La produzione sta entrando in una fase in cui l'automazione non è più definita semplicemente dal numero di macchine che possono essere impiegate. La domanda più importante è quanto efficacemente l'automazione possa lavorare con le persone che gestiscono, mantengono, risolvono i problemi e migliorano continuamente i sistemi di produzione.
Le macchine sono eccezionalmente efficaci nel lavoro ripetitivo. Le persone sono più brave a gestire l'incertezza. Gli ambienti produttivi più efficienti, quindi, non sono quelli che cercano di eliminare le persone dal processo, ma quelli che assegnano deliberatamente il lavoro in base ai punti di forza di entrambi.
L'automazione dovrebbe estendere le capacità umane
L'automazione industriale è stata tradizionalmente valutata attraverso metriche note come tempo ciclo, produttività, disponibilità ed efficienza della manodopera. Queste misurazioni restano importanti, ma non raccontano l'intera storia.
Un PLC può eseguire la stessa sequenza migliaia di volte senza distrarsi. Un sistema di visione può ispezionare grandi quantità di pezzi in base a criteri definiti. Un robot può ripetere un movimento programmato con un posizionamento costante. Un sistema di controllo industriale può raccogliere continuamente le variabili di processo e reagire secondo una logica predefinita.
Questi sono ambiti in cui le macchine hanno un chiaro vantaggio.
La produzione diventa molto meno prevedibile al di fuori di queste condizioni controllate. Una carenza di materiali può interrompere la produzione. Un fornitore può modificare le specifiche di un componente. Una macchina può sviluppare un guasto intermittente che non compare nei dati storici. Un cliente può richiedere all'ultimo momento una modifica del prodotto.
Queste situazioni richiedono interpretazione anziché semplice esecuzione.
Un operatore esperto o un tecnico della manutenzione può combinare la conoscenza del processo, il comportamento delle apparecchiature e le condizioni attuali per determinare cosa stia realmente accadendo. La capacità di interpretare il contesto è difficile da ridurre a una sequenza fissa di istruzioni.
Per questo motivo, considero l'automazione meno come un sostituto delle capacità umane e più come un modo per estenderle.
Le macchine gestiscono la ripetibilità, le persone gestiscono la variabilità
Un modo utile per progettare un sistema di produzione automatizzato consiste nel separare il lavoro prevedibile da quello variabile.
Le macchine sono particolarmente adatte alle operazioni con input, output e regole decisionali chiaramente definiti. L'assemblaggio ripetitivo, la movimentazione dei materiali, la misurazione, l'ispezione e la regolazione dei processi possono spesso essere automatizzati perché le loro condizioni operative possono essere descritte con precisione.
Le persone diventano più preziose quando il processo esce da quei confini.
Consideriamo un guasto imprevisto di un’apparecchiatura. Un allarme può indicare una temperatura elevata del motore, vibrazioni anomale o una perdita di comunicazione. Il sistema di controllo può identificare la condizione e fornire informazioni diagnostiche, ma il tecnico deve comunque determinare se il problema sia di natura elettrica, meccanica, ambientale o legato al processo stesso.
Questa distinzione è importante.
L’automazione può dirci che cosa ha rilevato il sistema. L’esperienza umana spesso determina che cosa significhi quell’informazione nel mondo fisico.
L’approccio più produttivo non consiste quindi nel chiedersi se un’attività debba essere svolta da una persona o da una macchina. La domanda migliore è quale parte dell’attività debba essere gestita da ciascuno.
I dati non eliminano il giudizio ingegneristico
Le fabbriche moderne generano enormi quantità di dati operativi. PLC, piattaforme DCS, sistemi SCADA, apparecchiature per il monitoraggio delle condizioni, historian, sistemi di visione e dispositivi IIoT possono acquisire continuamente informazioni dagli asset di produzione.
Tuttavia, una maggiore quantità di dati non porta automaticamente a decisioni migliori.
Un sensore calibrato male può generare misurazioni inaccurate. Un allarme configurato in modo errato può causare interventi non necessari da parte dell’operatore. L’assenza di timestamp può rendere difficile ricostruire la sequenza degli eventi. Una denominazione incoerente dei tag può complicare l’analisi tra le linee di produzione.
Anche i sistemi di intelligenza artificiale e di analisi dei dati devono affrontare lo stesso limite.
Se i dati sottostanti non rappresentano accuratamente il processo fisico, gli algoritmi sofisticati non possono correggere magicamente il problema. Possono produrre conclusioni molto convincenti basate su dati di input errati.
Per questo la digitalizzazione industriale dovrebbe iniziare dalla strumentazione, dalla logica di controllo, dall’architettura dei dati e dalla conoscenza dei processi. L’IA dovrebbe essere considerata un altro strumento ingegneristico, non un sostituto dei fondamenti dell’ingegneria.
L’interfaccia dell’operatore fa parte del sistema di automazione
L’automazione incentrata sulle persone richiede anche attenzione al modo in cui le informazioni raggiungono il personale.
