Industria manifatturiera, l’IoT aiuta a superare le complessità

Generati da sensori, dispositivi di misura, macchinari e strumenti per il controllo della qualità, i dati possono trasformarsi in strumenti formidabili per migliorare la pianificazione della produzione, ottimizzare i processi operativi e influenzare gli iter decisionali attraverso analisi accurate di tutte le informazioni disponibili.

 

Da sempre l’analisi dei dati ha rappresentato una pietra angolare nella gestione dei tipici processi manifatturieri, una rilevanza che è andata crescendo con il moltiplicarsi dei flussi e delle fonti incaricate di generarli. Alla loro creazione oggi concorrono sensori, dispositivi di misura installati lungo le linee di produzione, impianti industriali e strumenti per il controllo della qualità: una molteplicità di fonti in grado di produrre dati così vitali per le aziende, da poterne influenzare non solo la pianificazione della produzione, ma anche l’ottimizzazione dei processi operativi e la correzione degli iter decisionali attraverso un’analisi accurata di tutte le informazioni disponibili.

Per quanto riguarda la pianificazione della produzione, in particolare, oggi i sistemi Erp (Enterprise Resource Planning) e le soluzioni Mes (Manufacturing Execution Systems) sono in grado di fornire viste estremamente approfondite su tutti i processi industriali, arrivando a un livello di granularità impensabile per i soli controllori logici.

“Si tratta di analisi capaci di fornire un supporto fortemente strategico ai processi di pianificazione della supply chain, su cui è possibile intervenire non solo a livello di assegnazione degli ordini, ma anche di programmazione della capacità, della produzione e delle scorte, includendo nelle viste persino fornitori, clienti e partner logistici”, commenta Rangan Nandakumar, Practice Advisor di Cisco, sottolineando come l’analisi dei Big Data in ambito manifatturiero aiuti anche a correggere i parametri alla base dei singoli processi produttivi. In caso di operazioni complesse, ossia influenzate da un certo numero di parametri, le aziende manifatturiere possono, infatti, utilizzare i dati forniti in tempo reale dagli impianti per modificare questi stessi parametri, migliorando quindi produttività, qualità ed efficienza operativa.

 

L’analisi dei dati offre, inoltre, la possibilità di eseguire monitoraggi continui sulle condizioni dei macchinari, permettendone una manutenzione di tipo predittivo. “Grazie all’enorme disponibilità di dati messa direttamente a disposizione da controllori logici, sensori e macchinari – sottolinea ancor Nandakumar -, oggi è possibile analizzare immediatamente queste informazioni, prevedendo i guasti con un tale livello di precisione da consentire l’automazione di una manutenzione predittiva: un’attività che oltre ad aumentare l’efficienza degli impianti, abbatte anche i costi per il mantenimento della qualità”.

Nuove sfide dall’analisi dei dati

La valenza strategica di analisi effettuate in tempo reale sta spingendo sempre più realtà a confrontarsi con nuove sfide implementative, strettamente collegate al tema dell’Internet of Everything e all’utilizzo di soluzioni IoT. La prima di queste sfide è sicuramente rappresentata dalla necessità di virtualizzare tutti i dati disponibili.

Per eseguire analisi a tutto tondo, le aziende devono essere, infatti, in grado di integrare ogni tipo di informazione, indipendentemente dalla localizzazione geografica dei macchinari e degli impianti che le generano. In passato, era sufficiente farle confluire su base periodica all’interno di un data warehouse centrale, in cui tutti i dati venivano normalizzati e trasformati: un approccio ormai superato, dal momento che le organizzazioni non hanno più bisogno di consultare analisi storiche, ma di interrogare i Big Data in tempo reale per dare supporto immediato ai processi decisionali.

Il ricorso al cloud storage non ha certo semplificato la situazione, soprattutto se si considera che i dati generati non sono memorizzati solo su diverse nuvole (con un mix tra pubblico e privato), ma anche su diverse piattaforme. Riuscire a unificare tutte le informazioni disponibili senza spostarle fisicamente in un unico data warehouse rappresenta, dunque, una sfida importante, che trova nella virtualizzazione dei dati la risposta migliore per garantirne un accesso immediato e indipendente dal luogo in cui risiedono.

