Innovazione industriale

IoT: dalla sensoristica specializzata un aiuto a migliorare la qualità della produzione e del prodotto

La digitalizzazione dell’industria e l’accelerazione legata all’uso di tecnologie IoT sono una grande opportunità per migliorare la qualità della produzione. In questo contesto, le scelte tecnologiche svolgono un ruolo chiave, insieme agli industrial analytics, a una corretta pianificazione degli obiettivi, alla scelta dei giusti partner tecnologici e a un’attenta integrazione delle componenti IT e OT

08 Ott 2020

Gianni Mevoli

IoT Marketing Specialist, Marketing Communication & Technology di Italtel

Da svariati anni l’Internet of things è entrato in modo dirompente nel mondo industriale e della produzione. La realtà italiana, composta per il 92% da imprese medio piccole, presenta uno scenario estremamente variegato dove non mancano esempi di eccellenza e innovazione digitale, che si traducono solitamente in successo di mercato non solo nazionale ma anche internazionale.

L’IoT è diventato uno strumento importante non solo per conoscere e monitorare l’andamento dei processi di produzione con l’obiettivo di migliorare tempi e costi, ma è anche un fattore fondamentale in grado di aiutare concretamente le imprese a migliorare la qualità, sia in termini di processo, sia in termini di prodotti finiti. Il tutto grazie alle informazioni aggiuntive ricavabili da sensori specializzati che, opportunamente identificati ed integrati, consentono di far luce su aspetti non evidenti e fungere da fonte informativa essenziale per ottimizzare e migliorare la produzione. I vantaggi riguardano non solo le industrie manifatturiere ma anche i loro clienti finali.

Lo scenario attuale

Il panorama che oggi si incontra nelle imprese manifatturiere è composto per una buona parte da sistemi di produzione molto diversificati, spesso non ancora digitalizzati oppure, seppur digitali a livello di controllo, non ancora connessi. Il processo di connessione (connected machines) consente di instaurare un dialogo con le macchine di produzione allo scopo di raccogliere dati preziosi per il monitoraggio, in tempo reale, dell’efficacia di un impianto produttivo. Si parte dai tempi di effettiva disponibilità, dalla velocità di lavoro e dal tasso di errore di lavorazione (il cosiddetto indice OEE – Overall Equipment Effectiveness), fino ad arrivare alla capacità di retroazione digitale potendo comandare dai sistemi di controllo produzione (MES) la modifica più o meno automatica dei parametri di funzionamento di macchina, sempre grazie alla connessione digitale. I dati raccolti ed utilizzati in tempo reale vengono anche storicizzati in modo da poter essere analizzati per ricavarne informazioni utili alle pianificazioni ed ottimizzazioni di processo, come analisi su trend e derive, errori ricorrenti, correlazioni anche non evidenti tra problematiche e possibili cause e concause: è il lavoro degli industrial analytics.

La sensorizzazione delle macchine di produzione

Uno degli aspetti più interessanti legati alla digitalizzazione delle macchine e dei processi è certamente quello legato alla cosiddetta sensorizzazione, ovvero alla possibilità di introdurre a livello di macchinario o di linea di produzione uno o più sensori specifici con l’obiettivo di migliorare la qualità della produzione.

In realtà, la stragrande maggioranza delle macchine nasce per sua natura già sensorizzata, perché il computer (PLC) che governa e controlla lo specifico processo industriale espletato da un certo macchinario si basa su tutta una serie di sensori all’interno della macchina stessa per eseguire al meglio il suo programma di produzione.

La vera opportunità legata all’IoT in fabbrica è invece relativa alla possibilità di aggiungere sensori specializzati che sono volti a controllare e ottimizzare la qualità della produzione. Qualità è un termine molto utilizzato in questi anni e racchiude in sé vari significati e, allo stesso tempo, anche svariate aspettative. Quello che ci interessa in questo contesto è l’accezione legata alla conformità ai requisiti di produzione, ovvero alla garanzia che il prodotto possieda le proprietà e le caratteristiche strutturali atte a soddisfare le esigenze dei clienti. Migliorare la qualità della produzione significa, quindi, raccogliere informazioni utili a capire meglio il proprio processo di produzione per poter effettuare interventi correttivi in tempo reale (durante la produzione) o decidere ed attuare azioni migliorative dopo un’analisi più approfondita di dati anche storici, attraverso gli industrial analytics.

