Tecnologie per l'Industry 4.0: come migliorare l'efficienza produttiva

Introduzione

Il MISE classifica le tecnologie abilitanti in 9
categorie [1]: Advanced manufacturing solution, Additive manufacturing,
Augmented reality, Simulation, Horizontal/Vertical integration, Industrial
Internet of Things, Cloud, Cybersecurity, Big Data & Analytics. Tuttavia, in
questo articolo si vogliono analizzare le principali tecnologie che
probabilmente vedremo implementate in tutte le aziende manifatturiere nei
prossimi anni.

Le tecnologie 4.0 fondamentali per un'azienda manifatturiera

Uno
dei fattori competitivi più importanti tra le aziende manifatturiere è
l'efficienza produttiva: la capacità di produrre minimizzando le quantità di
risorse utilizzate e/o minimizzando i costi di produzione. Sotto questo
aspetto, tra le tecnologie citate dal piano nazionale 4.0, quelle che possono
fare la differenza sono:

Industrial
Internet of Things (IIOT): si tratta di dispositivi IOT creati esclusivamente per
applicazioni industriali. Un dispositivo IOT non è semplicemente un
prodotto con la capacità di connettersi (connected product), ma può
portare internet nel mondo fisico. Fa parte di un sistema ed ha la dote di
comunicare con altri dispositivi e persone, potendolo definire quindi
"cosciente".

Big
Data & Analytics: non si intendono solamente raccolta e analisi di grandi
quantità dei dati. I Big Data possiedono anche altre caratteristiche come
l'elevata varietà (diverse fonti di dati, per esempio derivanti da tutti i
dispositivi IOT) o l'alta velocità di trasmissione. Per via della loro
complessità essi non possono essere gestiti o analizzati con i metodi
tradizionali, ma attraverso tecniche di advanced analytics e machine
learning.

Advanced
manufacturing solution: utilizzo di robot e cobot o di altre soluzioni che permettano lo
svolgimento delle attività in maniera automatica col minimo intervento umano.

Simulation: la
creazione di un modello che descriva la realtà consentendo di
valutare e prevedere lo svolgersi dinamico di una serie di eventi o processi in
base a condizione prefissate. Questo con l'obiettivo di dimensionare e
ottimizzare i processi.

Tutte le tecnologie sopracitate, se implementate al meglio, permettono di avere una completa visuale dei processi attraverso la raccolta di dati e informazioni da utilizzare per rispondere alle seguenti domande con diversi strumenti:

Cosa è accaduto? 

Descriptive & Diagnostic Analytics sono gli
strumenti utilizzati per rispondere a questa domanda: la
descriptive analysis si concentra sul passato e permette di individuare cosa è
accaduto. La diagnostic analysis cerca di rispondere alla domanda "Perchè
è successo?" individuando relazioni del tipo causa-effetto.

Cosa accadrà? 

Predictive & Prescriptive Analytics possono
rispondere a questa domanda: la
predictive analysis utilizza i dati storici raccolti e attraverso tecniche
statistiche e/o di machine learning costruendo modelli con l'obiettivo di
eseguire delle previsioni. La prescriptive analysis valuta le possibili azioni
e come esse possano influenzare il risultato.

Cosa sta accadendo?

A differenza
delle tecniche analitiche precedenti si lavora sui dati del presente
utilizzando il Real
time analytics: riuscire a visualizzare i dati in tempo reale
permette di essere reattivi e di agire nell'immediato in maniera automatica
(per esempio tramite l'utilizzo di Rules Engine). Le azioni devono però
essere pianificate precedentemente ed eseguite una volta che gli eventi che si
manifestano verranno registrati attraverso il cambiamento dei dati.

Come sfruttare al meglio le tecnologie abilitanti per migliorare le
performace?

Nella
speranza di non rimanere indietro rispetto ai propri competitor e di seguire il
trend, molte aziende potrebbero essere tentate ad acquisire tali tecnologie
pensando che il solo loro acquisto possa portare dei benefici. Tuttavia, sono
solamente degli strumenti che potrebbero rimanere inutilizzati se non
acquistati con criterio.

