La Industrial Internet of Things è sempre più diffusa, non solo come buzzword, ma anche in termini di diffusione funzionale. Un numero sempre maggiore di aziende, infatti, si affida a sistemi di raccolta dati per monitorare e controllare i processi aziendali, con particolare riferimento alla gestione dei processi produttivi. Ma la raccolta dati porta con sé un importante interrogativo: come valorizzare i dati IoT raccolti dai sensori industriali? Raccogliere i dati infatti è solo il primo passo di una filiera che, se messa in pratica, può portare importanti vantaggi.
Valorizzare i dati raccolti dalle piattaforme IoT è un processo a tutti gli effetti
Si dice spesso che i dati siano il nuovo petrolio. Un modo di dire che circola da diverso tempo e che Forbes ha colto quasi dieci anni fa. Ma il paragone non si ferma al valore intrinseco. L’analogia, infatti, è più profonda: per ricavare profitto dal petrolio, questo non deve essere solo raccolto, ma lavorato e raffinato. I dati seguono un principio analogo: la raccolta è quindi solo il primo passo.
I dati una volta raccolti devono essere elaborati, sintetizzati e resi fruibili, grazie a una serie di processi di analisi. E con l’avvento dei big data, o comunque della raccolta massiva, le aziende spesso si trovano nella condizione di avere un grande potenziale inespresso. Valorizzare i dati provenienti dall’Industrial IoT, infatti, conduce a una serie di vantaggi, alcuni diretti, altri indiretti. Di cui, per esempio, l’ottimizzazione dei processi è solo il punto di partenza.
Tuttavia, per poter cogliere questi vantaggi è indispensabile che le aziende si dotino di strumenti e procedure adeguati all’analisi dei dati raccolti.
Vediamo ora alcuni indispensabili per valorizzare i dati provenienti dall’IIoT.
Prepariamo un’infrastruttura adeguata al presente e pronta per il futuro
Una volta che un’azienda ha definito la necessità di analizzare i dati IoT, è necessario identificare gli attori coinvolti e verificarne le competenze. Un progetto in questo senso potrebbe richiedere l’acquisizione di nuove competenze, attraverso la formazione, l’acquisizione di risorse adeguate o l’esternalizzazione.
In alcuni casi potrebbe essere necessaria la creazione di un reparto dedicato, gestito da una figura specializzata come un chief data officer (CDO) per sostenere gli sforzi di analisi dei dati IoT e gestire la governance dei dati.
Vista la necessità di analisi, inoltre, potrebbero essere necessari anche sforzi in termini di infrastruttura. Tuttavia, in alcuni casi, se l’azienda dispone già di un’architettura per la raccolta dei dati, questa potrebbe essere adattata anche per l’analisi, in tempo reale o differita. Anzi, l’utilizzo di una infrastruttura comune in molti casi favorisce la circolazione dei dati all’interno dell’organizzazione, oltre a permettere una maggiore flessibilità.
Flessibilità che si rende sempre più necessaria: i dati provenienti dalla IIoT, oltre a crescere costantemente in termini quantitativi, hanno la tendenza a variare anche in termini qualitativi.
Oggi la maggior parte dei dati IoT sono telemetrici, ma alcuni endpoint avviano la raccolta anche di dati di altra natura, per esempio immagini e audio. Una infrastruttura oggi dovrebbe essere abbastanza flessibile per adattarsi a eventuali cambiamenti nella tipologia di raccolta e analisi. Fare fronte rapidamente al cambiamento è proprio una delle prerogative dell’Industria 4.0.
Le organizzazioni spesso non riescono a gestire efficacemente i dati IoT, a causa della mancanza di un’architettura dati abbastanza flessibile ed elastica. Prevedere il giusto livello di flessibilità permette di ottenere il corretto punto di equilibrio fra costi, efficienza e competitività. Un grande aiuto in questo senso può provenire dalle infrastrutture cloud based.
Sfruttiamo l’Intelligenza Artificiale
L’analisi di grandi quantità di dati è uno dei campi in cui l’Intelligenza Artificiale mostra le migliori potenzialità.
Dalla videosorveglianza ai sistemi intelligenti di controllo e acquisizione dati (SCADA), i settori in cui l’Intelligenza Artificiale e il Machine Learning mostrano vantaggi sono moltissimi. Per esempio, numerose aziende green utilizzano i dati IoT per costruire sistemi di controllo intelligenti che mantengano i livelli richiesti di sostenibilità.
Mettiamo a disposizione gli analytics e le elaborazioni lungo tutta la filiera
Il principio della condivisione delle informazioni è una delle colonne portanti delle strategie data driven. Ma, per funzionare realmente, la condivisione deve riguardare anche gli output e i risultati generati dai sistemi di analisi, che dovranno essere restituiti ai diversi dipartimenti (e/o alle diverse sedi) in modo altrettanto efficiente e tempestivo.
In questo contesto giocano un ruolo fondamentale le capacità di aggregazione e decentralizzazione dell’infrastruttura, in particolare per le aziende che operano su larga scala.
Sfruttiamo i dati IIoT per identificare nuove opportunità
I dati generati dalle piattaforme IoT possono essere valorizzati sia all’interno dell’azienda, sia all’esterno.
Verso l’interno il processo è piuttosto consolidato grazie ad attività come l’analisi e la manutenzione predittiva. Ma la condivisione di dati estesa a tutta la filiera, oltre a essere una prerogativa dell’Industria 4.0 porta anche importanti ricadute economiche.
L’interfacciamento con i fornitori di materie prime e macchinari è già noto, mentre per esempio la condivisione di dati con i clienti o i committenti è un campo ancora parzialmente inesplorato, in particolare nel settore manifatturiero. Ma fornire analisi in tempo reale, per esempio sul progresso di una fornitura, costituisce un importante vantaggio competitivo in un numero sempre crescente di supply chain.