Esempi di sensorizzazione

I sensori applicabili alle macchine o alle linee di produzione possono essere di vari tipi. Per fare alcuni esempi:

  • sensori come le termocamere consentono di monitorare e misurare le temperature dei prodotti nelle diverse fasi di lavorazione, potendo ricavare immagini termografiche ad alta risoluzione e frequenza di aggiornamento, anche su oggetti in movimento, o individuare hot-spots o cold-spots. Sono ad esempio applicabili nell’industria della produzione del vetro, per controllare l’andamento e le eventuali anomalie nella produzione di bottiglie, vasetti, provette, lastre più o meno grandi di vetro. Con analoghi obiettivi sono applicabili nelle produzioni metalliche (ad esempio in ambito automotive), nell’industria della gomma (vulcanizzazione), nella produzione di prodotti in plastica attraverso processi di termoformatura (nella realizzazione di pannelli o altri oggetti con forme anche complesse) e così via;
  • sensori come i profilometri (basati su scanner laser oppure su tecnologia a tempo di volo) consentono di misurare l’andamento del profilo di un prodotto o di un semilavorato, monitorandone anche l’andamento nel tempo. Sono applicabili ad esempio per la verifica di planarità o difettosità di un piano, per la misura lungo un determinato asse dell’andamento nel tempo di una superficie, nella misura di distanze tra prodotti assemblati (come ad esempio portiere e cofano rispetto alla carrozzeria di un’auto) oppure nella misura di specifici profili (come ad esempio il battistrada degli pneumatici) anche di estrema precisione, come nelle lavorazioni micro-meccaniche, fino al controllo delle saldature superficiali o della posizione di componenti di una scheda elettronica;
  • sensori come le telecamere stereoscopiche consentono di ottenere ed analizzare immagini tridimensionali di prodotti o di parti specifiche. La capacità di ricostruire in 3D l’immagine, un po’ come accade in natura con la vista nell’uomo, è di estrema utilità ad esempio per attività ispettive, verifiche di posizionamento o di assemblaggio, controlli di sagoma o di completezza. Nel controllo qualità possono essere validamente applicate, ad esempio, nel conteggio o nel controllo del corretto posizionamento di oggetti, nella misura di prodotti (volumi, aree, spessori), nelle verifiche di corretto imballaggio e di integrità delle confezioni, in termini di contenuto o di completezza, di identificazione di confezioni vuote.

Altri sensori specifici sono in grado, ad esempio, di riconoscere e misurare i colori (con applicazioni di verifica di corretta associazione in assemblaggio, di color-matching, di consistenza della produzione nel tempo), e così via.

WHITEPAPER
Cloud: cogli tutte le opportunità! Meno costi, senza skill ad hoc e con dati in Italia
Cloud
Cloud Application

Le informazioni raccolte dalla sensoristica specializzata si aggiungono alle informazioni di macchina e di produzione costituendo per le aziende una base dati di estremo valore non solo per conoscere in profondità e migliorare i processi produttivi e la qualità, ma anche per ridurre la difettosità, utilizzare meglio le materie prime e le risorse necessarie, riducendo scarti e sprechi, contribuendo anche a rendere più green le attività ed i processi dell’impresa.

La complessità degli ambienti di produzione

Gli ambienti industriali sono molto variegati, dipendono strettamente dall’ambito di produzione per il quale devono operare e sono caratterizzati da fattori (tipicamente fisici ed ambientali) che rendono complessa la digitalizzazione e la sensorizzazione delle linee di produzione.