La seconda sfida implementativa che le organizzazioni si stanno trovando ad affrontare è rappresentata dall’integrazione delle analisi nei processi di business. “Dal momento che l’analisi dei dati si concentra su aree in grado di aggiungere valore al business aziendale, quest’attività non può essere circoscritta all’interno di un data centre e delegata a un ristretto team di esperti, ma deve essere profondamente integrata nei processi d’impresa e messa a disposizione di tutti i decisori” afferma l’esperto di Cisco, sottolineando come ogni organizzazione debba sviluppare la propria strategia d’integrazione in funzione del tipo di analisi necessaria.

I diversi modelli di implementazione possono includere, per esempio, l’acquisizione dei dati dai sensori per fornire feedback utili ai sistemi di controllo o agli operatori umani. In questo caso, i dati vengono acquisiti e spostati su una piattaforma di calcolo o all’interno di un data centre dove vengono rielaborati per poi ottimizzare il processo produttivo. Un esempio può essere una macchina fotografica ad alta definizione capace di scattare immagini 3D di tutti i prodotti, inviarle a un centro di calcolo incaricato di confrontarle con standard produttivi definiti e consentire l’identificazione di eventuali difetti in tempo reale, per far scartare immediatamente i prodotti fallati oppure segnalare all’operatore la necessità di un suo intervento.

Ma l’acquisizione dei dati da sensori e apparecchiature può essere anche implementata per finalità di reportistica periodica. In questo caso i dati devono essere acquisiti e spostati all’interno di un data centre, dove l’analisi è condotta su base programmata in combinazione con altri database. Un esempio di questo tipo di applicazione è l’acquisizione in tempo reale dei dati sui tempi di funzionamento degli impianti, in modo da segnalarne la misura d’efficienza totale (Overall Equipment Effectiveness) e identificare eventuali problematiche prestazionali.

I dati acquisiti dai sensori possono essere utilizzati anche per analisi ad hoc. Un tipico esempio d’uso di questo tipo d’implementazione è la loro analisi a sostegno di progetti finalizzati al miglioramento della qualità. In questo caso i dati raccolti dagli impianti vengono sottoposti ad approfondite analisi per rilevare specifiche criticità dei processi industriali. L’acquisizione dei dati può essere inoltre implementata per permetterne uno streaming continuo ai fornitori dei macchinari in uso, così che possano controllare in tempo reale le prestazioni degli impianti e adottare misure correttive da remoto per garantire i livelli di servizio concordati.

“Perché uno qualsiasi di questi modelli si trasformi in un’implementazione di successo – precisa Nandakumar  -, devono essere rispettate alcune condizioni fondamentali. La prima di queste è la necessità di disporre di un’appropriata cella produttiva e di un corretto dimensionamento della rete per garantire alta velocità e qualità del servizio”. Si tratta di un primo punto assolutamente critico, oltre che di una sfida particolarmente impegnativa per le aziende manifatturiere, soprattutto considerata la proliferazione degli standard e dei protocolli utilizzati in ambito industriale. Anche il luogo in cui collocare il data centre rappresenta un fattore particolarmente critico, dal momento che optare per una scelta on premise o in cloud può influire in modo decisivo su costi e prestazioni.

È fondamentale, infine, secondo la visione di Cisco, sviluppare un approccio implementativo capace di tenere in considerazione tutta la catena a valore dei dati e non solo la parte conclusiva delle analisi. “Le viste – conclude infatti Nandakumar – sono indubbiamente la parte più apprezzabile, ma per quanto riguarda il progetto d’implementazione non sono necessariamente le più importanti o le più sfidanti, soprattutto se confrontate alle operazioni di acquisizione, archiviazione e organizzazione dei dati”.

 

Autore: Redazione – ictbusiness.it