{"id":7925,"date":"2026-04-01T21:39:15","date_gmt":"2026-04-01T19:39:15","guid":{"rendered":"http:\/\/www.intellisystem.it\/it\/?p=7925"},"modified":"2026-04-01T21:39:15","modified_gmt":"2026-04-01T19:39:15","slug":"__trashed-37","status":"publish","type":"post","link":"https:\/\/www.intellisystem.it\/en\/__trashed-37\/","title":{"rendered":"(Italiano) 129 AO 394 Nov-Dic 2016 – Automazione e manutenzione predittiva nell’era del cloud"},"content":{"rendered":"

Sorry, this entry is only available in Italiano<\/a>.<\/p>

Nell\u2019era dei Big Data, anche per il mondo dell\u2019automazione c\u2019\u00e8 una reale esigenza di migliorare e aggiornare i sistemi tradizionali di process data analytic integrandoli con le pi\u00f9 recenti innovazioni tecnologiche nei settori del data mining e del machine learning. Ma per questo \u00e8 opportuno rivedere alcune cose<\/strong><\/h5>\n
<\/div>\n

\"Automazione<\/p>\n

Oggi pi\u00f9 che mai le aziende manifatturiere posseggono un grande patrimonio informativo in termini di dati potenzialmente raccolti, derivante dagli interventi di manutenzione, dai sistemi di sensoristica applicati alle macchine. Questi dati se incrociati con altre informazioni aziendali esogene possono fornire utili indicazioni per migliorare il servizio stesso di manutenzione in termini di riduzione dei costi e dei disagi per i clienti. Non bisogna per\u00f2 trascurare il fatto che il trattamento di grandi moli di dati, prodotti dai molteplici sensori applicati alle macchine negli impianti produttivi, risulta un\u2019attivit\u00e0 complessa non solo per il volume dei dati in gioco ma anche per la loro eterogeneit\u00e0 e la velocit\u00e0 con la quale possono variare. Si tratta di attivit\u00e0 di analisi che stanno guadagnando sempre maggiore attenzione in ambienti industriali evoluti e ben strutturati, spesso in relazione al termine Data Mining e Big Data che di norma, per l\u2019enorme mole di dati, sono supportate su sistemi Cloud. Ad esempio utilizzando le tecniche di Machine Learning \u00e8 possibile stimare la vita utile residua di un qualsiasi apparato installato in una catena di produzione. Nel mercato esistono di fatto diversi tool capaci di fornire un\u2019ampia scelta di strumenti per estrarre informazioni e valore da questi dati (da qui il concetto di Data Mining), in modo da poter intervenire sull\u2019ottimizzazione della progettazione di macchine, poter realizzare tool per la prognostica e la manutenzione preventiva, la diagnostica e tante altre applicazioni mirate all\u2019ottenimento di maggiore efficienza compatibilmente con una riduzione sostanziale dei costi. Intellisystem Technologies si propone per indagare sulle reali possibilit\u00e0 offerte da tecniche di Data Mining e Big Data applicate ai dati integrati provenienti da pi\u00f9 fonti interne ed esterne all\u2019azienda, per garantire una manutenzione degli impianti che sia pi\u00f9 reattiva e predittiva. Purtroppo ancora oggi per molte aziende quello dei Big Data \u00e8 ancora solo un tema a prospettiva futuristica. L\u2019intento di Intellisystem \u00e8 invece quello di operare partendo dal contesto dell\u2019Internet of Things, offrendo soluzioni e tecnologie che supportino e migliorino le attivit\u00e0 e il vivere quotidiano di ogni essere umano, in ogni sua manifestazione. Partendo da questo presupposto una delle principali e pi\u00f9 rilevanti applicazioni di tale paradigma riguarda tutte le tematiche inerenti la manutenzione. Tema che ancora oggi rimane caldo all\u2019interno delle aziende manifatturiere e che tocca differenti aspetti tra cui la catena produttiva, la logistica e l\u2019organizzazione in termini di soluzioni Enterprice Resource Planning (ERP). Quest\u2019ultime infatti sono sempre pi\u00f9 coinvolte nelle attivit\u00e0 di manutenzione e nella loro gestione all\u2019interno di tutti i processi aziendali. Adottando il concetto di Industria 4.0 nell\u2019ambito della manutenzione industriale Intellisystem conta di facilitare e promuovere la diffusione, all\u2019interno dei processi aziendali, delle tecnologie IoT e digitali, poich\u00e9 entrambe rappresentano uno degli ambiti in cui il ritorno degli investimenti \u00e8 pi\u00f9 facilmente stimabile. Considerando che la gran parte delle attivit\u00e0 di manutenzione si basano sulla reperibilit\u00e0 delle informazioni, pi\u00f9 elevato \u00e8 il volume delle informazioni messe a disposizione in relazione a impianti, macchinari e singole componenti all\u2019interno della catena di produzione, maggiori sono la rapidit\u00e0 e la precisione con cui sar\u00e0 possibile intervenire con le attivit\u00e0 di manutenzione su di essi.<\/p>\n