Un primo livello di complessità è legato al fatto che molte macchine di produzione sono digitalizzate ai soli scopi del processo produttivo e non sono state pensate per poter essere estese con sensori addizionali, ad esempio con l’obiettivo di migliorare la qualità delle lavorazioni. Ciò comporta la necessità di individuare, a seconda delle situazioni, la miglior soluzione non solo in relazione all’obiettivo specifico (ottimizzare la qualità), ma anche in relazione ai vincoli di installazione, alla presenza di parti in movimento o di specifici ingombri, e alle caratteristiche fisiche e di processo delle macchine o delle linee di produzione coinvolte.

Un secondo livello di complessità deriva dall’ambiente, a volte anche sfidante, nel quale occorre operare, soprattutto in relazione ad aspetti quali temperature elevate, presenza di fumi e di pulviscolo. In queste condizioni si applicano spesso protezioni aggiuntive ai sensori per elevare la temperatura di funzionamento (ad esempio con le camicie di raffreddamento ad acqua si riesce a far operare un sensore anche in un contesto siderurgico), oppure sistemi di pulizia delle lenti (come le lame a purga d’aria in grado di effettuare una pulizia continua della lente di una telecamera o di una termocamera grazie ad un flusso costante di aria compressa).

Un terzo livello di complessità è dato dalla necessità di integrazione con i sistemi di fabbrica (non sempre standard e centralizzati). Inoltre, occorre gestire opportunamente il dialogo con i costruttori delle macchine per verificare eventuali impatti legati all’introduzione ed installazione fisica dei sensori aggiuntivi. In taluni contesti si aggiunge anche il bisogno di integrare più sensori con caratteristiche ed obiettivi di misura diversi tra loro.

Alcuni esempi pratici

Per capire meglio come l’IoT è in grado di amplificare la capacità di un’azienda di migliorare in termini di qualità, possiamo considerare un paio di esempi di applicazioni concrete.

Un primo esempio riguarda l’industria alimentare, che presenta tutta una serie di problematiche di verifica e controllo legate alla qualità dei prodotti finiti, soprattutto per quanto riguarda i prodotti inscatolati o in vaschetta. In questo ambito, l’IoT può fornire un valido aiuto nell’automatizzare e intensificare controlli di qualità e di sicurezza grazie ad esempio all’applicazione di sensori di visione artificiale (sia come profilometri, sia come telecamere a visione stereoscopica). Attraverso questi sensori è infatti possibile realizzare controlli morfologici sui singoli prodotti finiti (come ad esempio prodotti da forno), verificare il corretto riempimento o il conteggio del prodotto all’interno dei spazi previsti nelle relative confezioni (nella fase di impacchettamento ad esempio di biscotti o pasticcini in contenitori a più comparti singoli), il corretto porzionamento del cibo, l’ispezione del sottovuoto, il corretto imballaggio finale (ad esempio in inscatolamenti complessi).

Un secondo esempio riguarda l’industria dei prodotti di consumo, in particolare della realizzazione di prodotti che richiedono componenti plastici creati attraverso processi di termoformatura. Rientrano in questa categoria tutta una serie di prodotti che hanno parti in plastica a formare la struttura esterna come piccoli elettrodomestici (ad esempio macchine da caffè, frullatori, sbattitori, estrattori), o grandi elettrodomestici come i frigoriferi e i loro pannelli interni. Il processo di termoformatura è strutturato a fasi successive che prevedono, sinteticamente, una fase di riscaldamento del foglio plastico in una camera specifica ed un successivo trasferimento tangenziale dello stesso nella camera di termoformatura vera e propria. Qui, grazie all’azione pneumatica, il foglio riscaldato viene dapprima fatto gonfiare e poi fatto adagiare sullo stampo metallico; una volta fatto aderire grazie all’azione del vuoto e fatto raffreddare soffiando aria in modo controllato, assumerà la forma voluta. L’applicazione di una termocamera a scansione lineare nel passaggio tra le due camere consente di ricostruire l’immagine termica del foglio che può essere utilizzata per regolare i parametri di produzione (riscaldamento e formatura) per ovviare a difetti di lavorazione o migliorare la qualità del prodotto finito.

