Scopri le ultime novità dell'automazione industriale e del manufacturing - Blog SEW

Industria Data-Driven: perché serve l'analisi dei dati

Scritto da SEW-EURODRIVE | 5 mag 2021

In un mercato caratterizzato da una personalizzazione dei prodotti sempre più spinta e dall’e-commerce, dove la produzione secondo il modello One Piece Flow sta diventando una necessità, la digitalizzazione dei prodotti e dei servizi è diventata, per buona parte dei settori manufatturieri, una leva importante per poter essere rapidi e competitivi nella nuova Platform Economy.

La digitalizzazione dell’azienda rende infatti possibile gestire in tempo reale e in modo agile, efficiente e sostenibile la produzione. In questo ambito, la gestione e analisi dei dati ricopre un’importanza fondamentale, sia per la programmazione della produzione, in funzione delle informazioni provenienti dalle analisi delle dinamiche di mercato e da relativi consumi e richieste di prodotti diversificati, sia per quanto riguarda la gestione dell’impianto produttivo, dove un gran numero di dati fornisce indicazioni precise sullo stato di salute e sull’efficienza dei singoli macchinari.

 

L’importanza dei dati per una produzione agile

Il paradigma della Mass Customization come risposta alle esigenze di un mercato sempre connesso, impone agli impianti produttivi di rispondere in modo agile, rapido e flessibile alle richieste dei clienti. L’analisi dei dati permette, a questo livello (quello di programmazione e gestione della produzione), di automatizzare gli ordini di produzione e quelli verso i fornitori per un controllo in tempo reale di tutta la Supply Chain.

La disponibilità di informazioni dal campo permette di definire le azioni mirate al raggiungimento degli obiettivi aziendali, tra i quali sono tipicamente identificabili l’efficientamento del processo produttivo e una maggiore flessibilità degli impianti produttivi per aumentare così la produttività e riduttre il time-to-market. Questo consente, ad esempio, una produzione basata sul concetto di Just In Time (JIT) che non solo riduce la necessità di scorte e magazzino, ma riduce anche l’impatto di scarti e sprechi su tutta la catena produttiva, incrementandone così la sostenibilità ambientale.

 

Impianti flessibili per una produzione agile sostenibile

I tradizionali impianti di produzione, basati su una rigida distinzione gerarchica fra verticale e orizzontale, non sono compatibili con la gestione agile del processo produttivo appena descritto. Macchine e impianti devono infatti diventare dei sistemi integrati e interconnessi: condizioni necessarie per poter gestire flussi di produzione discontinui, frequenti riconfigurazioni e cambi formato, lotti di dimensione ridotta. L’adattabilità degli impianti dovrebbe infatti essere tale, nel caso ideale, da poter rendere possibile persino la prototipazione del prodotto direttamente sull’impianto di linea.

La flessibilità degli impianti e la loro elevata riconfigurabilità sono inoltre fondamentali per ottenere una produzione sostenibile: un unico impianto performante che garantisca la produzione di diversi formati e prodotti evita infatti la necessità dell’installazione di numerosi impianti in linea dedicati, eliminando gli sprechi relativi. È per questo fondamentale che le soluzioni di automazione adottate siano facilmente parametrizzabili a seconda dell’applicazione e dei prodotti.

Data Cognification nei sistemi di automazione industriale

Oltre a essere il mezzo principale per rispondere alle esigenze di personalizzazione di massa, l’analisi dei dati in un contesto di Smart Factory può diventare uno strumento fondamentale anche per la gestione del sistema di produzione stesso. La digitalizzazione dell’elettromeccanica, ad esempio, permette la trasmissione di dati rilevanti ed utili sullo stato dei componenti di automazione, motori e motoriduttori, di contestualizzarli in ambito applicativo o all’interno di un sistema di automazione più ampio e infine di ricavarne informazioni dettagliate sia sul funzionamento dell’impianto che sulle probabilità che si verifichino guasti o malfunzionamenti. L’elaborazione di queste informazioni, che può essere utilizzata ad esempio nell’analisi delle vibrazioni rilevate sul motore o nello storico della temperatura d’esercizio, così come la rumorosità o lo stato di salute dell’olio nei riduttori, fornisce indicatori in tempo reale sulla salute del singolo componente e, contestualizzati a un livello di applicazione a bordo macchina, possano essere correlati ai dati provenienti da altri macchinari e così analizzarli e ricontestualizzarli per prevedere situazioni che potrebbero compromettere l’intero impianto. Questo approccio di Condition Monitoring accompagnato da concetti di Predictive Maintenance che, grazie all’analisi degli andamenti degli indicatori fondamentali di salute di applicazioni e macchine, sono in grado di notificare la necessità di una manutenzione su un componente dell’impianto prima che si verifichi un guasto, riducendo così l’occorrenza di fermi impianto imprevisti.

Per una gestione efficiente dei dati sulla rete, è infine fondamentale che venga evitato lo streaming di tutti i dati rilevati ai software per il Condition Monitoring ed il Predictive Maintenance: l’elaborazione e la scrematura dei dati deve essere il più possibile decentralizzata e a bordo macchina, secondo architetture di Edge Computing, in modo da trasmettere soltanto i Right Data (in contrapposizione ai Big Data), informazioni rilevanti, utili ed essenziali che agevolano l’analisi e l’interpretazione dei dati di contesto a bordo macchina.

La corretta elaborazione dei dati dal campo, combinata con le informazioni provenienti dal mercato e dai bisogni dei consumatori, grazie a sistemi di automazione connessi e flessibili può diventare una forte leva per la competitività delle industrie manifatturiere, a patto che la produzione si basi su un sistema integrato in cui le componenti di automazione siano digitalizzate e connesse a livello più alto del processo produttivo.