Fase 3: definizione di uno schema

In base alla valutazione dello stato attuale svolta nella fase precedente, puoi iniziare a creare il tuo schema. Un blueprint è un'architettura di riferimento del sistema end-to-end IIo T che adotti nel tuo percorso di trasformazione digitale. Serve come base del tuo percorso di digitalizzazione IIo T e ti aiuta a realizzare i tuoi obiettivi aziendali. Uno schema:

• È guidato dalla Visione della North Star

• Aderisce ai principi fondamentali di un corretto framework di soluzioni

• È composto da elementi costitutivi ripetibili e riutilizzabili

Talvolta, potrebbe essere necessario un modello di verifica per dimostrare il valore e la fattibilità di alcune parti dello schema.

Visione della North Star

Lo schema dovrebbe essere guidato dalla visione della North Star, ovvero un obiettivo chiaro, conciso e a lungo termine che fornisce indicazioni per l'adozione di decisioni aziendali. Se non disponi ancora di tale visione, pensa in grande durante la sua creazione. La realizzazione di questa visione richiede generalmente da 3 a 5 anni. Affinché abbia successo, è necessario iniziare in piccolo e scalare rapidamente.

Principi fondamentali di un corretto framework di soluzioni

Per creare una dorsale di dati IT e OT unificata nello schema, è necessaria un'architettura funzionale. Sulla base delle nostre esperienze, abbiamo identificato i tre principi fondamentali seguenti del framework di soluzioni:

• Ottimizzare le informazioni dettagliate

  • La democratizzazione dell'accesso ai dati consente di ottenere diverse informazioni dettagliate e genera valore aziendale, ad esempio l'ottimizzazione del margine SKU.

  • L'esecuzione di analisi descrittive su dati operativi storici o in tempo reale consente di monitorare KPIs, identificare tendenze, identificare potenziali aree di miglioramento e intraprendere azioni.

  • L'esecuzione di analisi diagnostiche sui dati consente di identificare la causa principale degli eventi operativi.

  • L'esecuzione di analisi predittive sui dati consente di prevedere gli eventi futuri dell'azienda e delle operazioni.

  • L'esecuzione di analisi prescrittive sui dati suggerisce diverse soluzioni per risolvere un determinato problema, sulla base di risultati delle analisi descrittive e predittive.

• Ridurre al minimo il debito tecnico

  • Integrazione perfetta con i principali sistemi IT/OT esistenti, che elimina la necessità di soluzioni temporanee.

  • Automazione della pipeline di implementazione, che elimina i processi manuali dalle operazioni.

  • Standardizzazione degli strumenti che impedisce la proliferazione di strumenti e applicazioni su misura.

  • Utilizzo di servizi di gestione centralizzati per implementare configurazioni standardizzate in tutto l'ambiente, impedendo l'uso di configurazioni non standard e potenzialmente problematiche nel sito locale.

  • Creazione di modelli per l'aggiornamento e l'implementazione dell'infrastruttura in modo automatico o con un intervento minimo per attività ripetibili. Gli esempi includono l'aggiornamento dei sistemi operativi, la rotazione periodica dei certificati dei dispositivi, l'installazione di patch o il dimensionamento dell'archiviazione di dati.

  • Progettazione e implementazione di modelli ripetibili e riutilizzabili per una rapida implementazione della produzione tra siti su larga scala.

• Schema modulare e a prova di futuro

  • Progettazione dell'interoperabilità con i sistemi e le infrastrutture IT/OT esistenti.

  • Progettazione basata sulla modularità, che consente di iniziare in piccolo e dimensionare rapidamente, aggiungere nuovi componenti in modo iterativo e selezionare l'opzione migliore per il proprio caso d'uso.

  • Progettazione mirata alla flessibilità con infrastrutture esistenti (brownfield) e nuove (greenfield).

Elementi costitutivi ripetibili e riutilizzabili

Gli elementi costitutivi di un percorso di trasformazione digitale IIo T sono i vari livelli funzionali, le considerazioni e i casi d'uso che costituiscono il modello. L'immagine seguente mostra gli elementi costitutivi funzionali di alto livello, ripetibili e riutilizzabili, di uno schema.

I livelli di uno schema sono i seguenti:

• Importazione dei dati: questo livello edge raccoglie dati da varie origini nell'infrastruttura on-premise o nell'ambiente cloud. Le fonti di dati IT/OT tipiche potrebbero includere dati di telemetria provenienti da sistemi di supervisione e acquisizione dati (SCADA), sistemi di controllo distribuito (DCS), sensori secondari PLCs, sistemi di esecuzione della produzione (MES), software as a service (SaaS) e applicazioni legacy, sistemi di pianificazione delle risorse aziendali (ERP), sistemi di gestione delle relazioni con i clienti (CRM), vari sistemi di catena di fornitura e storici dei dati.

