Siemens Energy accelera lo sviluppo delle applicazioni utilizzando il grafo di conoscenza metaphactory

Siemens Energy sorveglia una flotta di migliaia di grandi turbine a gas in funzione in più paesi del mondo. La gestione di una flotta di apparecchiature così ampia in ambienti e contesti diversi rappresentava un'importante sfida logistica. La gestione dei cataloghi di ricambi e delle configurazioni specifiche dei clienti per ciascuna turbina richiedeva una notevole quantità di elaborazione e manodopera. Ciò ha inoltre lasciato spazio a una migliore ottimizzazione dell'inventario da parte del cliente e a suggerimenti più precisi sui pezzi di ricambio. L'azienda aveva bisogno di un modo affidabile per modellare dati contestuali e gerarchie complesse nel cloud Amazon Web Services (AWS) per ottenere visibilità e migliorare il processo decisionale relativo alla sua flotta di grandi turbine a gas.

Siemens Energy ha scoperto che la tecnologia dei grafi di conoscenza è la soluzione ideale per aiutare a organizzare, gestire e sottoporre a query le strutture di dati delle macchine in tutta la flotta. La struttura gerarchica di queste macchine si presta alla modellazione a grafi di conoscenza. I grafi di conoscenza, un modo per modellare dati strutturati e non strutturati, sono creati da esperti in materia e integrati con l'assistenza di algoritmi intelligenti di machine learning. Siemens Energy ha scelto il grafo di conoscenza di metaphactory, prodotto dalla società tecnologica tedesca metaphacts. metaphactory offre gestione di grafi di conoscenza, sviluppo rapido di applicazioni e interazione orientata all'utente finale. Supporta i clienti con l'acquisizione e l'integrazione dei dati, la creazione di contenuti, la visualizzazione interattiva e l'esplorazione dei dati, nonché il collegamento e il riutilizzo di fonti di conoscenza esterne. metaphactory si basa sul servizio di grafi di conoscenza di Amazon Neptune.

Siemens Energy era interessata a utilizzare la tecnologia dei grafi di conoscenza per progettare e creare la propria applicazione, che avrebbe incluso query e moduli personalizzati. Poiché metaphactory è una piattaforma a basso codice per lo sviluppo rapido di applicazioni a grafo di conoscenza, era perfettamente in linea con le esigenze di Siemens Energy. Secondo Lutz Lukas, IT solution architect presso Siemens Energy, "Siemens Corporate Technology ha lavorato con metaphactory per diversi anni a una serie di iniziative. Nei progetti precedenti abbiamo scoperto che metaphactory può essere sfruttato per creare un'applicazione personalizzata in modo rapido e su larga scala. Inoltre, le opzioni di visualizzazione e query fornite da metaphacts ci hanno aiutato a convalidare i dati in modo rapido ed efficiente, creare prototipi delle interfacce utente e analizzare i grafi".

Siemens Energy ha creato una parte fondamentale dell'applicazione a grafo di conoscenza delle turbine utilizzando le funzionalità a basso codice di metaphactory. Ciò consente di visualizzare le relazioni e le connessioni complesse all'interno della flotta in questione. Daniel Herzig-Sommer, chief operating officer presso metaphacts, lo spiega in questo modo: "Bisogna pensare allo sviluppo a basso codice come alla costruzione di una casa modulare: non è necessario costruirla mattone per mattone, ma è possibile utilizzare elementi già pronti, come pareti con finestre e porte integrate. È lo stesso con metaphactory. I nostri componenti già pronti vengono utilizzati per la visualizzazione, la ricerca, la modifica dei dati a grafo o per qualsiasi altra necessità relativa alle attività di gestione dei dati. Poi, vengono configurati e combinati nel modo desiderato, ottenendo un'applicazione in pochissimo tempo". metaphactory realizza questo obiettivo attraverso modelli personalizzabili e un elaborato set di componenti Web già pronti che possono essere parametrizzati per soddisfare l'aspetto richiesto dal cliente. Questi componenti sono disponibili per le attività di gestione dei dati e per visualizzare in modo più intuitivo grandi quantità di dati e relazioni strutturati e non strutturati. Inoltre, la piattaforma fornisce un workbench per la qualità dei dati che li monitora e verifica se sono coerenti con i modelli esistenti.

