TEMPO DI LETTURA 8″
I dati non sono necessariamente informazioni. Potrebbe essere rumore. Devo spendere milioni per integrare l’hardware solo per consentire risparmi “possibili”?
La raccolta dei dati è l’oneroso sforzo organizzativo necessario per collezionare informazioni quantitative e qualitative su variabili specifiche con l’obiettivo di valutare i parametri e prendere decisioni giustificate da fatti oggettivi e misurabili. Una buona raccolta dati richiede un processo chiaro per garantire che i dati raccolti siano puliti, coerenti e affidabili.
Determinare tale processo, tuttavia, può essere complicato. Si tratta di definire i tuoi obiettivi, identificare lo stato dell’arte nella tua azienda, prioritizzare le azioni secondo i classici vincoli di budget, decidere un metodo di raccolta (e analisi) e infine stilare un piano di implementazione del tuo programma. I dati possono essere un “enabler” molto costoso e senza garanzie di ritorno.
Definire gli obiettivi
Un errore cruciale che vediamo commettere dalle organizzazioni è l’avvio di un programma di raccolta dati senza una serie chiaramente definita di obiettivi lungimiranti. Il dato è un mezzo, il business la stella polare: senza obiettivi ben articolati, magari SMART, è molto facile perdere la rotta.
Una volta stabiliti gli obiettivi chiave del progetto, il passo successivo è delineare come raggiungerli. Quali risultati devi dimostrare per definire il tuo progetto un successo?
Identificare i requisiti per i dati
Quindi, come puoi filtrare il rumore e concentrarti su ciò di cui hai bisogno? Una chiara visione dei tuoi obiettivi ti aiuterà a restringere la tua attenzione e a identificare un metodo di raccolta dei dati che soddisfi esattamente le tue esigenze.
Molto spesso i dati di cui le aziende hanno veramente bisogno sono pochi eppure ci si concentra sulla raccolta massiva e indiscriminata degli stessi, con costi altissimi e fermi macchina e la successiva difficoltà di analisi e interpretazione.
Si rende necessario un cambio di paradigma, la corsa all’oro della raccolta dati può essere meno onerosa e costosa di quanto si pensi ad oggi.
Immaginiamo di applicare il principio del Rasoio di Occam. Il rasoio di Occam (o anche di Ockham) è un modello mentale attribuito al frate francescano William di Ockham (1287 – 1349), considerato uno dei filosofi più influenti del XIV secolo. Il principio viene definito da William in questi termini: “Pluralitas non est ponenda sine necessitate” (Non considerare la pluralità se non è necessario) e “Frustra fit per plura quod potest fieri per pauciora” (E’ inutile fare con più ciò che può essere fatto con meno). Il frate voleva esprimere una critica nei confronti della teoria della conoscenza del suo tempo che vedeva un proliferare di nuovi approcci e spiegazioni filosofiche. Il rasoio di Occam è un modello di pensiero secondo il quale, a parità di tutte le altre condizioni, è sempre da preferire la spiegazione più semplice di un fenomeno o la soluzione più immediata di un problema: così dobbiamo approcciarci alla raccolta dati.
Come determinare il tuo Metodo di raccolta dei dati
L’intero scopo di un programma di raccolta dati sono i dati, ma non si raccolgono da soli. Ci sono molte opzioni tra cui scegliere per come affrontare questo problema e ognuna ha punti di forza in un’area diversa. Il tipo di dati che stai cercando di raccogliere, così come le caratteristiche della sua origine e dell’ambiente, dovrebbero tutti indicare quale metodo di raccolta dei dati ha più senso per il tuo programma.
In ambito manufacturing, la prima modalità di raccolta dati è la connessione diretta delle macchine con sistemi di analisi e misurazione, leggi ad esempio PLC, acronimo di Programmable Logic Controller, ossia computer industriali utilizzati per controllare diversi processi elettromeccanici da utilizzare nella produzione, negli impianti o in altri ambienti di automazione. I PLC variano per dimensioni e fattori di forma. Alcuni sono abbastanza piccoli da stare in tasca, mentre altri sono abbastanza grandi da richiedere il montaggio dei propri rack su carichi pesanti. Alcuni PLC possono essere personalizzati con backplane e moduli funzionali per adattarsi a diversi tipi di applicazioni industriali.
