48 / 68
FEBBRAIO 2017
FIELDBUS & NETWORKS
48
Fieldbus & Networks
Per
Olivini
è difficile confinare l’utilità di queste analisi: “Possiamo pen-
sare all’attività di service, che ha l’obiettivo di aumentare la disponibilità
degli impianti e prevenire i guasti, oppure all’R&D, in quanto grazie al data
analytics possiamo creare modelli virtuali dei processi utili alla progetta-
zione. Inoltre, nascono nuovi modelli di business basati sulla vendita della
prestazione effettiva di una macchina e non del bene stesso”.
Afferma
Randieri
: “I processi di analisi dei big data hanno subito nel
tempo numerose trasformazioni, che evidenziano un processo ancora oggi
in continua evoluzione sia in termini di tecniche sia di metodologie impie-
gate. Per capire meglio quali sono le aree di business interessate dall’a-
nalisi dei big data e quali vantaggi si possono ottenere occorre seguire il
percorso evolutivo che negli anni ha caratterizzato l’analisi dei dati con-
dotta tipicamente in azienda, per capire come si sia passati dall’analisi di
semplici query su tabelle relazionali, all’adozione dei sistemi di BI e come
i più avanzati strumenti di predictive analytics rappresentino oggi l’arma
più sofisticata a disposizione di quest’ultima. L’approccio all’analisi dei big
data permette di superare tutte le limitazioni dei classici software ERP. La
BI, facendo leva sul moderno concetto di big data, è un sistema di modelli,
metodi, processi, persone e strumenti che rendono possibile la raccolta
regolare e organizzata del patrimonio dati generato da un’azienda. Inoltre,
attraverso elaborazioni, analisi o aggregazioni, ne permette la trasforma-
zione in informazioni, la loro conservazione, reperibilità e presentazione in
una forma semplice, flessibile ed efficace, tale da costituire un supporto
alle decisioni strategiche, tattiche e operative”.
Secondo
Magro
i big data influenzeranno tutti i settori sociali, dalla pro-
duzione industriale alla pianificazione, al marketing alla medicina. “Il po-
tenziale è dirompente proprio perché la loro capacità di generare decisioni
più efficaci è trasversale, generando opportunità di business anche in
settori storicamente meno interessati da logiche di mercato, come la go-
vernance della PA. Gli ambiti che saranno coinvolti per primi sono quelli
in cui sono più mature le strategie di gestione digitale dei dati e che sa-
pranno sfruttare l’occasione dotandosi di strumenti operativi in grado di
generare vantaggi di mercato grazie a tecniche di profilazione mirata e
selettiva dei clienti”.
Ribadisce
Tieghi
: “I domini dei big
data industriali sono sia la produzione
industriale, sia l’erogazione di servizi
nelle utility. Si può quindi spaziare
dalla raccolta di dati da macchinari
e impianti nell’industria di processo
(oil&gas, food, beverage, CPG, life
science, cemento, vetro, chimica, pla-
stica, gomma, tessile, metalli e side-
rurgia ecc.) e nel manifatturiero, come
anche in acquedotti, nella produzione
e distribuzione di energia e gas, o nel
building e facility management. Per
fermarci solo a impianti ove vi siano dei sistemi di controllo automatici e
una gestione di dati da raccogliere e storicizzare sia per la compliance a
regolamentazione e contrattualistica, sia per analisi di efficienza, miglio-
ramento e ottimizzazione”.
Secondo
De Maestri
l’analisi dei big data è un’attività trasversale a molti
aree industriali: “Essa consente di svolgere l’attività di BI, la raccolta dei
dati finalizzati ad analizzare il passato, il presente e a capirne i fenomeni, le
cause dei problemi o le determinanti delle performance ottenute, fare previ-
sioni, simulare e creare scenari con probabilità di manifestazione differente.
