Key4biz

Come realizzare la trasformazione digitale con le tecnologie di Job Assistant

Job Assistant è un “digital innovation system” integrato ai sistemi gestionali che permette di realizzare una tranformazione digitale ad elevato impatto per i processi interni, di produzione e collaborativi di manutenzione e di servizio. I moduli che mette a disposizione toccano tre direttrici:

Ecco un elenco dei principali funzionalità operative:

Manufacturing execution system

Manufacturing Execution System (MES) indica un sistema informatizzato che ha la principale funzione di gestire e controllare la funzione produttiva di un’azienda. La gestione coinvolge il dispaccio degli ordini, gli avanzamenti in quantità e tempo, il versamento a magazzino, nonché il collegamento diretto ai macchinari per dedurre informazioni utili ad integrare l’esecuzione della produzione come a produrre informazioni per il controllo della produzione stessa.

Dunque, un MES è un sistema software che viene applicato per gestire in maniera integrata ed efficiente il processo produttivo di un’azienda. Come è possibile? Attraverso collegamenti diretti alle macchine (PLC/Scada) o dichiarazioni manuali degli operatori che stanno lavorando. Queste informazioni vengono fornite in tempo reale agli uffici che hanno una visione completa dell’avanzamento degli ordini, dello stato fisico delle risorse e dei materiali impiegati. Inoltre, alcuni software, permettono di trasmettere i dati al sistema gestionale già presente in azienda (sistema ERP). Tra le funzioni di un sistema MES sviluppate:

Smart Workplace

Con Smart Workplace intendiamo un sistema digitale di ultima generazione che consente di visualizzare in vari modi contenuti di formazione per addestrare l’operatore produttivo e il manutentore:

I contenuti possono essere veicolati attraverso:

La realtà aumentata ha la finalità di supportare l’identificazione delle corrette procedure di lavoro, degli strumenti da utilizzare. I sistemi automatici consentono una volta indossati e connessi, il recupero di informazioni, di schemi, disegni, codici, utili a perfezionare le attività di campo. Il tutto avviene in piena autonomia, grazie ad algoritmi sempre più sofisticati per il riconoscimento digitale di immagini, in grado di identificare in contesto e gli oggetti su cui si sta operando, e di reagire di conseguenza.

Blockchain

La blockchain (letteralmente “catena di blocchi”) è una struttura dati condivisa e immutabile. È definita come un registro digitale le cui voci sono raggruppate in “pagine” (dette blocchi), concatenate in ordine cronologico, e la cui integrità è garantita dall’uso di primitive crittografiche. Sebbene la sua dimensione sia destinata a crescere nel tempo, è immutabile in quanto, di norma, il suo contenuto una volta scritto è non più modificabile né eliminabile, a meno di non invalidare l’intera struttura.

Abbiamo applicato questo tecnologia in vari scenari aziendali per gestire l’autenticazione di un lotto, la garanzia di un certificato di qualità e la validazione dei cespiti aziendali utile per avere una migliore linea di credito.

Internet of Things

L’Internet delle cose è l’evoluzione dell’uso della Rete: gli oggetti (le “cose”) si rendono riconoscibili e acquisiscono intelligenza grazie al fatto di poter comunicare dati su se stessi e accedere ad informazioni aggregate da parte di altri. Per “cosa” o “oggetto” si può intendere più precisamente categorie quali: dispositivi, apparecchiature, impianti e sistemi, materiali e prodotti tangibili, opere e beni, macchine e attrezzature. Questi oggetti connessi che sono alla base dell’Internet delle cose si definiscono più propriamente smart products (prodotti intelligenti) e si contraddistinguono per alcune proprietà o funzionalità. Le più importanti sono identificazione, connessione, localizzazione, capacità di elaborare dati e capacità di interagire con l’ambiente esterno.

Sia nel mondo fabbrica che in quello dei trasporti sia persone che merci è stata realizzata una centralina in grado di monitorare in tempo reale vari parametri di qualità (aria, movimento) in modo da garantire la migliore escuzione dei processi.

Big Data

Grazie a nuovi strumenti che sono in grado di gestire l’intero ciclo di vita dei dati, le tecnologie collegate ai Big Data rendono possibile (tecnicamente ed economicamente) non solo la raccolta e la memorizzazione di set di dati di grandi dimensioni, ma anche la relativa analisi, consentendo di estrapolarne informazioni preziose. Nella maggior parte dei casi, l’elaborazione di Big Data interessa un flusso di dati comune, dalla raccolta di dati grezzi alla creazione di analisi concrete.

Raccolta. La raccolta di dati grezzi (transazioni, log, dispositivi mobili e così via) è la prima sfida da affrontare quando si parla di Big Data. Una buona piattaforma per i Big Data semplifica questo passaggio, consentendo agli sviluppatori di inoltrare un’ampia varietà di dati, sia strutturati sia non strutturati, a qualsiasi velocità, sia in tempo reale sia in “batch”.

All’interno della “filiera metal” in particolare modo nei processi fusori è molto importante da tenere sotto controllo tramite dei sensori è legato alla qualità del ricetta e del intero processo che determina la qualità del metallo prodotto.

Data Intelligence

Oggi, in un’organizzazione, un gruppo variegato di tipi di analisi supportano una serie di funzioni diverse.

Per un cliente che costruisce Impianti nell’ambito delle costruzioni abbiamo sviluppato un modello di analisi predittivi per intervenire in modo tempestivo.

Machine Learning

L’apprendimento automatico (noto anche come machine learning) è una branca dell’intelligenza artificiale che raccoglie un insieme di metodi, sviluppati a partire dagli ultimi decenni del XX secolo in varie comunità scientifiche, sotto diversi nomi quali: statistica computazionale, riconoscimento di pattern, reti neurali artificiali, filtraggio adattivo, teoria dei sistemi dinamici, elaborazione delle immagini, data mining, algoritmi adattivi, ecc; che utilizza metodi statistici per migliorare progressivamente la performance di un algoritmo nell’identificare pattern nei dati.

Attraverso una telecamera che fornisce i dati ad un sistema di machine learning è oggi possibile realizzare un controllo qualità che verifica immediatamente la presenza di un difetto di un semilavorato o di un prodotto finito.

Exit mobile version