 3.000 clienti e relazioni con oltre 140 system integrator. La dimensione è cambiata. Il filo conduttore rimane il dato industriale.
Cosa fa davvero un “idraulico del dato”
In Novotek sintetizziamo il percorso del dato attraverso cinque azioni:
- connect,
- model,
- store,
- visualize,
- optimize.
Connettere, modellare, archiviare, visualizzare, ottimizzare. “Dobbiamo collegare persone, processi e tecnologie. Poi modellare i dati in modo che siano comprensibili, conservarli in modo sicuro, visualizzarli e infine arrivare allo scenario ideale: ottimizzare”, spiega la COO di Novotek. Non sono cinque prodotti in sequenza, ma cinque funzioni che un’architettura dati industriale deve riuscire a svolgere. I dati arrivano da PLC, macchine, SCADA, sensori, historian, database e applicazioni costruite in epoche diverse. La disponibilità tecnica del dato risolve però solo una parte del problema: bisogna attribuirgli un significato comprensibile anche fuori dal sistema che lo ha generato.
Una temperatura ha poco valore per un’applicazione enterprise se manca l’informazione che la associa a una macchina, una linea, una fase di processo o un lotto. Da qui la necessità di modellare e contestualizzare l’informazione prima di distribuirla. Storicizzazione e visualizzazione completano il percorso, mentre la sicurezza lo attraversa. Non è un elemento da aggiungere alla fine, ma una condizione che accompagna il dato fin dall’origine, come accade anche quando si affrontano temi di data integrity e continuità dei dati industriali.
Il cloud ha scoperto che non basta portare “tutti i dati” fuori dalla fabbrica
La necessità di questa competenza diventa evidente anche nel rapporto con i grandi player IT e cloud. Grozdanovska cita collaborazioni con Snowflake, AWS e Microsoft: piattaforme fortissime sul livello enterprise, che nei progetti industriali hanno però bisogno di interlocutori capaci di comprendere il dato OT. “La storia per anni è stata: mandate tutti i dati nel cloud e penseremo dopo a cosa farne. Ma quel ‘dopo’ spesso non arriva.” Nel frattempo aumentano volumi e consumi, mentre una parte delle informazioni arriva priva del contesto necessario per essere interpretata.
Per questo la domanda sta cambiando: quali dati devono davvero uscire dall’OT? Come vanno contestualizzati? Con quale modello devono arrivare al cloud e alle applicazioni enterprise? È su questo terreno che vediamo il nostro spazio.
Prima dell’AI viene la qualità del dato
L’intelligenza artificiale rende ancora più evidente il problema. Le aziende possono assumere data scientist, creare team AI e acquistare potenza di calcolo. Se però le informazioni provenienti dai diversi stabilimenti vengono identificate e interpretate in modo incoerente, gran parte del lavoro finirà inevitabilmente nella preparazione dei dati. Grozdanovska è molto netta: “Se i dati non possono essere interpretati allo stesso modo, non si può fare nulla. Puoi assumere costosissimi esperti di AI e data scientist, ma poi li metti a pulire i dati. E quello non è davvero fare AI.“
Da qui l’interesse crescente verso l’Industrial DataOps e verso strumenti capaci di contestualizzare l’informazione prima che salga verso i sistemi superiori. È un cambio di scala importante: collegare una macchina a un’applicazione è relativamente semplice; collegare decine di linee e più stabilimenti mantenendo una rappresentazione coerente degli asset è un problema completamente diverso.
Dal plant manager al CIO
Anche gli interlocutori stanno cambiando. Come realtà nata nell’automazione, siamo storicamente molto vicini all’OT, all’ingegneria e ai plant manager. Ora i progetti industriali coinvolgono sempre più spesso CIO, CDO e corporate IT. “Dobbiamo essere abbastanza sicuri di noi da entrare nelle stanze in cui siedono i decision maker IT”, dice Grozdanovska. “Siamo ancora molto a nostro agio sul livello OT e con i plant manager, ma dobbiamo salire più in alto nell’organizzazione.”
Non significa abbandonare lo shopfloor, ma portarne la conoscenza nelle decisioni enterprise. È precisamente ciò che serve quando l’obiettivo diventa costruire un’infrastruttura dati comune a più plant, alimentare il cloud aziendale o predisporre informazioni per applicazioni AI. La convergenza aumenta anche la superficie da governare. Per questo il percorso del dato deve includere fin dall’inizio una strategia di cybersecurity OT orientata a resilienza e continuità operativa, soprattutto quando fabbrica e sistemi enterprise diventano sempre più interconnessi.
Cosa cambia per noi in Italia
L’ingresso di ServiTecno nel gruppo va letto dentro questa strategia. Non vogliamo trasformare le nostre country in terminali di una struttura centrale. Grozdanovska insiste sulla necessità di mantenere management e decisioni vicino ai mercati locali, mettendo però in comune competenze ed esperienze. “Non vogliamo inventare qualcosa in un Paese se è già stato fatto in un altro. Il senso di One Novotek è condividere risorse ed expertise e capire quanto possiamo fare di più insieme.”
Per noi in Italia significa affiancare alle competenze maturate localmente sull’automazione, sugli SCADA, sugli historian, sulla data integrity e sulla cybersecurity OT un bacino europeo di specialisti. Una competenza disponibile in un’altra country può essere utilizzata su un progetto italiano; allo stesso modo, un’esperienza sviluppata in Italia può diventare utile altrove. La stessa logica vale per i system integrator, che restano parte essenziale del nostro modello. Come gruppo possiamo intervenire con prevendita, advisory, specialisti di prodotto e supporto esteso nei progetti in cui il partner locale ha bisogno di una dimensione o di competenze aggiuntive.
Far scorrere il dato prima di chiedergli di creare valore
La metafora dell’idraulico funziona perché riporta una discussione molto tecnologica a una domanda semplice: il dato riesce davvero ad arrivare dove deve essere utilizzato? Può nascere in una macchina, passare da uno SCADA, essere conservato in un historian, raggiungere il cloud e infine alimentare un modello AI. A ogni passaggio può però perdere contesto, qualità o sicurezza. Per noi il lavoro consiste nel costruire questa continuità: connettere, modellare, conservare, visualizzare e creare le condizioni per ottimizzare. Prima di analytics, cloud e intelligenza artificiale c’è quindi una condizione più elementare. Il dato deve poter scorrere. E qualcuno deve conoscere abbastanza bene sia l’OT sia l’IT da sapere come farlo arrivare a destinazione.