Il MES (sistema esecutivo di produzione) di Lantek è ancora l´asse portante del processo di produzione. Sono i processi della linea di montaggio, della produzione e quelli aziendali in senso lato, così come il loro costante miglioramento, ad incrementare realmente l´efficienza. L´analisi dei dati li renderà molto più efficaci rispetto a prima, ma di certo non li sostituirà. Un MES ampliato, arricchito dalla comprensione dei dati, è la vera risposta per il miglioramento dei processi di produzione nel nuovo paradigma Industry 4.0 ed è offerto da Lantek Analytics.

Non è ciò che sai, ma è quello che fai con ciò che sai. L´analisi dei dati aiuta a sapere molto di più e in modo più rapido. Essa combina tecnologie di scoperta e di analisi potenti e pienamente automatizzate che consentono ai produttori di utilizzare i dati aziendali per migliorare tutti gli aspetti delle loro operazioni, ad esempio ordinare parti e componenti, definire programmi di produzione, pianificare la manutenzione delle apparecchiature, prevedere le esigenze di inventario, scoprire strozzature nei processi, mantenere la qualità del prodotti e, in definitiva, soddisfare i clienti.

METODI

In un tipico progetto di analisi dei dati, il flusso di lavoro può essere sintetizzato dal processo CRISP-DM.

Conoscenza dell´azienda: porre innanzitutto le domande e poi cercare i dati (non viceversa). è richiesta una conoscenza approfondita dell´azienda. Numerose imprese di consulenza non riescono a comprendere la complessa attività del cliente. Lantek sa come fare!

Preparazione dei dati: la qualità dei dati è fondamentale. La maggior parte del tempo (all´incirca 60%-80%) investito in un progetto di analisi dei dati è speso per la raccolta, la preparazione, l´elaborazione, la pulizia e la manipolazione dei dati per preparare una tabella (set di dati) utilizzata successivamente per l´apprendimento automatico. Se la qualità dei dati è scarsa, si otterrà spazzatura ovunque!

Modellazione: l´apprendimento automatico (ML) è il motore che spinge la scienza dei dati. Ciascun metodo ML acquisisce dati, li trasforma in un modello di dati e fornisce una risposta. I metodi ML costituiscono la parte della scienza dei dati più difficile da spiegare. è lì che avviene la magia matematica.

I modelli di dati ipotizzano che il futuro si comporterà in modo simile al passato. Eventi imprevisti, come una crisi finanziaria mondiale o un disastro naturale, non possono essere integrati nel modello di dati.

è opportuno ricordare che i modelli di dati fanno sempre una previsione cui è associata una probabilità. Siamo tutti abituati alle previsioni del tempo e lì la probabilità associata è sempre presente.

Valutazione: a questo stadio si stimerà il valore dei propri modelli per soddisfare gli obiettivi aziendali e si considereranno i rischi quando la probabilità del modello è bassa o è classificata con falsi positivi e falsi negativi.

Sviluppo: quando il modello è pronto per l´uso sarà necessario disporre di una strategia per farlo funzionare in azienda. Un aspetto sul quale si vigila spesso è costituito dal fatto che questo sviluppo è possibile soltanto con un´elevata maturità aziendale e la volontà dei lavoratori di adattarsi ai nuovi processi guidati dai dati.

APPLICAZIONI

Tipi di analisi di dati e loro impiego nell´analisi della produzione.

• Descrittiva: cosa sta accadendo (visualizzazione).

Con l´analisi descrittiva, nota anche come Business Intelligence (intelligenza aziendale), i dati storici vengono visualizzati con strumenti software potenti e interattivi. I responsabili delle decisioni possono apprendere molto di più sulle loro aziende e adottare decisioni migliori grazie a quella conoscenza. Strumenti quali l´OEE (efficacia generale delle apparecchiature) vengono creati in tempo reale in modo da poter trovare in Lantek Analytics una soluzione per l´analisi della produzione.

• Diagnostica: perché sta accadendo (analisi della causa principale, inferenza).

Identifica la(e) causa(e) di un problema di produzione, ad esempio perché un processo presenta una strozzatura o la qualità è così scarsa.

• Predittiva: cosa potrebbe accadere (previsione).

L´analisi predittiva consente di guardare al futuro. La pianificazione della manutenzione delle apparecchiature, la stima dell´inventario e la previsione della domanda sono applicazioni tipiche.

• Prescrittiva: cosa occorre fare (automazione).

I sistemi di produzione automatizzati devono consentire di decidere in tempo reale sulla base di dati e di agire in modo pienamente automatizzato, creando un sistema cyber-fisico autonomo.