English
Tecnologia e dati per migliorare l'efficienza e la produttività: tre domande a Riccardo Di Nisio di Diskover
Benedetta Rampini - Eiom
In occasione della mostra convegno MCMA in programma il prossimo 26 e 27 ottobre a Veronafiere, appuntamento di riferimento per i professionisti della Manutenzione Industriale e Asset Management, abbiamo fatto una chiacchierata con Riccardo Di Nisio, Data Scientist e Founder di Diskover.
Quali osservatori privilegiati, qual è il vostro punto di vista sul settore della Manutenzione Industriale?
La tecnologia insieme ai dati stanno offrendo nuovi modi di affrontare la manutenzione.
Il caro energia e le problematiche di approvvigionamento inducono manager e imprenditori a trovare altre vie per abbattere i costi. E una strada è offerta da un modo innovativo di utilizzare i dati che provengono dagli impianti e dalle linee industriali.
Oggi è possibile utilizzare i dati non solo per rispondere a domande del tipo: che cosa è successo, perché è successo, quanto è stato prodotto, etc. Ad un uso esclusivamente ex post volto i cui sistemi attuali di ERP e MES consentono di fotografare cosa è accaduto nel passato o sta accadendo nel presente, se ne affianca un altro uso che sposta l'attenzione sul futuro.
È possibile utilizzare i dati anche per fare previsioni in tempo reale sullo stato degli impianti e con largo anticipo capire quando e dove si potrebbero verificare anomalie. I vantaggi sono notevoli: si parla di azzeramento dei tempi di inattività, riduzione del costo complessivo delle riparazioni, gestione ottimale delle componenti di ricambio e dell'inventario, mitigazione dei danni aggiuntivi o correlati.
Secondo una recente ricerca condotta dall'Istat nel 2020, sono già il 6,3% le aziende con più di dieci dipendenti che utilizzano i Big Data e i sistemi di Intelligenza Artificiale come risposta alle nuove sfide di efficienza e sostenibilità. E, la cosa interessante è che c'è un'altra quota di aziende in crescita, pari al 36,4%, che ha già avviato sperimentazioni per dotarsi dei nuovi sistemi di manutenzione predittiva.
C'è fermento e questo è dovuto alla stima dei benefici. Deloitte, ad esempio, evidenzia in uno studio che una strategia di questo tipo aumenta in media la produttività del 25%, riduce i quasti del 70% e i costi di manutenzione del 25%. Secondo lo studio, il principale beneficio è rappresentato dalla riduzione dei tempi di inattività non pianificati, che a livello globale presentano un costo per i produttori industriali che può essere stimato in 50 miliardi di dollari l'anno.
La corsa è appena iniziata.
Quali sono le applicazioni o soluzioni presentate alla manifestazione MCMA di Verona?
Presenteremo Rewind una piattaforma di Intelligenza Artificiale per la manutenzione predittiva e anomaly detection.
Il meccanismo di funzionamento è molto semplice. Rewind è un sistema che viene addestrato a riconoscere determinate tipologie di anomalie sulla base dei dati storici e della specificità dell'impianto o della linea di produzione. In una prima fase di training la piattaforma impara a riconoscere delle regolarità, ovvero, delle strutture più o meno latenti visibili solo ai più esperti. Queste strutture diventano la base di modelli statistici/matematici che sfruttano concetti come il deep learning per prevedere quando le anomalie potrebbero verificarsi di nuovo.
Il sistema funziona sui dati in real time e fa continue previsioni.
Quando viene identificata un'anomalia, in maniera automatica, viene inviata una ricetta che consiglia all'operatore quale azione intraprendere per evitarla.
Nei maggiori dei casi, vengono fornite soluzioni in termini di quali settaggi modificare e di quanto modificarli, oppure, nel caso di linee di assemblaggio, su quale postazione e in quale punto accadrà l'anomalia.
Rewind è stata testata su impianti di grandi aziende e il sistema conferma i dati dello studio di Deloitte.
In particolare abbiamo constatato che è in grado di prevedere, in certe condizioni, fino all'80% delle anomalie con una riduzione dei fermi macchina non pianificati del 40%.
Per la buona riuscita, però, abbiamo visto quanto è critica la fase iniziale di addestramento che va condotta insieme ai tecnici esperti dell'impianto.
Partecipiamo a Verona con il desiderio di confrontarci con tante realtà, per spiegare il funzionamento del sistema e per testarlo su impianti di diversa natura con il duplice obiettivo di offrire una dimostrazione e di raccogliere adesioni per testare il sistema su una varietà significativa di impianti e linee di produzione.
Guardando al futuro quali sono i progetti di Diskover?
