Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica
Elaborato finale in Reti di Calcolatori
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica Anno Accademico 2016/2017
Candidato Renato Casizzone matr. N46001226
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
3
Indice
Introduzione 4
Capitolo 1: Industria 4.0
1.1 Introduzione al concetto di Industria 4.0 6
1.2 I vantaggi di un’Industria 4.0 6
1.3 Le tecnologie abilitanti dell’Industria 4.0 7
1.3.1 Cyber-Physical System (CPS) 8
1.3.2 La realtà aumentata 10
1.3.3 La produzione additiva 11
1.3.4 La simulazione 11
1.4 Due esempi di Industria 4.0 (Big Data e Robotica): Audi ed il trattore CNH 12
1.4.1 Industria 4.0: Audi 12
1.4.2 Industria 4.0: Il trattore CNH 13
Capitolo 2: Big Data
2.1 Introduzione al concetto di Big Data 15
2.2 Big Data: Applicazioni pratiche 16
2.3 Big Data: Problematiche 17
2.3.1 Tre tipologie di dati problematici in ambiente Big Data 18
2.3.2 Varie problematiche relative ai Big Data 18
Capitolo 3: Robotica
3.1 I robot nell’Industria 4.0 19
3.2 Applicazioni della robotica nell’Industria 4.0 20
3.2.1 Braccio robotico 20
3.2.2 Robot per stampa ad iniezione 21
3.3 L’impatto dell’industria robotica 4.0 22
Capitolo 4: Conclusione
4.1 Lo sviluppo dell’Industria 4.0 in Italia 24
4.2 In conclusione l’Industria 4.0… 25
Bibliografia 26
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
4
Introduzione
Robot che svolgono operazioni complesse al posto degli esseri umani, che comunicano con
questi ultimi e scambiano informazioni tra loro non sono più scene che possiamo vedere
solo nei film di fantascienza ma col passare del tempo stanno diventando parte della realtà
di tutti i giorni sempre più prepotentemente.
Tutto ciò lo si può capire da come il settore industriale si sta evolvendo sempre più nella
direzione dell’utilizzo delle nuove tecnologie, portando alla nascita di vere e proprie catene
di produzione altamente automatizzate.
L’obiettivo ultimo di questa massiccia applicazione tecnologica al settore manifatturiero è
quello di aumentare la produzione di prodotti commerciali con una qualità degli stessi
altamente migliorata.
Ovviamente, le aziende devono risolvere i problemi legati ad un cambiamento così radicale
nelle proprie linee produttive.
Infatti, in un ambiente di business competitivo come quello dei giorni nostri, le aziende si
trovano a dover affrontare problemi riguardanti grandi moli di dati al fine di poter
aumentare la propria produttività e molti di questi problemi non hanno ancora trovato una
soluzione accettabile [1].
La Germania, però, si sta dirigendo verso la strada giusta in questo campo, tanto da dare il
via alla cosiddetta Quarta Rivoluzione Industriale che, dopo le tre precedenti, si prepara
anch’essa a cambiare non solo le modalità di produzione ma anche il nostro modo di vivere.
Tale rivoluzione porterà alla costruzione di industrie intelligenti (Smart Factory) che,
grazie alle nuove tecnologie, potranno gestire l’intero ciclo produttivo fino poi
all’immissione sul mercato del prodotto finito.
Le Smart Factories si basano prevalentemente sull’ottimizzazione del controllo
centralizzato e dell’intelligenza e, per quanto concerne quest’ultima, ci si propone di
raggiungere un livello tale da far sì che si possa effettuare l’importante passaggio da
semplici macchine a macchine capaci di “auto apprendere” al fine di migliorare produzione
e manutenzione [1].
In questo ambito ci si concentra particolarmente sullo sviluppo di concetti e metodi per
rendere i processi produttivi più flessibili e trasformare le attuali linee di produzione statiche
in dinamiche ed autonomamente organizzate.
L’insieme di questi obiettivi e speranze ha portato alla nascita dell’Industria 4.0, termine
relativo alle industrie nate durante la quarta rivoluzione industriale citata sopra e che avremo
modo di trattare nel seguito di questo lavoro.
