l'analisi dati: strumento indispensabile nell'era digitale

BIG DATA ANALYTICS NELLE SMART FACTORY:

TRASFORMARE I DATI IN INNOVAZIONE

9 Novembre 2016

Alessio Passalacqua

Alessandro Ferrari

BIG DATA ANALYTICS FOR SMART FACTORY

DATA DRIVEN DECISION

3 Bureau Veritas Presentation 09 Novembre 2016

INDUSTRY 4.0

"Leveraging big data is imperative as information is at the heart of competition and

growth for industrial business. Data-driven strategies based on real-time and

historical process information will help companies optimize performance"

- The rise of industrial big data, General Electrics -

FONTE: Ministero dello sviluppo economico, Presentazione del piano nazionale Industria 4.0


SMART FACTORY


COSA SONO I DATI

► DATO E’ UN COSTO (misurare, registrare, mantenere)

► IL DATO NON E’ L’INFORMAZIONE, IL DATO LO NASCONDE

► 80% DEI DATI GENERATI NON VIENE ANALIZZATO

► GRANDE QUANTITA’ E VARIETA’ DI DATI

► SERVE UN LINGUAGGIO PER FAR COMUNICARE CHI PRODUCE

IL DATO E CHI DECIDE


ANALISI DATI


Data Science TEAM project

50%

50%

80% 80% 20%

20% 20% 80%

I progetti di analisi dati

sono progetti di tipo

collaborativo

DATA

ANALYSIS

PROCESS

KNOW-HOW


Data-Driven Innovation


ANALISI PREDITTIVE A SUPPORTO DELLE DECISIONI


Model

NEW

PREDICT

DATA DRIVEN DECISION

TRASFORMARE INFORMAZIONE IN

RACCOMANDAZIONE

HISTORICAL DATA


SERVIZI DI ANALISI MIRATI ALL’EFFICIENZA

PRODUTTIVA

PREVISIONE OTTIMIZZAZIONE CONTROLLO

Virtual Metrology

Predictive Maintenance

Raw material

Classification

Sviluppo nuovi

prodotti/processi

Ottimizzazione del

processo

Riduzione scarti e

difetti

Mantenere il processo

sotto controllo

Rilevare anomalie

Comprendere le cause

di problemi emergenti


OTTIMIZZAZIONE E CONTROLLO DI PROCESSO


DESIGN OF EXPERIMENTS

EXPERIMENT MODEL

Le tecniche di Design of Experiments offrono

uno strumento indispensabile per:

Sviluppare più velocemente un processo o

un prodotto

Identificare le variabili più influenti e le

condizioni ottimali

Migliorare l’affidabilità e le prestazioni dei

prodotti

Le tecniche DoE sono largamente utilizzate in

svariati settori in virtu’ dei vantaggi associati al

loro utilizzo primo fra tutti la possibilità di

pianificare in modo razionale gli esperimenti

IL PROBLEMA LA SOLUZIONE

In un mondo globale e competitivo come

quello dei giorni nostri, le aziende

devono continuamente migliorare o

affinare il loro processo o prodotto.

Sia la produzione che il controllo qualità

necessitano di controllare e conoscere il

più possibile le dinamiche del processo e

capire le relazioni cause effetto tra i

parametri di processi e quelli di qualità

Model


OTTIMIZZAZIONE STAMPA DIGITALE SU

SUPPORTO CERAMICO

MAGGIORE

CONOSCENZA DEL

PROCESSO VARIABILI PIU’

INFLUENTI

RIDUZIONE DEI

DIFETTI

IMPOSTAZIONI

OTTIMALI INK

20μm


MAGGIORE

CONOSCENZA DEL

PROCESSO INGREDIENTI PIU’

INFLUENTI

RIDUZIONE DEI

COSTI

METAL REPLACEMENT, TECNOPOLIMERO AD

ALTE PRESTAZIONI MECCANICHE

MIGLIORAMENTO

DELLE

PERFORMANCE


Controllo e Monitoraggio di Processo

• Nel 1924 Shewhart (Bell Telephone Laboratories) sviluppa il

concetto statistico di carta di controllo con l’obiettivo individuare i

potenziali problemi nei processi produttivi basandosi su metodi

statistici. Una carta di controllo è un grafico di una sequenza di

misurazioni riferite ad un parametro di qualità con l’aggiunta delle

linee di controllo o decisionali.

• Nella maggior parte dei processi produttivi la qualità dipende

da diverse caratteristiche.

• Il concetto di limite perde di significato quando le variabili di

un processo sono tra loro correlate.

Variabili Correlate

L'obiettivo è quello di

• trovare una nuova rappresentazione che riassuma le

informazioni di tutte le caratteristiche di qualità monitorate e tenga

in considerazioni le correlazioni

• costruire carte di controllo unificate in base alle condizioni

operative normali ed da cui sia possibile costruire dei limiti di

controllo adeguati.

Cos’è SPC?

Limitazioni SPC

Carte di controllo SPC avanzate


Model

NEW Measurement

Root causes analysis

Operator intervention

Normal Operation Condition

Suspect point

MULTIVARIATE STATISTICAL PROCESS CONTROL

(MSPC)


FROM DATA TO SOLUTION [BATTERIA AD

IDROGENO]

1- Sincronizzazione degli step

produttivi tramite creazione di un

database integrato

3- Sviluppo di un sistema di controllo

di processo multivariato per lo studio

delle anomalie e root-cause analysis

4- Individuazione delle

variabili principali e i

miglior range per

ottimizzare le

performance e

riduzione scarti

MULTIVARIATE PROCESS CONTROLL

DIMENSION REDUCTION

VISUALIZATION MACHINE LEARNING

2- Riduzione delle

variabili tramite

metodologie di Analisi e

Visualizzazione dati uni-

, bi- e multivariata


MAGGIORE EFFICIENZA E PRODUTTIVITA’

VARIABILI PIU’

INFLUENTI

MIGLIORAMENTO DELLE

PERFORMANCE (+10%)

RANGE

OTTIMALI

MAGGIORE

PRODUTTIVITA’ (+30%)


RAW MATERIAL CLASSIFICATION

Model

PRODUCT

QUALITY

RAW MATERIAL

QUALITY

RAW MATERIAL

QUALITY


PREDICTIVE MAINTENANCE



► Quale sarà la probabilità che una

determinata strumentazione si

guasterà?

► Quant’è la vita residua di un

impianto?

► Quali sono le cause dei guasti e le

azioni di manutenzione che devono

essere eseguite per risolvere i

problemi


TELEMETRY

ERRORS TYPE

COMPONENT REPLAMCENET

MACHINES

Model


TIME TO FAILURE


DASHBOARD INTERATTIVE

Interactive Easy to Use Web-based

OTTIMIZZAZIONE

CONTROLLO

Intuitive web-based interface for operators, engineers and managers

PREVISIONE

l'analisi dati: strumento indispensabile nell'era digitale

Data & Analytics