M04 - IMPRESA 4.0

Le nuove tecnologie abilitano il monitoraggio e il controllo remoto degli oggetti fisici intelligenti. Gli apparati fisici rappresentano quindi delle fonti di informazioni che generano un enorme patrimonio di dati (“Big Data”) che se opportunamente elaborati rappresentano un enorme valore. I “Big Data” sono considerati il nuovo petrolio e per questo motivo non devono andare sprecati.

In particolare nell’ambito Impresa 4.0 con i dati si possono implementare soluzioni che permettono:

  • ottimizzazione delle linee di produzione;
  • riduzione dei fermi macchina;
  • analisi predittiva (manutenzioni etc.).

Piano Industry 4.0

In Italia il Piano Industry 4.0 promosso dal Ministero dello Sviluppo Economico prevede, tra le altre cose, diverse agevolazioni fiscali per le aziende. Grazie all’aggiornamento di macchinari obsoleti mediante l’aggiunta di sensoristica di ultima generazione (processo chiamato retrofitting o revamping), oppure mediante l’acquisto di attrezzatura completamente nuova, è possibile:

  • incrementare la produttività;
  • ridurre i consumi energetici;
  • migliorare la qualità dei prodotti.

IoT Analytics

I sistemi di IoT Analytics permettono di gestire e armonizzare l’acquisizione di dati da macchinari che utilizzano tipicamente protocolli di comunicazione e tecnologie diverse. Uno degli use case più frequenti nell’Industrial IoT è la Predictive Maintenance, cioè la possibilità di prevedere in anticipo i fermi macchina. l’IoT Analytics rappresenta la convergenza tra il mondo degli oggetti fisici (IoT) e quello dell’estrazione di valore dai dati (Analytics).

Fasi dell’IoT

La prima fase è quella della raccolta delle informazioni (Collect): gli oggetti fisici inviano dati verso un sistema chiamato IoT platform sia direttamente (se dotati di hardware adeguato) che indirettamente (mediante un hub/gateway). In questo processo le principali problematiche da valutare sono: connettività (Wi-Fi, Bluetooth, SIM, ecc.) e quale piattaforma utilizzare.

La seconda fase è quella della memorizzazione dei dati (Store): vista la grande mole di dati in gioco, si ricorre sempre più spesso a tecnologie NoSQL, come Cassandra, oppure Big Data come Hadoop.

La terza fase riguarda la fruizione dei dati memorizzati da parte degli utenti. Per esempio l’utente vorrebbe poter fare monitoraggio dell’apparato fisico con dispositivo mobile.

Le fasi successive sono relative all’IoT Analytics, ossia le fasi nelle quali i dati vengono trasformati in valore.

Il tema della “velocità del dato” è importante nell’IoT e grazie alle nuove tecnologie (es. streaming) è possibile fare analisi del dato, aggregazioni, statistiche in tempo reale. Risalendo la piramide si arriva alla parte più innovativa e più potente dell’IoT Analytics ovvero l’Intelligenza Artificiale. Grazie allo sviluppo di algoritmi di Machine Learning/Deep Learning è possibile fruire delle applicazioni che, a partire da un insieme di dati storicizzati, sono in grado di scovare in maniera automatica fenomeni e/o regole di interesse. In ambito Industry 4.0, per esempio, esistono algoritmi in grado di scoprire autonomamente la combinazione di parametri provenienti dai sensori che permettono di minimizzare i consumi energetici di un macchinario. Il modulo Impresa 4.0 è la risposta all’IoT Analytics e permette di realizzare facilmente delle dashboard per l’analisi e il monitoraggio di uno stabilimento produttivo.

KPI e Monitoraggio

Evidenza dei principali KPI che consentono il monitoraggio dell’intero impianto produttivo. Alcuni esempi:

  • Kwh per tonnellata di materiale prodotto;
  • KWh, Potenza Base, CosF;
  • Andamenti “critici” che permettono il controllo “a vista” supportato anche da grafica di tipo semaforica.

Control Room

Cruscotto di tipo “Control Room” con evidenza delle principali misure da tenere sempre sotto controllo. I Kpi vengono rappresentati nelle forme più facili da interpretare.

Alcuni esempi:

  • Tachimetro;
  • Andamenti nel tempo;
  • Barre di confronto etc. 

Sistema di Alerting

Sistema di analisi degli Alert su tutto l’impianto per evidenziare i dispositivi che superano determinate soglie “di alert”. Per esempio le potenze elettriche erogate (W) nel periodo selezionato. In figura vengono messi in evidenza i principali dispositivi che superano le frequenze di alert (oltre la linea rossa).

Monitoraggio della Potenza Base

Monitoraggio della potenza base rispetto alla potenza variabile.

Nell’esempio si nota che due macchinari sono tenuti sempre accesi anche quando non serve.

Multivariate Analysis

Si possono analizzare correlazioni tra due variabili. Per esempio tra l’energia (Kwh) e gas (kwhg). In alto a sinistra si osserva che in due giornate le curve più vicine evidenziano maggiore efficienza della produzione. Il diagramma di Sankey rispetto ai Kwh totali, elettrici e gas, rappresenta i flussi energetici complessivi del macchinario e da questo si possono identificare i driver principali.

Integrazione con sistemi e personalizzazioni

Il modulo è facilmente integrabile con qualsiasi fonte di dati, tramite web-services, download di dati, connettori ad hoc. La periodicità di aggiornamento può essere concordata e può essere con frequenza oraria fino a frequenza mensile. Le dashboard possono essere personalizzate e create di nuove sulle esigenze specifiche del cliente.

 

E-project è associata a IotItaly (www.iotitaly.net) che è la prima associazione di categoria per l’Internet Of Things in Italia, che contribuisce alla diffusione, all’innovazione di prodotto e di produzione attraverso industria 4.0.