La trasformazione digitale nel settore industriale ha raggiunto un punto di svolta cruciale, evidenziando una profonda spaccatura tra le applicazioni software tradizionali e le necessità reali della produzione automatizzata. Le ragioni di questo divario risiedono nella natura stessa del lavoro industriale, dove i vincoli fisici, di sicurezza e di architettura di rete impongono regole radicalmente diverse da quelle del mondo aziendale d’ufficio.
A spiegare la complessità di questa transizione è Jeff Witt, global process digital authority presso GE Vernova, nel corso di un’intervista rilasciata a Dan Faggella per la testata specializzata Emerj.
Indice degli argomenti:
Le conseguenze fisiche e la tolleranza zero nella produzione industriale
Il peso degli errori tra mondo d’ufficio e officina
La principale linea di demarcazione tra l’uso dell’informatica negli uffici e la sua applicazione in fabbrica risiede nei rischi e nell’impatto delle decisioni automatizzate. Nei processi gestionali tradizionali un errore di calcolo o un’analisi imprecisa comporta principalmente la necessità di correggere una scheda di lavoro o revisionare un documento. Nel settore industriale, al contrario, un’indicazione errata fornita da un modello di apprendimento automatico può provocare danni materiali irreparabili o compromettere direttamente la sicurezza dei lavoratori.
Come sottolinea Witt nel corso dell’intervista: «Se uso l’AI generativa o un agente per analizzare i dati sulle vendite, il peggior scenario possibile è dover rifare il lavoro o correggere i dati. Se invece uso l’AI in officina per formulare raccomandazioni, un’azione errata potrebbe potenzialmente distruggere un macchinario. Peggio ancora, potrei posizionare un tecnico proprio accanto a un componente in funzione, ad esempio un mandrino ancora in rotazione. C’è quindi una componente di sicurezza personale e un impatto sulla sicurezza delle apparecchiature che semplicemente non esistono nell’ambiente dell’AI aziendale».
Oltre la soglia dell’80% di accuratezza
Questa differenza strutturale ridisegna completamente le metriche di accuratezza accettabili per qualsiasi progetto industriale. Un livello di precisione dell’80%, considerato eccellente per un’applicazione aziendale d’ufficio, risulta del tutto inadeguato quando applicato all’operatività di uno stabilimento. Witt osserva in merito: «Nel mondo OT non posso accettare che un carrello elevatore eviti un pedone solo l’80% delle volte. Non è sufficiente. Il criterio di valutazione è completamente diverso, e questo aggiunge un ulteriore livello di rigore a qualsiasi progetto di AI in fabbrica».
Vincoli di architettura e il ruolo fondamentale dell’edge computing industriale
Reti segregate e il problema del cloud
Oltre agli aspetti legati alla sicurezza fisica, l’implementazione di soluzioni automatizzate in ambito industriale deve fare i conti con precisi limiti di rete e di architettura software. Nei sistemi di tipo Software as a Service usati per le attività di ufficio, l’accesso ai dati avviene in maniera fluida attraverso credenziali di Single Sign-On. Al contrario, la rete industriale e tecnologica operativa (OT) prevede livelli di isolamento rigorosi, noti come ambienti air-gapped, concepiti appositamente per impedire ad attacchi informatici esterni di interferire con i macchinari.
In questo contesto, il trasferimento continuo di dati verso il cloud per eseguire elaborazioni e modelli analitici non è percorribile, specialmente quando tali algoritmi devono interagire direttamente con gli anelli di controllo della produzione. La necessità di risposte immediate e la sicurezza della rete impongono quindi una struttura decentrata.
Elaborazione locale per il controllo di sicurezza
Spiega Witt a questo proposito: «L’esecuzione di modelli nel cloud verso sistemi di officina che potrebbero costituire un anello di controllo e che controllano direttamente le apparecchiature o un processo non è ammissibile: non faremo fare ai dati un tragitto di andata e ritorno verso il cloud per analizzarli o eseguire un modello su quel tipo di informazioni. L’architettura stessa deve essere diversa nello spazio OT rispetto a quello aziendale. La soluzione consiste solitamente nel portare il modello verso l’edge ed eseguirlo localmente. Invece di fare il viaggio di andata e ritorno verso il cloud, eseguiamo l’edge computing sul posto per portare il modello più vicino alla periferia, dove abbiamo un maggior controllo sulla sicurezza».
La gestione dell’adozione e dell’interfaccia operativa
Il superamento delle interfacce generiche e dei chatbot
Un errore frequente nella digitalizzazione industriale è l’introduzione di strumenti basati su caselle di testo vuote o assistenti virtuali di tipo generalista. In un ambiente di lavoro ad alta intensità come la linea di produzione, gli operatori non dispongono del tempo necessario per fermarsi a interrogare un programma tramite domande generiche. Inoltre, le raccomandazioni prive di riferimenti precisi alle condizioni reali della macchina provocano una rapida perdita di credibilità.
I responsabili di linea prendono ogni giorno decisioni basate su un ampio bagaglio conoscitivo: conoscono lo storico della manutenzione, i componenti specifici, la cronologia degli interventi svolti nelle settimane precedenti e il tipo di prodotto lavorato. Senza queste informazioni, qualsiasi suggerimento informatico appare superficiale e poco utile.
