future industry 4.1 smart technology human oriented

14 Giugno 2018 – Fondazione FERREROXXVII Congresso Nazionale A.I.MAN.

FUTURE INDUSTRY 4.1SMART TECHNOLOGY

HUMAN ORIENTED


INJENIA CLOUD VISION


Google Premier Partner

Nomination best 8 “Global Partner of the Year

”

● System Integrator dal 2005

● Google Premier Partner dal 2010

● Carl Software Partner dal 2015

● Tableau Partner dal 2016

+100 collaboratori

3 aziende nella rete d’impresa

+ 700 clienti: small, medium, enterprise

Chi è Injenia


Industry 4.0 approach: Digital Transformation is the Future of Manufacturing

Engagement at scale: Leverage data, video, apps, and the web for every employee, customer, and supplier touch

point

Cloud: Manufacturing work is accelerated

Collective Intelligence: Leverage data from any machine/device

Collaboration: Accelerating processes globally across the supply chain

Data: Inexpensively store massive amounts and securely access it anywhere

Master theDigital Marketplace

EmbraceDigitalManufacturing


Industry 4.0 approach: Operational Efficiency

Riduzione costi & miglioramento processi

Migliorare il ritorno sugli investimenti

Flessibilità e riduzione Time to Market

Sinergie & integrazione

Tracciamento e sincronizzazione

Previsione

Virtualizzazione & Simulazione

Collaborazione

► Elevata customizzazione dei prodotti ► Tracciabilità dei prodotti/ bilanciamento mat. prime► Processi decisionali istantanei nella supply chain► …

► Riduzione dei fermi macchina► Riduzione consumi energetici► Incremento qualità prodotto/processo► …

► Virtual prototyping /simulazione processi► Realtà aumentata per la manutenzione► Additive manufacturing (3D)► …

► Collaborazione uomo-macchina► Interazione in real-time dell’ecosistema industriale► Open innovation► …

Le leve dell’Industry 4.0 Principali benefici ottenibili

Nuovi modelli di business► Servizi ad alto valore aggiunto► Prodotto come servizio► Monetizzazione dei dati generati► …

Incremento dei ricavi

La realizzazione del nuovo paradigma industriale consente benefici «disruptive» su diversi fronti

Manutenzione CORRETTIVA

Causata da rottura degli asset imprevista

Riparazione costosa e fermo produzione

Qualità del prodotto alterata prima del fermo


Manutenzione PREVENTIVA

Nella maggior parte dei casi inutile

Basata su una pianificazione

Inutile o incapace di prevedere l’imprevedibile


Manutenzione Predittiva Manuale


Caratteristiche:

● Basata sull’esperienza degli addetti

● Best effort e comunque non real time

● Incapace di analizzare grandi moli di dati


Caratteristiche:

● Progettata Basata sull’esperienza degli addetti

● Best effort e comunque non real time

● Incapace di analizzare grandi moli di dati attraverso

il machine learning

Manutenzione Predittiva Manuale


ACQUISIZIONE E INGESTION DATI ANALISI DATI e PREDIZIONE AZIONE e VISUALIZZAZIONE DATI

Social Collaboration - AR e VR - Interfacce Conversazionali

○ Applicativi

○ IOT

○ Datawarehouse scalabile e flessibile

○ tecniche di analisi di ML

○ B.I.

○ Integrazione con CMMS Carl dei dati

di predittiva

○ Integrazione gestionali (ERP, MES)

Industry Vision: Manutenzione predittiva

CASE 1: OTTIMIZZAZIONE FERMI MACCHINA


Industry 4.0: Case study


I blocchi delle macchine di produzione creano un pesante impatto al cliente e un oneroso effort di attività al produttore


● Individuare i fermi macchina più frequenti

● Prevedere fermi macchina a diversi intervalli temporali

● Individuare segnali allarme

Problema


● Analisi dati storici

● Implementazione algoritmi di previsione di fermata

● Individuazione di “predittori” di fermata

Soluzione


Minimizescosts

Products UsedGoogle Compute Engine, Google BigQuery, Google

ML, Google Dataflow, Google Datalab

“We can now predict our downtime machines so we are able to act before it happens ”

2TBfew seconds

SolutionUsing Google Cloud Platform services, we built a

model in order to predict minutes before a dowtime

happens. Solution that analyzes in real time huge

amount of logs.

ReducesRevenue Increasing

Industry 4.0: Case study IoT & Bi


CASE 2: OTTIMIZZAZIONE PROCESSO PRODUTTIVO


● Necessità di ridurre i lotti produttivi dal mercato

● Lunghe regolazioni e setup per successivo lotto

● Alta manualità nelle regolazioni di linea ed esperienza difficilmente trasferibile

Problema


● Raccolta dati di produzione - Industrial IoT.

● Implementazione algoritmi di previsione qualità.

● Sviluppo di logica di retroazione sui controlli

su app mobile => wearable

Soluzione


● Riduzione lotti produttivi

● Riduzione scarti

● Aumento prima scelta prodotti

Vantaggi

IIoT Predictive Maintenance Platform

IIoT Service Platform

Transformation

Analysis

Connected Devices

LORAConnector

SigfoxConnector

SpecificConnector

ScadaConnector

Stored Historical Data

Ingestion

SQLConnector

UnstructuredDocuments

API M

Anag

emen

t

VisualizationData Studio

CARL CCMSHistorical Data

Cloud IoT Core

CloudDataflow

Cloud MachineLearning

CloudPub/Sub

BigQuery

CARL source

CCMS / ERP


Scenario tecnologico


Sfide e opportunità per tecnici produzione e manutenzione

● Scenario tecnologicamente più complesso, ma + interattivo e dinamico

● Maggiore utilizzabilità dei dati per miglioramento efficienza

● Nuove opportunità di crescita professionale e necessità di team working con altre

funzioni =>CMMS


CASEML

Industry 4.0: Machine LearningSolution Architecture

STEP 4: Classificazione delle Criticità

Quindi può essere analizzato più in profondità per individuare la presenza o meno di elementi di criticità che possano dar luogo ad un intervento di manutenzione.

Operations

...

NESSUNA CRITICITÀ

Confidenza: 90%

NESSUNA CRITICITÀ

Confidenza: 91%

FONDAZIONE SCALZATA/LESIONATA

Confidenza: 92%

Alta Risoluzione

Object Detection

Classification

Criticità

User Interface



Industry 4.0: Machine Learning

Products UsedGoogle Compute Engine, Google Cloud Pub/Sub,

Google BigQuery, Google Cloud SQL

“Thanks to this architecture we are faster to solve problems and this service for us cost less ”

SolutionUsing Google Cloud Platform, Enel analyzes a lot of

pictures in few minutes and then it is able to solve

problems faster.

Minimizescosts

10 TBfew minutes

Optimizingtime to solve the problems

ReducesCost of maintenance

SOCIAL COLLABORATIONsulle linee di produzione


2015 - 2018Progetto CollaborAction di Barilla celebrato da Google come caso di successo mondiale


Il successo Barilla: cloud.google.com/customers/barilla

2015 - 2018Progetto CollaborAction di Barilla celebrato da Google come caso di successo mondiale


Il successo Barilla: il racconto dei protagonisti

https://docs.google.com/file/d/1gC-RYDzdLj_vnaYOgyIrKbNiVItI1Bal/preview