Una pressa a iniezione può dichiarare migliaia di cicli eseguiti, mentre il responsabile di produzione riceve a fine turno un foglio con quantità aggregate e causali di fermo incomplete. È qui che un esempio di digitalizzazione del reparto plastica diventa concreto: non consiste nel collegare una macchina a una...
Il caso: da dati manuali a controllo per commessa
Immaginiamo un reparto con otto presse a iniezione di età e marchi diversi, due linee di estrusione e un sistema gestionale che riceve le dichiarazioni di produzione a fine turno. Alcune macchine sono dotate di PLC Siemens S7, altre espongono dati tramite Modbus TCP/IP oppure OPC UA. I capi turno annotano i fermi su carta o in un file condiviso; gli scarti vengono conteggiati a contenitore pieno, senza collegamento puntuale a stampo, lotto materia prima o causale.
L'obiettivo non è sostituire l'automazione esistente. È creare un livello operativo sopra il parco macchine, capace di leggere i dati disponibili, contestualizzarli con ordine di produzione e articolo, e renderli confrontabili tra linee diverse. In questo scenario, la priorità iniziale è spesso capire tre aspetti: quante unità buone sono state effettivamente prodotte, per quanto tempo la risorsa è stata disponibile e perché non lo è stata.
Il progetto parte quindi dalla mappatura dei segnali già presenti. Per una pressa, possono includere stato macchina, ciclo automatico, contapezzi, tempo ciclo, allarmi, ricetta attiva e dati del robot. Per un estrusore, possono essere rilevanti velocità vite, temperatura zone, metri prodotti, assorbimenti, scarto e stato del traino. Non tutti i segnali vanno acquisiti subito: raccogliere centinaia di tag senza una domanda operativa precisa aumenta complessità e costi di gestione.
Esempio di digitalizzazione del reparto plastica in 6 fasi
1. Definire il perimetro misurabile
Il primo errore è partire dalla tecnologia anziché dal processo. Conviene selezionare una linea rappresentativa o un gruppo di presse con criticità note: alta incidenza di microfermi, molte varianti di stampo, scarti non spiegati oppure difficoltà nella rendicontazione degli ordini.
Per ogni risorsa si definiscono contatore totale, pezzi buoni, scarti, stato di marcia, fermo e attrezzaggio. Vanno chiarite anche le regole: un pezzo viene conteggiato all'espulsione, al controllo visivo o al confezionamento? Uno stop del robot è un fermo macchina o una condizione distinta? Senza queste convenzioni, l'OEE diventa un indicatore formalmente corretto ma poco credibile per chi lavora in reparto.
2. Collegare PLC e macchinari senza intervenire sul ciclo
La raccolta dati deve essere non invasiva. L'agente di connessione legge le variabili esposte dal PLC o dal controllo macchina tramite protocolli industriali compatibili, senza modificare la logica che governa sicurezza, ciclo o movimentazioni. Questo è particolarmente rilevante in un reparto con impianti datati e macchine di costruttori diversi.
In pratica, il collegamento può avvenire attraverso Siemens S7, OPC UA, Modbus TCP/IP, EtherNet/IP o MQTT, in base alle capacità della macchina. Prima della messa in esercizio è utile validare indirizzi, frequenza di lettura, gestione delle disconnessioni e qualità del dato. Leggere un contatore una volta ogni minuto può essere sufficiente per alcuni consuntivi, ma non per analizzare fermate di pochi secondi o tempi ciclo rapidi.
3. Contestualizzare la produzione con ordine, stampo e lotto
Il dato PLC da solo dice che il contatore è aumentato. Non dice quale articolo sia stato prodotto, per quale ordine o con quale materia prima. Per ottenere tracciabilità reale, l'operatore deve poter associare alla macchina le informazioni di contesto: commessa, codice articolo, stampo, cavità, lotto granulo, colore, turno e operatore, quando necessario.
Questa fase può essere gestita con una schermata operatore accessibile da browser o con l'integrazione al gestionale. La scelta dipende dalla maturità dei processi. Se l'ERP contiene cicli e ordini aggiornati, lo scambio automatico riduce le digitazioni. Se il piano cambia spesso in reparto, serve comunque una procedura semplice per dichiarare eccezioni, cambi stampo e recuperi di produzione.