\u00a0

<\/div>\n

Interventi su impianti<\/strong><\/p>\n

<\/div>\n

Nelle attivit\u00e0 di manutenzione la condizione ideale sarebbe quella di intervenire sull\u2019impianto in modo preciso e programmato con il personale pi\u00f9 adatto, al momento giusto, con gli strumenti pi\u00f9 adeguati, ancor prima che il danno avvenga. Le moderne tecnologie IoT sono sicuramente uno degli strumenti che, ad oggi, consentono alle aziende di avvicinarsi maggiormente a questa situazione ottimale. Grazie alla prerogativa intrinseca dell\u2019IoT \u00e8 possibile raccogliere informazioni dettagliate in tempo reale, sia dai macchinari sia dall\u2019esperienza umana, permettendo l\u2019implementazione di particolari soluzioni basate sul concetto di Data Mining, facendo leva sulle giuste correlazioni e costruendo algoritmi finalizzati a creare, nel lungo periodo, un impianto tipico che si basa sul concetto di Machine Learning. D\u2019altro canto il crescente interesse per il Data Mining deriva dalla confluenza di tre grandi fenomeni tecnologici e scientifici: la diffusione di strumenti per la raccolta e organizzazione di grandi volumi di dati, anche via rete; lo sviluppo di algoritmi pi\u00f9 robusti ed efficienti per l\u2019analisi dei dati; la disponibilit\u00e0 a basso costo della necessaria potenza di calcolo richiesta dai metodi di analisi dei dati. Tutto ci\u00f2 non pu\u00f2 prescindere da una conoscenza approfondita dei dati (fonte, struttura, tipologia), raccolta, gestione (salvati, filtrati, archiviati), elaborazione, analisi e di cosa \u00e8 possibile ottenere da una gestione e analisi sistematica di dati eterogenei.<\/p>\n