Un sistema di controllo tecnicamente valido può comunque funzionare male se agli operatori vengono presentati troppi allarmi, grafiche confuse o informazioni che arrivano troppo tardi per supportare una decisione.
Un operatore non ha bisogno di ogni dato disponibile in ogni momento. Ha bisogno delle informazioni giuste, presentate chiaramente, nel punto in cui deve prendere una decisione.
Lo stesso principio vale per il personale addetto alla manutenzione.
Un sistema di monitoraggio delle condizioni che segnala migliaia di misurazioni può creare poco valore se i tecnici non riescono a distinguere le normali variazioni operative da un guasto effettivamente in fase di sviluppo. Un’automazione utile dovrebbe ridurre lo sforzo cognitivo non necessario, anziché limitarsi a trasferire più informazioni su uno schermo.
In termini pratici, la progettazione delle interfacce, la gestione degli allarmi, la diagnostica delle apparecchiature e la progettazione dei flussi di lavoro dovrebbero essere considerate parte dell'architettura di automazione.
La sicurezza deve rimanere una responsabilità umana
L'automazione industriale può ridurre l'esposizione a operazioni pericolose, ma l'automazione di per sé non garantisce la sicurezza.
Un robot normalmente continuerà a eseguire la sequenza programmata, a meno che l'architettura di controllo e di sicurezza non fornisca le condizioni appropriate per arrestarne o limitarne il funzionamento. La sicurezza dipende quindi dal sistema completo: sensori, controllori di sicurezza, interblocchi, arresti di emergenza, protezioni, procedure, pratiche di manutenzione e comportamento umano.
Lo stesso principio si applica ai sistemi di sicurezza funzionale.
Un sistema strumentato di sicurezza può rilevare condizioni pericolose definite e avviare una risposta sicura predeterminata. Non sostituisce il lavoro ingegneristico necessario per identificare i pericoli, definire le funzioni di sicurezza, convalidare il sistema e mantenerlo per tutto il suo ciclo di vita.
È qui che la responsabilità umana rimane fondamentale.
Gli ingegneri e i professionisti della sicurezza devono comprendere non solo ciò che un sistema automatizzato è progettato per fare, ma anche cosa accade quando le ipotesi vengono meno.
Non automatizzare un processo inefficiente
Uno degli errori di automazione più comuni consiste nel tentare di risolvere un problema di processo aggiungendo tecnologia.
Se un processo manuale è incoerente perché le responsabilità non sono chiare, installare ulteriore automazione potrebbe semplicemente far sì che l'incoerenza si verifichi più rapidamente.
Se i dati di produzione sono inaffidabili perché gli strumenti sono sottoposti a una manutenzione inadeguata, l'aggiunta di sistemi di analisi non produrrà necessariamente previsioni utili.
Se le procedure di manutenzione sono inefficaci perché le informazioni sulle apparecchiature sono incomplete, l'aggiunta di un'altra piattaforma software può aumentare la complessità senza migliorare le prestazioni della manutenzione.
Prima di automatizzare un processo, è necessario esaminare il processo stesso.
È ripetibile? Gli input sono controllati? I limiti operativi sono noti? Le modalità di guasto sono conosciute? Il risultato desiderato può essere misurato? Esiste una ragione chiara per automatizzare l'operazione?
Se la risposta a queste domande non è chiara, il miglioramento del processo dovrebbe normalmente precedere l'automazione.
I progetti di automazione necessitano di obiettivi misurabili
I progetti tecnologici possono facilmente concentrarsi sull'implementazione anziché sui risultati.
Un nuovo robot, una piattaforma PLC, un sistema di visione, un'applicazione di analisi o uno strumento digitale per la manutenzione possono essere tecnicamente impressionanti, ma il loro valore dovrebbe essere dimostrato in ultima analisi attraverso risultati operativi misurabili.
A seconda dell'applicazione, questi risultati potrebbero includere una riduzione dei tempi di fermo, tempi di cambio formato più brevi, tassi di scarto inferiori, un miglioramento della resa al primo passaggio, un minor numero di incidenti di sicurezza, una diagnosi più rapida dei guasti o una riduzione degli interventi di manutenzione.
Il punto importante è stabilire la misurazione prima di implementare la tecnologia.
Una baseline chiara consente di determinare se l'investimento ha effettivamente modificato il processo.
Senza una baseline, le organizzazioni possono finire per misurare il successo di un progetto di automazione in base al fatto che il sistema sia stato installato e messo in servizio, anziché in base al fatto che il problema di produzione sia stato risolto.
Le competenze della forza lavoro devono evolversi insieme alla tecnologia
Con l'aumentare della sofisticatezza dell'automazione, cambiano anche le competenze richieste ai lavoratori industriali.
