Nella giungla dei termini che ruotano intorno alla digitalizzazione orientarsi non è sempre facile.
Non importa che si tratti di discussioni a carattere politico, etico o tecnico: nell’industria la digitalizzazione è onnipresente. Spesso, durante tali discussioni, i numerosi termini specifici della digitalizzazione vengono semplicemente dati per scontati o utilizzati come luogo comune. Tuttavia, un esame più attento delle relative definizioni non è puramente un obbligo, ma diventa un vero piacere per chiunque si interessi di tecnologia. Ciò che in passato era fantascienza, oggi può essere toccato con mano nella vita di tutti i giorni. Ecco perché desideriamo presentare i concetti chiave della digitalizzazione.
Big Data
L’espressione Big Data denota i volumi di dati che non possono essere analizzati con i metodi di elaborazione tradizionali, come le analisi manuali, ad esempio perché sono troppo vasti o complessi, perché variano troppo spesso o perché non sono abbastanza strutturati. L’avanzare della digitalizzazione determina un costante aumento del volume dei dati. La definizione che ha influito maggiormente nelle discussioni sui Big Data è stata quella della società di consulenza aziendale Gartner. In base a tale definizione, gli aspetti rilevanti per i Big Data sono i seguenti:
- Volume: enorme quantità di dati
- Velocity: elevata velocità di elaborazione dei dati
- Variety: ampia varietà di fonti di dati disponibili
Di conseguenza, per “imbrigliare” i Big Data sono necessarie soluzioni specifiche basate sull’intelligenza artificiale. Con il loro supporto, infatti, dagli enormi volumi di dati è possibile ottenere informazioni significative sulle proprie macchine e i propri clienti. Da qui il famoso detto: “i dati sono il nuovo oro”. La protezione dei dati deve essere sempre garantita, soprattutto alla luce del Regolamento generale sulla protezione dei dati.
Cloud computing
Gli utenti dei servizi di cloud computing accedono, solitamente via Internet, all’infrastruttura IT di un fornitore. In questo modo possono usufruire di spazio di archiviazione, potenza di calcolo o software applicativi risparmiando sull’acquisto di hardware e software. Inoltre, il cloud computing permette una rapida scalabilità. Benché esistano forme ibride, la seguente suddivisione del NIST (National Institute of Standards and Technology) è ancora determinante: nei “Software as a Service”, tutto ciò di cui si ha bisogno per utilizzare il software nel cloud è un computer connesso a Internet e un browser. Un esempio è l’item Engineering Tool. Quando, invece, si parla di “Infrastructure as a Service”, a essere disponibili nel cloud sono le risorse IT, quali potenza di calcolo, spazio di archiviazione o strutture di rete. Infine, il servizio “Platform as a Service” offre ai programmatori un ambiente esterno per lo sviluppo e la distribuzione di nuove applicazioni.
Digital Engineering
Il Digital Engineering non è altro che l’utilizzo di strumenti di lavoro digitali di nuova generazione da parte dei progettisti nel campo dell’ingegneria meccanica. Le funzioni di questi software vanno ben oltre quelle dei comuni programmi CAD. Nella progettazione digitale, anche il collegamento tra i singoli progettisti svolge un ruolo decisivo. Tramite l’item Engineering Tool, ad esempio, grazie ai numeri di progetto univoci i progetti possono essere condivisi con i colleghi di tutto il mondo.I Trova prodotti integrati, l’orientamento automatico dei componenti e la funzionalità “drag and drop” per un semplice posizionamento, agevolano ulteriormente il lavoro di progettazione.
Digitalizzazione
Il termine digitalizzazione ha diversi significati. In primo luogo esso può denotare un processo puramente tecnico, ossia la conversione delle informazioni analogiche in informazioni digitali. Quando invece si parla della digitalizzazione di un’azienda, sono possibili due opzioni. Se da un lato le tecnologie e gli strumenti digitali possono essere utilizzati per ottimizzare i processi interni sulla base del processo di miglioramento continuo (PMC), dall’altro le innovazioni tecnologiche forniscono alle aziende la base su cui ampliare o addirittura ridefinire il proprio modello di business. Infine, il termine digitalizzazione è usato anche per indicare la “trasformazione digitale”. Questo terzo significato esprime un prospettiva globale che tiene conto dei cambiamenti in atto nella società e nei diversi settori.
Industria 4.0
Il termine Industria 4.0 è stato coniato dal Governo federale tedesco nella strategia High-Tech. L’obiettivo è quello di collegare in rete la produzione industriale attraverso la tecnologia dell’informazione e della comunicazione. Tale obiettivo si realizza in maniera esemplare nella Smart Factory: qui, infatti, i pezzi da lavorare sono rappresentati da un assistente software attraverso sistemi ciberfisici (CPS), in modo che possano comunicare autonomamente per determinare, ad esempio, quale dipendente sia il più adatto a eseguire la lavorazione. La base su cui realizzare questo tipo di collegamento in rete è l’Industrial Internet of Things. Un ulteriore esempio: i sistemi di trasporto senza conducente che gestiscono autonomamente gli ordini di intralogistica sono già in uso in numerosi settori, come quello automobilistico.
Intelligenza artificiale (IA)
Tra i termini che ruotano intorno alla digitalizzazione qui presentati, l’intelligenza artificiale (IA) è certamente quello attualmente più discusso. La storia dell’IA è tanto interessante quanto complessa. In linea di principio, tuttavia, si tratta sempre di riprodurre meccanicamente la percezione e l’intelligenza umana. Nel contesto industriale si parla anche di Machine Learning, ossia dell’utilizzo di un algoritmo per analizzare i dati esistenti e individuare eventuali schemi ricorrenti. In base ai risultati, l’IA è in grado di astrarre le nozioni acquisite e applicarle a nuovi dati. Il Deep Learning, invece, è quella branca dell’apprendimento automatico che si occupa di sviluppare reti neuronali artificiali che permettano a una macchina di “pensare” autonomamente e quindi di creare nuove relazioni.
Predictive Maintenance
Tradotta, l’espressione inglese Predictive Maintenance significa “manutenzione predittiva”. Sostanzialmente si tratta di trasmettere e analizzare costantemente i dati di una macchina per prevenirne proattivamente i potenziali guasti. Bastano scostamenti minimi per dedurre che una macchina non sta funzionando come desiderato. Per poter effettuare confronti significativi, tuttavia, è necessario raccogliere grandi quantità di dati (ossia Big Data). I vantaggi sono evidenti: la manutenzione predittiva riduce significativamente il rischio di guasti e semplifica la pianificazione degli interventi di manutenzione.