Si chiama ‘Big data for manufacturing’, abbreviato in BD4M, è la nuova piattaforma per estrarre valore dai Big data dell’Industria 4.0. Il progetto ha messo insieme le risorse e opportunità di diversi protagonisti dell’innovazione: capofila è la Bonfiglioli, con il Competence center Bi-Rex di Bologna e, tra gli altri, Sacmi, Robopac, Mep, Ima, BitBang, Poggipolini, Università di Ferrara e di Bologna.
La piattaforma di analytics punta a realizzare diversi obiettivi in termini di efficienza e smart factory. Innanzitutto: monitorare la qualità del processo produttivo; evidenziare comportamenti e correzioni nelle fasi operative; espandere il contenuto semantico dei dati; fare valutazioni diagnostiche predittive.
“La piattaforma innovativa è già stata testata su 4 casi d’uso industriali, dando importanti risultati”, sottolinea Marco Govoni di Bonfiglioli: accessibilità a tutte le informazioni sui flussi di produzione; informazioni e aggiornamenti disponibili in real time o near-real time, in modo da consentire processi decisionali più veloci.
E poi anche: identificazione di pattern sulla macchina e sulla linea produttiva; monitoraggio della qualità per le attività di produzione e assemblaggio.
“BD4M riguarda la creazione di una piattaforma per i Big data di generale applicabilità in ambito Industry 4.0”, rileva Govoni, “che permette lo stoccaggio, l’analisi e la visualizzazione dei dati provenienti da macchine automatiche e linee di produzione”.
È una piattaforma modulare “e installabile in praticamente qualsiasi ambiente computazionale, dall’Edge al Cloud, e per svilupparla sono utilizzate anche tecnologie Open source”, spiega Mauro Tortonesi, docente dell’Università degli Studi di Ferrara e coordinatore scientifico del progetto BD4M.
Che aggiunge: “potrà anche funzionare come supporto alle analisi basate su soluzioni di machine learning evolute, e fare da supporto a workload dinamici che processano dati variabili nel tempo”.
Guardando allo scenario più generale della manifattura italiana, molte grandi aziende e organizzazioni “hanno ormai superato l’approccio a silos, cioè hanno lavorato sull’integrazione di dati che provengono da diverse funzioni aziendali e dall’esterno”, fa notare Andrea De Marco di BitBang, tuttavia, “il livello di integrazione dei dati è solo una delle variabili d’interesse nel trattare il complesso e ampio tema del data management”.
Le principali difficoltà riscontrate dalle aziende nella fase di implementazione sono la scarsa qualità e integrazione dei dati, la mancanza o scarsità di competenze interne, la difficoltà di valutare i benefici del singolo progetto e infine il complesso coinvolgimento dell’utente business.
“Se la data strategy aziendale deve basarsi su tre pilastri – data management, data science e data literacy –, il rischio più frequente è quello di sviluppare e seguire percorsi sbilanciati”, osserva Cesare Stefanelli, docente dell’Università degli studi di Ferrara.
Che fa notare: “la volontà di sperimentare, con modelli analitici e algoritmi in continua evoluzione, è presente nella gran parte delle realtà; tuttavia, spesso non riesce a portare con sé tutta l’organizzazione in direzione di una valorizzazione piena dei dati a disposizione”. È proprio ciò che vuole permettere e realizzare un progetto come quello di Big data for manufacturing, mettendo insieme risorse e soluzioni di aziende e atenei dell’Emilia-Romagna ma anche di altre aree innovative del Paese.