Operare queste integrazioni e misurazioni ha un impatto enorme sulle linee di produzione: in termini di costi, in termini di tempistiche (occorre bloccare le linee), in termini di difficoltà (molte macchine, non così moderne, non possono essere proprio messe in rete).
La seconda modalità di raccolta dati fa ricorso all’IoT. In questo caso le macchine non vengono collegate direttamente e fisicamente ai rilevatori, ma sono utilizzati sensori anche esterni alle linee di produzione, che restituiscono, però, dati non contestualizzati. Le linee non vengono fermate ma si pone il problema dell’analisi dei medesimi dati.
Tertium non datur, per restare in tema di filosofia medioevale? In questo caso sì, esiste una terza via e si chiama Screevo. Ne parliamo qui sotto.
Il rumore bianco della raccolta dati
Dati non vuol dire necessariamente informazioni. Il rumore è un problema inevitabile, che colpisce i processi di raccolta e preparazione dei dati nelle applicazioni di data mining, dove si verificano comunemente errori. Il rumore ha due fonti principali: errori impliciti introdotti da strumenti di misurazione/raccolta; ed errori casuali introdotti da processi batch o esperti durante la raccolta dei dati, ad esempio in un processo di digitalizzazione dei documenti.
La principale criticità della raccolta dati attraverso PLC e messa in rete diretta delle macchine è l’enorme mole di informazioni accumulate. Il fermo macchine e l’incredibile costo associato, unito alla raccolta di moltissimi dati non funzionali, rende poco produttiva questa modalità. E’ molto probabile che ad un Plant manager e al suo Team occorrano davvero solo una decina di dati cruciali. Come bilanciare questo con i milioni di valori ammassati?
Neanche l’IoT è una risposta sensata alle esigenze delle aziende manufatturiere. In questo caso, pur essendo “plug and play”, la raccolta non restituisce dati di facile interpretazione ed utilizzo.
Screevo, la piattaforma di Voice Process Automation che consente lo sviluppo di assistenti vocali in grado di guidare gli utenti attraverso i processi lavorativi e svolgere le attività di inserimento dati per loro conto, è la soluzione al problema del “rumore bianco” nella raccolta dati ed è un metodo economico, scalare, soprattutto “utente-centrico”. Vediamo come.
Eliminare il rumore
Per eliminare il rumore è possibile spendere cifre considerevoli oppure ripensare integralmente le procedure di Data Entry.
Come?
Attraverso Screevo. Grazie ad una pura interazione vocale, è possibile chiedere ai lavoratori di rilevare i dati critici sulla linea. Vuoi sapere la temperatura di un sensore? Il motivo di un fermo linea? Una ragione di scarto? Basta chiedere agli operatori di linea.
Con Screevo, un dato in più costa solo una domanda in più del nostro assistente vocale, e i lavoratori possono concentrarsi su ciò che conta di più: creare valore con le proprie mani.
Screevo, attraverso l’utilizzo algoritmi di natural language understanding (NLP) e di robotic process automation (RPA), permette all’assistente vocale di interagire senza alcuna difficoltà con qualunque sistema software eliminando complessità e attriti.
Quali sono i vantaggi?
- Raccolta dati efficiente, puntuale e focalizzata sui reali need aziendali
- Aumento dell’efficienza aziendale, grazie alla riduzione del tempo di immissione di dati nei sistemi
- Maggiore condivisione: persone che parlano condividono più informazioni di persone che scrivono
- Data Entry in tempo reale
- Process Mining per supportare l’analisi continua delle possibili inefficienze di processo
Grazie a Screevo, sarà possibile sfruttare al meglio i talenti e le skill delle persone presenti all’interno di un sistema produttivo, consentendo loro di focalizzarsi su attività a valore aggiunto. Screevo rivoluziona il settore manufatturiero (e non solo) grazie ad un approccio che libera lavoratori ed impiegati dalla schiavitù di una tastiera o di uno schermo.