<\/div>\n

Quali figure?<\/strong><\/p>\n

<\/div>\n

Per operare nel contesto del Data Mining diventano sempre pi\u00f9 indispensabili nuove figure professionali quali: studiosi di apprendimento automatico (intelligenza artificiale), statistica computazionale, e basi di dati, capaci di sviluppare numerose applicazioni nei settori economico-finanziario, commerciale e delle telecomunicazioni. Tutto ci\u00f2 implica un profondo riesame anche delle qualifiche in termine di specialisti, infatti nel prossimo futuro ci sar\u00e0 sempre pi\u00f9 spazio per ingegneri, tecnici dei dati (data scientist) e altre figure professionali altamente specializzate. Nello specifico Intellisystem si sta occupando di un progetto pilota atto a promuovere un modello di Manutenzione 4.0, intraprendendo un percorso evolutivo che parte dai servizi pi\u00f9 comuni di manutenzione preventiva e si estende in modo naturale e organico alle pi\u00f9 moderne soluzioni basate sul concetto di manutenzione predittiva. Tutto ci\u00f2 ha inizio dalla considerazione che l\u2019implementazione di soluzioni e servizi che consentono la manutenzione preventiva portano alla riduzione dei costi elevati delle attivit\u00e0 di manutenzione (dovuti alla scarsa prevedibilit\u00e0 degli eventi critici e ai conseguenti tempi di fermo degli impianti e di conseguenza dell\u2019intera produzione), mentre il raggiungimento di un modello di manutenzione predittiva consentirebbe di raggiungere un\u2019automazione, e quindi un\u2019ottimizzazione pi\u00f9 spinta, della manutenzione. A fronte di queste problematiche diversi clienti hanno deciso di intraprendere progetti strategici per inserire all\u2019interno delle proprie fabbriche la tecnologia IoT, connettendo in rete tutti i macchinari di produzione per monitorarne non solo il loro funzionamento ma anche per generare informazioni utili a tutte le attivit\u00e0 di manutenzione. Da un punto di vista tecnologico la sfida vera e propria consiste nel collegare in rete in modo uniforme e omogeneo non solo uffici e device mobili e desktop, ma anche impianti e macchinari di produzione. Pi\u00f9 facile a dirsi che a farsi, poich\u00e9 di fatto nella maggior parte dei casi ci si trova a dover connettere in una rete condivisa a tutta la catena di produzione sia macchinari \u2018informatizzati\u2019 e tecnologicamente predisposti (ad esempio con soluzioni di Manufacturing Execution System, MES) sia impianti di vecchia generazione ancora isolati in termini di comunicazione con il resto della catena produttiva. Da qui si ritorna alle problematiche tipiche della Digital Transformation di cui ancora oggi soffrono le nostre industrie. Oltre alla problematica della connettivit\u00e0 di impianti con diversi gradi di innovazione, un altro tema che ci si trova a dover affrontare riguarda l\u2019individuazione e l\u2019adozione di un unico standard di comunicazione all\u2019interno sia della rete aziendale sia di quella industriale. Infatti per poter trarre pieno vantaggio dai dati che dovranno essere raccolti (e potenzialmente potranno essere raccolti in futuro), ci si trova nella necessit\u00e0 di mettere in comunicazione banche dati disomogenee e dati strutturati in maniera molto diversa. A questo proposito \u00e8 d\u2019obbligo effettuare particolari percorsi di studio e di analisi della semantica e della struttura delle banche dati, percorso in cui possono essere coinvolti anche universit\u00e0 e centri di ricerca specializzati. Anche in questo caso \u00e8 doveroso ribadire che la cooperazione tra universit\u00e0 e industria \u00e8 qualcosa che in Italia deve essere maggiormente supportata dalle istituzioni, soprattutto quando ci si riferisce alle tematiche come quella dell\u2019Industria 4.0 che racchiude in s\u00e9 tutte le tecnologie di frontiera.<\/p>\n

<\/div>\n

La sfida<\/strong><\/p>\n

<\/div>\n

In realt\u00e0 la sfida pi\u00f9 grande riguarda il trasferimento e la diffusione delle tecnologie IoT a tutta la supply chain, in ottica b2b, che coinvolga tutti gli stakeholder, dai fornitori ai rivenditori, fino agli operatori dell\u2019aftermarket. Molto spesso infatti ci si trova ad operare, soprattutto in Italia, all\u2019interno di supply chain eterogeneamente diverse dal punto di vista delle soluzioni tecnologiche adottate. La mancanza di una vera e propria visione globale e condivisa all\u2019interno della supply chain comporta una ridotta portabilit\u00e0 e scalabilit\u00e0 delle soluzioni IoT tra i vari elementi della catena stessa, limitando fortemente l\u2019adozione di queste tecnologie. L\u2019innovazione per essere trasferita anche alle altre imprese necessita di un soggetto promotore che faccia da traino all\u2019interno dell\u2019intera supply chain facendo da riferimento, evidenziando vantaggi e possibilit\u00e0 che l\u2019innovazione pu\u00f2 portare all\u2019interno delle aziende di tutta la filiera. Occorrono pertanto nuovi progetti per trasformare le fabbriche italiane in esempi concreti di IoT Connected Data Industry, progetti che necessitano del ruolo di system integrator delle soluzioni IoT al fine di creare una tendenza condivisa nell\u2019adozione e nell\u2019implementazione di nuove tecnologie e nella generazione di servizi a esse correlati. E Intellisystem Technologies pu\u00f2 coordinare progetti e interazioni lungo un piano condiviso che coinvolga l\u2019intera catena di produzione: pu\u00f2 provare a portare innovazione anche in termini di creazione di sistemi ed esperienze condivise, verso una vera innovazione dell\u2019industria.<\/p>\n

<\/div>\n

 <\/p>\n

<\/div>\n
<\/div>