Un PLC può esporre centinaia, talvolta migliaia di variabili. Decidere quali dati raccogliere da una macchina non significa quindi acquisire tutto ciò che è disponibile: significa selezionare segnali affidabili, contestualizzarli e trasformarli in informazioni che aiutano produzione, manutenzione, qualità e direzione...
Quali dati raccogliere dalla macchina: partire dal processo
Una macchina non produce solo pezzi: esegue cicli, consuma risorse, cambia stato, genera allarmi e opera all'interno di un ordine, una ricetta, un lotto e un turno. Il dato acquista valore quando conserva questo contesto.
Per una pressa, ad esempio, il numero pezzi non basta. Occorre capire se il conteggio è riferito a pezzi totali, buoni o scarti, se deriva da un contatore PLC affidabile e se può essere associato allo stampo, al codice articolo e all'operatore. Per una confezionatrice, può essere decisivo correlare la velocità effettiva con le microfermate, il formato in lavorazione e gli scarti a valle. Per un impianto di processo, temperatura, pressione e tempo di permanenza diventano leggibili solo se associati al batch corretto.
La selezione deve quindi seguire una gerarchia chiara: prima i KPI da misurare, poi gli eventi che spiegano gli scostamenti, infine i parametri tecnici utili all'analisi. Non tutti i tag meritano la stessa frequenza di acquisizione né la stessa conservazione storica.
I dati essenziali per misurare produzione e OEE
La base di ogni monitoraggio produttivo è la ricostruzione attendibile di disponibilità, prestazione e qualità. Per calcolare un OEE che sia utilizzabile in stabilimento, servono dati coerenti su tempi, quantità e causali.
I segnali prioritari sono generalmente questi:
- Stato macchina: produzione automatica, ferma, attrezzaggio, inattiva, guasto, attesa materiale, blocco a valle o altre condizioni definite dal processo.
- Pezzi prodotti: contatore totale, pezzi buoni, scarti e, dove necessario, rilavorazioni o pezzi campione.
- Tempi di ciclo e velocità: ciclo reale, velocità istantanea, velocità nominale e target produttivo per articolo o formato.
- Cause di fermata e allarmi: codice, descrizione, inizio, fine e durata dell'evento, con la possibilità di integrare una causale assegnata dall'operatore.
- Contesto di produzione: ordine, articolo, commessa, lotto, ricetta, turno, reparto e centro di lavoro.
L'OEE non richiede necessariamente una raccolta dati complessa, ma richiede definizioni condivise. Se il PLC indica macchina in automatico anche quando il nastro è fermo per assenza di materiale, la disponibilità apparirà migliore di quella reale. Se gli scarti vengono registrati manualmente a fine turno, il KPI qualità non sarà aggiornato in tempo reale. Prima di configurare il collegamento, conviene allineare produzione, manutenzione e qualità sul significato operativo di ogni stato.
Il dato di fermata deve spiegare, non solo contare
Registrare che una macchina è ferma è utile; sapere perché è ferma consente di intervenire. Una struttura efficace distingue almeno tra fermate pianificate e non pianificate, guasti, mancanza materiali, cambio formato, pulizia, attese di qualità e blocchi generati da macchine a monte o a valle.
L'automazione può fornire una parte consistente delle causali tramite allarmi PLC, condizioni di sicurezza o segnali di interblocco. Non tutto, però, è deducibile dal controllore. Una stessa condizione può dipendere da un problema di alimentazione, da un ritardo logistico o da una scelta organizzativa. In questi casi, l'intervento dell'operatore resta necessario, purché sia rapido, guidato e limitato alle informazioni che la macchina non può conoscere.
Dati qualità e tracciabilità: dal pezzo al lotto
Quando il prodotto è soggetto a controlli, requisiti cliente o obblighi di tracciabilità, la raccolta dati deve collegare il risultato qualitativo alla produzione effettiva. Non è sufficiente archiviare un esito conforme o non conforme in un sistema separato.
I dati da valutare includono misure di processo, esiti di controlli automatici, risultati di campionamenti, cause di scarto, parametri di ricetta e identificativi di lotto. Nel food, per esempio, possono essere rilevanti temperatura, peso, data di produzione e lotto materia prima. Nella metalmeccanica possono esserlo coppia, pressione, quota misurata o esito di un test. Nel packaging, codice articolo, formato, materiali di confezionamento e controlli di presenza possono diventare elementi decisivi per ricostruire un'anomalia.
La profondità della tracciabilità dipende dal rischio e dal processo. Registrare ogni valore analogico per ogni singolo pezzo può essere indispensabile in alcuni settori, ma eccessivo in altri. Spesso è più efficace memorizzare i parametri rilevanti per lotto, per cambio ricetta o in presenza di una deviazione dalla soglia. La scelta va fatta considerando sia il valore dell'informazione sia il volume dati generato.