• Approfondimenti e applicazioni Edge: a seconda dei casi d'uso, potrebbe essere necessario implementare questo livello edge. Viene utilizzato per soddisfare i requisiti di bassa latenza e residenza dei dati dell'architettura, supportare il proseguimento della produzione quando si è disconnessi dal cloud e consentire l'innovazione a livello edge.

• Gestione dei dati: questo livello è responsabile di vari aspetti delle tipiche funzioni di gestione dei dati, come:

  • Creazione e gestione di modelli di dati semantici (SDMs) per risorse IT/OT per la governance. L'aggiunta di contesti ai dati della macchina utilizzando un modello di dati semantico facilita l'analisi a valle per la modellazione di processi e macchine.

  • Archiviazione dei dati acquisiti nel livello di importazione dei dati. Usa i dati archiviati in questo livello per elaborare e fornire informazioni locali e per fornire store-and-forward funzionalità quando sei disconnesso dal cloud.

  • Elaborazione dei dati nel cloud per soddisfare le varie esigenze di consumo degli utenti finali, come l'integrazione, la normalizzazione, l'arricchimento, la qualità, il rilevamento, la catalogazione e la ricerca di dati.

  • Attivazione di un servizio flessibile di consumo dei dati per i consumatori esterni al fine di offrire informazioni aziendali.

• Informazioni sui dati: questo livello cloud viene utilizzato per i diversi approfondimenti aziendali, da quelli più semplici, come i pannelli di controllo dei KPI quasi in tempo reale, a quelli avanzati, come la manutenzione predittiva, la previsione della domanda e la gestione dell'inventario. Per tali informazioni, si utilizza il servizio flessibile di consumo dei dati del livello di gestione.

• Servizio dati: questo livello cloud viene utilizzato per democratizzare l'accesso ai dati da parte di vari utenti finali, come utenti OT, data scientist, data engineer e data analyst. Questo livello fornisce senza problemi i dati ad altri sistemi aziendali e soluzioni di terze parti per adattarsi ai casi d'uso e alle applicazioni aziendali.

• Casi d'uso e applicazioni aziendali: è il livello superiore dell'architettura. Questo livello cloud contiene le applicazioni e gli strumenti aziendali adatti ai casi d'uso aziendali. Se necessario, le applicazioni e gli strumenti di questo livello accedono ai dati e alle informazioni dettagliate nei livelli di supporto.

• Considerazioni trasversali: questo livello contiene i principali requisiti non funzionali che si applicano alle origini dati, all'edge e al cloud. Questo livello include elementi indispensabili, come end-to-end sicurezza, gestione della configurazione, registrazione, conformità e requisiti normativi. Questo livello consente di gestire l'architettura in modo sicuro ed efficiente, permettendo di migliorare le prestazioni, ridurre i costi o utilizzare automazioni che consentono una rapida implementazione su larga scala tra i siti.

Per creare questa soluzione di dati unificata, ti consigliamo di utilizzare un'architettura funzionale unificata simile a quella presentata. Questo approccio olistico ti consente di pensare in grande, iniziare dal piccolo e dimensionare rapidamente. Anziché intraprendere immediatamente l'intero percorso di trasformazione digitale, con tutte le difficoltà che ne conseguono, continua a puntare su risultati più piccoli che agevolano il raggiungimento dei risultati aziendali. È possibile che alcuni di questi elementi costitutivi siano già presenti e, in tal caso, possano essere riutilizzati.

AWS Offerta di soluzioni IDP

AWS Professional Services utilizza un tried-and-tested approccio, AWS Industrial Data Platform (IDP), per scoprire, progettare e implementare una soluzione di dati unificata flessibile ed estensibile per il successo dell'Industria 4.0 (nota anche come produzione intelligente, fabbrica intelligente o industria intelligente). L' AWS IDP si rivolge a un catalogo di casi d'uso comuni, come:

• Operativo e utilizzabile KPIs per l'ottimizzazione della produzione e degli asset, compresi l'efficacia complessiva delle apparecchiature (OEE), la produttività, la resa e la durata del ciclo

• Soluzioni automatizzate per la gestione della qualità e dei difetti per la qualità predittiva

• Manutenzione predittiva che riduce i tempi di inattività e i guasti gravi alle apparecchiature

• Ottimizzazione energetica e riduzione dell'impronta di carbonio per una produzione sostenibile

• Ottimizzazione della catena di fornitura, compresa la gestione dell'inventario, la previsione della domanda e il tracciamento

L'architettura dello schema può variare in base ai casi d'uso, alla valutazione dello stato attuale e alle lacune identificate. Per ulteriori informazioni sui AWS servizi pertinenti che puoi utilizzare nel tuo blueprint, consulta l'architettura di riferimento dell'AWS Industrial Data Platform (IDP).