La stratificazione della piattaforma metaphactory sul servizio di database a grafo di Amazon Neptune ha consentito a Siemens Energy di creare uno strumento intelligente per gestire i pezzi di ricambio in modo più efficiente. Il processo di implementazione di questa applicazione a grafo di conoscenza nella produzione è stato semplice. Dopo una serie di chiamate settimanali con metaphacts, Siemens Energy è stata rapidamente operativa con una serie di visualizzazioni sensibili al contesto sulla sua flotta globale di turbine. Grazie all'interfaccia utente intuitiva, gli ingegneri delle turbine Siemens Energy lavorano quotidianamente con le visualizzazioni. Senza metaphactory, la creazione dell'applicazione avrebbe richiesto più tempo. Adesso, Siemens Energy potrebbe utilizzare i dati del Resource Description Framework (RDF), le query del protocollo SPARQL e del linguaggio di query RDF (SPARQL), nonché ontologie create perfettamente su Amazon Neptune. Di conseguenza, l'azienda ha constatato fin dall'inizio un'efficienza operativa grazie alla scoperta di relazioni mai viste prima tra il tracciamento e il monitoraggio del suo repository globale di turbine.

Paul Zolnowski, section lead, post documentation presso Siemens Energy, sottolinea: "Con metaphactory avevamo il principale vantaggio di poter visualizzare facilmente i nostri dati durante lo sviluppo per ottenere un feedback tempestivo da parte dell'azienda, permettendo miglioramenti della qualità dei dati e uno sviluppo rapido e mirato del nostro modello e della nostra applicazione di dati".

Attraverso la piattaforma metaphactory acquistata dal Marketplace AWS, Siemens Energy ha creato e implementato in soli sei mesi un'applicazione a grafo di conoscenza personalizzata orientata all'utente finale per la gestione della sua flotta di grandi turbine a gas. Questo risultato è stato impressionante dal punto di vista operativo, caratterizzato da feedback e consenso rapidi all'interno del settore e da un ciclo di sviluppo, test e implementazione veloce. "Grazie a metaphactory, siamo stati in grado di sviluppare una potente applicazione che ha consentito ai nostri ingegneri delle turbine di prendere decisioni ancora più precise basate sui dati e di risparmiare sforzi manuali", ha affermato Zolnowski.

Siemens Energy ha inoltre risparmiato 1.500 ore di elaborazione manuale nel primo anno. In precedenza, l'annotazione dei dati richiedeva il confronto delle informazioni tra le diverse configurazioni di macchine all'interno della flotta. Con metaphactory, Siemens Energy ha introdotto un processo più efficiente per la cura e la creazione di cataloghi di parti di ricambio e la gestione delle configurazioni per la sua flotta di grandi turbine a gas. "Sostanzialmente, questo ci ha aiutato ad aumentare la qualità complessiva dei suggerimenti ai nostri clienti", afferma Lutz Lukas. "I nostri ingegneri delle turbine sono in grado di lavorare in modo più efficiente."

La costruzione sul servizio di database a grafo ad alte prestazioni e bassa latenza di Amazon Neptune ha anche collegato Siemens Energy ad altri servizi del Marketplace AWS come archiviazione, sistema di bilanciamento del carico, gateway e networking. Poiché metaphactory è un'applicazione dockerizzata, la sua implementazione ha richiesto anche l'integrazione con i modelli AMI AWS CloudFormation. L'adozione dei servizi AWS ha fornito a Siemens Energy le prestazioni e l'agilità necessarie per entrare sul mercato in modo rapido ed economico senza rinunciare ai suoi elevati standard di sicurezza.

L'acquisizione di metaphactory dal Marketplace AWS ha fornito ai team DevOps la flessibilità necessaria per testare immediatamente nuove funzionalità ed eseguire metaphactory on demand. Lutz Lukas osserva: "Abbiamo apprezzato molto anche i prezzi e le licenze flessibili offerti da AWS e metaphacts. Questo ci ha dato la possibilità di configurare un sistema a due livelli: uno per lo sviluppo e uno per la produzione. Abbiamo utilizzato la licenza non di produzione per lo sviluppo, il test di nuove funzionalità e il feedback degli utenti, mentre abbiamo riservato la licenza di produzione per l'implementazione di nuove versioni dell'applicazione ai nostri ingegneri delle turbine. Inoltre, abbiamo apprezzato la flessibilità con cui è possibile avviare e interrompere le istanze in base alla domanda di utilizzo e alle pianificazioni giornaliere".

Siemens Energy è soddisfatta dell'efficacia del machine learning e della tecnologia a grafo di conoscenza nell'avvio rapido di applicazioni che aggiungono valore aziendale. Intende continuare a sviluppare e migliorare la sua applicazione a grafo di conoscenza delle turbine e vede il potenziale nell'applicazione dei grafi di conoscenza ad altri settori.