Leyton è una società di consulenza internazionale che aiuta le aziende a sfruttare gli incentivi finanziari per accelerare la loro crescita e ottenere prestazioni che durano nel tempo.
Leyton è una società di consulenza internazionale che aiuta le aziende a sfruttare gli incentivi finanziari per accelerare la loro crescita e ottenere prestazioni che durano nel tempo.
Una delle tecnologie abilitanti del paradigma 4.0 è costituito dai Big Data.
I Big Data rappresentano un concetto astratto e sono definiti solitamente come “dati massivi” o “dati molto grandi”.
Attualmente, anche se la rilevanza dei Big Data è stata affermata, esiste ancora una diversità di opinioni sulla loro definizione. In generale, i Big Data si riferiscono ai dataset che non possono essere acquisiti, gestiti ed elaborati dagli strumenti tradizionali IT e dai software/hardware entro un certo tempo tollerabile. In estrema sintesi i Big Data racchiudono masse di dati non strutturati che richiedono analisi più complesse elaborate in tempo reale.
Una delle più importanti agenzie internazionale di consulenza manageriale ha definito i Big Data come “la prossima frontiera per l’innovazione, la concorrenza e la produttività”.
Nel corso dell’ultimo ventennio, di fatto, è stato rilevato un aumento incrementale dei dati generati all’interno di tutti i settori. In particolar modo, la quarta rivoluzione industriale dipende necessariamente dall’uso e dall’analisi di queste enormi quantità di dati che vengono messe a disposizione con l’obiettivo di ricavarne valori e risultati.
I Big Data stanno creando nuove opportunità per la scoperta di informazioni ulteriori e di valori nascosti. Tuttavia, la loro acquisizione, archiviazione, gestione e analisi comporta certamente la risoluzione di nuove sfide nell’ambito del comparto industriale, in considerazione della loro eterogeneità, scalabilità e complessità al fine di fornire supporto al miglioramento dei processi decisionali.
I Big Data rappresentano quindi un’interessante area di ricerca che mostra avere applicabilità in numerosi contesti e in particolar modo nell’ambito produttivo. Utilizzando un’appropriata rete di sensori è possibile estrarre dalle macchine di produzione e dall’intero sistema produttivo diversi segnali contenenti informazioni su importanti grandezze fisiche come ad esempio forze, vibrazioni, pressione, temperature, ecc.
I Big Data di produzione provengono da varie fonti, tra le quali macchine e apparecchiature sensorizzate, RFID, lettori di codici a barre, ecc. che monitorano e raccolgono automaticamente dati operativi e performance.
In una macchina utensile, ad esempio, sia gli utilizzatori finali che i costruttori inseguono alcune feature quali la scalabilità, l’adattabilità, la tolleranza ai guasti, la facilità di manutenzione e la protezione del know-how dei processi. Ciò nonostante queste caratteristiche non sono sempre presenti negli attuali sistemi CNC, a causa di restrizione dal punto di vista hardware e software. Una potenziale soluzione è rappresentata da un sistema di controllo “staccato” dalla macchina utensile giacente sul cloud. In questo modo si va conferire alla macchina utensile un’elevata flessibilità/scalabilità.
Le direzioni future e le nuove aree di ricerca dei Big Data per acquisire le caratteristiche chiave del processo vertono verso questi tre grandi gruppi:
1. Modellazione auto-adattativa
La continua crescita di prodotti di alta qualità, personalizzati e sostenibili, richiede sistemi di produzione sempre più auto-adattativi, flessibili ed efficienti. In questo contesto diviene di rilevanza cruciale per il futuro la disponibilità di processi produttivi intelligenti delle macchine e delle loro tecnologie di automazione.
Tali processi di produzione integreranno propriamente metodologie euristiche basate su intelligenza artificiale (IA) a fianco dei tradizionali metodi formali di modellazione e controllo.
2. Manutenzione predittiva o just-in-time
Al momento la manutenzione preventiva programmata ad intervalli fissi costituisce la pratica più diffusa e dominante nel settore manifatturiero. Nell’ambito della manutenzione programmata, l’elemento viene rimosso anche se opera e funziona perfettamente.
Nella smart manufacturing, con la condivisione delle informazioni tra apparecchiature dello stesso tipo, si prevede che l’algoritmo di monitoraggio del processo possa essere in grado di prevedere il momento esatto in cui necessita di manutenzione.
Alla luce di questo approccio viene eseguita una manutenzione solo se strettamente necessaria con ripercussioni positive in termini di riduzione dei costi e della reddittività aziendale.
3. Auto-correzione dei guasti del sensore
In uno scenario in cui sono presenti un gran numero di sensori IoT all’interno di un sistema, l’autocorrezione del guasto diventa percorribile e fattibile. L’enorme numero di sensori fornisce informazioni ridondanti sul processo e, pertanto, quando un sensore emette letture errate, invece di interrompere il processo, il sensore viene escluso dalla rete e si utilizzano sensori vicini con dati veritieri.
