M2M e IoT servono oggi nell'industria 4.0.Il controllo degli asset di produzione ha un valore fondamentale per efficientare i flussi produttivi ed evitare fermi macchina e inefficienze. È soprattutto grazie alla tecnologia M2M (Machine to Machine) potenziata dall’Internet of Things (IoT) che questo è diventato possibile. La prima, infatti, fin dal suo esordio nella catena di montaggio dell’industria automobilistica quale sistema integrato di comunicazione automatica tra macchinari, ha ridotto la percentuale di intervento umano con il suo inevitabile riflesso in termini di errore. Ma è con l’IoT che la cyber-physical convergence di industria 4.0 tra oggetti, persone e piattaforme ha conferito un’apertura nuova al circuito tradizionalmente chiuso del Machine to Machine.  

Il controllo degli asset industriali nella smart factory

  L’IoT per la smart factory rappresenta una delle KET (Key Enabling Technologies), cioè delle tecnologie abilitanti contemplate dall’industria 4.0. Si sta rivelando particolarmente efficace ai fini del controllo degli asset industriali perché è strettamente collegato ad altre KET quali big data e analytics, cloud, horizontal e vertical integrartion. Soprattutto a queste ultime, con cui si realizza l’integrazione delle informazioni in una medesima filiera (orizzontale) o nella stessa organizzazione tra reparti e aree differenti (verticale), si deve l’opportunità di una verifica costante e incrociata di una enorme mole di dati proveniente da più sorgenti. Fra queste rientrano i sensori montati a bordo macchina di cui si possono registrare avanzamenti produttivi, rallentamenti, guasti ecc. L’Internet of Things solitamente si avvale del protocollo IP associato a specifici gateway per far transitare tutti i dati raccolti, trasformandoli in conoscenza e, dunque, in valore. Da qui il controllo degli asset basato non più sull’interpretazione dei dati, ma sulla loro inequivocabile evidenza riguardo sia al funzionamento di singoli impianti o dell’intero stabilimento, sia alle performance di produzione.  

M2M e IoT applicati al parametro di efficienza OEE

  Nell’ambito dell’industria manifatturiera il tema dell’ottimizzazione degli asset è da sempre centrale. Non a caso uno dei parametri principali utilizzati per calcolare la capacità produttiva degli impianti è l’Overall Equipment Efficiency (OEE). L’OEE, infatti, consente di individuare le cosiddette “sei maggiori perdite” (six major losses) suddivise in tre macro voci: disponibilità (guasti e tempi di set up), qualità (scarti e rilavorazioni, tempo di start up), prestazioni (arresti causati da piccoli inconvenienti, ridotta velocità di lavorazione). L’adozione di sistemi M2M e IoT è in grado di attingere a tutte le informazioni relative alle “perdite” seguendo il flusso direttamente dalle macchine: dalla fase di avvio e conclusione di un ciclo di lavorazione al lead time o tempo di attraversamento fino al possibile sottoutilizzo di una determinata linea produttiva. Oltre a riportare questi dati in dashboard di immediata leggibilità consultabili da capi reparto e management, le architetture che comprendono device IoT prevedono anche alert abbinati a indicatori chiave che avvisano dell’insorgere di eventuali problemi nel momento stesso in cui questi accadono.  

La gestione delle inefficienze con il predictive maintenance

  Se sul fronte del monitoraggio della qualità e delle prestazioni gli apparati M2M all’interno dei circuiti IoT permettono di ottenere informazioni in tempo reale, lo stesso vale su quello della disponibilità. L’efficienza degli asset, infatti, dipende sia dalla capacità produttiva a cui si riferiscono le due metriche summenzionate, sia dall’impatto che ha la manutenzione, ordinaria e straordinaria, sulla disponibilità dei macchinari. A differenza dello storico approccio delle azioni manutentive, svolte a cadenza periodica o quando occorre, il collegamento dei sensori IoT a piattaforme, spesso in cloud, di big data analytics determina una modalità proattiva di intervento. La predictive maintenance è frutto di un insieme di algoritmi che incrociano livello di deterioramento e reiterazione di fenomeni di malfunzionamento, da cui si possono prevedere in anticipo i guasti, provvedendo alla soluzione per tempo e prima che si arrivi al fermo macchina. Ciò significa che anche la programmazione degli interventi manutentivi prende spunto dalla situazione effettiva e non dallo standard definito a tavolino dalla casa di produzione dell’impianto. Con ricadute in termini di risparmio e di gestione, anch’essa “controllata”, dell’obsolescenza degli asset di cui si dispone.   iot smart factory