Quando siamo alla guida, prevedere il comportamento di un altro automobilista ci permette solitamente di evitare l’incidente. L’analisi dipende da svariati fattori, primo fra tutti, la nostra esperienza al volante, la capacità di interpretare i dati che ci circondano, la velocità dei mezzi, tempi di frenata, spazi di sicurezza. Siamo quindi in grado di simulare comportamenti, creare un modello e applicarlo alla situazione. E questo in una frazione di secondo.
In modo del tutto analogo, le aziende, grazie alla grande quantità di dati raccolti, possono applicare virtuose strategie di manutenzione predittiva, evitando non solo il singolo guasto, ma creando un modello di gestione valido per il futuro. Per farlo occorrono dati, molti dati, materia prima che ultimamente di certo non difetta all’interno delle aziende. A mancare, piuttosto, è la capacità di metterli a valore o “a terra”, rendendoli fruibili e accessibili tanto al management quanto a chi opera direttamente in linea.
Per farlo sono necessari strumenti evoluti, piattaforme in grado di estrarre, validare, elaborare, restituire e permette la condivisione dei dati ottenuti durante tutto il percorso della supply chain. Ne abbiamo parlato con Francesco Biasi, Senior Sales Engineer e Business Intelligence Architect di MicroStrategy, una tra le più importanti aziende a livello globale ad offrire soluzioni di Business Intelligence (BI).
Indice degli argomenti
I dati devono essere alla portata di tutti
In un settore altamente performante e ricco di informazioni come quello manifatturiero e industriale diventa quindi vitale fornire ai responsabili l’accesso diretto ai dati. “Il vero problema – puntualizza Biasi – è che spesso le persone non sanno dove andare a prendere i dati o non hanno le competenze tecniche per farlo. Ma sanno anche di averne un assoluto bisogno. La soluzione ottimale sarebbe quella di disporre di un’interfaccia semplice nell’utilizzo che, grazie al drag and drop, permetta di personalizzare, magari sfruttando delle dashboard predefinite, il proprio accesso alle informazioni. Strumenti avanzati di Business Intelligence sono sicuramente la risposta a questo problema. E più facilmente gli utenti potranno interagire con i dati, più velocemente scopriranno come la BI possa essere funzionale e insostituibile per i loro bisogni.”
“Altrettanto importante – continua Biasi – è facilitare ogni categoria di utenti, includendo nel novero anche gli operatori di linea. La Business Intelligence permette di creare uno storytelling del dato facilmente interpretabile sia dal punto di vista grafico, sia da quello numerico. Informazioni più ricche e strumenti no-code/low code di BI permettono di abilitare modalità self-service accelerando il percorso di adozione. Ovviamente quando parliamo di dati riferiti alla manutenzione predittiva siamo parlando di fonti eterogenee di dati, arricchiti da tutte le rilevazioni dell’odierna sensoristica IoT, volumi “trattabili” per la loro mole solo con strumenti di Intelligenza Artificiale e algoritmi di machine learning”.
Uno dei temi più caldi nel mondo industriale è ovviamente quello che riguarda i costi di manutenzione delle linee produttive. Un progetto di manutenzione predittiva è un progetto a lungo periodo che impegna anche economicamente qualsiasi azienda. Il pericolo di lock-in può essere un ostacolo all’innovazione, ma c’è un modo per evitarlo. “Legarsi alla customizzazione lo sappiamo tutti può essere pericoloso”, sottolinea Biasi. “Occorre ricercare soluzioni facilmente integrabili, aperte, in cui gli strumenti low code / no code consentano anche a chi ha minori competenze di sviluppare in proprio. La centralità della soluzione è preferibile a una nuvola di strumenti magari specifici ma che richiedono continui aggiornamenti da parte di svariati system integrator. E questo è proprio il caso della soluzione MicroStrategy. Ogni nostro partner può offrire alle aziende un ambiente di sviluppo altamente personalizzabile e facilmente distribuibile, soprattutto nel caso di applicazioni mobili pensate per gli addetti in linea e i manutentori. L’aggiornamento “a monte” e centralizzato permette una distribuzione più organica, sicura e agile. Questo permette a un’azienda che voglia sviluppare un progetto di manutenzione predittiva di poter valorizzare velocemente l’investimento fatto e di contare, nel tempo, di un supporto continuo e soprattutto affidabile. E non è poca cosa.”
Ne è un esempio Weiler, affermato brand leader nel settore globale degli abrasivi a legante che ha scelto MicroStrategy per analizzare i dati critici in tempo reale. Weiler è riuscito così a ridurre dell’85% i tempi di fermo macchina per la produzione di spazzole. Inoltre, grazie ai mobile analytics, i responsabili di sala possono mantenere in funzione le operazioni in modo efficiente e monitorare in modo più efficace l’area di produzione.
Single version of the truth: l’importanza di un’adeguata governance del dato
Come emerge dal confronto con Biasi, anche nel campo della manutenzione predittiva la validità e unicità del dato, un valore che ogni azienda data-driven deve perseguire, è strategica. “In campo, da quello industriale a quello finanziario è necessario governare l’informazione”, evidenzia Biasi. “E per applicare in modo ottimale AI e machine learning è necessaria un’attenta certificazione dei dati. La loro centralità aiuta a validare queste informazioni. Unificare non vuol dire però avere informazioni meno ricche ma solo più sicure. Il tempo perduto nella ricerca di dati ogni volta diversi impedisce di fatto ai responsabili di poter lavorare su informazioni univoche e di definire con precisione la realtà aziendale. Governare centralmente il dato vuol dire fornire ai team preposti alla sua analisi un pillar stabile sui cui sviluppare e distribuire applicazioni, accelerando così i processi di creazione e adozione”.
“Gli operatori lavorano sempre con l’ultima versione dell’applicazione ma, soprattutto interagiscono con dati univoci, una realtà condivisa a livello aziendale. Noi la definiamo “single version of the truth”. Come avviene per la manutenzione in ambito industriale possiamo sviluppare analoghe politiche di manutenzione del dato, facilitate da continui controlli e KPI sempre definiti in modo centralizzato.”
Il vantaggio dell’HyperIntelligence in una politica di manutenzione predittiva
Spiega Biasi: “L’HyperIntelligence rivoluziona completamente la metodologia di approccio ai dati. Non si tratta più di una dashboard ma di schede (“cards”) contestualizzate che raggiungono l’utente nell’ambito applicativo. Anche in presenza di applicativi legacy che non contengono determinate informazioni è possibile “iniettare” dati tramite semplici plug-in facendo apparire schede informative contestualizzate. Possiamo dire che le informazioni ti raggiungono nel momento in cui ne hai più bisogno”.
“È possibile abilitare QR Code per fornire dati, schemi, informazioni essenziali al completamento di una data operazione. Immaginiamo, per esempio, un manutentore di un traliccio elettrico che dal suo dispositivo mobile possa visualizzare partendo da QR Code tutte le informazioni relative allo stato di salute di quella struttura, ai dati rilevati in tempo reale dai sensori, allo storico dei rilevamenti. L’HyperIntelligence evidenzia, nel contesto specifico, i dati necessari al completamento della procedura di manutenzione. In questo modo permettiamo ai fruitori dei dati da disponibili mobile, come tablet e smartphone, di avere un’alta interattività, superando quella che è normalmente una pura consultazione di dashboard.”
