Una macchina può produrre migliaia di segnali e lasciare comunque senza risposta una domanda elementare: perché un ordine è in ritardo? Il volume dei dati non crea automaticamente informazione. Perché un evento di fabbrica diventi utile occorre sapere a quale ordine appartiene, in quale fase si è verificato, quale risorsa coinvolge e quali conseguenze produce.
La raccolta dati di produzione deve quindi essere progettata partendo dalle decisioni che si vogliono supportare. È la stessa logica che guida gli standard di interoperabilità industriale: OPC UA nasce proprio per rendere più affidabile lo scambio di dati tra dispositivi e sistemi diversi, includendo dati real time, eventi e informazioni storiche.
Un contatore che passa da 100 a 101 registra un cambiamento fisico. Per sapere se quel pezzo è conforme, appartiene all'ordine corretto e può alimentare il consuntivo servono però informazioni aggiuntive: operazione, articolo, lotto, macchina, turno ed eventuale esito qualitativo.
La semantica deve quindi essere definita prima dell'integrazione. Se due sistemi interpretano diversamente lo stesso stato macchina o la stessa causale di fermo, anche un dato tecnicamente corretto può generare decisioni sbagliate.
Il problema è particolarmente evidente negli ambienti produttivi molto connessi, dove quantità di dati elevate possono trasformarsi rapidamente in rumore. La raccolta dati di produzione crea valore quando i segnali provenienti dalle macchine vengono filtrati e ricondotti agli oggetti realmente utilizzati dal processo gestionale.
Per questo la selezione dovrebbe partire dai casi d'uso: avanzamento dell'ordine, analisi delle performance, qualità, manutenzione o tracciabilità. Ogni dato raccolto dovrebbe avere una funzione riconoscibile.
Per seguire l'esecuzione sono generalmente necessari inizio e fine delle fasi, quantità prodotte, quantità conformi, tempi, risorse impiegate e consumi. Stati come produzione, setup, attesa e fermo permettono poi di distinguere il tempo realmente produttivo dalle perdite.
Fermi e microfermate richiedono un trattamento specifico. La sola durata non spiega il fenomeno: serve una causale sufficientemente precisa da permettere un'azione. Al tempo stesso, categorie troppo dettagliate possono rendere difficile la dichiarazione e produrre una quantità di record poco utilizzabili.
Lo stesso principio vale per scarti e rilavorazioni, che devono conservare quantità, difetto, fase in cui il problema è stato rilevato e destinazione successiva del materiale. La modalità di raccolta può essere automatica, manuale o ibrida. PLC, CNC, sensori e gateway sono adatti per acquisire contatori, stati e parametri oggettivi con timestamp precisi. L'operatore è invece spesso indispensabile quando occorre interpretare una causa o qualificare un'eccezione.
Macchina e persona non sono quindi alternative. In un modello ibrido, per esempio, il sistema può rilevare automaticamente l'inizio di un fermo e chiedere successivamente all'operatore di indicarne la causa. Questa combinazione è determinante anche nella costruzione dei KPI di produzione, perché indicatori come OEE, scarti e tempi ciclo dipendono dalla qualità degli eventi che li alimentano.
Un dato acquista valore quando può essere confrontato con altri eventi coerenti. Ogni registrazione dovrebbe quindi mantenere identificativi stabili relativi almeno a ordine, fase, prodotto e risorsa e, quando necessario, a lotto e turno. Se l'ordine cambia durante una lavorazione, occorre chiudere correttamente la relazione precedente e aprirne una nuova. Anche timestamp, calendari e turni devono seguire regole comuni, soprattutto nelle lavorazioni che attraversano la mezzanotte o interessano stabilimenti differenti.
La qualità del dato va inoltre misurata. Completezza indica se sono presenti le informazioni necessarie; tempestività misura quanto tempo passa tra evento e disponibilità; granularità stabilisce il livello di dettaglio; coerenza controlla se quantità e sequenze sono plausibili.
Alcuni controlli possono essere automatici: una fase non può terminare prima di essere iniziata, gli scarti non possono superare senza spiegazione le quantità lavorate e un consumo non dovrebbe essere associato a un lotto bloccato.
Correggere queste anomalie a fine mese significa arrivare troppo tardi per utilizzare il dato nelle decisioni quotidiane.
Anche le anagrafiche hanno un ruolo decisivo. Una distinta base governata correttamente permette di mantenere coerenti materiali, versioni e fabbisogni, evitando che eventi di produzione corretti vengano associati a informazioni tecniche obsolete.
Automazione, MES ed ERP osservano lo stesso processo da prospettive differenti. L'automazione rileva ciò che accade sulla macchina; il MES associa l'evento all'ordine e alla fase; l'ERP utilizza i consuntivi per aggiornare disponibilità, costi e pianificazione.
Perché la catena funzioni, articoli, cicli, risorse e ordini devono scendere verso la fabbrica con identificativi e versioni coerenti. In direzione opposta devono risalire quantità, tempi, consumi, scarti e stati. Ogni oggetto deve inoltre avere un sistema master riconoscibile. Code e meccanismi di retry possono gestire indisponibilità temporanee, ma vanno accompagnati da controlli che impediscano duplicazioni e rendano visibili gli errori.
Lo stesso principio emerge quando produzione e magazzino devono condividere disponibilità e consumi. Nell'integrazione tra WMS, ERP e produzione il valore nasce proprio dalla continuità del dato tra ciò che risulta disponibile a sistema e ciò che viene effettivamente utilizzato sulla linea.
L'analisi arriva dopo la qualità del dato. Un indicatore calcolato correttamente su eventi incompleti o tardivi resta un indicatore poco affidabile.
OEE, rendimento, tempi ciclo, scarti e principali causali di perdita devono poter essere analizzati fino all'evento che li ha generati. Se l'OEE diminuisce, il responsabile dovrebbe poter distinguere rapidamente se il problema deriva da disponibilità, prestazione o qualità e risalire a macchina, turno, ordine e causa.
I confronti devono inoltre essere omogenei. Valutare allo stesso modo prodotti, formati o condizioni operative molto diversi può trasformare differenze strutturali in apparenti anomalie. Per questo un progetto di raccolta dati dovrebbe partire da un problema circoscritto. Una linea e un obiettivo misurabile - per esempio ridurre il tempo necessario a spiegare i fermi - permettono di verificare rapidamente se dati e regole sono sufficienti.
Il pilota deve includere anche condizioni irregolari: disconnessione della macchina, cambio ordine, reset di un contatore e dichiarazioni tardive. Prima dell'estensione è utile riconciliare un turno completo verificando che quantità iniziali, prodotti conformi, scarti, rilavorazioni e residui quadrino.
Infine, va considerato anche il costo della raccolta. Tempo operatore, manutenzione delle interfacce, connettività e storage devono essere proporzionati al valore prodotto. Se un segnale non alimenta alcuna decisione, non è detto che debba essere conservato centralmente.