Analisi dei dati di produzione: come ottimizzare le Operations

Data Analytics: cosa significa analizzare i dati di produzione?

La produzione di dati e l’analisi dei dati non sono la stessa cosa.

Le aziende manifatturiere producono una grande quantità di informazioni su base giornaliera e persino oraria, ma il dato grezzo non è ancora un’informazione utile. Per ottenere un’indicazione utilizzabile, bisogna organizzare i dati, metterli in relazione e interpretarli nel contesto del processo.

L’analisi della produzione consiste proprio nell’individuare modelli e tendenze a partire dai dati raccolti durante le attività produttive.

Un aumento dei fermi macchina, per esempio, può essere un dato. Diventa un’informazione utile solo quando possiamo capire su quali macchine si verifica, con quale frequenza, in quali condizioni e con quale impatto sulla produzione.

Da dove arrivano i dati?

In uno stabilimento possono essere disponibili attraverso fonti differenti: PLC, macchine, sensori, sistemi SCADA, MES, ERP e applicazioni sviluppate per specifiche esigenze.

Molte aziende utilizzano già sistemi per raccogliere, archiviare e comunicare queste informazioni. Il problema può quindi non essere l’assenza totale di dati, ma la difficoltà nel metterli in relazione e renderli leggibili.

Nei contesti produttivi in cui parte delle informazioni viene ancora raccolta manualmente, inoltre, la disponibilità del dato può dipendere dai tempi di registrazione e dalla completezza delle attività svolte dagli operatori. Di conseguenza, i responsabili delle decisioni non sono posti nelle condizioni di reagire rapidamente ai cambiamenti di produzione e di mercato, mettendo l’azienda manifatturiera in una posizione di svantaggio.

E qui l’Industria 4.0 può fornire diversi vantaggi.

Quali vantaggi offre l’analisi dei dati nel manifatturiero?

Quando i dati di produzione vengono raccolti e analizzati in modo strutturato, possono supportare diverse attività delle Operations.

Ridurre i tempi di fermo

Analizzando lo stato e le prestazioni delle macchine è possibile individuare cambiamenti nel comportamento del processo e riconoscere più rapidamente le situazioni anomale.

Il dato, poi, può essere associato alla macchina, alla fase produttiva e alla durata dell’evento, fornendo una base più solida per l’analisi delle cause. In questo modo le informazioni raccolte possono supportare le attività di manutenzione e contribuire a ridurre i tempi di inattività.

Utilizzare meglio le risorse

L’analisi dei dati rende più visibile il modo in cui vengono utilizzati macchine, materiali e risorse produttive. Confrontando disponibilità, tempi di lavorazione, fermi e quantità prodotte, è possibile individuare dove una risorsa viene utilizzata meno del previsto o dove esiste un collo di bottiglia.

La disponibilità di dati aggiornati permette inoltre ai responsabili di produzione di intervenire con maggiore consapevolezza sulle attività del reparto. Ad esempio, l’analisi in tempo reale mostra ai responsabili della produzione dove spostare risorse per migliorare la produttività di una linea.

Migliorare la qualità

I dati di produzione possono essere analizzati anche per individuare tendenze relative a scarti, difetti e rilavorazioni.

Quando queste informazioni vengono associate alla linea, alla macchina, al lotto o alla fase di lavorazione, diventa più semplice capire dove si concentrano le non conformità.

L’analisi permette quindi di passare dal semplice conteggio degli scarti all’individuazione delle condizioni in cui il problema si verifica.

Ridurre sprechi e costi

L’analisi dei dati può mettere in evidenza inefficienze che non sono immediatamente visibili durante la normale operatività. Fermi frequenti, cicli più lenti del previsto, scarti, rilavorazioni o utilizzo non ottimale delle risorse possono essere analizzati attraverso dati storici e indicatori di performance.

Questo permette di definire interventi di miglioramento sulla base di informazioni misurabili e di verificare nel tempo il loro effetto.

Dove utilizzare l’analisi dei dati di produzione?

