Capire e gestire il grande passaggio dalla digitalizzazione spinta del presente all’Industry 4.0 del futuro vuol dire individuare il vantaggio competitivo delle imprese per il prossimo futuro. Per comprendere e gestire questo passaggio è necessario far leva in modo sempre più rilevante sui temi della Data Driven Innovation.
Se sono ben noti i temi che hanno portato il digitale nella produzione e nell’automazione di fabbrica il passaggio che oggi le imprese devono affrontare verso l’Industria 4.0, analogo a quello delle Pubbliche Amministrazioni verso la PA 4.0, è quello della integrazione, della visione di insieme di tutti i processi, su tutte le aree anche al di fuori del perimetro di ciascuna azienda per comprendere le logiche di filiera e di distretto.
Ecco che Industry 4.0 significa integrazione orizzontale e verticale, vuol dire standard e vuol dire saper comprendere tutti i componenti del ciclo di vita del prodotto da prima che entri in fabbrica, a tutto il percorso della produzione, al momento in cui esce dalla fabbrica ed entra nella vita dei clienti. Industria 4.0 vuol dire affrontare e risolvere i temi della
- Integrazione orizzontale. Comprendendo in questo contesto anche il tema delle reti e della integrazione di filiera e di distretto
- Integrazione verticale. Con tutti i processi progettuali, amministrativi, tecnici, ma anche di marketing, vendita e postvendita.
- Monitoraggio e controllo di tutto il ciclo di vita del prodotto anche nel momento in cui entra nelle case o negli impianti produttivi dei clienti. Comprendendo in questo caso anche i temi della postvendita come ad esempio quelli importantissimi della manutenzione e della manutenzione predittiva.
Integrazione vuol dire intelligenza spinta su tutti i processi e vuol dire ridisegnare completamente la logica e la gestione del patrimonio informativo. L’Industry 4.0 prima ancora che essere una rivoluzione sui temi dell’automazione di fabbrica è una rivoluzione nella gestione e nella valorizzazione dell’immenso patrimonio di dati che ciascuna azienda è in grado di produrre e che è destinato a crescere enormemente proprio grazie all’IoT.
Per questo Internet4Things vuole proporre una serie di contributi legati al ruolo della Data Driven Innovation per l’Industria 4.0 e per l’IoT e i vari ambiti applicativi in Italia e in generale.
Con questo primo contributo di Paolo Pellegrini, Senior consultant e responsabile della practice data-driven innovation P4I – Partners4Innovation affrontiamo il tema della Data-Driven Innovation specificamente per il mondo dell’Industria 4.0.
di Paolo Pellegrini
L‘Industria 4.0 è un fenomeno in grande evoluzione che guida il mondo manifatturiero verso un modello di produzione ad altissimo livello di automazione e di integrazione.
La declinazione puntuale delle leve digitali che prendono parte a questo potenziale processo di trasformazione del tessuto produttivo italiano è molto ampia e comprende una serie di fattori abilitanti:
- Sensori IoT e Industrial IoT che permettono di monitorare i macchinari e i prodotti finiti – anche quando questi saranno localizzati presso il cliente finale – grazie ad architetture Cloud e a sistemi di Security
- Algoritmi in grado di apprendere da soli e in grado di ottimizzare il ciclo produttivo. Soluzioni che, ad esempio, evitano colli di bottiglia, segnalano anomalie e sono nella condizione di intervenire con azioni programmate o programmabili che possono correggere idrettamente i malfunzionamenti
- Interfacce digitali che supportano l’interazione uomo macchina a livello di UX e di efficienza/efficacia (comead esempio i sistemi touch, l’intelligenza artificiale e le soluzioni di Cognitive Computing che permettono di rivolgere domande in linguaggio naturale alle macchine
- Sistemi di realtà aumentata, come i Google Glass, capaci di “aggiungere informazioni” a tutto ciò che ci circonda, siano queste macchine di produzione (es. dati di resa) o colli a magazzino (es. contenuto, indicazioni di picking, ecc.)
- Nuovi strumenti digitali a supporto della produzione, a partire dalla stampa 3D o stampa additiva e a tutte le opportunità offerte dalla robotica e dai sistemi di gestione dell’energia
Tutti questi fattori contribuiscono a un innovativo sviluppo della produzione e della gestione della produzione nell’impresa e tra le imprese di filiera. Si tratta di fattori che richiedono un nuovo approccio Data-Driven, in grado di trasformare i dati in Insight, ovvero in consapevolezza che deve essere utilizzata per guidare le decisioni aziendali – siano esse strategiche, tattiche o operative– anche grazie a soluzioni in grado di automatizzarle.
