Puntare sull'edge

Espandersi al di là delle tradizionali piattaforme basate su cloud

Man mano che, nel corso degli ultimi anni, gli smart asset hanno iniziato a proliferare negli impianti, si sono moltiplicate anche le piattaforme di analisi basate su cloud, studiate per trasformare i dati generati in informazioni utili.

Le tradizionali piattaforme basate su cloud sono in grado di aggregare i dati da molteplici fonti. Tuttavia, per effettuare una valutazione della produzione e dell'azienda partendo da quei dati occorre tempo e potrebbe essere necessario rivolgersi ad architetti dei dati, esperti di business intelligence e altri specialisti interni in gestione dei dati.

Inoltre, inviare i dati al cloud e recuperarli non rappresentano operazioni pratiche per ogni applicazione. Di base, un approccio tradizionale basato su cloud non è in grado di fornire informazioni contestualizzate in modo sufficientemente rapido da incidere immediatamente sui processi dello stabilimento e sulle attività quotidiane del personale.

A Cost-Effective, Pragmatic Approach to Distributed Intelligence

Una piattaforma di analisi scalabile è in grado di offrire un modo conveniente e pragmatico per distribuire informazioni utili per agire a tutti i livelli dell'organizzazione – dall'edge al cloud.

La nuova soluzione di analisi comprende capacità di machine learning e di analisi edge – nel punto più vicino alla fonte dell'informazione e ai responsabili decisionali a livello di stabilimento.

Fornita come plug-in, semplifica l'impostazione. Non occorre alcun ricablaggio dei sensori intelligenti esistenti. Basta collegare l'Ethernet e aspettare circa cinque minuti mentre la soluzione esplora la rete industriale e individua gli smart asset. Non appena i dispositivi vengono individuati, vengono raccolti i dati per generare dashboard contenenti lo stato attuale e le valutazioni diagnostiche.

Man mano che trova informazioni su come i dispositivi sono correlati tra loro, ad esempio sulla causalità dei guasti, questa soluzione inizia a comprendere il sistema su cui è utilizzato ed è in grado di fornire raccomandazioni prescrittive. Ad esempio, può inviare una “action card” allo smartphone o al tablet di un utente.

Un approccio scalabile all'analisi può avere un impatto immediato in molti ambiti della produzione di pneumatici. E acquisirà sempre maggiore importanza nelle applicazioni complesse quali la produzione della mescola e la vulcanizzazione, dove il machine learning può avere un ruolo sostanziale sulla qualità del prodotto, sull'agilità di produzione e sull'efficienza energetica.

Ma questa è solo una parte della soluzione. La piattaforma scalabile si estende oltre l'edge ai motori e agli strumenti di calcolo che organizzano automaticamente i dati da molteplici fonti e consentono agli utenti di visualizzare elementi in comune e acquisire più velocemente informazioni operative e aziendali

Il risultato? Un approccio scalabile permette ai produttori di pneumatici di coinvolgere più attivamente ogni livello dell'organizzazione nell'ottimizzazione del suo processo di produzione – dai dipartimenti locali di ingegneria e manutenzione fino ai vertici dell'azienda. Il tutto dal dispositivo al cloud.

Scoprite di più sull'analisi scalabile e sulle soluzioni per i produttori di pneumatici.