Il mondo dell’automazione sta cambiando molto velocemente: se nella prima parte di questo secolo abbiamo assistito alla radicale trasformazione delle piattaforme hardware con il tramonto delle architetture tradizionali in favore di quelle X86 – X64 e ARM, gli anni Venti sanciscono l’avvento di sistemi software basati su concetti assolutamente impensabili fino a qualche anno fa nel mondo industriale.
Non si tratta naturalmente di un puro esercizio di stile tecnologico, ma di una risposta a reali esigenze del mercato emerse da qualche anno e divenute sempre più pressanti: stiamo parlando di quella richiesta di apertura, innanzitutto, e scalabilità che non potevano essere soddisfatte con i vecchi modelli.
Ancora una volta, come nel caso dell’hardware, sono le tecnologie nate in ambito IT ad aiutare i costruttori di apparecchiature industriali: una convergenza, quella tra i mondi IT e OT, che è ormai una vera e propria sovrapposizione dai contorni sempre più sfumati.
In questo scenario si inserisce l’anteprima assoluta presentata a SPS Italia da Keb Automation, uno dei player europei più affermati nell’ambito delle tecnologie per il controllo industriale. La Casa tedesca ha portato in fiera a Parma una preview di una nuova piattaforma che sarà presentata in forma ufficiale il prossimo autunno alla SPS di Norimberga.
Indice degli argomenti
Noa, la piattaforma aperta per l’Industrial IoT e l’Edge
La nuova piattaforma si chiama Noa, nome che è l’acronimo di “Next Open Automation”, dichiarando così da subito il proprio messaggio chiave all’insegna dell’apertura.
“Si tratta un’architettura software a microservizi, aperta, indipendente dall’hardware”, spiega Marino Crippa, Managing Director dell’azienda per l’Italia. “Noa è basata su Linux e container e va ad intercettare le sempre più evidenti necessità del mercato in termini di flessibilità e riduzione del time-to-market”.
Ma Noa è soprattutto una soluzione che permette di “evitare lock-in su piattaforme proprietarie che, in questi periodi di crisi nelle supply chain, non favoriscono la resilienza delle aziende”, sottolinea Crippa.
Oltre ai prodotti hardware e software di KEB, Noa è in grado di integrare il know-how dell’utente e hardware e servizi di terze parti.
L’infrastruttura centrale – Noa Core – si basa su un’architettura Linux a container e può essere utilizzata su hardware embedded, IPC e pannelli di KEB o dispositivi di terze parti.
Con Noa è possibile realizzare applicazioni HMI, di machine learning, di monitoraggio e controllo e altro ancora.
Il portale Noa basato su cloud fornisce i servizi di livello superiore, come ad esempio la gestione dei dispositivi e può essere anche gestito in modalità “white label” per i clienti finali.
I microservizi Noa per HMI 5.0: l’esempio di Helios
La piattaforma Noa verrà accompagnata sin da subito da due importanti microservizi di Keb (Noa App).
Il primo si chiama Helio ed è dedicato alla realizzazione di interfacce uomo-macchina intuitive e responsive.
“Helio ha la caratteristica unica di offrire, off-shelf, solidi principi di usabilità (UX) che sono stati sviluppati a partire non dalla macchina, ma dall’operatore. Rendiamo così concreta la visione umanocentrica che è uno dei fattori chiave della digitalizzazione”, spiega Crippa.
“Inoltre – prosegue Crippa – grazie all’indipendenza dall’hardware e al fatto che non serve un’ambiente di sviluppo dedicato (basta un browser) e nemmeno capacità di coding, andiamo a intercettare il fabbisogno di flessibilità del mercato e a compensare la carenza di skill tecniche, con piattaforme che sfruttano la convergenza tecnologica consumer/industrial per accedere a un bacino di competenze ben più ampio”.
Helio sarà disponibile sia come microservizio parte della piattaforma Noa sia come software stand-alone per la realizzazione di HMI su architetture esistenti.
Il secondo microservizio che sarà subito disponibile è relativo alla manutenzione predittiva, in particolare riferita al ciclo di vita dei motori.
“Si tratta di un’app basata su un algoritmo sviluppato internamente dal nostro Team IIoT: grazie al Machine Learning siamo in grado di predire, partendo dallo stato di salute del motore, la sua vita utile residua, consentendo una appropriata pianificazione ed ottimizzazione degli interventi di maintenance”, spiega Crippa.
