Le aziende di tutti i settori puntano sull’automazione per incrementare efficienza, qualità e convenienza economica, e con l’AI possono aggiungere alla loro strategia un supporto decisivo: individuare tempestivamente correlazioni tra i dati e anomalie, avviando proattivamente eventuali interventi. Ma, mentre manutenzione predittiva e visual inspection sono tra le applicazioni consolidate, manca ancora una visione globale sullo stato dell’intera linea produttiva e della comunicazione tra i diversi sistemi.
Oggi, i nuovi sviluppi dell’AI generativa rendono possibile combinare dati macchina, file di log, manuali o informazioni di monitoraggio per supportare i tecnici nelle attività di troubleshooting. Per farlo, però, i modelli linguistici di grandi dimensioni (LLM) generici devono essere arricchiti con informazioni più specifiche. Gli LLM, infatti, vengono addestrati su enormi quantità di dati: ciò significa che sono le informazioni contenute nei modelli a costituire la base delle risposte. Per un utilizzo in tempo reale nella produzione, servono invece dati aggiornati provenienti da altre fonti di conoscenza, soprattutto dati aziendali in tempo reale e dati macchina.
Esistono già diversi approcci e tecniche che rendono possibile tutto questo. Un esempio è l’utilizzo del metodo Retrieval-Augmented Generation (RAG) che integra i dati disponibili in un LLM con repository esterni di dati o altra documentazione esistente. In questo modo è molto più semplice controllare la qualità delle risposte e ridurre al minimo il rischio di allucinazioni. L’obiettivo futuro è che l’integrazione di conoscenza e dati di questo tipo possa contribuire a gestire l’intera linea produttiva come un sistema dinamico, non limitandosi a osservare le singole macchine.
Software-defined: la nuova flessibilità nella produzione
Perché l’AI possa esprimere tutto il suo potenziale, ha bisogno di un’architettura flessibile e scalabile. È qui che entra in gioco l’approccio software-defined: i cicli di vita di hardware e software vengono disaccoppiati, i sistemi di produzione e controllo virtualizzati e gestiti come cluster. Molti PC industriali e sistemi di controllo possono così essere consolidati in un ambiente software-defined comune.
Nel manifatturiero, un approccio software-defined è la base per realizzare un controllore logico programmabile virtuale (vPLC). Questo tipo di ambiente offre numerosi vantaggi, tra cui:
- Upgrade e aggiornamenti eseguiti in modo centralizzato e automatizzato, eliminando la necessità di patchare manualmente i singoli controller
- La possibilità di rendere disponibili nuove funzionalità molto più rapidamente, aumentando così flessibilità e velocità di innovazione.
- Utilizzo più efficiente dei sistemi, con la virtualizzazione che riduce il rischio di overprovisioning di computer frammentati.
- Integrazione dei controller con altri sistemi, facilitata dall’ambiente virtuale, per una collaborazione più fluida all’interno dell’intera infrastruttura produttiva.
Tecnologie container: le fondamenta di una produzione agile
Chi intraprende la strada del software-defined beneficia dei vantaggi delle moderne tecnologie container che consentono di impacchettare in modo standardizzato le modifiche ai sistemi operativi o alle piattaforme applicative e di distribuirle in modo sicuro, anche in ambienti edge. In questo modo si riducono al minimo le deviazioni di configurazione che altrimenti potrebbero causare rischi per la sicurezza o condizioni operative incoerenti.
Inoltre, l’approccio container offre notevoli vantaggi anche in vista di un crescente utilizzo del machine learning. I modelli ML possono essere inseriti in immagini container e poi distribuiti ai dispositivi edge utilizzando procedure DevOps e GitOps. I container costituiscono già la base per gestire i carichi di lavoro AI e accelerare il ciclo di vita del machine learning perché offrono ai data scientist l’agilità, la flessibilità, la portabilità e la scalabilità necessarie per i modelli ML.
Anche i sistemi SAP, tradizionalmente la spina dorsale di molti processi produttivi, stanno seguendo questa tendenza. Con RISE with SAP e la SAP Edge Integration Cell (EIC), le soluzioni cloud-native basate su container stanno diventando una realtà, consentendo alle aziende di elaborare i dati in locale e al tempo stesso di collegarli ai servizi cloud: un passaggio centrale verso un’IT produttiva moderna e ibrida.
Persino i classici sistemi di esecuzione della produzione (MES) stanno adottando sempre più spesso l’approccio basato sui container. I vantaggi sono evidenti: funzionamento più efficiente, aggiornamenti più semplici e maggiore disponibilità del sistema.
Ciò dimostra chiaramente come i confini tra IT e OT stiano diventando sempre più sfumati, una convergenza favorita dall’AI, dagli approcci software-defined e dalle tecnologie container, che danno vita a un ambiente produttivo automatizzato e adattivo. Chi saprà guidare attivamente questa evoluzione non solo otterrà maggiore efficienza e qualità, ma garantirà anche la propria competitività in un’industria sempre più guidata dai dati.
Stefan Bergstein, Chief Architect Manufacturing di Red Hat
Queste tematiche verranno approfondite nel corso del RED HAT Summit, in programma il 3 dicembre a Milano
