AES_3 2023

INDAGINE Approfondimenti 42 Aprile 2023 n Automazione e Strumentazione genti e scalabili. Essa raccoglie e manipola grandi quantità di dati per mostrare approfondimenti su cui è possibile agire o predisporre processi auto- matici in tempo reale. La Manufacturing Analytics fornisce ai decisori un vantaggio competitivo digitalizzando il busi- ness, riducendo i costi, migliorando la qualità del prodotto finale, accelerando l’innovazione e ride- finendo l’esperienza del cliente. Grazie ai disposi- tivi IoT, ai modelli integrati di Machine Learning, ai database integrati, ai digital twin e agli strumenti di Data Visualization, le imprese sono in grado di scoprire trend o lacune nei loro dati, ottimizzare i processi, massimizzare le prestazioni, analizzare i feedback dei clienti e delle tendenze di acquisto. La Manufacturing Analytics può anche aumen- tare la produttività e i volumi di produzione. Uno dei modi principali per farlo è attraverso il rileva- mento dei guasti. Con l’identificazione tempestiva delle anomalie è possibile allertare i supervisori di fabbrica sin dalle fasi iniziali della produzione. Metodi quantitativi e qualitativi Le tecniche di analisi dei dati con cui si ricavano informazioni, si identificano schemi (pattern), si attivano decisioni aziendali e si attivano processi, possono essere quantitative e qualitative. Nell’analisi quantitativa i dati sono presentati in forma numerica, misurabili mediante dimensioni e metriche, verificati e valutati utilizzando tecni- che matematiche. Per esempio, il metodo Monte Carlo è una tecnica che stima la probabilità di risultati in condizioni incerte. La cross-tabulation utilizza la forma tabellare per trarre inferenze tra diversi insiemi di dati (data set). Un altro metodo predittivo è l’ analisi di regressione (semplice o multivariata). È un tipo di analisi statistica che determina le relazioni tra variabili indipendenti e dipendenti per determinare relazioni tra le varia- bili analizzate. Ulteriori esempi sono l’ analisi di coorte , sottoinsieme dell’analisi comportamentale che suddivide un determinato set di dati in gruppi correlati, e l’ analisi dei Cluster , una tecnica esplo- rativa che cerca di identificare strutture omogenee all’interno di un set di dati. L’analisi qualitativa dei dati riguarda invece le informazioni non misurabili in modo diretto e riconducibili, ad esempio, a contenuti verbali, testuali o soggettivi. L’analisi qualitativa è pure molto importante in quanto implica indagini e ricerche approfondite. I metodi sono principal- mente focalizzati sull’acquisizione di idee, ragio- namenti e motivazioni e si basano su due principali approcci: deduttivo e induttivo. L’approccio dedut- tivo è utilizzato quando lo scopo è di raccogliere dati che possono supportare e validare una teoria predeterminata. L’approccio induttivo, invece, viene utilizzato quando, non disponendo di molte informazioni, si mira a raccogliere dati su un processo di interesse per poi individuarne schemi e correlazioni. Lo scopo è sviluppare una teoria utile a spiegare schemi e ‘pattern’. Esempi di metodi di analisi qualitative sono la content analysis , utilizzata per identificare modelli in varie forme di comunicazione. Essa può rivelare modelli che indicano lo scopo, i messaggi e l’effetto di un contenuto. C’è poi l’ analisi descrit- tiva che risponde alla domanda ‘cosa è successo’. Il principale uso dell’analisi descrittiva nel mondo aziendale è quello di tenere traccia degli indicatori chiave di prestazione (KPI). L’ analisi diagnostica ha invece l’obiettivo di individuare le cause che hanno determinato un guasto o un evento anomalo basandosi sulle informazioni fornite dall’analisi descrittiva. L’ analisi predittiva consente di preve- dere gli eventi futuri e prendere decisioni autonome attraverso modelli statistici avanzati e il supporto dell’Intelligenza Artificiale. Essa consente appli- cazioni quali la pianificazione della manutenzione delle apparecchiature, la stima dell’inventario, la previsione della domanda. Infine, l’ analisi pre- scrittiva combina tutte le analisi precedenti per Rappresentazione modello CRISP-DM (fonte: Wikipedia)