Un fermo macchina registrato come microfermo, un contapezzi che non considera gli scarti o un codice ordine inserito manualmente in ritardo possono alterare OEE, consuntivi e decisioni di pianificazione. L’audit dati industriali serve a individuare queste incoerenze prima di digitalizzare un reparto o estendere la...
Perché l’audit dati industriali viene prima del progetto MES
In molti impianti il dato è già disponibile, ma disperso. Una parte risiede nei PLC, un’altra nello SCADA, nei pannelli operatore, nei file Excel del capoturno o nell’ERP. Il problema non è soltanto connettere queste fonti: è stabilire quale sia la fonte attendibile per ogni informazione e come gestire eventuali differenze.
Un audit dati industriali chiarisce, ad esempio, se il numero di pezzi prodotto deriva da un impulso fisico, da un contatore interno alla macchina o da una dichiarazione dell’operatore. Tutte e tre le fonti possono avere senso, ma non sono equivalenti. Il contatore PLC può essere preciso e tempestivo, mentre una dichiarazione manuale può aggiungere una causale utile per interpretare una perdita produttiva.
La verifica iniziale evita due errori frequenti. Il primo è costruire dashboard esteticamente efficaci su dati incompleti o ambigui. Il secondo è richiedere modifiche invasive ai programmi macchina per informazioni che esistono già, magari con nomi diversi o in registri non ancora mappati.
Cosa deve verificare un audit dei dati di fabbrica
La qualità di un dato industriale non dipende solo dalla sua correttezza istantanea. Dipende anche da contesto, frequenza, storicizzazione e tracciabilità. Un valore di temperatura senza riferimento a macchina, ricetta, lotto e timestamp può essere utile al manutentore, ma insufficiente per un’analisi qualità o per una contestazione.
Origine, significato e proprietà del segnale
Il primo passaggio consiste nel censire le sorgenti: PLC Siemens S7, dispositivi Modbus TCP/IP, server OPC UA, macchine con EtherNet/IP, sistemi MQTT, controlli numerici, bilance, stampanti, sensori o database locali. Per ciascuna sorgente occorre associare il segnale a un significato operativo preciso.
Un bit chiamato `Run`, per esempio, non indica sempre che la macchina stia producendo. Potrebbe significare che è abilitata, in automatico o che il motore principale è in marcia. L’audit deve verificare la logica effettiva con chi conosce l’impianto: responsabile di produzione, manutentore, automazione engineer e, quando necessario, costruttore della macchina.
È utile definire anche il proprietario del dato. La produzione può validare tempi e causali di fermo; la qualità può validare scarti e parametri di processo; l’IT può presidiare identità, accessi e integrazione. Senza questa attribuzione, le anomalie restano spesso senza una gestione chiara.
Continuità, timestamp e granularità
Un dato affidabile deve essere disponibile quando serve e nella forma adatta allo scopo. Per calcolare l’OEE non basta leggere un contatore a fine turno: occorre ricostruire stati macchina, tempi di fermo, velocità e quantità conformi in modo temporalmente coerente.
Qui la frequenza di acquisizione va scelta con criterio. Campionare ogni secondo un segnale che cambia poche volte al giorno genera traffico e archivi inutili. Al contrario, una lettura troppo lenta può perdere un microfermo o impedire di ricostruire una sequenza di allarmi. La scelta dipende dalla dinamica del processo, dal KPI da calcolare e dal livello di dettaglio richiesto per intervenire.
Anche l’orario merita attenzione. PLC, PC di reparto, macchine e sistemi cloud devono usare riferimenti temporali coerenti. Se gli eventi sono fuori sincronia di alcuni minuti, correlare un allarme con uno scarto o con un cambio formato diventa più difficile.
Completezza dei dati produttivi
L’audit dovrebbe seguire il ciclo reale dell’ordine: avvio, attrezzaggio, produzione, sospensione, fermo, scarto, riavvio e chiusura. In ogni fase bisogna chiedersi quali dati siano automatici, quali manuali e quali manchino del tutto.
Per la tracciabilità, il solo dato macchina raramente è sufficiente. Servono normalmente ordine di produzione, articolo, lotto, operatore, ricetta o formato e, in base al settore, materie prime e parametri critici. L’ERP è spesso il sistema di riferimento per anagrafiche e ordini; il MES raccoglie il contesto operativo e restituisce consuntivi. L’audit definisce il confine tra i due livelli, riducendo duplicazioni e reinserimenti.