4. Distinguere fermi, attrezzaggi e mancanza materiale
Un indicatore di disponibilità è utile solo se le causali sono affidabili. Il sistema può rilevare automaticamente che la macchina non sta producendo, ma raramente può determinare da solo se il motivo è guasto stampo, attesa materiale, cambio colore, controllo qualità, assenza operatore o manutenzione programmata.
L'approccio efficace combina automazione e conferma umana. Dopo una soglia configurabile, ad esempio cinque minuti di inattività, la piattaforma richiede una causale all'operatore o al capoturno. Le categorie devono essere poche, comprensibili e coerenti con le responsabilità aziendali. Se l'elenco supera decine di voci, aumenta il rischio di selezioni casuali e il dato perde valore.
5. Rendere visibili KPI e anomalie in tempo reale
A questo punto una dashboard non è più una vetrina. Può mostrare produzione buona rispetto al target, velocità reale rispetto al tempo ciclo nominale, scarti per macchina e stato delle risorse. Il responsabile può individuare una pressa che lavora al 92% del ciclo atteso, mentre il manutentore può approfondire allarmi ricorrenti associati a uno specifico stampo.
L'OEE va letto con cautela. È utile per mettere a confronto prestazioni e identificare priorità, ma non deve diventare un unico voto assegnato al reparto. In produzioni ad alta variabilità, con piccoli lotti o frequenti cambi stampo, è più significativo confrontare le prestazioni per famiglia articolo, macchina e finestra produttiva omogenea. Altrimenti un indice aggregato rischia di penalizzare proprio le linee più flessibili.
6. Inviare dati coerenti a ERP, BI e compliance
Quando i dati di reparto sono validati, possono alimentare consuntivi di produzione, avanzamenti ordine, analisi BI e archivi di qualità. L'integrazione deve prevedere regole chiare su chi sia la fonte del dato. Se ERP, fogli Excel e MES mantengono contemporaneamente il contatore buono senza una gerarchia, le discrepanze sono inevitabili.
Per gli investimenti con requisiti di interconnessione, è inoltre essenziale conservare evidenze verificabili: identificazione della macchina, flussi informativi bidirezionali quando richiesti, log, utenti, report e documentazione tecnica. La piattaforma può automatizzare la raccolta delle evidenze necessarie alla documentazione Transizione 4.0, ma la conformità dipende sempre dalle caratteristiche dell'investimento e dalla corretta verifica dei requisiti applicabili.
Risultati attesi e condizioni per ottenerli
Dopo alcune settimane, il reparto dell'esempio può misurare i fermi per causale e turno, verificare il rispetto dei tempi ciclo, attribuire gli scarti agli ordini corretti e ridurre il tempo dedicato alla raccolta manuale dei dati. Il beneficio più rilevante, spesso, non è una dashboard più moderna. È la fine delle discussioni su quale numero sia corretto: produzione, manutenzione e direzione lavorano sulla stessa base informativa.
I risultati dipendono però dalla qualità dell'avvio. Se la rete industriale è instabile, i contatori non sono coerenti o le anagrafiche di articoli e stampi sono incomplete, il progetto deve prevedere un'attività di normalizzazione. Anche la formazione è decisiva: chiedere all'operatore una causale di fermo ha senso solo se la schermata è rapida e il dato produce un miglioramento visibile nel lavoro quotidiano.
Un'architettura cloud-native con agente leggero on-premise può ridurre la necessità di server locali e semplificare l'estensione progressiva del progetto. PLCinCloud, per esempio, consente di attivare in modo modulare raccolta dati, monitoraggio KPI, tracciabilità e integrazione, mantenendo separati il livello OT della fabbrica e l'accesso operativo via browser.
Il punto di partenza più utile non è digitalizzare tutto il reparto plastica in una sola volta. È scegliere una macchina su cui il dato può cambiare una decisione entro il turno successivo. Quando quel collegamento tra segnale, causa e azione funziona, estendere il modello alle altre linee diventa un percorso industriale misurabile, non un progetto IT astratto.