Come può usare l'impronta digitale d'oro per sfruttare il sangue

Per i dipartimenti IT che cercano attivamente di sfruttare la tecnologia Internet of Things (IoT) per avere un impatto positivo su un processo di produzione, c'è un termine importante che devono conoscere e non solo perché sembra che qualcosa che Indiana Jones avrebbe potuto inseguire una volta: The Golden Impronta digitale. Ho parlato con Bart Schouw, vicepresidente della tecnologia e delle alleanze digitali presso Software AG, alla fiera CEBIT che si terrà questa settimana ad Hannover, in Germania, sul perché esattamente questa impronta digitale sia color oro e cosa significhi per l'IT.

"L'impronta digitale d'oro è una metafora", ha spiegato Schouw, e ha continuato dicendo che era come una prova chiave in un romanzo poliziesco. Ma nell'azienda, può essere applicato a un processo di produzione per determinare quando vengono soddisfatte le condizioni per produrre quello che Schouw definisce un prodotto perfetto.

Trovare l'impronta digitale d'oro è un processo iterativo, un modello di attività che si verifica quando i dati vengono registrati durante la produzione e salvati in modo da poter confrontare una serie di cicli di produzione nel tempo. Allo stesso tempo, l'output della fabbrica viene valutato in modo da registrare il successo di ogni ciclo di produzione, insieme ai dati registrati durante la produzione. Fatto correttamente, il risultato è una sorta di impronta digitale che consiste nella totalità degli input delle apparecchiature di produzione - sensori che hanno registrato lo stato del prodotto durante la produzione - e una metrica di successo generale per il risultato del processo.

Il processo di impronte digitali è stato originariamente sviluppato per l'industria chimica, ma Schouw ha affermato che è generalmente applicabile alla maggior parte dei tipi di produzione. Un produttore di automobili, ad esempio, avrebbe una documentazione sulla provenienza di ciascun componente, le temperature durante la verniciatura, le letture della coppia per ogni vite o bullone e le letture dei saldatori del robot durante la costruzione del telaio. Quindi, quando l'auto viene prodotta, la qualità della produzione viene monitorata quando l'auto viene revisionata o quando i difetti vengono riparati.

Apprendimento automatico nella produzione automatica

Applichiamo lo scenario a un'ipotetica fabbrica di automobili. Man mano che viene prodotta ogni vettura, le letture vengono monitorate durante il processo di produzione end-to-end e confrontate con le precedenti produzioni. Supponiamo che si verifichi un problema, ad esempio un bullone che viene serrato con una coppia errata. Tale problema è stato registrato e ora può essere corretto prima che l'auto venga venduta. Alla fine, i macchinari di produzione possono essere calibrati in modo che tali errori non si verifichino e che i veicoli vengano spediti senza difetti significativi.

"A volte, soprattutto nell'industria di processo, non è chiaro quali condizioni portino effettivamente al prodotto perfetto", ha affermato Schouw. "Quindi con l'apprendimento automatico e i nuovi strumenti di visualizzazione dei dati, puoi effettivamente prendere i dati di una corsa di produzione che ha portato al lotto perfetto di prodotto. Quindi puoi chiedere agli strumenti di apprendimento automatico di tornare indietro e trovare modelli simili nei dati."

Come prevedibile, qualsiasi tipo di produzione complessa richiederebbe migliaia di singoli punti dati per ogni ciclo di produzione per disporre di dati sufficienti per un'impronta digitale significativa. Ciò, a sua volta, richiede sensori che misurano lo stato del prodotto in qualsiasi momento, nonché lo stato degli strumenti e dei macchinari di produzione durante il loro utilizzo. È qui che la tecnologia IoT e il reparto IT possono brillare.

Al completamento di ogni ciclo di produzione, i dati di quel ciclo possono essere visualizzati come un modello di eventi che portano al prodotto. Ciò richiede sensori e strumenti collegati in rete e un mezzo per registrare quegli eventi. Richiede anche software specializzato per eseguire le valutazioni. Schouw ha affermato che questa parte diventa un caso d'uso importante per l'intelligenza artificiale (AI) e l'apprendimento automatico.

Tracciamento dei dati di produzione in tempo reale

Questo è il punto in cui IT e produzione si incontrano. Il reparto IT deve consolidare la grande quantità di dati di ciascuna serie produttiva e quindi utilizzarla per confrontare ogni serie con l'impronta digitale d'oro della serie perfetta. Poiché la corsa viene analizzata in tempo reale, viene anche confrontata con le corse precedenti in modo che sia possibile determinare con largo anticipo quando è improbabile che una corsa abbia esito positivo.

Nella produzione di processo, potrebbe essere possibile apportare modifiche ai parametri di produzione anche se stanno accadendo per avvicinare la corsa all'impronta digitale dorata. La capacità di visualizzare una corsa durante la produzione e di determinare in anticipo quando una corsa non avrà successo può produrre risparmi significativi - non sprecando ulteriore materiale in una corsa che non avrà successo e non perderà altro tempo.

Schouw ha indicato Trendminer come un esempio di un'azienda che produce software basati sull'intelligenza artificiale in grado di trovare l'impronta digitale dorata e di monitorare il processo di produzione in tempo reale. Ha anche condiviso che Software AG ha pianificato di acquisire Trendminer.

Rendere la produzione più efficiente

Tuttavia, i risparmi sui costi e gli aspetti di qualità superiore non sono tutto ciò che è necessario per l'IoT e la produzione. Schouw ha spiegato che un altro aspetto dell'utilizzo dell'apprendimento automatico nella produzione riguarda il tracciamento della curva F (la "F" sta per guasti, che vengono tracciati per una fabbrica nel tempo). Quando si traccia la curva F, si esegue effettivamente l'impronta digitale della fabbrica anziché del prodotto, a partire dal momento in cui viene costruita la fabbrica per la prima volta, quindi quando viene messa in servizio e infine quando viene chiusa perché la percentuale di guasti raggiunge livelli inaccettabili come l'età delle strutture produttive.

Tracciando le condizioni che contribuiscono al fallimento della produzione nel tempo, è possibile ridurle a livelli accettabili fino a raggiungere il punto di rendimenti decrescenti: quando è troppo costoso continuare a riparare le cose e, invece, ha più senso ricostruire la fabbrica.

L'importante è che, coinvolgendo l'IT direttamente nel processo di produzione, la produzione diventa più efficiente e ci sono meno sprechi e meno difetti. E l'azienda risparmia. Fatto correttamente, i risultati vengono visualizzati quasi immediatamente. Per i dipartimenti IT nelle aziende manifatturiere, l'impronta digitale dorata ha un eccellente senso come punto di partenza per l'integrazione dell'IoT nel cuore stesso del business.