129 Automazione e manutenzione predittiva nell’era del cloud - Automazione Oggi N. 394 - Novembre/Dicembre 2016 - Cristian Randieri - Intellisystem Technologies
0 likes312 views
Il documento esamina come le tecnologie di data mining e big data possano migliorare la manutenzione predittiva nelle aziende manifatturiere. Viene sottolineata l'importanza di raccogliere e analizzare dati provenienti da sensori e macchinari per ottimizzare i servizi di manutenzione, riducendo i costi e aumentando l'efficienza. Intellisystem Technologies si propone di guidare aziende nell'adozione di queste tecnologie all'interno dei processi produttivi tramite l'implementazione di soluzioni IoT.
More Related Content
Similar to 129 Automazione e manutenzione predittiva nell’era del cloud - Automazione Oggi N. 394 - Novembre/Dicembre 2016 - Cristian Randieri - Intellisystem Technologies (20)
129 Automazione e manutenzione predittiva nell’era del cloud - Automazione Oggi N. 394 - Novembre/Dicembre 2016 - Cristian Randieri - Intellisystem Technologies
- 1. AO SPECIALE Data Mining, Big Data e Cloud www.automazione-plus.it 394Novembre-Dicembre2016Anno3274.50 RASSEGNA Sensori e attuatori wireless PANORAMA Automotive INSERTO Soluzioni Software per l’Industria IncasodimancatorecapitoinviarealCMP/CPOdiRoserio-Milanoperlarestituzionealmittentepreviopagamentoresi-ISSN:0392/8829
- 2. NOVEMBRE-DICEMBRE 2016 AUTOMAZIONE OGGI 39474 tenzione in termini di riduzione dei costi e dei disagi per i clienti. Non bisogna però trascurare il fatto che il trattamento di grandi moli di dati, prodotti dai molteplici sensori applicati alle macchine negli impianti produttivi, risulta un’attività complessa non solo per il volume dei dati in gioco ma anche per la loro eterogeneità e la velocità con la quale possono variare. Si tratta di attività di analisi che stanno guadagnando sempre maggiore attenzione Automazione e manutenzione predittiva nell’era del cloud Cristian Randieri @C_Randieri O ggi più che mai le aziende manifatturiere pos- seggono un grande patrimonio informativo in termini di dati potenzialmente raccolti, derivante dagli interventi di manutenzione, dai sistemi di sensoristica applicati alle macchine. Questi dati se incrociati con altre informazioni aziendali esogene possono fornire utili indicazioni per migliorare il servizio stesso di manu- AOS P E C I A L E Nell’era dei Big Data, anche per il mondo dell’automazione c’è una reale esigenza di migliorare e aggiornare i sistemi tradizionali di process data analytic integrandoli con le più recenti innovazioni tecnologiche nei settori del data mining e del machine learning. Ma per questo è opportuno rivedere alcune cose
- 3. in ambienti industriali evoluti e ben strutturati, spesso in relazione al termine Data Mining e Big Data che di norma, per l’enorme mole di dati, sono supportate su sistemi Cloud. Ad esempio utilizzando le tecniche di Machine Learning è possibile stimare la vita utile resi- dua di un qualsiasi apparato installato in una catena di produzione. Nel mercato esistono di fatto diversi tool capaci di fornire un’ampia scelta di strumenti per estrarre informazioni e valore da questi dati (da qui il concetto di Data Mining), in modo da poter intervenire sull’ottimizzazione della progettazione di macchine, poter realizzare tool per la prognostica e la manutenzione preventiva, la diagno- stica e tante altre applicazioni mirate all’ottenimento di maggiore efficienza compatibilmente con una riduzione sostanziale dei costi. Intellisystem Technologies si propone per indagare sulle reali possi- bilità offerte da tecniche di Data Mining e Big Data applicate ai dati integrati provenienti da più fonti interne ed esterne all’azienda, per garantire una manutenzione degli impianti che sia più reattiva e pre- dittiva. Purtroppo ancora oggi per molte aziende quello dei Big Data è ancora solo un tema a prospettiva futuristica. L’intento di Intellisy- stem è invece quello di operare partendo dal contesto dell’Internet of Things, offrendo soluzioni e tecnologie che supportino e migliorino le attività e il vivere quotidiano di ogni