I dati rappresentano sempre di più un asset strategico per le aziende.
La strada che permette al dato di generare valore non è tuttavia sempre chiara e ben identificabile e per tale ragione gli imprenditori faticano a intravedere il vero potenziale nascosto. Questo innanzitutto perché i dati sono un bene intangibile che necessita di un processo di raffinamento affinché possa produrre benefici reali.
Nel mio precedente post ho parlato delle opportunità imminenti fornite dall’Industrial IoT per i costruttori di macchinari che hanno l’occasione di lavorare in piena sinergia con gli stabilimenti.
Vediamo ora invece come sia possibile ottenere da subito dei risultati concreti toccando con mano alcuni traguardi realizzabili in soli 12 mesi con l’ausilio degli IoT Analytics.
Cosa sono gli IoT Analytics?
Gli IoT Analytics di interesse per costruttori e stabilimenti sono i flussi dati realtime che le macchine e il loro contesto generano in ogni istante come ad esempio telemetrie, allarmi, eventi, variazioni di stato, set-point, configurazioni e ogni genere di informazione degna di essere rilevata in un determinato momento. Diversamente dai dati comunemente intesi gli analytics hanno infatti una loro precisa collocazione temporale. Si tratta di una scia di dati e informazioni che le macchine generano costantemente e che, se opportunamente catturata e storicizzata, ci consente di comprendere in maniera molto efficace in quali condizioni esse operano in ogni determinato istante presente e passato.
Grazie ai dati si ottiene pertanto quella che è la rappresentazione digitale di come opera la macchina alla stregua del cosiddetto “gemello digitale”.
Ma il valore degli analytics è soprattutto dato dallo storico dei dati raccolti e aumenta in maniera considerevole con il passare del tempo. Più dati acquisiamo e più siamo in grado di generare un bagaglio di situazioni e casistiche che in futuro ci torneranno utili per fare diverse cose come ad esempio migliorare la performance dei nostri macchinari o linee di produzione.
Detto in modo diverso, prima iniziamo a “registrare” questi flussi dati, prima possiamo realizzare un vantaggio competitivo costruito attraverso un bagaglio di esperienze eterogeneo.
Come iniziare a raccogliere i dati?
Prima di parlare ci cosa fare è importante che i dati siano raccolti e classificati in maniera ordinata in modo da agevolare le fasi successive di analisi e valorizzazione. Le analitiche principali da raccogliere sono solitamente:
- dati di produzione: output, portata, informazioni su ordine e prodotto, scarti, ciclo o fase di lavorazione, ecc…;
- parametri di processo o di configurazione della macchina;
- allarmi o eventi generati dal software di automazione a livello PLC o HMI;
- variabili di diagnostica. Includono tutte le misurazioni relative a fenomeni fisici interni (es. temperatura fluidi) o esterni al processo (umidità, operatore, ecc…), a dati di controllo (es. letture laser) o in generale a tutto ciò può incidere in maniera diretta o indiretta sulla produzione. Queste variabili spesso vengono sintetizzate attraverso KPI calcolati a livello edge.
E’ inoltre importante che in questa fase di raccolta siano tutelati al 100% gli aspetti legati a proprietà del dato, compliance privacy / GDPR e rapporto di confidenzialità regolata tramite apposita contrattualistica. Questo permette di instaurare da subito un rapporto di fiducia e trasparenza tra costruttore e clienti finali, ai quali deve essere sempre chiaro in che modo il costruttore sfrutterà i loro dati, con quale policy di riservatezza e in cambio di quali servizi e vantaggi.
I primi 5 passi per sfruttare da subito i dati raccolti
Superato lo scoglio della raccolta dati che per una prima fase pilota può richiedere fino a 1–2 mesi, ci si può ora dedicare a come usarli al meglio.
Ecco quindi i 5 momenti fondamentali per avviare una strategia di digitalizzazione da zero seguendo un percorso ben codificato:
1. Conoscere i tuoi clienti (Mese 1–3)
Gli IoT analytics rappresentano un potente strumento per comprendere come i tuoi clienti utilizzano i tuoi macchinari.
Li stanno usando bene? Chi li usa meglio? La manutenzione viene effettuata in maniera corretta e regolare? Puoi aiutarli a produrre meglio?
Il primo step riguarda quindi il semplice accesso ai dati. A nulla serve acquisire grandi quantità di informazioni sul cloud se poi non possiamo utilizzarli in maniera immediata. Inoltre questi dati devono essere resi disponibili a tutte le funzioni che ne possono trarre beneficio: service, ufficio tecnico / R&D, vendite, ecc… Insomma deve essere democratico.
Se fino a ieri eravamo parzialmente o totalmente ciechi su questo fronte, da oggi possiamo disporre di strumenti operativi e azionabili di cui, assicuro, non potremo più farne a meno.
2. Conoscere in tempo reale o in anticipo quando si verifica un problema (Mese 1–3)
L’accesso agli analytics ci porta immediatamente a fare un passo successivo. Possiamo dotare l’after-sales service di un potente strumento per operare un monitoraggio attivo sul parco macchine connesso al fine di rilevare in tempo reale allarmi critici, condizioni di lavoro anomale o guasti rilevanti. Dal punto di vista dei processi interni questo permette una maggior proattività nei confronti del cliente potendo intervenire prima ancora che il cliente si attivi sui canali di supporto.
