Questo articolo discuterà:
La Digital Manufacturing Conference 2019, ospitata da The Welding Institute (TWI) nel Regno Unito, ha tenuto una tavola rotonda sull'acquisizione dei dati dalla linea di produzione. La discussione ha evidenziato le difficoltà che i proprietari degli stabilimenti incontrano nel decidere cosa fare con i set di dati acquisiti.
Il forum sui set di dati utilizzabili è diventato uno dei cruciali insiemi di problemi di Industrie 4.0 che gli stakeholder del settore industriale si trovano ad affrontare. Queste sfide possono essere categorizzate in tre sezioni principali:
Ogni iniziativa di trasformazione digitale inizia con lo sforzo di catturare i dati dagli asset o dalle operazioni della linea di produzione. Nel corso del tempo, la maggior parte dei proprietari di stabilimenti si rende conto che l'acquisizione dei dati è solo il primo passo per ottimizzare un processo specifico, e la necessità di definire una strategia Industrie 4.0 da implementare è altrettanto importante.
Il puro e semplice volume dei set di dati acquisiti dalla linea di produzione media si è rivelata scoraggiante per i primi implementatori di strumenti per l'acquisizione dei dati. In alcuni casi, i proprietari degli stabilimenti si limitano a far funzionare in background per alcuni mesi le loro soluzioni di acquisizione dati, come l'Internet degli oggetti industriale (IIoT), prima di decidere cosa fare con tutti questi dati. Alla fine, molti semplicemente trascurano i dati e si concentrano sui metodi convenzionali che sono stati applicati per decenni per far funzionare i processi industriali.
La valanga di dati provenienti dalle tecnologie digitali impiegate nella linea di produzione può essere resa meno scoraggiante creando piani o strategie chiare e attuabili su cosa fare con i dati catturati. Gli 8 principali modelli o concetti di business Industrie 4.0 forniscono una solida base per lo sfruttamento dei dati della linea di produzione. Le applicazioni più popolari delle strategie di acquisizione dei dati si concentrano sulla manutenzione predittiva, sull'ottimizzazione delle prestazioni dell'impianto guidata dai dati e sull'ottimizzazione dell'utilizzo delle macchine.
Per le strategie di manutenzione predittiva, i dati storici della macchina o dell'apparecchiatura giocano un ruolo importante nella comprensione della causa dei guasti o delle prestazioni dell'apparecchiatura per redigere un programma di manutenzione. Così, per la manutenzione predittiva, nessuna quantità di dati catturati dalla linea di produzione può essere considerata schiacciante, perché contestualizza ogni guasto inaspettato delle apparecchiature sulla linea di produzione.
Le strategie di ottimizzazione delle prestazioni dell'impianto basate sui dati si basano su diversi gruppi di set di dati che includono i dati di utilizzo della macchina, i dati di produttività, i dati di inventario e i dati di gestione dei materiali. L'acquisizione dei set di dati dichiarati da questi diversi processi porta alla necessità di analizzare una grande quantità di dati. In questo scenario, un analista di dati esperto dovrà dare un senso ai dati catturati per ottimizzare i processi interrelati necessari per massimizzare l'efficienza delle operazioni di un intero impianto. Per analizzare i dati provenienti da processi complessi si consiglia di ricorrere all'assistenza di un esperto esterno.
Il costo dell'archiviazione, della gestione e dell'analisi dei set di dati che la tecnologia digitale acquisisce può essere stimato a partire dalla quantità di dati raccolti dagli impianti industriali. Se i dati storici di mesi o anni devono essere catturati e memorizzati, allora saranno necessarie risorse di memorizzazione e di calcolo flessibili per svolgere il lavoro. Secondo McKinsey Digital, il 45% dei progetti IT supera il budget raccomandato o proposto.
I dati catturati devono essere memorizzati e analizzati correttamente per ottenere il meglio da essi, ed entrambi i processi hanno un costo. Il costo medio della memorizzazione di un terabyte di dati è di 3.351 dollari l’anno e lo stabilimento industriale media produce circa 347,56 TB l’anno. Questo costo operativo aggiuntivo per memorizzare semplicemente i dati dello stabilimento è considerato costoso da molte imprese industriali.
Il costo dell'archiviazione dei dati non tiene conto del salario di un analista di dati a tempo pieno o parziale, né del costo di impostazione e configurazione degli strumenti di acquisizione dei dati. In sintesi, uno dei principali problemi di Industrie 4.0 è il costo dell'acquisizione, della memorizzazione, della gestione e dell'analisi di grandi set di dati.
Secondo Cisco, la mancanza di allineamento interno è uno dei motivi principali per cui l'IT e, per estensione, le implementazioni IoT falliscono. Senza una strategia di implementazione in atto, i dati analizzati possono essere utilizzati per ottimizzare le singole apparecchiature senza cogliere il quadro generale. Negli impianti industriali, il quadro generale si riferisce all'intera linea di produzione e ai processi correlati.
Per sfruttare le tecnologie di trasformazione digitale e le capacità di acquisizione dei dati che esse consentono, è necessario elaborare una strategia, prima di entrare nel mercato per l'acquisto di una soluzione IIoT o di qualsiasi hardware/software di trasformazione digitale. La strategia elaborata informerà il processo di acquisto della soluzione e la capacità di sfruttare i dati acquisiti.