English
Digital transformation: come cambia l'azienda
Industrial analitycs e machine learning guidano la Digital Transformation
Mario Testino - Servitecno
Francesco Tieghi, Servitecno
Sommario
L'industrial analitycs e la machine learning aiutano le organizzazioni a scavare nei processi aziendali e IT vitali per trovare problemi e opportunità di miglioramento guidandole verso a digital transformation.
Il Machine Learning è un sottoinsieme dell'intelligenza artificiale (AI) che si occupa di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano e che vengono successivamente analizzati.
Industrial analitycs e un maturity model per l'analisi dei "big data di impianto"
L'analisi dei dati del processo (data analytics) è molto complessa. Ci sono molti insiemi di dati, provenienti da diverse fonti e per trasformarli in informazioni significative è necessario un metodo per gestirli in modo che siano tutti nel posto giusto al momento richiesto.
È importante:
- Identificare alla radice la causa dei problemi nelle lavorazioni;
- Identificare il lotto migliore nel tentativo di replicarlo;
- Ridurre i costi e gli sprechi;
- Migliorare l'efficienza e la qualità.
Comprendere il processo in profondità
Capire le variazioni di processo: Ottieni nuove informazioni dai dati e scopri le cause profonde delle variazioni delle prestazioni di processo
Analisi di processo
Ottieni nuove informazioni dai dati e scopri le cause profonde delle variazioni delle prestazioni di processo.
Ridurre le variazioni di processo
Monitoraggio e Predizione del processo
Monitorare le prestazioni del processo per rilevare tempestivamente le deviazioni e prevedere guasti e KPI per ridurre la variazione delle prestazioni del processo.
Ottimizzare il processo
Simulazione e ottimizzazione del processo
Consigliare impostazioni ottimali o chiudere il ciclo per un controllo ottimale dei setpoint di processo.
Un maturity model per l'analisi dei "big data di impianto"
Un maturity model per l'analisi dei "big data di impianto" è un metodo di analisi d'impiego delle applicazioni di Business Intelligence (BI), sviluppato dell'Osservatorio di Business Intelligence, permette di classificare le imprese rispetto al loro effettivo grado di utilizzo degli strumenti di BI e in che modo sono in grado di proporre soluzioni per l'analisi avanzata di processo.
I 3 Temi che supportano la digital transformation sono:
- La manodopera digitale: è l'elemento fondamentale della modernizzazione delle aziende industriali;
- Visibilità e scalabilità aziendale / trasversale: per massimizzare la flessibilità;
- Miglioramento continuo delle operazioni: attraverso il monitoraggio e il miglioramento delle prestazioni degli asset.
È importante:
- Identificare alla radice la causa dei problemi nelle lavorazioni;
- Identificare il lotto migliore nel tentativo di replicarlo;
- Ridurre i costi e gli sprechi;
- Migliorare l'efficienza e la qualità.
Comprendere il processo in profondità
Capire le variazioni di processo: Ottieni nuove informazioni dai dati e scopri le cause profonde delle variazioni delle prestazioni di processo
Analisi di processo
Ottieni nuove informazioni dai dati e scopri le cause profonde delle variazioni delle prestazioni di processo.
Ridurre le variazioni di processo
Monitoraggio e Predizione del processo
Monitorare le prestazioni del processo per rilevare tempestivamente le deviazioni e prevedere guasti e KPI per ridurre la variazione delle prestazioni del processo.
Ottimizzare il processo
Simulazione e ottimizzazione del processo
Consigliare impostazioni ottimali o chiudere il ciclo per un controllo ottimale dei setpoint di processo.
Un maturity model per l'analisi dei "big data di impianto"
Un maturity model per l'analisi dei "big data di impianto" è un metodo di analisi d'impiego delle applicazioni di Business Intelligence (BI), sviluppato dell'Osservatorio di Business Intelligence, permette di classificare le imprese rispetto al loro effettivo grado di utilizzo degli strumenti di BI e in che modo sono in grado di proporre soluzioni per l'analisi avanzata di processo.
I 3 Temi che supportano la digital transformation sono:
- La manodopera digitale: è l'elemento fondamentale della modernizzazione delle aziende industriali;
- Visibilità e scalabilità aziendale / trasversale: per massimizzare la flessibilità;
- Miglioramento continuo delle operazioni: attraverso il monitoraggio e il miglioramento delle prestazioni degli asset.
Video
Creare valore nella digital transformation
La creazione di valore è un indice molto importante per la corretta gestione e crescita dell'azienda.
La creazione di valore per l'impresa chiama in causa il concetto di economicità, ovvero la capacità di rispettare nel tempo i molteplici e delicati equilibri economici che caratterizzano la gestione aziendale sono:
- Analysis: se la causa principale viene identificata in maniera automatica il miglioramento continuo accelera;
- Monitoring: gli avvisi preventivi (manutenzione preventiva) riducono i tempi di inattività e gli sprechi;
- Prediction: le azioni proattive migliorano la qualità, la stabilità e l'affidabilità;
- Simulation: le simulazioni accelerano decisioni accurate ad un costo inferiore;
- Optimization: miglioramento della produttività, qualità accettabile fino al 10%.
Il miglioramento è continuo. Una volta che si è arrivatati all'ultima fase occorre ricominciare da capo.
L'obiettivo della creazione di valore è legato all'esigenza di crescita e di sviluppo dell'impresa e riflette gli effetti di lungo termine delle strategie aziendali a prescindere dalla loro dimensione o settore di appartenenza.
Conclusioni
Il Proficy CSense è un software di analisi industriale che migliora le prestazioni delle risorse e dei processi di digital transformation e di Digital Twin (Il digital twin è un "gemello digitale", cioè la copia perfetta di un prodotto manifatturiero o di un processo).
Configurazione delle basi di dati.
Analisi dei dati e identificazione problema, Machine learning guidato, Modellizzazione.
Architect è una macchina logica << near >> real time, configurabile a blocchi. Implementa il modello digitale del processo per il monitoraggio << multi-variato >> dello stato di processo / macchina per fornire avvisi precoci di anomalie o deviazioni. Implementa modelli di Machine Learning con o senza riaddestramento. Possibilità di inserire modelli di ML in Python.
Leggi tutto
Fonte: SAVE 4.0 Web Edition aprile 2021 Industria 4.0: soluzioni efficienti e sostenibili con le tecnologie digitali
Settori: Automazione industriale, Efficienza Industria, Industria 4.0, Informatica, Intelligenza artificiale, Smart manufacturing, Software industriale
Mercati: Industria manifatturiera
Parole chiave: AI Intelligenza artificiale per l'industria, Digital Transformation, Industria 4.0, Machine learning, Smart manufacturing