Accanto al monitoraggio attivo e proattivo possiamo poi contare su un sistema evoluto di diagnostica da remoto, capace di complementare il tradizionale accesso via VPN per l’analisi dei log dei software di automazione. Senza richiedere un accesso diretto alla macchina gli analytics permettono di effettuare delle diagnosi da remoto molto approfondite ed efficaci. Potendo ripercorrere lo storico dati della macchina e verificando tutte le condizioni di lavoro, è possibile risalire con maggior precisione alle dinamiche di causalità di fermi e anomalie, analizzando i dati disponibili e identificando le possibili correlazioni. Tutto questo totalmente da remoto e senza richiedere l’invio di un tecnico.
3. Capire come migliorare le macchine (Mese 3–12)
Abbiamo visto come il customer service sia la prima funzione a beneficiare appieno dell’utilizzo dei dati. Ma non è la sola.
Anche ufficio tecnico e R&D possono trarre ragguardevoli vantaggi dall’utilizzo degli analytics al fine di migliorare il prodotto a livello di meccanica e ingegnerizzazione.
I cicli di miglioramento possono essere accorciati potendo disporre di dati che permettono di comprendere velocemente come tutte le parti meccaniche rispondono in funzione delle effettive condizioni di processo, verificando ad esempio se vi siano componenti sotto o sovradimensionati. Potremmo valutare ad esempio come l’impiego di un motore meno potente, e quindi più economico, possa soddisfare correttamente il 95% delle installazioni. Si potrebbe quindi valutare come segmentare diversamente l’offerta per essere maggiormente competitivi sulla base dei dati di utilizzo rilevati dai macchinari.
4. Ottimizzare la manutenzione ordinaria (Mese 3–6)
La manutenzione è senz’altro un tema di forte interesse per i clienti finali. Prima ancora di immaginarci scenari più complessi basati su machine learning e intelligenza artificiale, ha senso costruire un modello che possa rendere più efficiente la manutenzione preventiva ordinaria mettendo a disposizioni nuovi strumenti di pianificazione delle attività e superando l’approccio dei cicli di manutenzione a tempo.
Disponendo di un flusso dati real-time la manutenzione può essere invece collegata in modo smart ai cicli reali di lavorazione o all’effettivo carico di lavoro di linee e macchinari: un po’ come accade per l’auto, per la quale la manutenzione è prevista ad esempio dopo 4 anni o 120.000km percorsi rispetto al reale utilizzo della macchina.
Gli OEM hanno in questo frangente l’opportunità di aiutare in maniera attiva i loro clienti a ridurre i fermi non pianificati, consigliando una manutenzione basata sulla combinazione tra il proprio know-how e l’analisi dei dati di diagnostica acquisiti nel tempo. Col tempo questo programma consigliato può diventare sempre più efficace e preciso.
5. Offrire nuovi servizi al cliente finale (Mese 3–12)
Come abbiamo visto i dati aiutano i costruttori a rafforzare la relazione con i loro clienti attraverso la creazione di nuovi servizi, digitali e non.
Ma grazie agli analytics soprattutto i costruttori possono capitalizzare al meglio il proprio know-how sul prodotto potenziando la propria conoscenza di processo con l’obiettivo di aiutare i propri clienti a raggiungere nuovi livelli di produttività e quindi maggior competitività.
I servizi fin da subito attivabili al cliente finale riguardano:
- la formazione su manutenzione e processo;
- i contratti di assistenza/diagnostica da remoto;
- l’attivazione di nuove modalità di garanzia;
- i servizi per la fabbrica intelligente relativi a monitoraggio degli impianti, manutenzione intelligente e l’ottimizzazione di processo;
Ma dove sta la Manutenzione Predittiva?
Qualcuno potrebbe stupirsi del fatto che in questa lista non si parli di manutenzione predittiva (PM). Ci sono tre ragioni per cui essa non compare:
1) riprendendo la metafora del bagaglio di esperienze, abbiamo visto come sia molto difficile implementare una manutenzione predittiva senza uno storico dati di almeno 6–12 mesi;
2) ci sono traguardi che si trovano a metà strada rispetto alla manutenzione predittiva e che possono essere raggiunti con poco sforzo e dai quali a volte il valore che si può generare è superiore a quello della PM. Questo almeno per quanto riguarda OEM e costruttori;
3) abbiamo visto come il ritardare il ritorno sugli investimenti puntando fin da subito su risultati troppo ambiziosi, senza prima ottenere valore immediato, sia rischioso e possa portare a situazioni di stasi, arenando un progetto di digitalizzazione.
Per ricapitolare quindi con questi 5 passi possiamo ottenere i seguenti benefici:
- potenziare l’after sales dotandolo di nuovi strumenti operativi;
- disporre di nuovi strumenti e servizi per aumentare le vendite;
- migliorare il rapporto con i clienti finali aiutandoli a utilizzare meglio i macchinari;
- migliorare il prodotto grazie ai dati;
Se ti interessano queste tematiche e ti piacerebbe esplorare come la tua azienda potrebbe beneficiare dalla raccolta di analytics grazia alla nostra soluzione in cloud Plant9 puoi contattarmi a gabriele@visup.it!
.jpg)
