Scambio dati tra macchinari (M2M)
Lo scambio dati tra macchinari (M2M) è un tipo di comunicazione automatica e bidirezionale che avviene tra macchinari e dispositivi collegati a una rete Internet delle Cose (IoT). Questi scambi di dati possono avvenire tra macchinari diversi all’interno di una stessa fabbrica o di un sistema di produzione, consentendo una comunicazione continua e in tempo reale tra di essi.
I vantaggi dello scambio dati tra macchinari sono numerosi. Innanzitutto, consente di monitorare e controllare la produzione in tempo reale, migliorando l’efficienza e la qualità del processo produttivo. Inoltre, permette di identificare eventuali problemi o inefficienze nel processo produttivo e intervenire tempestivamente per risolverli.
Lo scambio dati tra macchinari può avvenire attraverso diverse tecnologie di comunicazione, tra cui la connessione Wi-Fi, Bluetooth, ZigBee, NFC e altre tecnologie wireless. Inoltre, i dati possono essere trasmessi attraverso protocolli di comunicazione standard, come ad esempio MQTT (Message Queuing Telemetry Transport) e CoAP (Constrained Application Protocol).
Per consentire lo scambio dati tra macchinari, è necessario utilizzare sensori, attuatori e dispositivi di automazione che consentono di raccogliere e trasmettere i dati. Inoltre, è importante utilizzare software di gestione dei dati in grado di elaborare e analizzare i dati raccolti, fornendo informazioni utili per il monitoraggio e la gestione del processo produttivo.
Come risultato della nostra architettura dati, la comunicazione machine to machine (M2M) è abilitata per impostazione predefinita. I dati di tutti i dispositivi perimetrali vengono inviati automaticamente a un broker MQTT centrale e sono disponibili per tutti i dispositivi connessi. È facile raccogliere dati da varie macchine e attivare azioni aggiuntive, ad esempio attivare un robot (AGV) per prelevare materiale dalla macchina di produzione quando una stazione è vuota di materiale.
Il software è concepito come un sistema modulare e funge da elemento costitutivo di base per il collegamento e l’utilizzo di vari componenti hardware e software in modo rapido e semplice. Ciò consente un utilizzo flessibile e quindi la possibilità di creare soluzioni complete per varie sfide nel settore.

Acquisizione dati
Le fonti di dati possono essere sensori esterni (barriere fotoelettriche, sensori di vibrazione), dispositivi di input (barre dei pulsanti), tecnologie di identificazione automatica (scanner di codici a barre), telecamere industriali oppure PLC macchine. L’ampia gamma di sorgenti dati consente il collegamento di tutte le macchine, sia direttamente tramite il PLC della macchina, sia tramite un semplice e veloce retrofit con sensori esterni.
Esempi
- sensorconnect (per leggere automaticamente IO-Link Master e i sensori collegati)
- cameraconnect (per leggere automaticamente le telecamere compatibili con GenICam e inserire il risultato in MQTT)
- lettore di codici a barre (per collegare un lettore di codici a barre USB e inserire i dati in MQTT)
- Node-RED (ad es. per protocolli proprietari e/o specifici della macchina)
- PLC4X

Infrastruttura dati
Questo livello è la parte centrale della soluzione open-source. Inizia rendendo tutti i dati acquisiti accessibili in tempo reale utilizzando soluzioni consolidate come Node-RED. Pertanto, aggiungere nuovi dati, elaborarli o integrarli con altri sistemi on-the-edge è molto semplice
Per inviare i dati grezzi e/o elaborati a un luogo centrale (cloud o on-premise) utilizziamo il nostro bridge MQTT auto-scritto. Le connessioni Internet o la rete in generale sono spesso instabili negli ambienti di produzione e quindi è necessario memorizzare in modo sicuro i messaggi durante i tempi di inattività di Internet o dell’elettricità. Poiché le soluzioni di bridge MQTT esistenti non erano affidabili, abbiamo sviluppato le nostre. Una volta che i dati arrivano al server, possono essere ulteriormente elaborati utilizzando gli stessi metodi on-the-edge (microservizio MQTT, Node-RED, ecc.).
I dati in tempo reale possono anche essere integrati in sistemi MES o ERP. Tutti i dati elaborati vengono quindi archiviati nei database utilizzando microservizi con bilanciamento del carico con memorizzazione nella cache. Pertanto, è possibile ottenere un’elevata disponibilità e un’enorme scalabilità attraverso i microservizi.
I dati relazionali (ad es. dati su ordini e prodotti) così come i dati di serie temporali in alta risoluzione (ad es. dati macchina come la temperatura) possono essere archiviati nel database TimescaleDB. I dati BLOB (ad es. le immagini della fotocamera) verranno archiviati in un archivio BLOB direttamente in Minio o utilizzando un gateway Minio in uno spazio di archiviazione specifico per il cloud come AWS S3 o Microsoft Azure Blob Storage. Non consentiamo l’accesso diretto ai database per motivi di prestazioni e sicurezza.
M2M e AI
Lo scambio dati tra macchinari (M2M) e l’intelligenza artificiale (AI) sono due tecnologie che possono essere integrate per migliorare ulteriormente l’efficienza e la produttività del processo produttivo.
L’AI può essere utilizzata per analizzare i dati raccolti attraverso lo scambio dati tra macchinari e identificare eventuali inefficienze o problemi nel processo produttivo. Inoltre, l’AI può essere utilizzata per elaborare i dati in tempo reale e fornire suggerimenti o soluzioni in tempo reale per migliorare l’efficienza del processo produttivo.
Ad esempio, l’AI può essere utilizzata per analizzare i dati dei sensori che rilevano le prestazioni delle macchine e prevedere eventuali guasti o malfunzionamenti futuri. In questo modo, è possibile intervenire tempestivamente per evitare problemi e migliorare la produttività complessiva.
Inoltre, l’AI può essere utilizzata per creare modelli predittivi che consentono di identificare le cause delle inefficienze e suggerire soluzioni specifiche per migliorare l’efficienza del processo produttivo.
Infine, l’AI può essere utilizzata per automatizzare alcune attività all’interno del processo produttivo, come ad esempio la selezione automatica dei prodotti in base alle caratteristiche specifiche. Ciò consente di ridurre gli errori umani e migliorare la precisione e la qualità del processo produttivo.