AO 458

AUTOMAZIONE OGGI 458 SOLUZIONI SOFTWARE PER L’INDUSTRIA 79 S SI tutorial: industria 4.0 diffusione delle reti IIoT e IoT fin dentro i locali delle attività e i do- micili della clientela. Il futuro del settore manifatturiero è sempre più influenzato dalla capacità di gestire, localmente o nel cloud, massive quantità di dati e dall’applicazione di tecniche di analisi che vanno sotto il nome di data analytics. Queste tecniche operano su dati opportunamente raccolti, format- tati e organizzati e permettono di identificare relazioni e schemi tra variabili (analisi esplorativa), nonché di sintetizzare e comprendere gli eventi passati e i processi in corso (analisi descrittiva). Cosa più importante, permettono di fare predizioni sulla base di dati storici (analisi predittiva), di formulare inferenze su una popolazione stati- stica partendo dai dati raccolti su un campione (analisi inferenziale) e di suggerire quali azioni intraprendere per ottenere determinati risultati (analisi prescrittiva). Le informazioni così distillate possono essere utilizzate da una pluralità di figure professionali per prendere decisioni informate sulla base di fatti, numeri e trend rilevati in tempo quasi reale. Dai dati di processo e di utilizzo dei macchinari si possono de- durre informazioni utili a migliorare efficienza e produttività (ad esempio identificando eventuali colli di bottiglia od opportunità di modernizzazione); i dati diagnostici permettono di pianifi- care la manutenzione e ridurre l’impatto dei fermi macchina; i dati di mercato, quelli di magazzino e le informazioni su clienti e prodotti possono essere incrociati per stabilire strategie nella gestione della supply chain, predire la domanda futura di prodotti esistenti e stimolare l’introduzione di migliorie per mantenere o acquisire nuovi clienti. L’importanza della data strategy Le applicazioni di questo connubio tra Big Data e data analytics sono virtualmente illimitate e possono essere sfruttate tanto dalle multina- zionali quando dalle piccole e medie imprese, ma per con- vertire una massa informe di informazioni in successo economico è necessario pianificare accuratamente il processo di raccolta, nor- malizzazione, aggregazione, selezione e analisi dei dati. L’interconnessione di mac- chine e processi è il prere- quisito per poter raccogliere i dati acquisiti dalla sensori- stica di campo e intrecciarli con quelli provenienti da altri dipartimenti, tramite un processo automatizzato di formattazione e immagazzinamento e analisi che stabilisca correlazioni con riferimenti adatti a identificare le dinamiche in atto. L’effettiva efficacia delle decisioni prese sulla base delle informazioni estratte può poi essere valutata per mezzo di benchmark, così da stabilire la necessità di correzioni e integra- zioni. Il piano dettagliato con cui un’azienda implementa tutti questi passi, a partire dalla definizione delle tecnologie, dei processi, del personale e delle regole impiegati nella gestione, analisi e applica- zioni dei dati raccolti costituisce la data strategy. Si tratta di un pro- cesso lineare tipicamente composto dalle seguenti fasi: 1. Identificazione degli obiettivi e dei dati rilevanti 2. Raccolta dei dati 3. Archiviazione dei dati 4. Gestione (integrazione e condivisione) dei dati 5. Analisi e presentazione dei dati 6. Protezione e sicurezza (Governance) I vantaggi derivanti dall’implementazione di un’efficace data stra- tegy sono molteplici: per cominciare, assicurare l’affidabilità e l’accuratezza dei dati raccolti porta a una superiore affidabilità dei risultati della loro analisi; l’automazione del processo di raccolta e raffinamento consente di immagazzinare e condividere le enormi moli di dati necessarie per incrociare le informazioni provenienti dai diversi settori del business, così da mettere in evidenza le inefficienze nei processi aziendali e identificare percorsi per ot- timizzarli. Una data strategy ben definita permette di risolvere criticità organizzative, riducendo i costi e migliorando l’efficienza operativa, ma consente anche di identificare nuove opportunità di espansione fornendo indicazioni aggiornate sulle necessità dei clienti e in ultima analisi può portare all’introduzione di nuovi pro- dotti e servizi. Le fasi della data strategy I dati generati dalle aziende provengono da una pluralità di fonti eterogenee e sono pertanto caratterizzati da un elevato grado di diversità. È pertanto inevitabile che il primo passo nello stabilire una data strategy sia la definizione degli obiettivi di business (incre- mentare le vendite, ottimizzare le attività, migliorare l’esperienza cliente) e l’identificazione di quali siano i dati rilevanti a tal fine, in- dipendentemente dalla loro origine, struttura e posizione. Il passo successivo è stabilire i metodi per raccogliere i dati prodotti dalle varie fonti (dispositivi IoT, sensori e attuatori IIoT, rapporti fi- nanziari, database aziendali, indagini di mercato, web scraping...), definendo il formato dei dati, i protocolli di comunicazione e la fre- quenza di campionamento. Il processo di raccolta deve essere ac- curatamente pianificato per assicurare l’accuratezza, la consistenza e l’affidabilità del dato, e necessariamente automatizzato ponendo particolare attenzione all’ottimizzazione dei consumi energetici e delle risorse impiegate (come la larghezza di banda e la quantità di memoria di massa). Disporre di una data strategy ben definita è un prerequisito fondamentale per entrare correttamente nel mondo Big Data