essere umano, in ogni sua manifestazione. Partendo da questo presupposto una delle principali e più rilevanti applicazioni di tale paradigma riguarda tutte le tema- tiche inerenti la manutenzione. Tema che ancora oggi rimane caldo all’interno delle aziende manifatturiere e che tocca differenti aspetti tra cui la catena produttiva, la logistica e l’organizzazione in termini di soluzioni Enterprice Resource Planning (ERP). Quest’ultime infatti sono sempre più coinvolte nelle attività di manutenzione e nella loro gestione all’interno di tutti i processi aziendali. Adottando il concetto di Industria 4.0 nell’ambito della manuten- zione industriale Intellisystem conta di facilitare e promuovere la diffusione, all’interno dei processi aziendali, delle tecnologie IoT e digitali, poiché entrambe rappresentano uno degli ambiti in cui il ri- torno degli investimenti è più facilmente stimabile. Considerando che la gran parte delle attività di manutenzione si basano sulla reperibilità delle informazioni, più elevato è il volume delle informazioni messe a disposizione in relazione a impianti, macchinari e singole componenti all’interno della catena di produzione, maggiori sono la rapidità e la precisione con cui sarà possibile intervenire con le attività di manu- tenzione su di essi. Interventi su impianti Nelle attività di manutenzione la condizione ideale sarebbe quella di intervenire sull’impianto in modo preciso e programmato con il personale più adatto, al momento giusto, con gli strumenti più ade- guati, ancor prima che il danno avvenga. Le moderne tecnologie IoT sono sicuramente uno degli strumenti che, ad oggi, consentono alle aziende di avvicinarsi maggiormente a questa situazione ottimale. Grazie alla prerogativa intrinseca dell’IoT è possibile raccogliere in- formazioni dettagliate in tempo reale, sia dai macchinari sia dall’e- sperienza umana, permettendo l’implementazione di particolari soluzioni basate sul concetto di Data Mining, facendo leva sulle giu- ste correlazioni e costruendo algoritmi finalizzati a creare, nel lungo periodo, un impianto tipico che si basa sul concetto di Machine Learning. D’altro canto il crescente interesse per il Data Mining deriva dalla confluenza di tre grandi fenomeni tecnologici e scientifici: la dif- fusione di strumenti per la raccolta e organizzazione di grandi volumi di dati, anche via rete; lo sviluppo di algoritmi più robusti ed efficienti per l’analisi dei dati; la disponibilità a basso costo della necessaria
- 4. NOVEMBRE-DICEMBRE 2016 AUTOMAZIONE OGGI 39476 potenza di calcolo richiesta dai metodi di analisi dei dati. Tutto ciò non può prescindere da una conoscenza approfondita dei dati (fonte, struttura, tipologia), raccolta, gestione (salvati, filtrati, archiviati), elaborazione, analisi e di cosa è possibile ottenere da una gestione e analisi sistematica di dati eterogenei. Quali figure? Per operare nel contesto del Data Mining diventano sempre più indispensabili nuove figure professionali quali: studiosi di appren- dimento automatico (intelligenza artificiale), statistica computa- zionale, e basi di dati, capaci di sviluppare numerose applicazioni nei settori economico-finanziario, commerciale e delle telecomu- nicazioni. Tutto ciò implica un profondo riesame anche delle qua- lifiche in termine di specialisti, infatti nel prossimo futuro ci sarà sempre più spazio per ingegneri, tecnici dei dati (data scientist) e altre figure professionali altamente specializzate. Nello speci- fico Intellisystem si sta occupando di un progetto pilota atto a promuovere un modello di Manutenzione 4.0, intraprendendo un percorso evolutivo che parte dai servizi più comuni di manuten- zione preventiva e si estende in modo naturale e organico alle più moderne soluzioni basate sul concetto di manutenzione pre- dittiva. Tutto ciò ha inizio dalla considerazione che l’implemen- tazione di soluzioni e servizi che consentono la manutenzione preventiva portano alla riduzione dei costi elevati delle attività di manutenzione (dovuti alla scarsa prevedibilità degli eventi critici e ai conseguenti tempi di fermo degli