Anche l’adozione del formato chatbot si è rivelata poco adatta al lavoro pratico. Come evidenziato nell’intervista, il sistema deve essere in grado di rilevare automaticamente la posizione dell’operatore davanti a una specifica cella di lavoro e fornirgli direttamente il supporto necessario, senza costringerlo ad avviare una conversazione.
L’importanza delle informazioni storiche e dell’addestramento continuo
Per garantire che le analisi siano mirate, le strutture produttive possono fare leva su masse di informazioni già accumulate nel tempo. Le aziende dispongono frequentemente di dati strutturati e note non strutturate legate alla manutenzione che coprono periodi molto lunghi, anche di dieci anni. La presenza di un operatore esperto nel processo di convalida permette di mantenere un elevato livello di controllo.
Witt descrive la struttura di questo processo lavorativo: «In questo momento, se l’AI formula un suggerimento, l’human-in-the-loop valuta la raccomandazione. Pianificherà il lavoro, lo programmerà, vi assegnerà le risorse e si assicurerà che ci siano gli strumenti giusti, i ricambi corretti e la documentazione adeguata. Si tratta di un ambiente sicuro. Faranno tutto ciò che fanno normalmente, ma l’input iniziale è arrivato dall’AI. Tutta la fase di esecuzione diventa ora un ciclo di feedback per il modello, che può apprendere da queste informazioni e migliorarsi ulteriormente».
Questa interazione può avvenire anche tramite meccanismi di valutazione estremamente semplici. Un sistema basato su un riscontro immediato, come l’indicazione di un giudizio positivo o negativo da parte del tecnico sulla pertinenza della scheda inviata, consente al modello informatico di perfezionarsi ed eliminare gli elementi non utili.
Le precondizioni per estendere i progetti a più impianti produttivi
Ottimizzazione Lean come prerequisito
Il passaggio da un singolo test riuscito alla sua diffusione su larga scala rappresenta il principale ostacolo per la trasformazione industriale. Per evitare che i progetti si arrestino al primo caso applicativo, è indispensabile verificare preventivamente l’efficienza e la chiarezza delle procedure operative esistenti.
«Dobbiamo guadagnarci il diritto di automatizzare», chiarisce Witt. «Il modo in cui stiamo abbracciando questo principio consiste nel chiederci: il processo è stato completamente documentato? È stato ottimizzato? Abbiamo applicato i principi Lean eliminando tutti gli sprechi da questo processo? Se la risposta è sì, allora ottimo: è un buon candidato per un caso d’uso che potremmo probabilmente potenziare con l’AI, automatizzandone una parte per poi eventualmente scalare. È questo che stiamo cercando: processi maturi, ben documentati ed efficienti che vengono usati in tutti e 35 i nostri siti. Questo sarebbe il candidato ideale a cui applicare gli strumenti di AI per elevare il processo, automatizzarlo e iniziare a estenderlo a più stabilimenti».
L’organizzazione dei dati: Unified Namespace e modelli di contesto
La gerarchia dati e la struttura dell’UNS
L’ampia disponibilità di rilevazioni quantitative raccolte dalle macchine non corrisponde automaticamente a una base informativa pronta all’uso. Il limite principale risiede spesso nella mancanza di una struttura organizzativa coerente che consenta agli algoritmi di interpretare il significato delle singole misurazioni.
Per superare questo ostacolo, le architetture moderne utilizzano il modello dell’Unified Namespace (UNS), accoppiato a un livello di contestualizzazione dei dati che stabilisce una gerarchia chiara e accessibile dell’intera infrastruttura industriale. Una categorizzazione efficace segue una sequenza logica definita:
- Divisione aziendale
- Stabilimento produttivo
- Linea di lavorazione
- Cella di lavoro
- Macchinario o componente specifico
Attraverso la creazione di modelli dati standardizzati applicati a categorie omogenee di apparecchiature, qualsiasi componente dello stesso tipo presenta la medesima struttura di informazioni, indipendentemente dal luogo in cui è installato.
Riconferma dell’investimento sui dividendi a lungo termine
Nonostante lo sforzo iniziale richiesto per strutturare questa infrastruttura, i vantaggi operativi emergono nel lungo termine. In merito all’investimento necessario per realizzare il livello di contesto, Witt specifica: «Si potrebbe guardare la cosa e dire: “Beh, non abbiamo il tempo di fare tutto questo”. Ma quel lavoro di struttura di base e di contestualizzazione paga enormi dividendi quando si passa al terzo caso d’uso, al cinquantesimo o al centesimo, perché lo si costruisce una volta sola e poi lo si mantiene, lo si migliora e lo si usa per sempre. Quindi ogni caso d’uso di AI successivo a questa organizzazione iniziale dei dati risulta accelerato e molto più rapido da implementare».
Il consolidamento delle tecnologie digitali nella produzione industriale richiede in definitiva l’adesione a standard consolidati a livello di settore e il coinvolgimento diretto delle persone operanti sulle linee. L’automazione non sostituisce la riprogettazione dei flussi lavorativi, ma agisce come strumento di supporto per ottimizzare processi già definiti e privi di inefficienze di fondo.



Partecipa alla community