La soluzione a queste esigenza oggi si presenta nella forma di algoritmi di Machine Learning, ovvero modelli in grado di determinare il peso di diversi fattori su una variabile target – in modo continuativo e automatico – per poi sviluppare predizioni per il futuro e ottimizzare le attività in funzione di questi dati e di queste predizioni.
Nelle specifico, questi dati e queste interpretazioni possono essere usati per quattro grazie attività fondamentali nell’ambito dell’Industria 4.0:
- Predire il valore di una proprietà, ovvero è prevedibile che macchina possa soffrire di un guasto? se si, il cliente smetterà di comprare da me, con quale livello di probabilità? Eventualemnte, quando questo accadimento si verificherà?
- Determinare a quale categoria appartiene un determinato tipo di criticità o di opportunità. Come prevedere il comportamento del cliente? la lamentela del cliente sarà per il ritardo sulla spedizione, per la qualità dei prodotti e per tematiche legate alle invoice?
- Identificare soggetti/oggetti simili fra loro: il cliente A ha un profilo di acquisto simile a B, C, D, H, Y e Z poiché ha un volume di acquisto medio di X, con un portafoglio composto dai prodotti 1, 2, 3 e tutti i servizi connessi
- Identificare anomalie e potenziali cause: la temperatura del macchinario di produzione è salita oltre una soglia media dell’ultimo periodo, insieme ad un calo della resa. E’ possibile che questo trend sia legato alla crescita della temperatura esterna o al nuovo tipo di materia prima utilizzata?
Il ruolo della Predictive Maintenance
Secondo diversi analisti di mercato la Predictive Maintenance è vista come il principale ambito di investimento delle aziende manifatturiere italiane per i prossimi anni.
La logica con cui affrontare questo tema varia a seconda della maturità as-is dell’azienda. In concreto si tratta di strutturare un vero e proprio passaggio da modelli matematici e rule-based – costruiti a partire da schede tecniche e pareri di esperti – a modelli predittivi che mischiano approcci supervisionati e non – utilizzando dati storici e dati real time provenienti da sensori.
Modelli predittivi e analisi puntuali
Il massimo grado di maturità in una roadmap implementativa – cui si può arrivare con tempi e approcci differenti, secondo lo stato as-is di partenza – è quello di un modello convergente, che supporta modelli predittivi supervisionati in affiancamento ad analisi puntuali derivanti dai dati generati e rilevati dai sensori.
Con questo tipo di approccio è possibile ottenere una vista completa sui macchinari e relativi insight e si possono implementare logiche di self diagnostic, supporto allo sviluppo di nuovi prodotti, self regulation della produzione e si possono realizzare soluzioni di manutenzione predittiva.
I casi di logiche Data-Driven per l’Industria 4.0
Le logiche Data-Driven sono molteplici e trovano applicazione in molti contesti e ambiti produttivi, ne citiamo due particolarmente significativi:
- Rolls Royce ha trasformato il proprio business, passando da costruttore di macchine di lusso a costruttore di motori per aerei Boeing. L’azienda monitora la salute di più 1.000 motori sparsi per il mondo raccogliendo i dati generati dai sensori trasmessi via satellite
- Pirelli Tyre utilizza modelli predittivi per comprendere in tempo reale le caratteristiche dei pneumatici in produzione e, attraverso modelli prescrittivi, individua e lancia settaggi che possono migliorare lo specifico ciclo di produzione. All’interno degli stessi pneumatici sono posti una serie di sensori che permettono di comprenderne l’usura una volta che vengono utilizzati: questi dati vengono utilizzati per l’R&D – al fine di migliorare il prodotto – ma anche per vendere servizi a soggetti terzi (ad esempio dati per i produttori di veicoli che vogliono un benchmark dell’impatto delle proprio auto sull’usura degli pneumatici, piuttosto che gestori di flotte che vogliono capire lo stile di guida degli autisti e il relativo impatto sui costi dei mezzi)
Per trasformare realmente i Dati in Valore occorre intraprendere un processo di trasformazione, non solo tecnologica, ma anche organizzativa. Le aziende devono capire che l’approccio Data-Driven è oggi strategico per differenziarsi e sopravvivere sul mercato e che questo passa attraverso la consapevolezza diffusa del suo potenziale e dalla presenza delle giuste capabilities per gestire la trasformazioni e usare concretamente i dati.
Paolo Pellegrini, Senior consultant e responsabile della practice data-driven innovation P4I – Partners4Innovation
