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