Gli oggetti smart sono ovunque, soprattutto in casa, dove i dispositivi connessi hanno ormai una penetrazione di mercato considerevole. Ma quella che viene chiamata internet delle cose, Internet of Things, già da qualche anno sta segnando una crescita considerevole anche nel settore industriale, con il manifatturiero in testa. In questo contesto si parla appunto di Industrial Internet of Things.

Pur partendo da presupposti analoghi, la Industrial IoT ha sviluppi molto diversi e implicazioni decisamente più strutturate.

Cosa significa Industrial Internet of Things e come sta cambiando il mercato

Il concetto alla base è suggerito dal nome stesso: usare i concetti della IoT in ambito industriale. In questo settore l’obiettivo principale di questo insieme di soluzioni e tecnologie è quello di favorire la comunicazione machine-to-machine, cioè il collegamento diretto fra le macchine, e l’automazione dei processi, affidandosi al contempo a discipline di analisi e previsione come il Machine Learning e l’uso dei Big Data.

L’obiettivo è quello di
migliorare l’efficienza delle aziende, sia in termini di produttività sia in termini di spesa.

Nella declinazione più canonica, i macchinari sono (o vengono) dotati di sensori e attuatori che raccolgono dati di diversa natura, vengono impiegati all’interno di sistemi di analisi strutturata. I benefici ottenuti vanno ben oltre la semplice ottimizzazione. Lo scambio di dati in tempo reale e la raccolta di informazioni, infatti, possono condurre a migliorare strategicamente il flusso di lavoro all’interno di un’azienda.

La IIoT e il primo alleato dell’Industrial Analytics

Sappiamo che la raccolta dati per sé non è sufficiente a fornire un supporto adeguato ai processi industriali. Ma quando questi dati vengono analizzati, per esempio da un sistema di machine learning, possono dare il via a meccanismi di analisi e gestione predittiva senza precedenti nella storia della tecnologia.

Per esempio, analizzando i dati provenienti da un macchinario è possibile prevedere con affidabilità se sta per raggiungere una condizione critica.

Lo scenario più semplice è il surriscaldamento. In quel caso, in una filiera produttiva connessa, i sistemi di gestione provvederanno a dirottare temporaneamente la produzione su macchinari analoghi, rallentarne il ritmo o pianificare un intervento di manutenzione. Il tutto, minimizzando la necessità di interventi da parte degli operatori.

Nel campo della manutenzione predittiva, è possibile prevedere quando un macchinario sta per raggiungere lo stato critico, e pianificare gli interventi necessari. Riducendo sia le inefficienze dovute a eventuali manutenzioni programmate ridondanti, sia la possibilità di un fermo produttivo dovuto a un guasto.

La Industrial Internet of Things nei processi produttivi

L’adozione di dispositivi IoT industriali tuttavia fornisce un supporto a livello di produttività in contesti più legati alla gestione quotidiana delle filiere. Di seguito alcuni dei principali campi di applicazione:

Approvvigionamento: appoggiandosi anche alle filiere di comunicazione introdotte da Industria 4.0, un macchinario connesso può interfacciarsi con la propria supply chain, interna o esterna, per gestire in modo ottimizzato lo stoccaggio e la fornitura di materie prime e consumabili. Questo anche sulla base delle scorte presenti in azienda. I dati possono essere salvati e convergere in un sistema predittivo che permetta di ottimizzare gli acquisti successivi.

Ottimizzazione: una filiera interconnessa può ridurre drasticamente i tempi di inefficienza, permettendo di sfruttare al massimo gli asset aziendali e riducendo i tempi di fermo macchina, mantenendo al contempo lo stato di manutenzione ottimale grazie agli strumenti di analisi predittiva.

In alcuni casi, il livello di ottimizzazione può raggiungere il 40%, come in questo caso studio di Keysight.

Questa tecnica è stata utilizzata per esempio dal produttore tedesco di sci Blizzard che sfruttando la Industrial Internet of Things riduce inefficienze, cali produttivi e difetti di fabbricazione.

Ottimizzazione dei costi: Oltre agli aspetti previsionali legati ai macchinari, la raccolta e l’elaborazione di dati possono condurre all’implementazione del modello produttivo chiamato Digital Twin. In questo, grazie all’uso di modelli matematici sempre più realistici, è possibile riprodurre in digitale ogni aspetto della filiera: dal semplice collaudo di un prototipo, attraverso strumenti di simulazione, fino alla replica dell’intera attività produttiva. Così è possibile identificare criticità, margini di miglioramento e potenziali malfunzionamenti prima di avviare o modificare il processo produttivo nel mondo reale, consentendo un considerevole abbattimento dei costi e dei tempi di realizzazione.

Reperimento strumenti e materiali: un altro campo in cui, in particolare nelle filiere produttive complesse, la IIoT fornisce un valido supporto è la localizzazione di strumenti e materiali all’interno dell’azienda. Per esempio, nel caso di strumenti condivisi fra più gruppi di lavoro, gli operatori possono sapere immediatamente dove si trova una attrezzatura e se è disponibile, riducendo i tempi morti di reperimento e le code di utilizzo.