Faremo inoltre un esempio di Industria 4.0 e, in particolare, vedremo la visione che ha
l’Audi di come dovrebbe essere la fabbrica del futuro e le tecnologie da applicare affinché la
creazione del prodotto avvenga nel modo più efficace ed efficiente possibile. Inoltre,
andremo ad analizzare il progetto della CNH Industrial riguardante l’applicazione di alcune
delle tecnologie che menzioneremo in questo lavoro nell’ambito dell’industria agricola.
Come si può ben capire, la Robotica è centrale nella nuova generazione di fabbriche e sarà
uno dei temi cardine di questo lavoro di tesi, soprattutto perché strettamente connesso ad un
altro concetto fondamentale che approfondiremo, cioè il concetto di Big Data.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
5
Difatti, la gestione dei dati, oltre che l’utilizzo di Sensori e Controller Networks, è un
fattore importantissimo e necessario per poter far raggiungere alle macchine le capacità di
“auto coscienza” ed “auto apprendimento”.
Ricapitolando, nel corso di questo lavoro di tesi daremo una definizione di Industria 4.0,
senza tralasciare le varie tecnologie ad essa relative, discuteremo delle varie conseguenze
che apporta in ambito economico e degli ostacoli che le varie aziende dovranno superare per
applicare le nuove tecnologie ai vari cicli produttivi, citeremo inoltre degli esempi di
fabbriche intelligenti.
Nel seguito tratteremo sia di Big Data che di Robotica, delle loro applicazioni,
problematiche, aspetti di interesse e faremo alcuni esempi riguardanti di tali tecnologie.
Discuteremo delle sfide che l’Industria 4.0 si propone di affrontare e di come questa nuova
modalità di fare azienda possa influenzare il futuro del settore manifatturiero anche per
quanto concerne il nostro paese.
Trarremo, infine, delle conclusioni rispetto alle conseguenze della quarta rivoluzione
industriale sia sulle aziende che sull’uomo ed in particolare sui lavoratori del futuro.
Per la stesura di questa tesi abbiamo fatto riferimento a fonti eterogenee tra loro come
pubblicazioni scientifiche, porzioni di libri ed articoli giornalistici riguardanti il settore
tecnologico.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
6
Capitolo 1: Industria 4.0
1.1 Introduzione al concetto di Industria 4.0
Nell’economia di oggi, fortemente influenzata dalla globalizzazione, molti paesi si sono
trovati in difficoltà nel restare al passo non solo con realtà molto più organizzate dal punto
di vista dei mezzi economici ma anche con nuove realtà emergenti.
Queste problematiche di tipo economico-produttive hanno portato molte industrie a
ricercare metodi e tecnologie che potessero alzare il loro livello produttivo e
conseguentemente remunerativo.
La Cina ha lanciato il “Piano 2025” ed “Internet Plus” che si concentrano sul rafforzamento
della produzione e l’innovazione dei servizi, gli USA nel 2014 hanno stanziato circa $70
milioni per stabilire il “Digital Lab for Manufacturing”, ma il paese che più si è mosso
verso un progresso tecnologico applicabile al settore produttivo è la Germania [2].
È, infatti, la Germania ad aver dato il via alla Quarta Rivoluzione Industriale, e da tale
processo rivoluzionario è nata l’Industria 4.0.
Il termine Industria 4.0 si riferisce alla ricerca, da parte del settore produttivo industriale,
dell’integrazione dell’IT nei vari processi manifatturieri al fine di migliorare le condizioni
di lavoro, la produttività e la qualità dei prodotti.
Una componente importante di questa nuova modalità di fare industria è l’unione del
mondo fisico con quello virtuale, tale fusione è fattibile grazie ai CPS (Sistemi Cyber-
Fisici) ed il prodotto finale derivante da tutto ciò risultano essere le fabbriche intelligenti
dove i vari CPS comunicano tra loro attraverso l’IoT (Tecnologia abilitante dell’Industria
4.0 che non tratteremo in questo lavoro) in modo da aiutare persone e macchine ad
assolvere ai loro compiti [2].
Persone e macchine, quindi, lavoreranno ancora fianco a fianco, ma sicuramente le ultime
risulteranno essere molto più indipendenti rispetto al passato; infatti l’idea della fabbrica
del futuro, punto cardine dell’Industria 4.0, è proprio quella in cui le macchine possano
continuare a lavorare anche quando gli operari non sono più in fabbrica, in modo da
lavorare 24h/24h ed incrementando così la produttività.
