Nicolas Layus è Director del business OtoSense Operations di Analog Devices.
Riflettendo sul tema della “fabbrica del futuro”, Layus sostiene che esso “non riguarda solo l’accelerazione dell’innovazione tecnologica, piuttosto un nuovo modello di business che trasformerà profondamente il mondo industriale”. Secondo Layus, in un mercato che richiede prodotti sempre più personalizzati e consegne quasi immediate, le realtà manifatturiere stanno iniziando a cogliere il potenziale delle tecnologie digitali per tenere il passo. La differenza, però, per essere agili ed efficienti, la fanno le soluzioni che operano ai livelli inferiori dell’impianto e acquisiscono i dati cruciali a livello di dispositivo: “Solo un’accurata diagnostica in tempo reale permette di capire perché l’efficienza di un dispositivo diminuisce. Identificare la fonte del problema, come ad esempio un’insolita vibrazione acustica o meccanica, fa risparmiare all’operatore tempo prezioso e contribuisce a migliorare le prestazioni”.
Ecco perché la manutenzione predittiva fornisce una delle applicazioni più tangibili riguardo all’utilizzo dei dati: aiuta concretamente a preservare gli investimenti sui macchinari, consentendo l’ottimizzazione della loro vita utile così come la flessibilità e qualità della produzione. “Con l’avvento dell’IIoT, le aziende hanno compreso il valore delle tecnologie di Machine Learning non solo nel dare un senso ai loro dati e, così facendo, amplificarne il valore, ma anche nel supportare, e persino migliorare, le decisioni prese dall’uomo”, dice ancora Layus. “Le analisi fornite dal software algoritmico, alimentate e corrette dal feedback sul campo, auspicano un circolo virtuoso di apprendimento, a beneficio sia dell’uomo che della macchina”. Anzi, la convergenza uomo-macchina va soprattutto a beneficio dell’individuo, che può finalmente essere libero di concentrarsi sul suo più grande valore aggiunto: “l’ineguagliabile capacità di pensare”.
I dati, però, bisogna essere in grado di gestirli: “Sul mercato esistono molte soluzioni, ma quante di queste sono completamente utilizzate, soprattutto dai tecnici sul campo? La redditività di un investimento, hardware o software che sia, si misura anche dal suo grado di adozione. Le tecnologie che consideriamo ‘disruptive’, come il Deep e Machine Learning, devono essere adottate soltanto se portano benefici concreti all’azienda, a maggior ragione in un momento in cui le competenze scarseggiano. La nuova generazione di nativi digitali è sensibile alla capacità innovativa delle aziende con cui lavorerà e le sta obbligando a ripensare a come mantenere e trasmettere il proprio patrimonio intellettuale. Su quest’ultimo punto le tecnologie immersive dovranno giocare un ruolo chiave nel carpire le competenze tecniche di cui dispongono i dipendenti più esperti”.
In definitiva, ci avverte Layus, il successo dei progetti di IIoT e Machine Learning dipende dalla capacità delle aziende di avere un chiaro e preciso ritorno sugli investimenti e di adattarsi alle richieste del mercato, di adottare, quindi nuovi modelli di business. In particolare: “Occorre adottare una strategia basata sull’Opex (OPerating EXpense), che offre una maggiore flessibilità negli investimenti rispetto al tradizionale modello Capex (Capital Expense). Ecco perché la convergenza tra i sistemi OT/IT, tra l’uomo e la macchina, dal punto di vista tecnico e riferita alle strategie di acquisto, sta diventando uno dei principali cardini di trasformazione del mondo industriale”.