Un tecnico della manutenzione potrebbe aver sempre più bisogno di comprendere le reti, l'I/O remoto, gli azionamenti a frequenza variabile, la diagnostica dei PLC, l'Ethernet industriale e l'acquisizione dati, oltre alle competenze meccaniche ed elettriche tradizionali.
Gli operatori potrebbero dover interpretare gli andamenti del processo invece di limitarsi a monitorare gli allarmi discreti.
Gli ingegneri potrebbero dover comprendere sia l'architettura di controllo sia l'architettura dei dati.
Ciò non significa che ogni lavoratore debba diventare uno sviluppatore software o un data scientist. Significa che le organizzazioni devono sviluppare le competenze tecniche necessarie per gestire e mantenere sistemi sempre più connessi.
La formazione dovrebbe quindi essere considerata parte del progetto di automazione, non un'attività aggiunta dopo la messa in servizio.
I migliori sistemi di automazione sono progettati tenendo conto dei guasti
Una caratteristica spesso trascurata di una buona automazione industriale è il modo in cui si comporta quando qualcosa va storto.
Dimostrare il funzionamento normale è relativamente facile. La domanda ingegneristica più complessa è cosa accade quando un sensore si guasta, si perde una connessione di rete, un attuatore non risponde, un controller smette di comunicare o un operatore effettua una selezione imprevista.
Una buona architettura di automazione anticipa queste condizioni.
La diagnostica dovrebbe aiutare a identificare la causa di un problema. Gli interblocchi dovrebbero impedire sequenze non sicure. La ridondanza dovrebbe essere applicata quando il rischio e l'applicazione la giustificano. L'intervento manuale dovrebbe rimanere possibile laddove sia necessario dal punto di vista operativo.
Dal punto di vista ingegneristico, la qualità di un sistema di automazione emerge spesso più chiaramente durante le condizioni anomale che durante la produzione normale.
L'esperienza umana rimane una fonte di innovazione
Alcuni dei miglioramenti più utili in un reparto produttivo non nascono dai dipartimenti di ingegneria o dai fornitori di tecnologia.
Gli operatori scoprono spesso piccoli cambiamenti nei processi che riducono i movimenti non necessari. I tecnici della manutenzione individuano schemi ricorrenti di guasto che non sono evidenti nella documentazione delle apparecchiature. Il personale di produzione può riconoscere una relazione tra la qualità del prodotto e le condizioni operative prima che tale relazione emerga in un’analisi formale.
Queste osservazioni rappresentano conoscenze pratiche dei processi.
I sistemi digitali possono acquisire e organizzare queste conoscenze, ma le organizzazioni hanno ancora bisogno di meccanismi che consentano alle persone di contribuirvi.
Un ambiente produttivo realmente connesso non dovrebbe soltanto inviare informazioni dalle macchine alle persone. Dovrebbe anche consentire alle conoscenze delle persone di migliorare le macchine, le procedure e le strategie di controllo.
Il passo successivo è l’automazione collaborativa
È improbabile che il futuro dell’automazione industriale sia definito da una semplice transizione dal lavoro manuale alla produzione completamente autonoma.
Una direzione più realistica è l’automazione collaborativa, in cui le macchine assumono la responsabilità delle attività ripetitive, precise e ad alta intensità di dati, mentre le persone mantengono la responsabilità dell’interpretazione, della gestione delle eccezioni, del miglioramento e delle decisioni che richiedono un contesto più ampio.
Questo modello cambia il modo in cui dovrebbero essere progettati i progetti di automazione.
Invece di chiedersi: "Quanti lavoratori può sostituire questo sistema?", gli ingegneri dovrebbero chiedersi: "Quali attività umane generano sforzo, rischio o ritardi non necessari e come può la tecnologia ridurre questo carico?"
Questo cambiamento di prospettiva produce un tipo diverso di automazione.
L’obiettivo non è avere meno persone a ogni costo. È utilizzare meglio l’esperienza umana.
Una definizione più pratica di intelligenza industriale
L’intelligenza industriale non dovrebbe essere definita semplicemente dalla presenza di AI, robot o dispositivi connessi.
Un sistema di produzione realmente intelligente dovrebbe sapere cosa può automatizzare, riconoscere i limiti della propria logica decisionale, fornire informazioni utili alle persone e arrestarsi in modo controllato quando le condizioni escono dal proprio perimetro operativo definito.
Le persone offrono contesto, giudizio e responsabilità.
Le macchine offrono ripetibilità, velocità, capacità di calcolo e monitoraggio continuo.
I dati collegano i due elementi.
Quando questi elementi vengono progettati insieme, l’automazione diventa più di un insieme di tecnologie di controllo. Diventa un modello operativo in cui la tecnologia elimina il lavoro non necessario, mentre l’esperienza umana rimane disponibile dove crea il maggior valore.
Il futuro della produzione non è quindi fondamentalmente una competizione tra esseri umani e macchine. È la progettazione di un sistema produttivo in cui ciascuno svolge il lavoro per cui è più adatto.