Come si può ben intuire, l’impatto dei cambiamenti che l’Industria 4.0 apporta al settore
manifatturiero è molto ampio e consiste di numerose modifiche ai vari processi di
produzione, ai risultati ed ai modelli di business; per ricollegarci proprio al paese che ha
dato inizio a tutto questo, ci teniamo a sottolineare che la Germania ha accelerato del 120%
il processo di fabbricazione e del 70% per quanto concerne il tempo necessario a far
arrivare i prodotti sul mercato [3].
1.2 I vantaggi di un’Industria 4.0
Dare una definizione di Industria 4.0, fornire informazioni riguardanti la nascita di tale
terminologia e la rivoluzione tecnologica che essa implica ci consentono di fornire un
quadro generale della situazione che ci proponiamo di analizzare.
Ma quali sono concretamente i vantaggi che l’Industria 4.0 apporta al settore
manifatturiero?
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
7
Ne abbiamo già dato un accenno generale nell’introduzione ed ora, in questo paragrafo,
cercheremo di andare più nello specifico.
Le migliorie che la quarta rivoluzione industriale apporta ai cicli di produzione vengono
elencati di seguito:
• Maggiore flessibilità: le reti consentono ai processi di business di essere strutturati
in maniera più dinamica. Le procedure produttive reagiscono con maggiore
flessibilità alle variazioni della domanda.
• Riduzione dei tempi di consegna: ovviamente, grazie a tecnologie in grado di far
lavorare una fabbrica per la totalità della giornata e con maggiore rapidità, è
possibile una riduzione drastica dei tempi di consegna di un lotto di prodotti dalla
catena di produzione alla messa sul mercato.
• Adattamento alle esigenze del cliente: totalmente connesso con la maggiore
flessibilità esplicata nel primo punto, consiste nel fatto che non sarà più il cliente a
doversi accontentare di ciò che offre il mercato, bensì saranno le fabbriche ad
adattarsi alla domanda; infatti le Smart Factories permettono la personalizzazione
del prodotto da parte del cliente in termini di pianificazione, configurazione,
ordinazione, progettazione, produzione e funzionamento.
• Nuove offerte di servizi: l’Industria 4.0 possiede il potenziale per offrire dei servizi
ad alte prestazioni per la valutazione nel minor tempo possibile di grandi moli di
dati.
Quelli appena discussi sono solo una parte delle innovazioni che la quarta rivoluzione
industriale ha in serbo per noi.
Altri vantaggi forniti dall’Industria 4.0 verranno esaustivamente trattati in correlazione con
le tecnologie impiegate nelle fabbriche di nuova generazione.
1.3 Le tecnologie abilitanti dell’Industria 4.0 Dopo un’attenta e specifica ricerca tra articoli e pubblicazione scientifiche in merito
all’argomento di tesi, siamo in grado di analizzare nel dettaglio le varie tecnologie applicate
all’industria di quarta generazione con le relative modifiche che esse apportano al settore
manifatturiero.
A parte il già citato CPS, elenchiamo altre nove tecnologie centrali nell’ambito
dell’Industria 4.0, esse sono: la simulazione, la realtà aumentata, la robotica, l’Internet of
Things Industriale (IIoT), il Cloud computing, i Big Data, la produzione additiva,
l’integrazione orizzontale e verticale dei sistemi [2].
Mentre nel prosieguo di questo paragrafo discuteremo di alcune delle tecnologie sopra
citate in maniera generale, per quanto riguarda Big Data e Robotica daremo spazio a due
interi capitoli visto il loro ruolo di protagonisti in questo lavoro.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
8
1.3.1 Cyber-Physical System (CPS)
I cosiddetti Sistemi Informatico-Fisici (CPS) emergono dall’incrocio tra componenti IT per
l’elaborazione dell’informazione, come lo scambio di dati, e componenti meccanici ed
elettrici delle macchine. In ambito industriale, questi sistemi vengono definiti anche come
Sistemi di Produzione Informatico-Fisici (CPPS) [4].
La comunicazione tra i vari CPS avviene attraverso un’infrastruttura di dati, come Internet.
I sistemi cyber-fisici, in un contesto di produzione ed automazione, possono riferirsi a
diversi processi produttivi ivi compresa la simulazione, la progettazione, il controllo e la
verifica.
