,allowExpansion)
Predictive maintenance
Benchè da un punto di vista IT la Predictive Maintenance sia una sfida tutta sui Big Data, essa richiede le competenze su molti altri settori tecnologici: Network e Telecomunicazioni, Architettura IT, IoT, Cloud Computing e Security. Reply ha una comprovata esperienza in tutti i settori che sono rilevanti per la Predictive Maintenance.
La sfida dei Big Data
Il volume di dati generati da un impianto industriale altamente complesso è enorme. Questi dati sono di solito caratterizzati dalle 5V.
Data sources and infrastructures
L'obiettivo è quello di garantire che l'infrastruttura IT risponda effettivamente alle esigenze da soddisfare. La grande sfida consiste nell'estendere i database classici non relazionali con dati non strutturati.
La scelta del layout dell'architettura dipende principalmente da quanto velocemente I dati generati devono essere trasformati in azioni tramite la fase di analisi e quale grado di automazione del processo deve essere raggiunto. Questa domanda, come la scelta delle fonti di dati rilevanti, non può essere generalizzate e dipende in gran parte dal caso d'uso specifico (dell'industria).
)
,allowExpansion)
Data exploration and modelling
Obiettivi e possibilità sono valutati tenendo in considerazione vari aspetti di business, tecnici, legali e legati all'IT. Esperti dai vari campi devono incontrarsi e sviluppare nuove idee. Una volta che gli obiettivi sono stati determinati, i data scientists sviluppano modelli statistici che definiscono ed integrano tutte le variabili in modo tale da prevedere quando si verificherà il guasto di una componente di un motore o di una macchina.
I modelli vengono poi testati e verificati su dati reali disponibili: questo consente di valutare la qualità del modello che potrà così essere ulteriormente affinato.
Process integration
I risultati delle previsioni e delle analisi devono essere integrati nei processi aziendali. Gli operatori devono avere accesso tempestivo ai giusti strumenti e ci deve essere un'interfaccia utente che consenta loro di individuare la scelta migliore.
La scelta degli strumenti adatti dipende dal grado di automazione desiderato, cioè come e quanto i dati vengono analizzati e interpretati dal personale e se il modello prevede poi un'esecuzione manuale o automatica delle attività di manutenzione.
)
Benchè da un punto di vista IT la Predictive Maintenance sia una sfida tutta sui Big Data, essa richiede le competenze su molti altri settori tecnologici: Network e Telecomunicazioni, Architettura IT, IoT, Cloud Computing e Security.
Reply ha una comprovata esperienza in tutti i settori che sono rilevanti per la predictive maintenance.
Reply contribuisce attivamente allo sviluppo degli standard per l'IoT, in quanto prerequisito per lo sviluppo dell'Industrie 4.0, e della manutenzione predittiva. Attraverso il suo impegno nella OPC Foundation Reply supporta la creazione degli standard di interoperabilità per l'automazione industriale.
L'esperienza e le competenze tecniche di Reply, maturate attraverso numerosi progetti, stanno aprendo nuovi orizzonti per lo sviluppo dell'Industrie 4.0 e, in questo contesto, la Predictive Maintenance deve essere considerata un acceleratore chiave.
Predictive maintenance in practice
,allowExpansion)
Wind farms
L’energia eolica è uno dei tipici esempi quando si parla di manutenzione predittiva. L’uso di sensori connessi tramite internet consente di eliminare quasi completamente le perdite dovuti a tempi di fermo non programmati delle turbine eoliche. Specialmente per le turbine nei parchi eolici all’estero, la sensoristica remota combinata con i modelli predittivi aiuta a ridurre il bisogno di controlli di routine sul posto e quindi a ridurre significativamente i costi di manutenzione.
,allowExpansion)
Commercial vehicles
La manutenzione predittiva basata sui dati provenienti da sensori aiuta a prevenire I tempi di fermo produzione nei cantieri o nel settore agricolo, per esempio, e riduce gli incidenti del settore logistico. I fornitori di veicoli commerciali possono inviare squadre di servizio in tempo, prima che il veicolo si rompa, e anche sviluppare modelli di business innovativo come il pay-per-performance.
,allowExpansion)
Connected cars
Attraverso l’uso di sensori interni all’automobile, queste sono in grado di determinare se uno dei sistemi è soggetto a malfunzionamenti o guasti. I dati generati ad esempio dalle reti di controllo possono essere trasmessi per ulteriori analisi e può essere attivato un promemoria sulla console per programmare un futuro controllo. Informazioni relative alla condizione dell’automobile possono essere trasmesse al laboratorio, così da preparare le parti e i materiali di ricambio ed iniziare la riparazione senza ritardi.
,allowExpansion)
Steel production
Seguendo l’approccio Design Thinking, è stato rilevato che, nella società di produzione di acciaio, i sensori già collezionavano tutti i dati generati dal processo di produzione. Tramite un set up basato sull’IoT-Technology e l’IT-Integration, integrando l’esperienza è il know-how degli ingegneri, la società ha potuto utilizzare attivamente questi dati per fare previsioni sulla qualità del materiale ed eliminare i difetti durante il processo riducendo significativamente i costi delle riparazioni.
)
Syskoplan Reply è specializzata nella consulenza e nell'implementazione delle tecnologie SAP. In qualità di partner pluripremiato SAP Gold da molti anni, accompagna con affidabilità le aziende nel loro percorso verso la trasformazione digitale. Il nostro focus è sull’uso delle soluzioni SAP come piattaforma centrale per innovare i processi aziendali e migliorare l’esperienza dei clienti. Grazie alle competenze dei nostri esperti, le aziende ottengono vantaggi competitivi concreti, beneficiando della nostra agilità operativa e profonda esperienza in progetti trasversali a numerosi settori. Il portafoglio di Syskoplan Reply copre tutte le dimensioni delle moderne architetture SAP.