Come possono le aziende manifatturiere affrontare sfide di crescente importanza come quelle rappresentate dalla personalizzazione di massa, dal just in time e dalla Now Economy? Secondo la multinazionale americana attiva nella produzione di semiconduttori e di circuiti integrati Analog Devices, è fondamentale che le macchine dello shopfloor siano dotate di sensori assistiti dall’intelligenza artificiale. Perché? Perché per fronteggiare le citate challenge, le imprese devono dotarsi di due particolari capacità.
La prima è la flessibilità produttiva, e quindi l’abilità di riconfigurare lo shopfloor per realizzare, in modo rapido ed efficiente, un’ampia gamma di prodotti. Si ottiene con la convergenza tra la rete industriale e quella informatica, che consente il controllo effettivo della fabbrica. La seconda è la visibilità real time lungo tutta la catena del valore, perché i supplier devono sapere cosa fornire al momento giusto. Ma c’è una pre-condizione, per ottenere queste due capacità: una selezione dei dati fatta a livello di sensore: non si estrae valore da un flusso disordinato di informazioni, che complica e rallenta analisi che vanno realizzate real time. L’esame, in edge o in -cloud, deve riguardare solo quelle “utili”, quelle che servono ad una certa applicazione.
Ma chi decide quali siano le informazioni rilevanti? Gli algoritmi di AI. Nell’offerta di Analog Devices ci sono pertanto microcontrollore con processore embedded come ADuCM4050, o la piattaforma Cog, che è in grado di selezionare e elaborare i dati provenienti da più sensori. Questo articolo trae spunto dall’evento online “Adaptable Industry 4.0: Leveraging Automation for a Changing World”, organizzato dalla multinazionale americana. Hanno partecipato Martin Cotter, senior vice president di Analog Devices, Ken Creasy, senior director capability center di Johnson & Johnson, Sujeet Chand, cto di Rockwell Automation.
I nuovi trend della manifattura
1) La personalizzazione di massa e il just in time
«Il demanding enviroment è cambiato in modo drammatico» – ha affermato Creasy. Ad esempio, uno dei trend che sta attraversando la manifattura e che sta accelerando sempre più è la personalizzazione di massa. Si tratta di una strategia di produzione di beni e servizi orientata a soddisfare i bisogni individuali dei clienti e contemporaneamente preservare l’efficienza della mass production, in termini di bassi costi di produzione e quindi prezzi di vendita contenuti.
2) Il just in time
Per Just in time, invece, significa produrre solo quanto richiesto dal cliente nei tempi voluti da quest’ultimo; la pratica è finalizzata alla riduzione di tutte le forme di spreco che si realizzano all’interno della fabbrica e nei rapporti di fornitura; e, in buona sostanza, all’eliminazione del magazzino. Per certi versi, la customizzazione di massa e il just in time possono apparire in conflitto: l’aumento del numero teorico dei componenti dovrebbe corrispondere alla realizzazione di enormi apparati di storage. Non è così, anzitutto perché tutto passa attraverso la tecnologia: macchine flessibili possono creare, di volta in volta, quel pezzo, con quella scritta; o produrre quella pasta, secondo quella ricetta.
3) La Now Economy
Il just in time si sta evolvendo in Now Economy. È la produzione in contemporanea con le richieste del cliente, tenendo conto delle preferenze del consumatore nel momento in cui vengono espresse. Persone, aziende e servizi sono continuamente e in tempo reale connessi fra loro, grazie alla mediazione di periferiche digitali “smart”; pertanto è possibile scegliere, acquistare e condividere prodotti, informazioni e conoscenze real time. È un’interazione permanente, ed è un fenomeno che impatta a cascata su tutta la filiera, partendo dalle industrie manifatturiere, passando poi per i costruttori di macchine e di impianti e arrivando, infine, ai produttori di tecnologie di automazione. Si pensi al cliente finale che, entrando in un sito web aziendale dotato di configuratore, si collega agli apparati produttivi per ottenere l’estrema customizzazione del prodotto. Se prima era prerogativa della fabbrica decidere il da farsi, ora è del consumatore. È un salto logico, programmatico e fattuale. E ci deve essere tutto un mondo in grado di consentire al cliente di ottenere tutto questo.
La flessibilità e la visibilità
1) La flessibilità produttiva
Si è già accennato alla flessibilità produttiva. Come si ottiene? Secondo Chand occorre spingere verso la convergenza tra IT e OT. Di che si parla? Dell’interoperabilità tra la rete industriale, grazie alla quale un’azienda può gestire l’attività di una pluralità di macchinari e di processi, e quella informatica, che serve a memorizzare, recuperare, trasmettere e elaborare dati. Grazie alla comunicazione biunivoca tra gli ambienti IT e OT, le aziende possono esercitare un controllo puntuale ed effettivo su tutte le fasi del processo e pertanto strutturare le linee in moduli che possono essere ri-assemblati al variare del tipo e del volume della produzione. Per Cotter, ai fini della convergenza, «il ruolo dei sensori è molto rilevante, visto che sono quei devices che non solo raccolgono i dati, ma anche misurano le grandezze, e quindi consentono di trasformare le informazioni in azioni». Da questo punto di vista, gioca un ruolo rilevante il software “incapsulated”; ma ce ne occuperemo in seguito.
