Gunnar Lessmann, Master Specialist Profinet e TSN, Business Unit Automation Systems, Phoenix Contact Electronics spiega il concetto di rete ottimale per l’intelligenza artificiale.
In combinazione con Profinet, le reti TSN (Time-Sensitive Networks) possono costituire un punto di svolta nell’automazione. Tuttavia, è necessario rispondere alle seguenti domande: Quali nuove applicazioni e soluzioni diventano possibili? In che modo contribuiscono gli standard TSN? Come si presenta la migrazione? Come si svilupperà la tecnologia in futuro?
Cos’è il concetto di rete ottimale
Le nuove tecnologie hanno sempre successo quando permettono di realizzare nuove applicazioni con grandi vantaggi. Una di queste nuove applicazioni è l’uso dell’intelligenza artificiale (IA) nell’automazione. La potenza di calcolo e gli strumenti utilizzabili per l’apprendimento automatico, il riconoscimento delle immagini o il data mining (l’estrazione dei dati), ad esempio, stanno diventando sempre più economici e facili da usare.
Alcuni esempi
ChatGPT ne è un buon esempio. Si prevede che questo sviluppo continui a ritmo sostenuto. Quali sono dunque i requisiti che l’utilizzo dell’IA impone all’automazione e all’interconnessione? È opportuno prendere in considerazione i seguenti punti:
È necessario trasportare grandi quantità di dati dal campo all’IA.
Il risultato dell’azione dell’IA influisce sul processo da controllare.
La sincronizzazione dell’ora ad alta precisione è essenziale per elaborare e valutare i dati distribuiti dal livello del campo.
La soluzione ideale è un concetto in cui tutti questi requisiti possono essere soddisfatti in un’unica rete. In questo caso, la soluzione è rappresentata da Profinet con TSN.
Lo stato attuale prevede reti separate per bus di campo e IT
Ad oggi, i requisiti descritti sono generalmente implementati in reti separate. Prendiamo come esempio l’applicazione di una telecamera per il rilevamento ottico di anomalie tramite strumenti di intelligenza artificiale. Ciò richiede almeno un’infrastruttura nell’ordine dei gigabit. Tuttavia, i sistemi fieldbus attualmente in uso si basano spesso solo su una velocità di trasmissione di 100 MBit/s. Non idonei quindi ad essere utilizzati per trasportare una tale quantità di dati. Anche la sincronizzazione dell’ora ad alta precisione non è attualmente disponibile in reti e sistemi IT come Profinet RT.
Il concetto di rete ottimale per l’intelligenza artificiale
Per questo motivo, spesso vengono installate reti separate per i rispettivi scopi. Il vantaggio della separazione è che, in linea di principio, la comunicazione informatica non può influire negativamente sulla capacità di tempo reale. D’altra parte, esistono degli svantaggi, come i lavori e i costi di installazione, di manutenzione e di messa in funzione di sistemi separati per il bus di campo, l’IT e la sincronizzazione. Inoltre, futuri ampliamenti o modifiche, come la successiva installazione di nuovi dispositivi, non sono realizzabili o lo sono solo onerosamente.
Contare su un’unica rete
Dall’esempio riportato è facile capire come nella combinazione di tutte le funzioni necessarie in un’unica rete risieda un notevole potenziale di miglioramento. In genere si parla di “rete convergente”. In questo contesto si rivela particolarmente importante garantire che le discipline del mondo IT e OT non si influenzino a vicenda in una rete condivisa. Apportando una serie di ottimizzazioni alla rete Ethernet stessa, denominate collettivamente Time-Sensitive Networks (TSN).
TSN come cassetta degli attrezzi per scopi speciali
È essenziale capire che non esiste un unico meccanismo o standard alla base di TSN. Piuttosto, TSN può essere paragonato a una cassetta degli attrezzi contenente diversi strumenti. Ognuno di questi strumenti ha uno scopo specifico. Solo la corretta interazione di tutti gli strumenti consente di sfruttare appieno i benefici di una rete convergente.
Il concetto di rete ottimale, gli strumenti
Di seguito una breve spiegazione degli strumenti:
Quality of Service. La QoS è un concetto ben noto. Ogni pacchetto priorizzato, ricevuto ad esempio da uno switch, viene smistato in aree di memoria separate (le cosiddette code) in base ad un campo di priorità integrato (priorità VLAN). Tali memorie vengono riutilizzate durante l’invio in base alla loro priorità. La QoS garantisce che il traffico critico in tempo reale non venga disturbato da altre comunicazioni ed è quindi lo strumento più importante.