I sistemi CPS che stanno emergendo dovranno essere collegati, distribuiti e coordinati oltre
che reattivi e robusti. Nel contesto manifatturiero, i CPS si pongono l’obiettivo di
migliorare qualità e produttività grazie ad algoritmi di prognostica e diagnostica, facendo
uso di grandi quantità di dati provenienti da diverse tipologie di macchine, sensori collegati
in rete e sistemi. A volte, sarà anche necessaria l’elaborazione in tempo reale della grande
mole di dati con bassa qualità o basso contenuto di informazioni raccolte dai sensori CPS.
L’elaborazione di dati di grandi dimensioni e bassa qualità è una delle tante sfide che
l’Industria 4.0 si pone di affrontare [3].
Volendo fornire una definizione più specifica dei CPS, possiamo dire che:
“Un CPS è definibile come un sistema in cui si richiede che gli oggetti fisici siano
affiancati dalla propria rappresentazione nel mondo digitale, siano integrati con elementi
dotati di capacità di calcolo, memorizzazione e comunicazione, e che siano collegati in rete
tra loro.” [5]
Le diverse funzionalità di un CPS possono essere compresse nel seguente schema a cinque
livelli:
1) Smart connection: ossia la capacità di gestire ed acquisire dati resi disponibili in tempo
reale grazie a sensori intelligenti e di trasferirli tramite specifici protocolli di
comunicazione;
2) Data-to-information conversion: capacità di
aggregare i dati e di convertirli in informazioni a valore
aggiunto;
3) Digital Twin (Cyber level): capacità di
rappresentare in real-time il dominio reale in una
realtà digitale;
4) Cognition: capacità di identificare
diversi scenari e di supportare un corretto
processo al fine di prendere le migliori
decisioni possibili;
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
9
5) Configuration: capacità di fornire feedback alla realtà fisica da quella virtuale e di
applicare le azioni correttive prese al livello precedente;
In particolare, il Cyber level nasce grazie alla grande quantità di tecnologie di nuova
generazione che rendono possibile poter accedere ad informazioni centralizzate; è proprio a
questo livello che si rende possibile la connessione e, di conseguenza, l’interscambio di dati
tra le macchine tramite l’utilizzo della loro immagine virtuale [5].
Detto questo, andiamo ora a specificare quali sono i vantaggi che la tecnologia CPS apporta
al settore manifatturiero.
Per fare ciò, facciamo riferimento ai risultati di ricerca di sCorPiuS, un progetto totalmente
finanziato dalla Commissione Europea che suddivide i diversi apporti benefici dei sistemi,
argomento di questo paragrafo, in sei classi fondamentali [5].
La prima classe (New data driven services and business models) si riferisce
esclusivamente ai vantaggi apportati dal punto di vista manageriale; infatti grazie ai CPS il
business delle aziende rileva un apprezzabile miglioramento dovuto alla possibilità di
venire incontro alle esigenze del cliente in modi che in passato non sarebbero stati
concepiti, fino alla personalizzazione del prodotto da parte del cliente.
La seconda classe (Data-based improved products) si basa su ciò che si definisce come
digitalizzazione del prodotto. Essa consiste nel concepimento di prodotti intelligenti in
grado di comunicare con la fabbrica tramite scambio di informazioni. Ciò è possibile grazie
ai CPS integrati nel prodotto stesso, in questo modo verranno inviati dati riguardo l’utilizzo
che fa il cliente del prodotto e dando quindi la possibilità all’azienda di rendere la
produzione ad hoc rispetto a chi lo richiede.
La terza classe (Closed-loop manufacturing) comprende tutti quei vantaggi della
tecnologia CPS che superano il solo ambito della fabbrica e che vanno quindi ad
influenzare clienti e fornitori, i quali scambiano dati e feedback con la catena produttiva.
La quarta classe (Cyberized plant / Plug & Produce) consiste nei vantaggi che i CPS
apportano a livello di shop floor, vale a dire rendendo possibile la riconfigurabilità e la
flessibilità del sistema produttivo che conseguentemente portano ad una più facile gestione
delle operazioni di self-recovery,
self-analisys e del self-learning da parte dell’impianto e la tracciabilità del prodotto durante
il suo ciclo di produzione nella fabbrica in ogni suo passaggio.
La quinta classe (Next step production efficiency) consiste nel migliorare nella sua
totalità le fasi della produzione, facendo in modo da rendere fattibile la produzione di
piccoli lotti, migliorare la gestione del magazzino, rendere più precisi i processi produttivi
etc.