2) La visibilità di filiera
Secondo Creasy, il fatto è che «i trend non riguardano la singola azienda, né quest’ultima può trovare da sola le soluzioni». Le tendenze, i problemi e le risposte attengono all’ecosistema del quale un’impresa fa parte. Si pensi alla Now Economy: come rispondere immediatamente alle esigenze del cliente senza realizzare una previa, e strettissima, organizzazione con i supplier? Anche loro devono sapere ciò di cui ha bisogno l’azienda in un preciso momento. «Occorre una visibilità real time lungo tutta la supply chain» – ha affermato Creasy – che non è così semplice da ottenere. Per Cotter, «la difficoltà è dovuta al fatto che oggi la tecnologia si evolve con una rapidità sconosciuta in passato, e quindi quella di cui dispone un’azienda non è sempre integrabile con quella delle imprese partner. Ma questa convergenza è necessaria, perché oggi i problemi dell’end-user non sono risolti da una singola società, ma da un ecosistema imprese motivate che lavorano insieme senza soluzione di continuità».
Per Chand, per capire come realizzare la visibilità end-to-end all’interno della filiera, occorre considerare la seguente successione: sensing-processing-optimizing. «I dati sono captati dai sensori delle macchine, e poi processati per trarne informazioni con un valore aggiunto; successivamente sono utilizzate per ottimizzare processi e prodotti, e tutto questo a livello di filiera». In tutto ciò, per Chand, Analog Devices svolge un ruolo molto importante: «quello di integrare nei sensori la tecnologia dei semiconduttori avanzati, che consentono di ottenere ed elaborare le informazioni in tutta sicurezza».
Sensori assistiti dall’intelligenza artificiale
1) I sensori intelligenti aiutano a conseguire gli obiettivi di flessibilità e visibilità
Perché il “sensing” è così importante sia per la flessibilità produttiva che per la visibilità? Ovviamente perché sia l’una che l’altra dipendono dalla raccolta real time dei dati, che viene appunto effettuata dai sensori. Solo che raccogliere tutti i dati possibili e archiviarli nel Cloud, nella speranza che vengano successivamente valutati non è un approccio particolarmente efficace in termini di estrazione di valore – benché molto diffuso nel contesto manifatturiero. In realtà, in questo modo, gran parte del potenziale per generare valore rimane inutilizzato; e di conseguenza gli obiettivi di flessibilità e visibilità non possono essere conseguiti dall’azienda utente e dalla sua filiera. Occorrerebbe, in realtà, che fosse il sensore a “decidere” quali sono i dati rilevanti per una certa applicazione, da inoltrare ad un livello di elaborazione più elevato o centralizzato.
L’elaborazione tramite algoritmi di intelligenza artificiale consente infatti l’analisi automatizzata di dati di sensori complessi. Attraverso questo esame, si ricavano automaticamente le informazioni desiderate e, quindi, il valore aggiunto. In realtà perché il meccanismo funzioni nel migliore dei modi, occorrerebbe implementare l’AI lungo l’intera catena dell’elaborazione, in modo da generare il massimo valore aggiunto possibile. Qui ci soffermiamo al livello di “sensing”, essendo il campo di cui si occupa Analog Devices. Ci sono altre tre circostanze di cui dobbiamo tener conto: la prima è che normalmente un piccolo sensore dispone di risorse computazionali limitate; la seconda è che è spesso necessario considerare le dipendenze tra più sensori: per compiti complessi, semplici valori di soglia non sono sufficienti; la terza è che è tipicamente più vantaggioso implementare gli algoritmi il più vicino possibile al sensore. Dunque, come si rende “intelligente” un sensore?
2) Microcontrollori con processore embedded
Si può rendere intelligenti i sensori associando alla loro attività processori capaci di elaborare localmente i dati con algoritmi di intelligenza artificiale. Ad esempio, il microcontrollore ADuCM4050 di Analog Devices è basato su processore ARM Cortex-M4F. È un sistema integrato a basso consumo, con unità di power management integrata e dispositivi analogici e digitali per l’acquisizione, l’elaborazione, il controllo e la connessione di dati. Grande rilievo viene conferito alla sicurezza: il microcontrollore è dotato di un sistema di crittografia e di particolari meccanismi di protezione hardware e software.
3) La piattaforma Cog
Analog Devices dispone anche della piattaforma Cog (il nome esatto è EV-COG-AD4050LZ) in grado di elaborare, grazie a potenti algoritmi di intelligenza artificiale, i dati di più sensori e microcontrollori. Normalmente è utilizzata per monitorare le condizioni delle macchine analizzando al contempo le vibrazioni, il rumore e la temperatura; ma possono essere prese in considerazione anche altre variabili. Ciò consente di classificare diverse condizioni operative e di malfunzionamento con una granularità migliore e più alta precisione. Grazie alla piattaforma Cog, i dati inoltrati all’edge o al Cloud rappresentano solo una ristretta quantità di informazioni. Vengono inviati, cioè, solo i dati “giusti” per specifiche elaborazioni. Il grosso del lavoro è fatto “accanto” ai sensori.