La realizzazione della BI in azienda porta a un aumento delle performance
aziendali, generando vantaggi economici in termini sia di riduzione o eli-
minazione di alcuni costi, sia di incremento dei ricavi. Alcuni dei benefici
economici, facilmente misurabili, sono riconducibili all’individuazione dei
problemi e dei colli di bottiglia all’interno di un impianto in svariate aree,
l’ottimizzazione dei processi produttivi e del magazzino, la riallocazione delle
risorse lavorative, la visione chiara dei centri di costo e la riduzione costi”.
A parere di
Porro
quasi tutte le aree, dal marketing alla produzione, sono
interessate dalla rivoluzione dei big data: “Gli analytics cambiano il modo
in cui un’azienda prende le proprie decisioni più strategiche, dalla propria
mission sul mercato, al modo in cui il proprio prodotto e il relativo servizio
raggiungono il consumatore e lo fidelizzano”.
Sottolinea
Cupini
: “Nel settore test&measurement, in cui opera la nostra
azienda, uno studio di Frost&Sullivan dal titolo ‘Global Big Data Analytics
Market for Test&Measurement’, afferma che i costi di sviluppo dei pro-
dotti possono essere ridotti di quasi il 25%, i costi operativi di quasi il
20%, mentre i costi di mantenimento del 50% se l’analisi dei big data è
applicata in fase di test del prodotto. Quando si parla di big data in questo
contesto, poi, sempre più spesso bisogna considerare anche l’aggettivo
‘analog’. Ogni misura proviene da una sorgente analogica di segnale ed è
successivamente digitalizzato. Considerando che i dati analogici crescono
più velocemente e sono la tipologia di dati più ampia che si possa trattare,
trovare nuove correlazioni e prevedere i comportamenti futuri mediante
algoritmi di calcolo adattativi e di autoapprendimento (‘machine learning’)
sono la chiave per mantenere un vantaggio competitivo sul mercato. Per
fare questo, le aziende e in particolare i dipartimenti di progettazione, test
e validazione, avranno bisogno di migliorare le modalità di acquisizione,
garantendo un processing localmente alla sorgente di misura”.
F&N:
Quali sono gli strumenti oggi a nostra disposizione?
Motta
: “L’offerta di Rockwell Automation punta a espandere le capa-
cità di analisi dei dati all’intero processo produttivo, inclusi dispositivi,
macchine e sistemi, così come al resto dell’azienda. In questo approccio,
i sistemi analytics elaborano i dati in un contesto più vicino alla fonte di
decisione, a livello adeguato, per restituire il valore aggiunto più alto. La
mole dei dati prodotti da dispositivi di ultima generazione per il cloud
computing sono accessibili su una varietà di nuovi apparati mobili. Moni-
toraggio remoto, controllo delle prestazioni delle macchine, diagnostica
dei singoli sensori e soluzioni di manutenzione predittiva consentiranno
alle aziende di trarre valore dai propri dati in modo più rapido e semplice;
a livello aziendale queste soluzioni offrono modi più potenti per integrare
i dati dell’impianto nelle strategie di business intelligence”.
Tieghi
: “Occorre considerare tre aspetti nella catena per la gestione dei
big data industriali: la raccolta dei dati, la memorizzazione e la parte di
analytics. Per effettuare analisi corrette bisogna avere dati corretti, integri
e disponibili. In particolare, oggi si sente molto parlare di IoT o meglio
ancora di IIoT o IoIT (Industrial Internet of Things, ovvero di Internet of
Important Things). È quindi necessario avere sensori adeguati alle gran-
dezze fisiche che dobbiamo raccogliere, i trasduttori analogico-digitali e la
connessione tra sensore intelligente e gateway di comunicazione. Sono
importanti le comunicazioni industriali (bus, protocolli), tempi di scansione
e tempi di raccolta, bufferizzazione e normalizzazione delle misure. Sono
ancora importanti gli strumenti software e le architetture di sistema che
Francesco Tieghi,
ServiTecno