Abilitando una pre-elaborazione dei dati in locale e in maniera decentralizzata, direttamente a bordo macchina e con minima latenza, la tecnologia Edge introdotta nelle fabbriche innesca un forte cambio di scenario arricchendo e diversificando l’approccio data driven che il mondo produttivo sta adottando negli ultimi anni. Sia per i clienti finali che per il mondo degli OEM (Original Equipment Manufacturer) l’intelligenza artificiale portata “in loco” offre numerose nuove opportunità ma presenta anche delle sfide che possono essere superate in un solo modo: non subendo questa innovazione o implementandola di default per motivi di immagine, ma comprendendo qual è la chiave per renderla uno strumento utile al raggiungimento di risultati di business concreti e misurabili.
Le nuove sfide per gli OEM puntando alla servitization
Mentre gli OEM si trovano a dover fare i conti con un nuovo concetto di macchina da proporre alle aziende per supportarle di fronte alla sempre maggiore richiesta di personalizzazione dei prodotti a cui gli impianti tradizionali di produzione non sono pronti a rispondere, l’intelligenza artificiale entra in fabbrica e produce un forte aumento delle informazioni a disposizione, ponendo il problema di quali e quanti dati raccogliere sul campo, o meglio del numero e delle tipologie di sensori da installare.
“È essenziale per chi costruisce macchinari per l’industria produttiva riuscire a bilanciare e armonizzare questi fattori che possono apparentemente sembrare in disaccordo, altrimenti si rischia di non ottenere alcun risultato concreto; – spiega Simone Brisacani, Sales Specialist Team Leader General Motion Control di Siemens SpA – di fronte alla possibilità di avere una grande mole di dati, serve comprendere quale problema possono aiutarmi a risolvere e quale forte impatto economico abbiano per l’azienda e focalizzarsi su quello”.
Questo è il primo passo ma la vera opportunità consiste nell’evoluzione del modello di business assecondando l’ormai diffuso processo di servitizzazione per arrivare ad affiancare alla vendita di macchinari un’ampia offerta di “feature” abilitate dalla presenza dell’intelligenza artificiale sull’edge. Un esempio per tutti è quello della manutenzione non più effettuata con tempi predefiniti standard ma guidata dalle informazioni raccolte dai sensori assicurando così una maggiore qualità delle performance del macchinario. “Ormai il guadagno sull’hardware per molte macchine compatte come quelle per il packaging è minimo – spiega Brisacani – l’idea è quella di associare loro un servizio di manutenzione predittiva che, previo ‘abbonamento annuale’, assicuri al cliente una produzione sempre ad alti livelli riuscendo ad anticipare qualsiasi problema sul campo e al costruttore di macchine un introito aggiuntivo importante”.
Da tagli imprecisi agli errori di smistamento: l’Edge dà risposte puntuali a problemi concreti
Se il cloud computing non permette di effettuare particolari ottimizzazioni basate su dati ad alta frequenza in real time – spesso non utilizzabili per problemi di latenza o di costo di trasmissione – , con la tecnologia Edge essi assumono un’importanza fondamentale e aprono tanti scenari. I casi d’uso, pur apparendo molto specifici, risultano fortemente trasversali e quindi rivoluzionari per tutto il mondo della produzione.
“I dati ad altra frequenza raccolti real time sul campo rappresentano in modo preciso e immediato cosa sta accadendo sulla macchina trasformando quindi anche un semplice motore elettrico o un azionamento in un sensore in grado di fornire informazioni preziose; – spiega Brisacani – campionando ad esempio tre variabili come velocità, corrente o coppia motrice posso comprendere quando la macchina si discosta dalla sua ideale modalità di funzionamento che ho registrato all’inizio. Ciò mi permette di identificare immediatamente le anomalie spesso alla base di cali di performance che, senza Edge, registrerei con maggiore ritardo se non mai”.
La tecnologia Edge nelle macchine da taglio permette di non sprecare né tempo di produzione né materiale, identificando con prontezza eventuali deviazioni dal funzionamento ideale. L’importanza di questa applicazione è portata all’estremo nel settore farmaceutico in cui le pastiglie prodotte e da confezionare in blister devono essere perfette, ma sono sempre più numerose e provenienti dai più diversi settori le aziende che si pongono il problema della precisione del taglio. “Grazie alla tecnologia Edge, posso effettuare l’analisi delle frequenze meccaniche campionate e identificare quando la lama non sta tagliando correttamente intervenendo automaticamente con una correzione – precisa Brisacani – questo permette di mantenere sempre alta la qualità del prodotto intervenendo prima che sia ultimato e di evitare scarti, sprechi di materiale ‘mal tagliato’ e rallentamenti nel processo”.
L’intelligenza artificiale in loco va anche a supportare un segmento particolarmente sotto stress da quando i lockdown hanno fatto impennare i numeri del commercio on line che è quello della logistica e, in particolare, dell’intralogistica. La sua applicazione permette di identificare il momento in cui lo smistamento, ad esempio, di merci nelle stazioni di sorting non viene più effettuato in modo corretto, mettendo in stand by la sezione di macchina che non funziona e riallocando i prodotti su un’altra finché non è stata sistemata. “In questo caso – spiega Brisacani – si effettua un’analisi vibrazionale sulla sezione di macchina attraverso un’applicazione di Edge Computing industriale che può essere riproposta anche a fine linea, in fabbriche molto ampie e complesse e, sia in un caso che nell’altro, garantisce la business continuity impedendo stop di produzione o di distribuzione”.
Mirato, pionieristico o di ecosistema: i tre approcci per implementare l’Edge
“Come dimostrano questi due esempi, per sfruttare al meglio la tecnologia Edge è essenziale conoscere molto bene macchine e processi e sapere quali sono le criticità che realmente impattano sul business” continua Brisacani spiegando però come anche chi non ha ancora focalizzato con chiarezza un problema può comunque approcciarsi a questa innovazione con un mindset pionieristico raccogliendo e analizzando dati sul campo alla ricerca di spunti di miglioramento del processo.
“Anche in questo caso la tecnologia aiuta ma lo fa in modo diverso, indirizzando gli investimenti e gli interventi invece che risolvendo problemi specifici – precisa Brisacani – c’è poi una terza tipologia di aziende che chiede innovazione sull’onda del momento senza un preciso scopo ed è in questo caso che diventa più che mai essenziale il ruolo sempre più consulenziale dei fornitori di tecnologia che non si limitano più alla delivery di prodotto ma sono in grado di identificare assieme al cliente applicazioni Edge efficaci e d’impatto sul business”.
Siemens con la sua soluzione Industrial Edge ha abbracciato proprio questo tipo approccio a cui ha unito l’offerta di un ricco e vivace ecosistema composto da una community e da un marketplace popolati entrambi da numerosi soggetti – integratori o fornitori – in grado di offrire applicazioni e servizi necessari per una messa in campo vincente dell’intelligenza artificiale in fabbrica. “È il modo per aprire le opportunità dell’Edge anche alle tante PMI che ad oggi spesso non sono in grado di formare dei team di specialisti interni focalizzati su queste tecnologie come invece fanno le aziende più strutturate – aggiunge Brisacani – ma allo stesso tempo sono proprio i soggetti che molto potrebbero ricavare dalla loro applicazione”.
Trovate maggiori informazioni sulla soluzione Industriale Edge di Siemens nel documento scaricabile a questo link.