La sesta classe (Digital ergonomics) include una migliore integrazione degli operai
nell’ambiente industriale al fine di rendere più veloce il trasferimento delle conoscenze, una
riduzione quindi della complessità operativa grazie alla possibilità di poter accedere in
tempo reale alla fabbrica.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
10
Si può facilmente comprendere che senza i CPS difficilmente si potrebbe parlare di
Industria 4.0 o di Smart Factories.
1.3.2 La realtà aumentata
Tramite la realtà aumentata è possibile aiutare l’operatore della fabbrica a migliorare la
propria produttività con una notevole riduzione degli errori in fase di montaggio o di
riparazione. In particolare, facciamo uso di tecnologie di visione per il riconoscimento degli
oggetti, sintesi e riconoscimento vocale, interfaccia con CAD e computer graphics per la
virtualizzazione degli oggetti [6].
Potremmo utilizzare la fotocamera dei nostri smartphone e fruire di informazioni a noi utili
sovrapposte alla realtà che ci circonda; per esempio, inquadrando un dispositivo di cui
vogliamo sostituire una componente, ci verrebbero mostrati in tempo reale i vari passaggi
da effettuare per adempiere allo scopo.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
11
1.3.3 La produzione additiva
La produzione additiva è quel processo produttivo che consiste nell’unione di più materiali
diversi con l’intento finale di creare oggetti facendo uso di modelli tridimensionali
computerizzati; tale tipologia di produzione si oppone alla produzione sottrattiva.
Le tecnologie utilizzate in caso di produzione additiva sono molteplici, per esempio la
modellazione a deposizione fusa, cioè depositando il materiale su strati tramite un ugello
che ne controlla il flusso, o la sintetizzazione laser, trattamento termico che trasforma
materiale polverizzato in indivisibile [7].
Ma la tecnologia più diffusa in questo ambito è sicuramente la Stampa 3D, essa è
caratterizzata dai due vantaggi seguenti:
1) È più veloce, affidabile e semplice da usare rispetto ad altre tecniche di produzione
sottrattiva [8];
2) Offre la possibilità di stampare e assemblare parti composte da diversi materiali con
diverse proprietà fisiche e meccaniche in un singolo processo di costruzione [8];
La rapidità operativa di questa tecnologia rende ancor più semplice la personalizzazione del
prodotto senza andare a rimetterci in termini di tempo.
1.3.4 La simulazione
La simulazione è uno strumento fondamentale per prevedere il comportamento dei vari
sistemi produttivi sia nel caso in cui ci interessi il funzionamento del singolo sistema sia
quando abbiamo bisogno di capire la fattibilità del lavoro in gruppo di più sistemi nello
stesso ambiente produttivo che inevitabilmente andranno ad influenzarsi a vicenda.
Essa consente l’analisi della realtà ad un alto livello di dettaglio in modo da ottenere un
gran numero di informazioni utili, magari, ad apportare modifiche all’impianto o a
correggere eventuali guasti; il prezzo da pagare per questa completezza è ovviamente il
tempo, dato che le operazioni di programmazione sono molto lunghe al fine di ottenere dei
dati sufficientemente sensati e tali da offrire un modello della realtà ad essa aderente [9].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
12
1.4 Due esempi di Industria 4.0 (Big Data e Robotica): Audi
ed il trattore CNH
1.4.1 Industria 4.0: Audi
Entro l’anno 2035 l’Audi si pone l’obiettivo di passare dalle moderne catene di montaggio
ad una struttura modulare in cui ogni modulo sarà predisposto ad una specifica funzione;
tutti i moduli, nella loro totalità, verranno supervisionati da una torre di controllo atta a
verificarne il corretto funzionamento. È, quindi, la Smart Factory la nuova sfida dell’Audi;
il portavoce del progetto Felix Schwabe spiega: “La nostra idea è costruire unità produttive
più piccole e flessibili che possano lavorare esattamente dove si trova la domanda,
rispondendo in modo più veloce ed efficiente alle esigenze dei nostri clienti” [10].
L’Audi del futuro sarà più o meno come quella di oggi, ciò che cambierà radicalmente sarà
la produzione delle nuove automobili.
Si raggiungerà una Produzione 4.0 in cui Networking, Robotica ed un altissimo livello
tecnologico la faranno da padrone ma, a detta di Audi, senza escludere l’intervento
specializzato dell’uomo.