Vogliamo rendere fruibile la piattaforma alle piccole e medie imprese e pertanto la stiamo costruendo in versione SaaS sfruttando le logiche dell'Edge e Cloud Computing in modo da renderla presto disponibile sul mercato e permetta l'accesso sicuro e facile da parte di tutte le aziende.
La tecnologia insieme ai dati stanno offrendo nuovi modi di affrontare la manutenzione.
Il caro energia e le problematiche di approvvigionamento inducono manager e imprenditori a trovare altre vie per abbattere i costi. E una strada è offerta da un modo innovativo di utilizzare i dati che provengono dagli impianti e dalle linee industriali.
Oggi è possibile utilizzare i dati non solo per rispondere a domande del tipo: che cosa è successo, perché è successo, quanto è stato prodotto, etc. Ad un uso esclusivamente ex post volto i cui sistemi attuali di ERP e MES consentono di fotografare cosa è accaduto nel passato o sta accadendo nel presente, se ne affianca un altro uso che sposta l'attenzione sul futuro.
È possibile utilizzare i dati anche per fare previsioni in tempo reale sullo stato degli impianti e con largo anticipo capire quando e dove si potrebbero verificare anomalie. I vantaggi sono notevoli: si parla di azzeramento dei tempi di inattività, riduzione del costo complessivo delle riparazioni, gestione ottimale delle componenti di ricambio e dell'inventario, mitigazione dei danni aggiuntivi o correlati.
Secondo una recente ricerca condotta dall'Istat nel 2020, sono già il 6,3% le aziende con più di dieci dipendenti che utilizzano i Big Data e i sistemi di Intelligenza Artificiale come risposta alle nuove sfide di efficienza e sostenibilità. E, la cosa interessante è che c'è un'altra quota di aziende in crescita, pari al 36,4%, che ha già avviato sperimentazioni per dotarsi dei nuovi sistemi di manutenzione predittiva.
C'è fermento e questo è dovuto alla stima dei benefici. Deloitte, ad esempio, evidenzia in uno studio che una strategia di questo tipo aumenta in media la produttività del 25%, riduce i quasti del 70% e i costi di manutenzione del 25%. Secondo lo studio, il principale beneficio è rappresentato dalla riduzione dei tempi di inattività non pianificati, che a livello globale presentano un costo per i produttori industriali che può essere stimato in 50 miliardi di dollari l'anno.
La corsa è appena iniziata.
Quali sono le applicazioni o soluzioni presentate alla manifestazione MCMA di Verona?
Presenteremo Rewind una piattaforma di Intelligenza Artificiale per la manutenzione predittiva e anomaly detection.
Il meccanismo di funzionamento è molto semplice. Rewind è un sistema che viene addestrato a riconoscere determinate tipologie di anomalie sulla base dei dati storici e della specificità dell'impianto o della linea di produzione. In una prima fase di training la piattaforma impara a riconoscere delle regolarità, ovvero, delle strutture più o meno latenti visibili solo ai più esperti. Queste strutture diventano la base di modelli statistici/matematici che sfruttano concetti come il deep learning per prevedere quando le anomalie potrebbero verificarsi di nuovo.
Il sistema funziona sui dati in real time e fa continue previsioni.
Quando viene identificata un'anomalia, in maniera automatica, viene inviata una ricetta che consiglia all'operatore quale azione intraprendere per evitarla.
Nei maggiori dei casi, vengono fornite soluzioni in termini di quali settaggi modificare e di quanto modificarli, oppure, nel caso di linee di assemblaggio, su quale postazione e in quale punto accadrà l'anomalia.
Rewind è stata testata su impianti di grandi aziende e il sistema conferma i dati dello studio di Deloitte.
In particolare abbiamo constatato che è in grado di prevedere, in certe condizioni, fino all'80% delle anomalie con una riduzione dei fermi macchina non pianificati del 40%.
Per la buona riuscita, però, abbiamo visto quanto è critica la fase iniziale di addestramento che va condotta insieme ai tecnici esperti dell'impianto.
Partecipiamo a Verona con il desiderio di confrontarci con tante realtà, per spiegare il funzionamento del sistema e per testarlo su impianti di diversa natura con il duplice obiettivo di offrire una dimostrazione e di raccogliere adesioni per testare il sistema su una varietà significativa di impianti e linee di produzione.
Guardando al futuro quali sono i progetti di Diskover?
Vogliamo rendere fruibile la piattaforma alle piccole e medie imprese e pertanto la stiamo costruendo in versione SaaS sfruttando le logiche dell'Edge e Cloud Computing in modo da renderla presto disponibile sul mercato e permetta l'accesso sicuro e facile da parte di tutte le aziende.
Leggi tutto
Fonte: Intervista a Riccardo Di Nisio di Diskover
Settori: Asset Management, Big Data, Industria 4.0, Informatica, Intelligenza artificiale, Manutenzione industriale, Software industriale
Mercati: Manutenzione industriale
