Di Joe Perino, Research Analyst, LNS Research   (trad. ServiTecno)

Le aziende che operano nell’industria di processo hanno iniziato a rendersi conto che i dati creati all’interno dei loro impianti sono significativamente sottoutilizzati.

Ma spesso questi dati non escono dal ristretto ambito delle operations. Per questo molte aziende stanno adottando misure per avere maggiore visibilità e integrare i dati dell’impianto in analisi aziendali e operative di più ampia portata.

L’aspettativa è che, combinando i dati relativi alla produzione, alla catena di fornitura, alla gestione finanziaria e anche i dati che provengono da fonti esterne al perimetro aziendale, si possa ottenere una maggiore redditività.

Chi sta lavorando in questa direzione sta scoprendo opportunità nascoste e nuove sinergie per il miglioramento.

Tre must-have per migliorare la visibilità

Ma cosa significa esattamente avere “più visibilità”? Noi di LNS Research crediamo che la visibilità consista in tre capacità critiche:

  • Accesso tempestivo ai dati in un formato e una struttura che il personale possa facilmente analizzare
  • Capacità di “vedere cosa sta succedendo ora” attraverso il confronto e la diagnosi delle prestazioni all’interno dell’impianto, tra impianti diversi e lungo la supply chain
  • Capacità di “guardare avanti” con previsioni sulle performance future per anticipare potenziali problemi

Di questo fa parte anche l’individuazione di modelli, relazioni e anomalie, precedentemente non viste, che possono frenare le performance. Insieme, queste tre capacità consentono alle aziende di prendere decisioni migliori e di migliorare i KPI più rilevanti ai fini della redditività d’impresa.

Accesso tempestivo ai dati

Il primo must-have della Visibilità | Sapere i dati che servono: quali, quando, dove e perché

Avere un accesso tempestivo ai dati è fondamentale, ma purtroppo non è semplice, anzi, è una vera e propria sfida sia per la tecnologia operativa (OT) che per l’architettura IT.

Secondo una recente ricerca, le aziende manifatturiere stanno lavorando per sviluppare le loro architetture OT tradizionali aggiungendo sensori pervasivi, dispositivi Edge wireless e cablati e risorse basate su cloud.

Se è vero che l’Historian dell’impianto è la fonte primaria dei dati di produzione, va detto che non è l’unica fonte di tutti i dati necessari per le analisi operative aziendali.

A questo scopo occorre valutare l’inserimento di un data engineer, una figura che sta iniziando ad emergere per valutare quali dati sono necessari, da dove devono essere prelevati e naturalmente quando, tenendo conto della tempestività, del formato richiesto e delle sorgenti disponibili.

Questa figura generalmente è un professionista del reparto produttivo, anche se spesso anche questo è un ruolo che manca nelle aziende. Che si tratti di un lavoro ufficiale o semplicemente di qualcuno che se ne occupa de facto, il data engineer è una figura fondamentale per guidare la giusta architettura operativa a supporto della visibilità.

Diagnosi e confronto delle prestazioni

Il secondo must-have della Visibilità |Guardare oltre il singolo impianto

Il mercato rende oggi disponibili vaste capacità di analisi e dati per quasi tutte le organizzazioni industriali.

Ciò nonostante, la maggior parte delle aziende fa solo periodicamente un benchmarking e una diagnosi delle prestazioni all’interno e tra gli impianti, mentre dovrebbe farlo con continuità.

Naturalmente, non tutti i KPI sono confrontabili tra i diversi impianti che producono cose diverse, ma molti lo sono, soprattutto i tempi di inattività, la qualità, l’uso dell’energia, i parametri ambientali, quelli su salute e sicurezza.

L’ottimizzazione della catena del valore, per non parlare dell’ottimizzazione dei singoli impianti, non può essere fatta solo con semplici “fotografie” trimestrali o mensili.

La tecnologia Digital Twin

Il terzo must-have della Visibilità | Per sostenere il processo decisionale, guardare al futuro con i gemelli digitali

La capacità di guardare avanti, prevedere le performance future ed eseguire analisi what-if su vari scenari è essenziale per ottimizzare le operations e la supply chain.

È anche la base per la pianificazione e l’allocazione del capitale per eliminare i colli di bottiglia e aggiungere nuovi prodotti agli impianti esistenti (o, naturalmente, a quelli nuovi).

Le imprese manifatturiere oggi possono definire dei gemelli digitali del processo produttivo, della supply chain e delle performance finanziarie, e combinarli insieme per supportare il processo decisionale di livello superiore, utilizzando tecniche di machine learning intelligenza artificiale (AI).

I gemelli digitali possono identificare e svelare relazioni inedite, complesse e difficili da capire in altro modo.

Come ha spesso affermato l’ex Segretario della Difesa degli Stati Uniti Donald Rumsfeld, possono svelare “le incognite note e quelle ignote”.  

Raccomandazioni

Ogni azienda manifatturiera dovrebbe – come minimo – utilizzare i dati disponibili su produzione, finanza e supply chain per avere da subito una migliore redditività.

Ma se la vostra azienda vuole sfruttare anche le opportunità nascoste, deve lavorare per ottenere una maggiore visibilità sui dati creati all’interno dell’ambiente di produzione.

Le prime fasi critiche includono:

  • RIVEDERE LE ARCHITETTURE IT E OT DI LIVELLO ENTEPRISE E DI IMPIANTO. Questo passo non è un’azione da fare una tantum: l’architettura IT/OT è un aspetto dell’organizzazione in continua evoluzione.
  • PRENDERE IN CONSIDERAZIONE UN APPROCCIO ANALITICO A PIÙ LIVELLI. E’ opportuno avere uno o più strumenti di analisi che accedono a diversi database per analisi diverse. Una variante dell’architettura operativa prevede che il data lake sia in cima a tutti gli altri database per fungere da aggregatore.
  • NON TRASCURARE LE OPZIONI A DISPOSIZIONE. Ci sono molti strumenti e soluzioni tra cui scegliere sul mercato. Se un fornitore può combinarli in una soluzione integrata, tanto meglio. Tuttavia, la maggior parte delle aziende utilizzerà più strumenti.
  • NON PERDERE DI VISTA L’OBIETTIVO. Non dimenticare mai gli obiettivi che ci si pone in termini di risultati desiderati e tenere sempre presenti i casi d’uso che determinano i requisiti di accesso ai dati e la selezione delle tecnologie.

Un progetto tecnologico non è un fine, ma un mezzo per raggiungere i risultati desiderati.

Scopri come le aziende industriali creano visibilità nel webcast con LNS Research, “Driving Profitability with Plant and Process Data”.