“Le auto si possono comprare ovunque, noi vogliamo offrire un servizio personalizzato e
flessibile” dice Alois Brandt, membro del team che ad Ingolstadt sta immaginando la
fabbrica del futuro [10].
Ma come è possibile realizzare questa visione?
Utilizzando le stampanti 3D e scanner per disegnare i sedili su misura del guidatore nei
Customer Center, droni per il trasporto dei vari elementi da un modulo ad un altro ed una
nuova generazione di Robot in grado di assistere i lavoratori, ma soprattutto costruendo una
rete di comunicazione basata sull’analisi dei Big Data.
Per quanto concerne il grande quantitativo di scambi dati di cui sistemi di questo livello
hanno bisogno, tutto ruota intorno al passaggio dai Big Data agli Smart Data.
Questa transizione consiste nel creare un sistema in grado di gestire un flusso di lavoro in
cui ogni componente possa comunicare con le altre, generando di conseguenza un’enorme
mole di dati che andranno necessariamente processati di continuo e resi quindi intelligenti.
Fabian Rusitschka del Technology Development Innovation Management di Audi ci lavora
da oltre tre anni: “Non bisogna più ragionare in termini di cicli produttivi lineari con
tempistiche prestabilite, è necessario immaginare un sistema interconnesso che riesca a
gestire ogni tipo di domanda di automobili, sia dal punto di vista dei numeri che delle
specifiche dei diversi modelli” [10].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
13
Un concetto fondamentale della visione di Audi è quello di Isola di competenza, cioè una
zona addetta ad una particolare funzione durante l’assemblaggio del prodotto, in questo caso
un’automobile.
Praticamente, l’auto non verrà prodotta nella catena di montaggio, ma si sposterà da un
punto ad un altro a seconda della fase di montaggio in cui si trova e sarà il sistema ad
indirizzarla verso l’isola di competenza successiva.
Questo, ovviamente, vale per quanto riguarda la fase produttiva, ma l’Audi ha pensato
anche ad un rinnovamento della fase di progettazione delle sue auto integrando tecnologie
quali le stampanti 3D ed i visori per la realtà virtuale.
La casa automobilistica tedesca ha già presentato i suoi progetti per le fabbriche del futuro e
le varie tappe di realizzazione del progetto.
Si parte dalla costruzione di nuovi siti quali quello di San José Chiapa in Messico, Bruxelles
ed il nuovo stabilimento della Lamborghini per la produzione dei nuovi Suv.
La seconda fase comprenderà la ristrutturazione delle varie fabbriche, che naturalmente sarà
un processo piuttosto lungo; per questo motivo si partirà da strutture che sono ancora in fase
di costruzione dato che sia gli spazi necessari che i layout cambieranno nel tempo.
1.4.2 Industria 4.0: Il trattore CNH
L’industria agricola non è esente dalle applicazioni delle nuove tecnologie emergenti, ed in
questo senso si potrebbe parlare anche di Industria agricola 4.0.
Potrebbe sembrare strano parlare di tecnologie avanzate come quelle di cui abbiamo trattato
fino ad ora applicate all’agricoltura, ma è proprio ciò su cui ha puntato la CNH Industrial.
In realtà il mondo agricolo si presta molto a questo tipo di tecnologie e da ciò nasce il
trattore CNH, un trattore a guida autonoma.
I vantaggi apportati da questo veicolo sono i medesimi di cui abbiamo parlato quando
abbiamo introdotto il concetto di Industria 4.0 e le varie tecnologie applicate alle fabbriche
del futuro.
Infatti, il trattore CNH permette di lavorare 24h/24h in modo da aumentare la produzione
agricola. Inoltre, è possibile controllare da remoto l’intera operazione nonché correggere
eventuali errori come per esempio nel caso in cui il trattore segua traiettorie sbagliate.
