Gemello digitale, Analytics, bigdata, Iot rappresentano oggi i mantra di quella che viene chiamata Industria 4.0 . E come tutti i mantra corrono il rischio di essere parole, il cui significato e la cui implementazione non sia cosi immediata. È sicuramente necessario fare un po’ di chiarezza in questo contesto, al fine di ottenere dei sistemi di raccolta ed analisi dati che portino effettivamente valore aggiunto ai processi aziendali. L’architettura di riferimento è riportata in figura in basso, e mette al centro la possibilità di aprire i dati a servizi di analisi dei dati aziendali oppure aprire a terzi parti l’opportunità di servizi con quei dati, che possono creare valore nella misura in cui sono lasciati liberi di creare valore.

Non va poi dimenticato che il tema della rappresentazione dei dati è quello più sottovalutato, ma forse è la vera chiave del successo, perché se i dati non sono rappresentabili, usabili dagli operatori hanno poche potenzialità.

Questa è solo una architettura di riferimento, ma sicuramente una delle più promettenti che pone il centro nella definizione dei servizi.

Come iniziare a progettare un sistema di raccolta e analisi dei dati

Da dove si inizia allora? La tentazione è di riempire il sistema di sensori e di sistemi di acquisizione che riversino i dati in uno sistema di raccolta. Ma questo più che creare valore, rischia di portare costi nascosti che alla lunga si rivelano importanti. Il tema chiave non è l’IoT o i protocolli di raccolta dati, che rappresentano una tecnologia abilitante e non il punto chiave. Cosi come non lo sono i sensori o sistemi di visione, che ancora una volta sono oggi sempre più promettenti e niente più che una tecnologia abilitante.

Ma il punto di partenza è altrove: è il modello matematico/informatico del processo, del macchinario e del prodotto che si vuole monitorare. Questo è il tema del gemello digitale, che ha lo scopo di fornire un livello di conoscenza molto approfondita del fenomeno e nello stesso tempo permette di individuare gli elementi da monitorare al fine di ottenere delle analisi molto accurate.

Il gemello virtuale non è altro che il benchmarking che servirà per analizzare i dati raccolti al fine di capire come si discostano le performance effettive da quelle teoriche o di progetto.

Definire delle metriche che permettano di analizzare i propri dati è un processo da fare a priori, perché indubbiamente aiuta a razionalizzare. E quasi tutte le architetture di riferimento sono d’accordo nel mettere al centro questa tecnologia nel processo di raccolta e soprattutto di analisi dei dati.

Ma quanto complesso deve essere questo modello digitale? La complessità dipende dalla complessità del fenomeno da monitorare: esistono modelli di simulazione multifisica, modelli black box, sistemi basati su apprendimento (machine learning) e tanto altro.

La metodologia parte dalla realizzazione di un modello matematico del sistema utile come benchmark delle prestazioni. Questo modello, definito in fase di progettazione, è utile sia alla simulazione del sistema permettendo una prototipazione virtuale precedente alla realizzazione del macchinario, ma una volta validato sul sistema costruito può essere usato come strumento di confronto delle prestazioni. Fornendo in ingresso al modello i parametri di processo, questi è in grado in real-time di fornire le performance attese e nello stesso tempo confrontarle con quelle misurate. Analizzando gli scostamenti tra questi due insiemi di misurazioni per esempio, virtuali e reali, è possibile arrivare ad un’ottima determinazione delle performance.

Il cuore è rappresentato da rendere in grado i clienti, operatori e manager di poter fruire dei dati e di crearne un vero valore.

La sfida oggi imparare a pensare la raccolta e l’analisi dei dati, non un mero fatto tecnologico ma come una strategia aziendale fortemente orientata alla creazione del valore aggiunto.