impianti e di conseguenza dell’intera produzione), mentre il raggiungimento di un modello di manutenzione predittiva consentirebbe di raggiungere un’au- tomazione, e quindi un’ottimizzazione più spinta, della manu- tenzione. A fronte di queste problematiche diversi clienti hanno deciso di intraprendere progetti strategici per inserire all’interno delle proprie fabbriche la tecnologia IoT, connettendo in rete tutti i macchinari di produzione per monitorarne non solo il loro fun- zionamento ma anche per generare informazioni utili a tutte le attività di manutenzione. Da un punto di vista tecnologico la sfida vera e propria consiste nel collegare in rete in modo uniforme e omogeneo non solo uffici e device mobili e desktop, ma anche impianti e macchinari di produzione. Più facile a dirsi che a farsi, poiché di fatto nella maggior parte dei casi ci si trova a dover con- nettere in una rete condivisa a tutta la catena di produzione sia macchinari ‘informatizzati’ e tecnologicamente predisposti (ad esempio con soluzioni di Manufacturing Execution System, MES) sia impianti di vecchia generazione ancora isolati in termini di co- municazione con il resto della catena produttiva. Da qui si ritorna alle problematiche tipiche della Digital Transformation di cui ancora oggi soffrono le nostre industrie. Oltre alla problematica della connettività di impianti con diversi gradi di innovazione, un altro tema che ci si trova a dover affrontare riguarda l’individua- zione e l’adozione di un unico standard di comunicazione all’in- terno sia della rete aziendale sia di quella industriale. Infatti per poter trarre pieno vantaggio dai dati che dovranno essere raccolti (e potenzialmente potranno essere raccolti in futuro), ci si trova nella necessità di mettere in comunicazione banche dati disomo- genee e dati strutturati in maniera molto diversa. A questo propo- sito è d’obbligo effettuare particolari percorsi di studio e di analisi della semantica e della struttura delle banche dati, percorso in cui possono essere coinvolti anche università e centri di ricerca specializzati. Anche in questo caso è doveroso ribadire che la co- operazione tra università e industria è qualcosa che in Italia deve essere maggiormente supportata dalle istituzioni, soprattutto quando ci si riferisce alle tematiche come quella dell’Industria 4.0 che racchiude in sé tutte le tecnologie di frontiera. La sfida In realtà la sfida più grande riguarda il trasferimento e la diffusione delle tecnologie IoT a tutta la supply chain, in ottica b2b, che coin- volga tutti gli stakeholder, dai fornitori ai rivenditori, fino agli ope- ratori dell’aftermarket. Molto spesso infatti ci si trova ad operare, soprattutto in Italia, all’interno di supply chain eterogeneamente diverse dal punto di vista delle soluzioni tecnologi- che adottate. La mancanza di una vera e propria vi- sione globale e condivisa all’interno della supply chain comporta una ri- dotta portabilità e scalabi- lità delle soluzioni IoT tra i vari elementi della catena stessa, limitando forte- mente l’adozione di queste tecnologie. L’innovazione per essere trasferita anche alle altre imprese necessita di un soggetto promotore che faccia da traino all’interno dell’intera supply chain facendo da riferimento, evidenziando vantaggi e pos- sibilità che l’innovazione può portare all’interno delle aziende di tutta la filiera. Occorrono pertanto nuovi progetti per trasformare le fabbriche italiane in esempi concreti di IoT Connected Data In- dustry, progetti che necessitato del ruolo di system integrator delle soluzioni IoT al fine di creare una tendenza condivisa nell’adozione e nell’implementazione di nuove tecnologie e nella generazione di servizi a esse correlati. E Intellisystem Technologies può coordi- nare progetti e interazioni lungo un piano condiviso che coinvolga l’intera catena di produzione: può provare a portare innovazione anche in termini di creazione di sistemi ed esperienze condivise, verso una vera innovazione dell’industria. • Intellisystem Technologies - www.intellisystem.it Fototrattadawww.pixabay.com AO S P E C I A L E