Per quanto concerne le caratteristiche di questi trattori, essi potranno contare su GPS e
correzione satellitare al fine di fornire una guida per la registrazione e la trasmissione dei
dati dal campo [11].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
14
Per controllare i trattori e, al contempo, ricevere feedback sicuri e immediati, è stata
sviluppata un’interfaccia interattiva dedicata. Durante la messa in moto dei trattori, si
effettua il caricamento delle mappe per segnalare al sistema i confini del campo su cui
lavorare, poi il software permetterà di scegliere il percorso per ottenere la maggiore
efficienza possibile. Ovviamente, tramite i trattori CNH, possiamo effettuare tutte le
operazioni che erano possibili con i normali trattori, cioè la semina, la falciatura,
l’irrorazione etc., con il sistema che prenderà in maniera automatica le dimensioni degli
attrezzi o magari avvertirà l’agricoltore quando sarà necessario il rifornimento d’acqua,
semi o altro [11].
Quando avremo terminato la fase di programmazione, potremo selezionare il veicolo ed il
campo su cui farlo lavorare.
La totalità di queste fasi non necessità di più di trenta secondi, quindi si può ben
comprendere l’efficienza di questa tecnologia.
Al momento questi trattori sono ancora a livello sperimentale, ma abbiamo già due modelli
da poter esibire: l’NHDrive della New Holland che possiede anche una cabina per il pilota
per operazioni non autonome ed il Case IH Magnum privo della cabina per il pilota.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
15
Capitolo 2: Big Data
2.1 Introduzione al concetto di Big Data
Big Data è un termine che si riferisce ad una quantità di dati talmente numerosi e complessi
che i sistemi tradizionali di elaborazione dati e le varie applicazioni operanti su di essi
risultano essere non adeguati.
I vari requisiti dei Big Data sono riportati di seguito:
• Volume: la grande dimensione della raccolta di dati determina il suo valore
potenziale;
• Varietà: la raccolta dei dati dipende da varie fonti diverse tra loro che ovviamente
possono cambiare nel tempo;
• Velocità: la velocità con cui vengono generati ed elaborati i dati implica la nascita di
nuove sfide da intraprendere per la loro gestione ed il loro utilizzo;
• Variabilità: delle incongruenze possono ostacolare i vari processi di gestione dei
dati;
• Veridicità: la qualità dei dati può variare e quindi il loro uso sarà tanto più efficace
quanto maggiore sarà la fiducia negli stessi e nelle informazioni che rappresentano;
• Complessità: se i dati provengono da fonti diverse, allora devono poter essere
combinati in modo da aumentare il valore di tutta la collezione;
I dati vengono prodotti grazie ad un processo e perciò dovrebbero essere trattati alla stregua
di un normale prodotto. Infatti, basta sostituire la parola “prodotto” a “dato” nei requisiti dei
Big Data per descrivere tutta la serie di situazioni per la fabbricazione e l’assemblaggio di
prodotti complessi [12].
Nell’Industria 4.0 le analisi intelligenti ed i CPS stanno collaborando al fine di ottenere
una nuova mentalità riguardo la produzione e la trasformazione industriale. Facendo uso di
sensori, varie tipologie di segnali come la pressione, le vibrazioni etc. possono essere
facilmente estratti; in più possiamo fare uso di dati storici per l’estrazione di nuovi dati in
futuro. L’unione di tutte queste informazioni, costituenti i Big Data, e la loro conseguente
elaborazione in informazioni a noi utili è la chiave per l’innovazione di una fabbrica
nell’Industria 4.0 [1].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
16
I Big Data potrebbero produrre un effetto di trasformazione su un settore industriale o su di
un’intera società; alcune categorie del settore industriale potrebbero subire trasformazioni
sostanziali. Questo ci fa comprendere l’enorme impatto che tale argomento avrà per quanto
concerne la produzione industriale [13].
Espressi gli aspetti generali e la definizione di Big Data, nel prosieguo di questo capitolo
tratteremo delle varie applicazioni che essi hanno nel settore industriale e le problematiche
connesse al loro utilizzo.
2.2 Big Data: Applicazioni pratiche
I dati, argomento cardine di questo capitolo, vengono generati dalle macchine e da fonti
molto eterogenee tra loro, come dati di comunicazione M2M, dati di sensori operazionali
(per misurazioni di temperatura, pressione etc.), così come i dati dei sistemi MES
(Manufacturing Execution Systems) per la programmazione della produzione. Approcci di
Data Mining (estrazione dei dati) possono essere applicati a banche dati storiche al fine di
identificare i vari modelli di errore, ottenendo quindi la capacità di utilizzare queste
informazioni per compiere analisi predittive. Perciò, le molteplici variabili che vanno ad
influire sul corretto funzionamento della macchina possono essere facilmente monitorate per
cercare di evitare errori indesiderati; si parla in questi casi di Manutenzione Predittiva [4].