Preemption. Un altro problema che può verificarsi in una rete convergente è il ritardo dei pacchetti critici in tempo reale a causa dei lunghi pacchetti TCP/IP. Il Preemption risolve il problema interrompendo immediatamente un lungo pacchetto a bassa priorità quando deve essere trasmesso un pacchetto ad alta priorità. Il resto del pacchetto a bassa priorità ancora da inviare viene salvato e proseguito successivamente. Il Preemption garantisce che la varianza dell’inoltro dei dati a 1 GBit/s si riduca a circa 1 µs, indipendentemente dalle dimensioni del pacchetto.
Precision Time Protocol (PTP, IEEE 802.1AS). Molte applicazioni in combinazione con l’intelligenza artificiale (AI) richiedono una sincronizzazione dell’ora estremamente precisa. Tuttavia, il diffuso protocollo di sincronizzazione NTP (Network Time Protocol) non è più sufficiente. Tramite PTP è possibile ottenere precisioni di sincronizzazione nell’ordine dei µs, poiché i tempi di esecuzione sulle linee e negli interruttori vengono misurati e compensati.
Comunicazione sincrona. La sincronizzazione dell’ora ad alta precisione tramite PTP consente di sincronizzare anche la comunicazione e le applicazioni dei dispositivi coinvolti. Senza tale sincronizzazione, è possibile che il cosiddetto tempo di risposta da morsetto a morsetto vari in un ampio intervallo, poiché è sempre possibile perdere un ciclo nel percorso dall’ingresso all’uscita. La comunicazione sincronizzata lo esclude.
Integrazione brownfield. L’uso degli strumenti descritti richiede un nuovo hardware in tutti i dispositivi coinvolti. Per questo motivo, TSN sarà inizialmente introdotto solo laddove si prevede un vantaggio significativo. Tuttavia, una transizione agevole da Profinet RT a Profinet con TSN è fattibile in quanto qualsiasi dispositivo Profinet esistente può essere utilizzato ai “confini” di una gamma TSN, permettendo quindi di garantire gli investimenti in attrezzature e competenze.
Gli strumenti elencati sono utilizzati in una combinazione sensata per Profinet con TSN, per ottenere vantaggi senza modificare look & feel.
Aree di applicazione di Profinet con TSN, Il concetto di rete ottimale per l’AI
I vantaggi di Profinet con TSN possono essere spiegati concretamente con l’esempio di applicazione del rilevamento ottico delle anomalie. Esistono anche altre applicazioni, come i dati sulle vibrazioni per la manutenzione predittiva, le immagini 3D tramite telecamere sincronizzate. Poi la sincronizzazione della frequenza nella gestione dell’alimentazione e del carico dei generatori di energia alternativa, le marcature temporali ad alta precisione nei messaggi di allarme per tracciare una sequenza nel tempo. Oppure semplicemente l’aggiornamento di grandi quantità di dati, come gli aggiornamenti del firmware, durante il funzionamento. Sono ipotizzabili tutte le applicazioni in cui una rete condivisa con sincronizzazione dell’ora promette un valore aggiunto.
Comunicazione tra controllori e dispositivi
Gli strumenti descritti possono essere facilmente utilizzati per la comunicazione Profinet tra controllori e dispositivi di campo senza modificare la visualizzazione dell’applicazione di Profinet. In molte applicazioni, i dati vengono scambiati non solo tra unità di controllo e dispositivi di campo, ma anche tra diverse unità di controllo. OPC UA con comunicazione pub/sub è più adatto a questo caso d’uso. Per questo motivo, nell’ambito dei propri lavori su OPC UA Field Exchange, la OPC Foundation sta lavorando anche ad un concetto di utilizzo per TSN. L’obiettivo è quello di utilizzare Profinet, OPC UA e dati IT in una rete convergente.
Conclusione
I meccanismi delle reti TSN in combinazione con Profinet costituiscono l’architettura ottimale per le applicazioni di intelligenza artificiale. Rispetto alle reti separate per la comunicazione sul campo e l’IT, i vantaggi sono notevoli sia per le applicazioni esistenti sia per quelle nuove.