L’analisi dei dati può supportare diversi aspetti delle Operations. Alcune applicazioni sono particolarmente interessanti quando i dati vengono raccolti automaticamente dal processo e collegati ai sistemi già presenti in azienda.

Ecco alcune delle applicazioni più comuni nel contesto manifatturiero.

Monitoraggio delle macchine

Conoscere lo stato delle macchine in tempo reale permette di seguire il processo senza aspettare la raccolta manuale delle informazioni a fine turno. Stato operativo, allarmi, tempi ciclo e fermi possono essere acquisiti direttamente dal campo e utilizzati per costruire indicatori KPI e sistemi di monitoraggio.

In questo modo il responsabile di produzione può avere una visione più aggiornata di ciò che sta accadendo nel reparto.

Analisi delle performance produttive

I dati provenienti dalle macchine possono essere utilizzati per calcolare e seguire KPI come:

• quantità prodotta;
• tempo ciclo;
• fermi macchina;
• scarti;
• microfermate;
• OEE.

Il valore del KPI dipende però dal contesto in cui viene letto. Un OEE, per esempio, può segnalare una perdita di performance, ma per capire dove intervenire bisogna poter risalire alle cause che hanno determinato quel valore.

Per approfondire questo tema puoi leggere il nostro articolo dedicato ai KPI di produzione.

Gestione della qualità

L’analisi dei dati permette di seguire l’andamento della qualità e individuare eventuali ricorrenze.

Un aumento degli scarti può essere analizzato in relazione al codice prodotto, alla macchina, al turno o alla fase produttiva. In questo modo il dato può diventare un punto di partenza per individuare la causa del problema.

La stessa logica può essere applicata alle rilavorazioni e ai difetti rilevati durante i controlli.

Supporto alla manutenzione

L’analisi degli eventi macchina può fornire informazioni utili per le attività di manutenzione. Storico dei guasti, frequenza dei fermi e variazioni dei parametri operativi permettono di individuare comportamenti anomali e di confrontare le condizioni della macchina nel tempo.

Quando i dati vengono raccolti con continuità, la manutenzione può quindi basarsi su informazioni più complete rispetto alla sola segnalazione del guasto.

Analisi dei flussi produttivi

Non bisogna analizzare soltanto la singola macchina. Collegando dati provenienti da più fasi operative è possibile osservare il flusso complessivo e individuare tempi di attesa, accumuli, colli di bottiglia e punti in cui il processo perde continuità.

Questa visione è particolarmente utile quando le prestazioni di una fase dipendono da quelle delle fasi precedenti o successive.

Il ruolo di IIoT ed Edge Computing

Per analizzare i dati di produzione bisogna prima riuscire a raccoglierli in modo affidabile. Qui entrano in gioco tecnologie come l’IIoT (Industrial Internet of Things) e l’Edge Computing.

Sfruttando soluzioni IIoT, i dati possono essere acquisiti direttamente da macchine, PLC e sensori e convogliati verso sistemi dedicati alla raccolta e all’elaborazione. L’Edge Computing permette di portare parte di queste funzioni vicino alla fonte del dato, con la possibilità di filtrare, elaborare e rendere disponibili localmente le informazioni prima di trasferirle ai sistemi centrali.

Per approfondire questo aspetto puoi leggere il nostro articolo su IoT ed Edge Computing.

Dal dato grezzo all’informazione

Un dato proveniente da una macchina è utile soltanto quando è possibile capire a cosa si riferisce, quando è stato rilevato e in quale contesto va interpretato.

Prendiamo un segnale semplice: stato macchina = STOP.

Da solo dice poco. Per trasformarlo in un’informazione di produzione bisogna sapere, per esempio, quale macchina è coinvolta, in quale momento si è verificato l’arresto, quale ordine era in lavorazione, quale prodotto veniva processato e quanto è durata la fermata. Se disponibile, è utile conoscere anche la causa associata all’evento.

La stessa logica vale per una quantità prodotta, un tempo ciclo o un parametro di processo. Un valore numerico acquisito senza unità di misura, timestamp, riferimento alla risorsa o collegamento con la lavorazione a cui appartiene perde gran parte del suo significato.