Il
punto di partenza è capire qual è il valore aggiunto che vogliamo portare
all'interno dello stabilimento produttivo, come l'utilizzo di tali strumenti possa
impattare sull'OEE (Overall Equipment Effectiveness) o su altri indicatori (MTTR, MTBF, ecc..)

Una
volta compreso l'obiettivo, lo step successivo riguarda l'analisi del processo
produttivo per capire quali sono le informazioni importanti che se conosciute
possono permetterci di scovare le cause dei problemi e addirittura prevenirle.
Non bisogna cadere nella tentazione di raccogliere il maggior numero di dati
possibili, più dati non implica migliore informazione, ma solamente maggiore
confusione e costi che possono essere evitati. La scelta dei dati da
raccogliere si basa sulle informazioni che si ritengono necessarie per riuscire
a prevenire guasti macchina, individuare anomalie nel processo produttivo ed
eseguire analisi causa-effetto. Anche il metodo di raccolta dati va scelto
in anticipo (Real-time vs Batch), in quali casi è necessario una raccolta
completa Real-time e in quali possiamo accettare una pre-elaborazione senza
perdere le informazioni importanti?

Individuate
le informazioni, si può procedere alla definizione dei requisiti dei modelli
virtuali che devono rispecchiare i modelli fisici, stabilendo anche i requisiti
delle applicazioni e dei modelli analitici che si vogliono utilizzare. Per
esempio, per mantenere al massimo l'efficienza dei nostri macchinari vi è la
necessita di capire quali sono le variabili che influiscono nel loro
funzionamento. La creazione del modello implica la scelta di tali variabili per
poi capire quali possono essere controllate per poter agire tramite le
applicazioni per ripristinare le condizioni ottimali in maniera automatica (o
notificando gli operatori) e la scelta delle variabili che vogliamo monitorare
e/o analizzare inseguito tramite i modelli di analytics, utilizzando la diagnostic
analytics per capire le cause dei problemi e la prescriptive analytics
per prevedere azioni di miglioramento. In questi casi entrano in gioco i
dispositivi IOT e la sensoristica per eseguire le misure, soluzioni di advanced
manufacturing e modelli di Big Data e Analytics.

Ovviamente
le informazioni da raccogliere non riguardano solamente lo stato delle macchine
ma anche l'andamento della produzione (quantità prodotte/scarti/tipologie)
ecc.. Riuscire ad avere queste informazioni in tempo reale, incrociandole con
le informazioni sullo stato delle macchine e i piani di produzione permette di
incrementare la flessibilità, per esempio attraverso l'utilizzo di sistemi che
permettano la ri-pianificazione automatica della produzione nel caso in cui
qualche unità produttiva si guasti (fattibile per celle di lavoro job shop). In
questi casi lo sviluppo e l'utilizzo di buoni sistemi MES possono portare un elevato valore aggiunto,
portando visibilità all'intero processo produttivo e permettendo di reagire
velocemente agli imprevisti.

Influenza nelle strategie aziendali

E'
importante sottolineare che l'implementazione delle tecnologie citate richiede
un impegno attivo, acquisizione di competenze e risorse. Non bisogna affidarsi
totalmente a fornitori esterni per la creazione dei sistemi e delle
applicazioni, ciò comporterebbe una elevata dipendenza e incapacità di
migliorare dall'interno rimanendo al punto di partenza.Quindi, le
strategie IT e le normali strategie aziendali dovranno mescolarsi trovando dei
punti di incontro.

Conclusioni

In questo articolo si vuole descrivere brevemente alcune delle tecnologie emergenti e come esse possano influire sulle aziende manifatturiere, sia tuttavia ben chiaro che ognuna di essa richiede un approfondimento per poterne comprendere il reale potenziale.

[1] 

📎 Scarica documento allegato

Articolo a cura di Giovanni Ingrande