Più in generale, i dati raccolti con la sensoristica aggiuntiva sono in grado estendere le informazioni raccolte attraverso la connessione delle macchine di produzione e di migliorare il modello digitale della macchina o del processo (il cosiddetto digital twin) per ottenere un modello in tempo reale più fedele alla realtà o un modello di simulazione più ricco che consente di provare variazioni al processo prima che vengano effettivamente calate sui sistemi di produzione.

I benefici delle soluzioni IoT

Soluzioni IoT applicate allo specifico contesto produttivo per migliorare la qualità dei prodotti portano benefici che vanno al di là dell’obiettivo specifico. Infatti, oltre a mettere a disposizione tutta una serie di informazioni in tempo reale utilizzabili per aggiustare opportunamente i parametri di funzionamento durante produzione, costituiscono una fonte di dati che, insieme ai relativi parametri di esecuzione del processo, è essenziale per conoscere, approfondire e migliorare il processo di produzione stesso.

Le soluzioni IoT consentono di:

  • migliorare la qualità del prodotto e diminuire le difettosità;
  • ridurre scarti, sprechi e materie prime necessarie, verso processi più green che ottimizzino i consumi e riducano l’inquinamento;
  • avere a disposizione un valido strumento per l’analisi dei problemi in produzione;
  • realizzare un controllo strutturato di ogni variazione ai processi produttivi, arricchendo il digital twin di macchina o di processo;
  • arricchire la base dati a disposizione degli industrial analytics, potenziando le funzionalità di early warning e di manutenzione predittiva;
  • associare informazioni dettagliate sulla produzione ai prodotti finiti, sia ad uso interno per la gestione ad esempio delle difettosità in garanzia, sia potenzialmente ad uso esterno con un sottoinsieme controllato di informazioni esportabili verso i clienti finali.

I passi necessari per adottare l’IoT in fabbrica

Difficile pensare a una ricetta universale applicabile in qualsiasi contesto. Se l’azienda ha già intrapreso un percorso di innovazione digitale, l’IoT in fabbrica non è certo qualcosa di nuovo. Se l’azienda sta invece muovendo i primi passi o ha intenzione di iniziare questo nuovo percorso, avrà probabilmente bisogno di un advisor che la aiuti a instaurare un processo incrementale.

Nella nostra esperienza, i passi che sono necessari sono generalmente:

  • lavorare insieme al cliente per identificare ed analizzare i requisiti, ma soprattutto le aspettative, per costruire una roadmap chiara basata fondamentalmente sulle priorità di intervento, avendo sempre chiari gli obiettivi finali del percorso di digitalizzazione;
  • lavorare con i partner industriali (come ad esempio di produttori di sensori specializzati) per identificare i dispositivi in relazione alle caratteristiche di intervento e ai risultati attesi;
  • lavorare con i costruttori dei macchinari per identificare e validare possibili soluzioni di integrazione dei dispositivi nella macchina o nella linea di produzione senza generare impatti sul normale funzionamento dei processi produttivi;
  • curare l’integrazione con i sistemi informativi di fabbrica (MES, ERP);
  • avere la capacità di integrare diverse tecnologie, protocolli, fonti dati, algoritmi di pre e post-analisi, con l’obiettivo comune di migliorare ed ottimizzare la qualità della produzione;
  • garantire l’evoluzione incrementale delle soluzioni e la compatibilità con nuovi requisiti o evoluzioni tecnologiche più recenti, come il 5G.

Per concludere con una citazione di un famoso tennista, “Il successo è un viaggio, non una destinazione” (Arthur Ashe). I risultati positivi vanno colti lungo un percorso che diventa più un modello di evoluzione, quello della digital transformation.

Tavola rotonda
Edge computing e Intelligent Edge: migliorare i servizi e l'analisi dei dati
IoT

@RIPRODUZIONE RISERVATA
M
Gianni Mevoli
IoT Marketing Specialist, Marketing Communication & Technology di Italtel
Argomenti trattati

Approfondimenti

A
automazione industriale
C
cloud
I
Industrial IoT

Articolo 1 di 5