GLI ESPERTI
MODELLO DATA-DRIVEN Il modello da adottare per superare la prima limitazione diventa data-driven ( in contrapposizione a knowledge-driven ), che può concretizzarsi in numerose applicazioni : per esempio , monitorare l ’ andamento del processo produttivo , localizzare eventuali anomalie o problemi in tempo reale , identificarne le variabili con un ’ influenza significativa , correggere malfunzionamenti e migliorare i KPI di produzione . Ciò significa creare nuovi processi sempre meno dipendenti dalla knowledge della persona che li governa e sempre più autogovernanti . Di conseguenza , collegandoci alla seconda problematica riscontrata dalle PMI , sappiamo che per implementare una produzione data-driven è necessario dotarsi di strumenti e tecnologie in grado di creare repository di informazioni che nel lungo termine possano aiutare a migliorare il processo e renderlo meno dipendente dalle mani dei tecnici . Tuttavia , per munirsi di questi processi e per potere sopperire ai costi iniziali di implementazione le piccole e medie imprese devono raggiungere un ’ alta disponibilità economica o trovare il modo di attirare investimenti .
Marco Barbetta è cofounder e CTO di MATIX ( AzzurroDigitale ) e Presidente della Commissione Ingegneria dell ’ Informazione dell ’ Ordine degli Ingegneri di Padova
AI e Machine Learning , IoT e Advanced Analytics giocheranno un ruolo chiave nella gestione di grandi volumi di dati , permettendo alle aziende di analizzarli
LA SOLUZIONE Un ’ ottima soluzione per ottimizzare questa transizione è esternalizzare le competenze legate alla digital transformation e alla realizzazione dei processi data centric . Difatti , un ’ impresa non deve necessariamente mantenere in house il monitoraggio degli step di produzione , anzi , il suo outsourcing può costituire un vantaggio : un utente o un servizio esterno infatti , sono in grado di supervisionare i processi di fabbrica con un occhio più distaccato e lontano dalle dinamiche della quotidianità aziendale ; inoltre , trattandosi di meccanismi di miglioramento che non vanno a interferire con la continuità produttiva , di fatto non condividono gli stessi rischi di altre implementazioni cosiddette mission critical . Alla luce di questi fatti , la pianificazione di una Data Strategy diventa uno dei passaggi obbligati verso una produzione automatizzata efficace , la cui implementazione richiederà alle imprese l ’ adozione di soluzioni di business intelligence moderne ad hoc , oltre che di strumenti di reportistica avanzata per prendere decisioni informate e basate su dinamiche oggettive . In questo contesto , AI e Machine Learning , IoT e Advanced Analytics giocheranno un ruolo chiave nella gestione di grandi volumi di dati , permettendo alle aziende di analizzarli ; grande importanza dovrà poi essere data alla formazione interna per la democratizzazione dei processi di data governance . A quasi dieci anni dalla nascita delle smart factories , l ’ Industria 4.0 continua a evolversi adattandosi alle esigenze odierne dell ’ industria manifatturiera : le imprese che non adegueranno i loro processi produttivi verranno lasciate indietro nella corsa della quinta rivoluzione industriale .
| Industria 4.0 | Tecnologie Innovative | Automazione | www . thenextfactory . it 51