Oggi si parla molto di industria 4.0 e delle tecnologie che possono ottimizzare i processi, migliorare le performance e più in generale incrementare la produzione. In ogni settore dell’industria, la trasformazione digitale si traduce poi in soluzioni su misura per quelle che sono le peculiarità precise di ogni lavorazione, per rispondere puntualmente a esigenze specifiche.
Per comprendere e misurare, dunque, quali possono essere i benefici ed evoluzioni dell’innovazione digitale, occorre partire dalle esigenze dell’ambito d’azione specifici, in questo caso del settore alimentare.
L’industria alimentare è stata da sempre caratterizzata da alcune esigenze fondamentali quali per esempio assicurare i massimi standard di igiene, ottimizzare le fasi di produzione, confezionamento e logistica o garantire la tracciabilità dei prodotti dal produttore al consumatore. In tutte queste fasi, la tecnologia adottata si è dovuta evolvere per rispondere alla peculiarità del settore, come per esempio negli impianti di mixaggio, mescolatura e miscelazione per la produzione del pane, dove si adottano riduttori industriali a grossa coppia con parti più asettiche e lavabili. Sempre nel settore Food convivono, poi, soluzioni per il trasporto interno, lungo il processo di trasformazione degli alimenti, e di trasporto secondario, solitamente realizzato tramite AGV, ossia veicoli a guida automatica. Ne deriva uno scenario fatto di inverter, motori e motoriduttori che, nell'industria 4.0 sono in grado di raccogliere e trasmettere direttamente dal campo dati interpretabili, abilitando così la manutenzione predittiva.
Citata dall’Osservatorio Internet of Things della School of Management del Politecnico di Milano tra i servizi abilitati dagli oggetti connessi a maggiore prospettiva nel 2018, la manutenzione predittiva è tra i protagonisti del processo di trasformazione digitale delle fabbriche.
I dati raccolti attraverso i dispositivi intelligenti che integrano IoT, piattaforme di analisi dei dati e algoritmi di Intelligenza Artificiale, consentono, per esempio, di allertare tempestivamente il lavoratore esposto a una situazione di pericolo.
In ambito Food ciò si traduce nella possibilità di evitare fermi di produzione non pianificati e in una disponibilità più elevata dell’impianto. In questo modo diventa possibile per gli operatori conoscere con esattezza e in modo agevole (anche da remoto), il comportamento di un sistema e il suo funzionamento effettivo, così da poter programmare – se necessario – un intervento di manutenzione.
Il tutto con un effetto positivo sia sulla disponibilità dell’intero sistema, sia della pianificazione degli interventi tecnici, sia sulla riduzione dell’approvvigionamento delle parti di ricambio.
La lenta ma inesorabile introduzione della manutenzione predittiva nel settore dell’industria alimentare, sta portando a benefici misurabili sia in termini di riduzione dei costi di esercizio, sia per quanto riguarda l’aumento dell’operatività. Una scelta strategica a corollario della quale il monitoraggio dello stato delle macchine permette di identificare malfunzionamenti, ma anche di controllarne l’evoluzione e di pianificare gli interventi tecnici prima che insorgano problemi.
La digitalizzazione dei processi e l’uso sempre più diffuso di sistemi remotizzati e di sensori “intelligenti” consentono, infine, una raccolta di dati istantanei sulla produzione, particolarmente utile negli impianti localizzati in diverse parti del mondo: qui la possibilità di accedere alle macchine da ovunque e in tempo reale permette interventi tempestivi, anche in caso di guasti.
Pur collocandosi, in Italia, tra le applicazioni al momento meno diffuse, la manutenzione predittiva nei progetti di Industrial Internet of Things è, quindi, tra quelle che potrebbero avere impatti più rilevanti sui processi aziendali. Affinché sia così, oltre all'evoluzione dei protocolli di comunicazione a corto e a lungo raggio e alle grandi aspettative nei confronti delle reti 5G, occorre lavorare di più sull'offerta.
L’ambito di azione dei sistemi IoT è, infatti, ancora troppo spesso limitato all'automazione di semplici funzionalità o alla gestione remota di dispositivi connessi. L’utilizzo del Machine Learning e di altre tecniche di apprendimento e ottimizzazione dell’Intelligenza Artificiale sarà sempre più importante per soddisfare e anticipare i bisogni di aziende e consumatori.
Perché ciò si realizzi davvero, occorrerà anche saper valorizzare i dati raccolti all'interno degli ambienti di lavoro e delle supply chain e riprogettare i sistemi di monitoraggio e controllo nelle fabbriche.