Per questo un’architettura di raccolta dati deve occuparsi anche della contestualizzazione del dato.

I segnali provenienti da fonti diverse devono essere raccolti con una struttura coerente, sincronizzati temporalmente e associati alle entità che descrivono il processo: macchina, linea, ordine, lotto, codice articolo, fase di lavorazione o turno.

Anche la frequenza di acquisizione va definita in funzione dell’obiettivo. Per analizzare una microfermata può servire una granularità molto maggiore rispetto a quella necessaria per una reportistica giornaliera.

Un altro aspetto riguarda la qualità del dato. Valori mancanti, segnali duplicati, cambi di unità di misura o stati macchina interpretati in modo diverso tra impianti possono alterare l’analisi anche quando la quantità di dati disponibile è elevata.

Solo dopo questi passaggi il dato può essere aggregato, confrontato e trasformato in KPI, eventi, trend o indicatori utilizzabili dalle Operations.

Analisi dei dati e sistemi di gestione della produzione

I dati raccolti dalle macchine diventano ancora più utili quando vengono collegati agli ordini e alle attività di produzione, quindi all’ERP e al MES.

Un MES può mettere in relazione informazioni provenienti dal campo con ordini di lavoro, lavorazioni, materiali, risorse e stato di avanzamento della produzione. In questo modo è possibile costruire una visione più completa delle Operations, collegando ciò che accade sulla macchina a ciò che sta accadendo nel processo.

Un esempio concreto è il progetto realizzato per un’azienda del settore legno, per la quale abbiamo sviluppato un sistema MES che gestisce le linee e raccoglie in tempo reale i dati provenienti dai PLC, li memorizza in un database e li rende disponibili attraverso strumenti di analisi e visualizzazione.

Visualizzare i dati per prendere decisioni

L’analisi non termina con la raccolta e l’elaborazione: le informazioni devono arrivare alle persone che le utilizzano, attraverso interfacce adeguate al loro ruolo.

Un operatore può avere bisogno di sapere perché una macchina è ferma, mentre un responsabile di produzione può voler confrontare le performance di più linee, e un responsabile di manutenzione può aver bisogno dello storico degli allarmi e dei fermi.

Una dashboard industriale progettata intorno a queste esigenze può rendere leggibili grandi quantità di dati senza costringere l’utente a cercare manualmente le informazioni.

Le app industriali web-based permettono inoltre di rendere accessibili dati e indicatori da diverse postazioni e dispositivi, con interfacce sviluppate in funzione del processo.

Il dato diventa utile quando permette di agire

Avere più dati non significa automaticamente avere più controllo sulla produzione. Come detto sopra, il valore dell’analisi sta nella possibilità di collegare un’informazione a una decisione.

• Se una linea presenta un aumento dei fermi, bisogna poter individuare dove e quando si verificano.
• Se gli scarti aumentano, bisogna poter risalire al prodotto, alla fase o alla condizione di processo coinvolta.
• Se una macchina produce meno del previsto, bisogna capire se il problema riguarda velocità, disponibilità, microfermate o qualità.

È questo passaggio che sa trasformare l’analisi dei dati da attività di reporting a strumento di miglioramento continuo.

Da dove partire con l’analisi dei dati di produzione?

Un progetto di Data Analytics dovrebbe partire dal problema che si vuole comprendere. Prima di decidere quali strumenti utilizzare, conviene individuare quali informazioni servono realmente alle Operations, da quali macchine o sistemi possono essere recuperate e chi dovrà utilizzarle. Da qui si possono definire l’architettura di raccolta, i sistemi di elaborazione, gli indicatori da monitorare e le modalità di visualizzazione.

Questo approccio permette di costruire una soluzione coerente e integrata con il processo produttivo e con le tecnologie già presenti in azienda.

In Eureka System partiamo dall’analisi del processo e sviluppiamo soluzioni su misura per raccogliere, integrare, analizzare e visualizzare i dati provenienti dagli impianti. A seconda delle reali esigenze del progetto, le nostre soluzioni comprendono sistemi di Edge Computing, applicazioni web industriali, MES/MOM, SCADA e altri strumenti per la gestione delle Operations.