Parametri di processo, energia e manutenzione
Dopo i KPI di produzione, il secondo livello di raccolta riguarda le variabili che aiutano a spiegare prestazioni, difetti e deterioramento della macchina. Qui rientrano temperature, pressioni, portate, vibrazioni, assorbimenti, coppie, tempi di riscaldamento, conteggi cicli e ore di funzionamento.
Non tutti questi dati devono essere trattati allo stesso modo. Uno stato macchina può essere acquisito a evento, perché conta il cambio di condizione. Un contatore pezzi può essere letto a intervalli brevi o su variazione. Una temperatura critica potrebbe richiedere una campionatura più frequente, soprattutto se serve dimostrare il rispetto di una finestra di processo. Acquisire un segnale analogico ogni secondo per anni, senza una finalità tecnica o di compliance, aumenta costi e complessità senza migliorare il controllo.
Per i consumi energetici, occorre distinguere il dato di impianto dal dato attribuibile alla singola macchina o al singolo lotto. Un contatore elettrico di reparto è utile per il monitoraggio generale; per valutare efficienza energetica, costo per pezzo o anomalie di assorbimento serve invece una misura abbastanza vicina all'utenza da non introdurre ambiguità. Lo stesso principio vale per aria compressa, gas, acqua e altre utilities.
I dati manutentivi diventano concreti quando collegano una condizione a un'azione. Ore motore, numero cicli, allarmi ricorrenti, superamenti soglia e tempi di ripristino possono alimentare piani preventivi e aiutare a individuare componenti critici. Non sostituiscono l'esperienza del manutentore, ma evitano che l'analisi inizi ogni volta da registri incompleti o dalla memoria del turno precedente.
Dalla raccolta tag all'integrazione con MES ed ERP
Un dato industriale deve poter viaggiare dal campo ai sistemi che lo utilizzano. Il PLC resta la fonte operativa, ma il valore cresce quando i dati macchina vengono associati agli ordini ERP, resi disponibili al MES, analizzati in BI e restituiti al reparto con dashboard real-time.
Questo richiede una mappatura precisa: quale tag rappresenta il contatore buoni, quale stato è attendibile, quale sistema è la fonte ufficiale dell'ordine e come vengono gestite le variazioni di codice o lotto. Protocolli come Siemens S7, Modbus TCP/IP, OPC UA, EtherNet/IP, MQTT e MTConnect rendono possibile l'interconnessione, ma non risolvono da soli la semantica del dato. Un valore denominato `Counter_1` va tradotto in un'informazione industriale comprensibile, governata e riutilizzabile.
Un'architettura cloud-native con agente leggero on-premise può ridurre l'infrastruttura locale e accelerare l'attivazione, a condizione che separi correttamente rete OT e servizi IT, gestisca le credenziali in modo sicuro e definisca chiaramente i flussi autorizzati. Piattaforme come PLCinCloud consentono di affrontare questa integrazione senza costruire server dedicati in stabilimento, mantenendo una raccolta modulare per macchina, linea o reparto.
I dati necessari per interconnessione e Transizione 4.0
Per i beni che accedono alle agevolazioni previste dalla normativa Transizione 4.0, la semplice connessione alla rete non è sufficiente. Occorre dimostrare l'interconnessione con sistemi aziendali e la capacità di scambiare informazioni in modo bidirezionale, oltre agli altri requisiti applicabili al bene.
Dal punto di vista dei dati, è utile documentare quali informazioni arrivano dalla macchina e quali vengono inviate verso di essa o verso i sistemi di fabbrica: avanzamento produzione, stati, allarmi, parametri, ordini, ricette, lotti e identificativi. La documentazione deve riflettere il funzionamento reale, non una possibilità teorica dell'impianto. Per questo conviene progettare fin dall'inizio tag, dashboard, storici e integrazioni in modo verificabile.
Un metodo pratico per scegliere i tag giusti
Prima di connettere una macchina, organizzate un confronto breve tra responsabile di produzione, automazione, qualità, manutenzione e IT/OT. Per ogni KPI o requisito, identificate il dato necessario, la fonte, la frequenza, il proprietario del dato e l'azione che quel dato deve abilitare.
Se una variabile non serve a misurare un indicatore, soddisfare un obbligo, generare un allarme utile o migliorare una decisione, può restare fuori dalla prima fase. È preferibile iniziare con un set essenziale ma affidabile, validarlo sul campo e poi estenderlo. Una raccolta dati industriale efficace non si misura dal numero di tag acquisiti: si misura dalla velocità con cui il reparto riesce a riconoscere una perdita, intervenire e verificarne l'effetto.