Nel nuovo scenario industriale, caratterizzato dalla digitalizzazione, dalla connettività e dalle dinamiche machine-to-machine innescate dall’IoT, la collaborazione uomo-macchina diventa un elemento fondamentale per reinterpretare il concetto di automazione integrata. La fabbrica viene intesa come un unico sistema interconnesso di relazioni orizzontali (tra macchinari) e verticali (tra le aree aziendali e gli attori della filiera), dove si integrano sistemi gestionali, impianti e sistemi di movimentazione, che condividono le informazioni con tutto il processo produttivo che, in questo modo, viene digitalizzato e monitorato nella sua interezza e in tempo reale.
All’interno degli impianti 4.0, infatti, le macchine intelligenti interagiscono tra di loro e con l’ambiente di fabbrica per ottimizzare i workflow, agendo e muovendosi proattivamente in funzione delle esigenze del contesto produttivo e di processo.
Rivedere l’approccio di automazione come integrazione fra sistemi digitalizzati e processi a valore aggiunto, significa aggiungere l’apporto della componente umana ai sistemi di automazione, considerando due temi principali: la complementarietà dei ruoli tra tecnologie e persone; la sicurezza in termini di salute del lavoratore e affidabilità dei dati.
Innanzitutto, le persone devono ricoprire i compiti che le macchine non supportano, offrendo valore aggiunto al processo; non avrebbe senso, infatti, che gli operatori replicassero le attività delle macchine, perché il risultato sarebbe qualitativamente peggiore e potrebbero insorgere aggravi fisici con il tempo insostenibili. Un esempio sono gli spostamenti intralogistici dei materiali, in cui la componente creativa dell’uomo non ha margini per aggiungere valore alla mera operazione di movimentazione.
Le soluzioni di automazione aiutano da sempre a svolgere mansioni a basso valore aggiunto, dispensando gli operatori dalle fatiche manuali. Tuttavia, oggi quei sistemi di automazione sono anche connessi e hanno pertanto anche un altro compito fondamentale: fornire i dati di stato, esercizio e processo, che permettono agli operatori di prendere decisioni con l’obiettivo di correggere le inefficienze, introdurre migliorie in termini di qualità ed eliminazione degli sprechi e offrire nuovi servizi a valore aggiunto al cliente.
La collaborazione uomo-macchina e l’automazione integrata sono fattori indispensabili nell’attuale scenario di mass customization, dove i processi produttivi devono essere estremamente flessibili per adattarsi a diversi tipi di prodotti e ridotti time-to-market. I clienti, infatti, esigono prodotti estremamente personalizzati e in tempi molto rapidi, pertanto gli impianti devono essere facilmente configurabili per soddisfare i requisiti richiesti, senza perdite economiche.
Il ruolo dell’uomo, quindi, è capire come trasformare e condurre i processi produttivi in modo conveniente, sfruttando l’automazione integrata e le evidenze della data analysis.
Basandosi sulle informazioni disponibili, i responsabili devono insomma: identificare i processi produttivi e logistici dove l’impiego delle macchine e dei sistemi cyberfisici può garantire i massimi ritorni in termini di accelerazione e ottimizzazione; capire come utilizzare l’automazione in modo flessibile per configurare correttamente l’impianto, aumentare l’efficienza e eliminare gli sprechi; studiare strategie e metodologie per offrire al cliente un servizio personalizzato, generando nuove opportunità di business o aumentando la produttività.
Quando si parla di collaborazione uomo-macchina, un altro aspetto fondamentale da tenere in considerazione riguarda la sicurezza a più livelli.
Innanzitutto, la sicurezza intesa nell’accezione fisica diventa un prerequisito: le macchine possono dispensare le persone dai lavori più usuranti e pericolosi, tutelando la salute. Allo stesso tempo, però, l’introduzione di cobot e sistemi cyberfisici non deve mettere a rischio gli operatori.
Esiste anche il tema della cybersecurity per cui la fabbrica digitalizzata diventa vulnerabile agli attacchi informatici e quindi va necessariamente difesa.
Un’ultima accezione di sicurezza coincide con l’affidabilità. Se i dati generati e condivisi dalle macchine vanno protetti dalle minacce e preservati nell’integrità, tuttavia devono anche garantire la qualità all’origine perché possano supportare correttamente i processi analitici. Un decision making efficace si basa infatti necessariamente su informazioni certe, affidabili e inequivocabili.
Riassumendo, per concretizzare il disegno della Smart Factory attraverso le logiche di automazione integrata occorrono le capacità decisionali umane e un sistema di gestione dei dati efficace.
Per accelerare l’estrazione degli insight evitando di perdersi nel rumore inutile, i dati che concorrono al decision making devono essere pertinenti alle finalità analitiche (right data) ed essere già estratti a livello di singolo componente.
La machine-based analytics, infatti, si fonda sulla trasparenza e sulla contestualizzazione dei dati: la macchina rende visibili all’uomo le informazioni di esercizio, che però vanno accorpate e filtrate in funzione del contesto applicativo.
Un processo produttivo è formato da più macchine, una macchina da più applicazioni, un’applicazione da più componenti: la mole di dati generata all’interno di un processo è enorme, quindi difficilmente gestibile e utilizzabile. È quindi necessario che venga scremata già alla periferia (ovvero in prossimità del punto di origine, ad esempio a livello di componente), in funzione del contesto che si intende esaminare e degli obiettivi dell’analisi. Solo le informazioni utili verranno quindi trasmesse ai sistemi centrali per essere processate e restituire gli insight alla base del processo decisionale. Specialmente in quei settori in cui poter implementare concetti di manutenzione predittiva diventa una leva competitiva importante.
Sintetizzando, con l’introduzione dell’Internet of Things l’automazione integrata può evolvere grazie a tre fattori fondamentali:
Il terzo punto merita una precisazione, in quanto nodo focale della collaborazione uomo-macchina: in azienda servono le competenze per contestualizzare e selezionare le informazioni, quindi per ricavare evidenze utili a migliorare i processi in esame, con possibilità di riutilizzo in altre applicazioni.
L’obiettivo ultimo della digitalizzazione di fabbrica e della machine-based analytics, oltre alla razionalizzazione dei processi produttivi e logistici, è la creazione di servizi innovativi associati all’oggetto fisico, che offrono valore aggiunto al cliente finale e un incremento del business. La servitizzazione è quindi frutto di una evoluzione del concetto di automazione integrata basata sull’IoT ed espressione massima del processo di collaborazione tra persone e macchine.