Nel competitivo settore cartario, il raggiungimento dell’eccellenza operativa richiede il superamento delle tradizionali filosofie di gestione. Per valorizzare al meglio i flussi di dati disponibili, il classico ciclo di Deming (Plan-Do-Check-Act) deve evolversi in un “Digital PDCA”, integrato all’interno dell’architettura tecnica dello stabilimento.
Il framework del Digital PDCA
Il sistema si articola in quattro livelli strettamente interconnessi:
- PLAN (configurazione): rappresenta la base operativa del sistema, nella quale vengono configurati i sistemi di controllo (PLC/DCS) e gli strumenti di analisi, definendo gli obiettivi operativi e le specifiche qualitative del processo.
- DO (automazione industriale): costituisce il livello esecutivo, in cui l’automazione dell’impianto e i sistemi di controllo avanzato del processo (APC) consentono una gestione continua delle operazioni, elemento essenziale per la generazione di dati affidabili e di qualità.
- CHECK (analisi automatizzata): è il livello dedicato al monitoraggio attraverso dashboard, indicatori di prestazione (KPI) e strumenti di Statistical Process Control (SPC), che garantiscono una visibilità in tempo reale del processo, evitando una gestione “al buio”.
- ACT (analisi ad hoc): rappresenta il livello di approfondimento nel quale intervengono gli esperti di processo per analizzare e risolvere fenomeni imprevisti che non possono essere gestiti dai sistemi automatizzati, rendendo il miglioramento continuo un processo realmente iterativo.
Gestione degli eventi: sistemici e stocastici
La fase ACT svolge anche il ruolo di filtro tra la risoluzione temporanea di un problema e la sua trasformazione in un miglioramento strutturale del processo.
- Eventi sistemici: quando l’analisi evidenzia una relazione causa-effetto ripetibile, come ad esempio l’influenza del pH sulla qualità del prodotto, le conoscenze acquisite vengono trasferite nella fase PLAN. Attraverso la riconfigurazione dei parametri dei sistemi PLC/DCS, la nuova logica di controllo viene integrata stabilmente nell’automazione dell’impianto, evitando il ripetersi della deviazione.
- Eventi stocastici: si tratta invece di anomalie occasionali che richiedono un intervento correttivo immediato, ma che non giustificano modifiche permanenti alla logica di automazione o ai sistemi di monitoraggio.
Considerazioni sull’implementazione
Per ottenere i migliori risultati è necessario affrontare tre aspetti fondamentali.
- Latenza: l’efficacia del ciclo dipende dal tempo che intercorre tra le fasi DO e CHECK. Diventa quindi indispensabile disporre di sistemi di gestione dei dati in grado di sincronizzare informazioni provenienti da fonti differenti.
- Collo di bottiglia umano: gli strumenti devono semplificare l’accesso ai dati, consentendo agli ingegneri di dedicare il proprio tempo all’analisi e alla risoluzione dei problemi, piuttosto che alla raccolta e alla pulizia manuale delle informazioni.
- Qualità dei dati: una corretta elaborazione dei dati è fondamentale per eliminare gli outlier e garantire che le decisioni prese nella fase ACT siano basate su informazioni affidabili e coerenti.
Applicazioni reali
Il modello trova applicazione in diversi ambiti operativi.
- Centerlining: l’utilizzo di grafici SPC automatizzati permette di monitorare costantemente la stabilità delle macchine. Le relazioni sistemiche individuate vengono quindi trasformate in nuove regole di automazione, rendendo permanenti i miglioramenti ottenuti.
- Efficienza energetica: l’integrazione delle previsioni sui costi dell’energia nella fase PLAN consente di ottimizzare la gestione dei carichi energetici più intensivi senza compromettere la continuità della produzione.
Conclusioni
L’integrazione tra automazione industriale e analisi dei dati consente di trasformare il miglioramento continuo in una realtà operativa concreta. Sebbene l’intelligenza artificiale stia assumendo un ruolo sempre più importante nei processi industriali, la sinergia tra sistemi automatizzati e competenze umane continua a rappresentare un fattore determinante: l’automazione gestisce le attività ripetitive, mentre gli ingegneri guidano l’interpretazione dei dati e il miglioramento continuo delle prestazioni dell’impianto.
WEDGE
Nella pratica, un efficace processo di analisi dei dati raramente segue un percorso lineare: assomiglia piuttosto a un intreccio di percorsi che si sviluppano in funzione delle informazioni disponibili. Wedge è stato progettato per supportare tecnici e ingegneri chiamati ad affrontare problematiche di processo complesse. Anziché imporre un flusso di lavoro rigido, consente di seguire il proprio percorso di analisi, automatizzando le attività più ripetitive e lasciando più tempo alle attività a maggior valore aggiunto. Tra le funzionalità disponibili figurano la possibilità di iniziare direttamente dall’analisi, ritornare successivamente alla pulizia dei dati, integrare nuove informazioni quando necessario e approfondire nuovi percorsi emersi durante il lavoro.
Caratteristiche principali
- Flusso di lavoro flessibile, adattabile al proprio metodo di lavoro.
- Automazione delle attività ripetitive per aumentare l’efficienza delle analisi.
- Soluzione progettata per affrontare problematiche complesse in contesti industriali dinamici.
