AO_446

AUTOMAZIONE OGGI 446 SOLUZIONI SOFTWARE PER L’INDUSTRIA 99 S SI gestione della produzione contro i vincoli e i colli di bottiglia che rallentano i volumi di produ- zione. In collaborazione con i suoi principali partner, l’azienda ha ottenuto un impatto significativo sul business di grandi imprese ma- nufatturiere nel mondo, tra cui: il miglioramento del 90-100% della strategia di allocazione dell’inventario; il miglioramento di 600 volte dei tempi di analisi rispetto ai metodi esistenti; il miglioramento fino al 30%dei cicli di conversione del contante; la riduzione fino al 15%dei livelli di inventario. Insieme a Cloudera, le aziende produttrici possono sfruttare la potenza dei dati e degli analytics per identificare le variabili e i pattern chiave che hanno il maggiore impatto sui rendimenti di pro- duzione. Con il machine learning, poi, è possibile identificare anomalie e prevedere meglio i volumi e i livelli di inventario futuri. Ottimizzazione della supply chain L’afflusso di dati in tempo reale e di analisi ad alte prestazioni per- mette di raggiungere nuovi livelli di performance della supply chain, sostenuti dalla visibilità lungo tutta la catena e dalla capacità di ottimizzare le azioni attuali e future sulla base degli insegnamenti tratti dal passato. In termini di casi d’uso preliminari, ad esempio, i dispositivi IoT integrati nei camion frigoriferi che trasportano ali- menti deperibili possono contribuire al monitoraggio della catena del freddo, misurando la temperatura e l’umidità all’interno del ca- mion e avvisando l’autista in caso di variazioni anomale. I casi d’uso più complessi e trasformativi, come l’ottimizzazione delle scorte in tempo reale, richiedono che i produttori raccolgano e curino le cronologie dei dati di inventario per un certo periodo di tempo e correlino le carenze storiche delle scorte con le variabili contestuali (come i flussi di clic, i dati POS, le posizioni/livelli delle scorte, le condizioni meteorologiche ecc.). Grazie a Cloudera Data Science Workbench è possibile sviluppare e testare in modo nativo modelli di machine learning che utilizzano l’intero corpus di dati, in piena si- curezza, e che possono poi essere distribuiti all’edge, per prendere decisioni in tempo reale. Tali modelli consentono di identificare le variabili critiche, monitorarle in tempo reale, prevedere le interru- zioni imminenti e correggerle prima che si verifichino. Cloudera - https://it.cloudera.com elaborare e analizzare i dati delle operation in streaming, con Clou- dera, ottenendo informazioni sulle prestazioni e sullamanutenzione nell’intero ciclo di vita degli asset. Possono inoltre integrare i dati provenienti da più macchine connesse e da altre fonti aziendali, come i sistemi di gestione della manutenzione e della qualità, per creare testare e distribuiremodelli di machine learning per prevedere quando e come potrebbe verificarsi un guasto o un’interruzione. Tali modelli, poi, possono essere adottati anche per gli strumenti esterni agli impianti produttivi per prendere decisioni intelligenti, in tempo reale, vicino al luogo in cui vengono generati i dati. Computer vision per il controllo qualità La computer vision è il campo della scienza che consente ai com- puter di vedere, identificare ed elaborare le immagini nello stesso modo della vista umana e quindi fornire un output appropriato. Questa tecnologia è oggi sempre più utilizzata nel settore manifat- turiero per processi critici come l’assicurazione e il controllo della qualità, per eseguire ispezioni visive automatizzate per garantire la qualità. E così produttori possono facilmente implementare una so- luzione scalabile ed efficace che consente di raccogliere, aggregare, elaborare e archiviare efficacemente miliardi di immagini, automa- tizzare l’annotazione e l’etichettatura, effettuare la ricerca seman- tica e l’arricchimento, nonché costruire e perfezionare modelli di apprendimento automatico. Cloudera Machine Learning infatti re- gala ai data scientist un modo semplice ed efficiente per costruire, testare e iterare modelli di apprendimento automatico per il rico- noscimento delle immagini su scala su petabyte di dati di immagini che possono poi essere usati per evitare che i problemi si ripetano. Ottimizzazione della produzione Per ottenere una maggiore redditività, le aziende manifatturiere de- vono ottimizzare continuamente i livelli di produzione nei loro sta- bilimenti. Per farlo, tuttavia, è necessario individuare ed eliminare tempestivamente i colli di bottiglia, che possono risiedere ovunque: dalla manodopera alle attrezzature, fino alle scorte a inventario. Gli analytics azionabili consentono di identificare e agire rapidamente Fonte: foto Shutterstock L’afflusso di dati in tempo reale e di analisi ad alte prestazioni permette di raggiungere nuovi livelli di performance della supply chain La computer vision è sempre più utilizzata nel settore manifatturiero per processi critici come l’assicurazione e il controllo della qualità di apparecchiature Fonte: foto Shutterstock