Sicurezza, rete e accessibilità
Un progetto di raccolta dati deve rispettare i vincoli OT. Non tutte le reti macchina sono esposte allo stesso modo, né tutti i PLC possono sostenere interrogazioni frequenti senza valutazione preventiva. L’audit rileva segmentazione di rete, indirizzi, porte, protocolli disponibili, autorizzazioni e possibili vincoli di cybersecurity.
La soluzione migliore non coincide sempre con quella più centralizzata. In uno stabilimento con macchine legacy può essere opportuno partire da pochi segnali ad alto valore e ampliare in seguito il perimetro. In un impianto nuovo, invece, conviene definire fin dall’avvio standard di naming, stati macchina e strutture dati condivise.
Le fasi operative dell’audit
Un audit efficace si svolge sul campo e non solo davanti a una lista di tag. La documentazione elettrica e software è un punto di partenza utile, ma va confrontata con il comportamento della linea durante turni, cambi formato e condizioni anomale.
La prima fase è la raccolta del perimetro: macchine, linee, protocolli, versioni dei controllori, sistemi già presenti e obiettivi misurabili. Non serve censire indistintamente ogni variabile. È più utile partire da domande concrete: quali perdite devono emergere? Quali dati servono per chiudere un ordine? Quali documenti richiedono coerenza tra macchina e gestionale?
Segue la mappatura dei segnali e dei flussi. Per ogni macchina si identificano stati, conteggi, allarmi, setpoint, ricette e variabili di qualità. Poi si disegna il percorso verso MES, ERP, BI o database, indicando trasformazioni, regole di calcolo e responsabilità. Questa fase fa emergere spesso dati duplicati, campi compilati manualmente senza controllo e definizioni diverse dello stesso KPI tra reparti.
La terza fase è la validazione in produzione. I dati vengono confrontati con il pannello macchina, i registri di turno, gli ordini dell’ERP e la realtà osservata. Se una macchina dichiara 8 ore di marcia ma il capoturno rileva tre fermate, occorre capire se la causa è nel segnale, nella classificazione degli stati o nell’assenza di causali.
Infine, il risultato deve tradursi in un piano attuabile: segnali prioritari, integrazioni necessarie, eventuali modifiche PLC, regole di qualità del dato, utenti autorizzati e KPI da attivare. Un documento di audit utile non si limita a descrivere criticità: indica cosa fare prima, cosa può attendere e quale beneficio operativo si attende.
KPI affidabili richiedono definizioni condivise
OEE, disponibilità, performance e qualità non sono valori universali se le regole di calcolo cambiano da una linea all’altra. Un cambio formato è tempo pianificato o perdita di disponibilità? Uno scarto di avviamento entra nel calcolo qualità? Un fermo per mancanza materiale viene attribuito alla macchina o alla logistica?
Non esiste una risposta valida per ogni azienda. Dipende dalle modalità produttive, dagli obiettivi del reparto e dal livello di controllo richiesto. L’audit serve proprio a rendere esplicite queste scelte e a configurarle in modo uniforme. In questo modo una dashboard non mostra solo un numero, ma un indicatore confrontabile tra turno, prodotto, macchina e periodo.
Lo stesso vale per allarmi e causali. Una lista di migliaia di codici PLC non è automaticamente un sistema di analisi. Occorre raggruppare gli eventi in categorie leggibili, mantenendo quando necessario il dettaglio tecnico per manutenzione e automazione. Produzione e manutenzione devono poter guardare lo stesso evento da prospettive diverse, senza lavorare su basi dati discordanti.
Dall’audit all’implementazione senza aumentare la complessità locale
Il valore dell’audit emerge quando la mappa dei dati diventa un’implementazione progressiva. Si può iniziare da una linea critica, attivando monitoraggio stati, pezzi, scarti e allarmi, quindi estendere l’integrazione a ordini, lotti e dashboard direzionali. Questo approccio riduce il rischio e consente di verificare sul campo la qualità dei KPI prima della diffusione su larga scala.
Un’architettura cloud-native con agente leggero on-premise consente di collegare l’ambiente OT ai servizi applicativi senza introdurre server da gestire in stabilimento. PLCinCloud, ad esempio, permette di acquisire dati dai principali protocolli industriali e di attivare moduli MES in base alle priorità emerse dall’analisi, mantenendo accesso via browser, integrazione con sistemi aziendali e attenzione ai requisiti di compliance.
L’audit non deve diventare un progetto teorico di mesi. Se è guidato da obiettivi produttivi chiari, produce rapidamente una lista di dati prioritari, regole condivise e un percorso di implementazione verificabile. Il primo dato da controllare non è necessariamente quello più facile da leggere: è quello che, una volta affidabile, permette al reparto di prendere una decisione migliore già dal turno successivo.