Quando abbiamo parlato dei CPS, abbiamo anche detto che essi sono necessari affinché si
possa raggiungere la possibilità di avere macchine intelligenti, in particolare macchine auto
manutentive.
È proprio con questo obiettivo che facciamo largo uso dei Big Data.
Grazie alle grandi moli di dati che riusciamo a prelevare dalle macchine, possiamo
facilmente implementare alcune metodologie che ci permettano di prevedere eventuali errori
o guasti futuri, ossia che ci permettano di conoscere la salute delle macchine presenti in
fabbrica.
Una delle metodologie a nostra disposizione è la cosiddetta “Metodologia Macchina del
Tempo per Sistemi Cyber-Fisici” che è incaricata di organizzare perfettamente i dati
disponibili nell’ambiente Big Data per essere utilizzati in algoritmi PHM (Prognostic and
Healt Management). Tale metodo consiste nel possesso da parte di ogni componente di un
record “Macchina del Tempo” rappresentante il cyber-spazio; esso estrae informazioni a noi
utili dall’insieme di dati disponibili [14].
Le informazioni estratte includono la storia, lo stress ed il carico, i parametri di
funzionamento, le configurazioni di sistema ed i registri di manutenzione. Una volta che un
componente è fallito, esso verrà rimosso dalla macchina, ma il suo “cyber gemello” (il Time
Machine Record) rimarrà senza nessun vincolo temporale [14].
L’esistenza infinita di questi “cyber-gemelli” permettono la raccolta perenne di Time
Machine Record e di conseguenza di grandi quantità di dati riguardanti il funzionamento di
componenti. Inoltre, i “cyber-gemelli” possono accedere ai record dei propri predecessori
senza alcun vincolo. Come si può ben comprendere, questo tipo di metodologia,
strettamente connessa con l’ambiente Big Data, aumenta notevolmente la robustezza degli
algoritmi PHM e quindi ci porta più vicini alla realizzazione di macchine intelligenti “auto-
coscienti” ed “auto-manutentive” [14].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
17
A parte le applicazioni in campo tecnologico per l’avanzamento dell’Industria 4.0, i Big
Data trovano spazio anche nel miglioramento del business di un’azienda e
conseguentemente ne aumentano i ricavi in maniera sostanziale.
Tutte le belle parole spese fin qui ci porterebbero a pensare che nulla può andare storto
applicando tecnologie come i Big Data, ma non è così.
Nel paragrafo seguente andremo a trattare anche le problematiche che apportano i Big Data
in ambito industriale e non.
2.3 Big Data: Problematiche
I Big data possiedono molte caratteristiche positive che portano giovamento alle aziende su
molti punti di vista, ma ad essi vanno associati anche aspetti negativi che possono
potenzialmente rendere vani i vantaggi di cui abbiamo parlato in precedenza.
Una prima criticità consiste nella qualità dei Big Data, essa viene determinata dalle seguenti
proprietà:
• Completezza;
• Consistenza;
• Accuratezza;
• Integrità;
• Assenza di duplicazione;
Dobbiamo far presente che in una buona parte dei casi, in ambito aziendale, la qualità dei
dati non è poi di livello così elevato, a causa di diversi fattori.
Tali fattori sono:
• Errori durante le operazioni di data entry manuale;
• Errori nei software di gestione dati;
• Errori durante la progettazione delle basi di dati;
È quindi necessario che la qualità dei dati venga costantemente controllata medianti processi
di Data Quality; essi devono restituire in uscita quali sono i dati che posseggono livelli di
integrità, consistenza, accuratezza e completezza accettabili e quali invece non rispettano
standard adatti a farli considerare come dati qualitativamente apprezzabili. La qualità dei
dati è cruciale per il ciclo produttivo, infatti dati deboli dal punto di vista qualitativo ci
porteranno inevitabilmente a fabbricare prodotti di scarsa qualità [15].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
18
2.3.1 Tre tipologie di dati problematici in ambiente Big Data
In questo paragrafo ci proponiamo di fare alcuni esempi di tipologie di dati che risultano
essere particolarmente problematiche.
Elenchiamo di seguito tali tipi di dati:
1. Dati provenienti da sistemi operazionali: cioè quando i sistemi operazionali
producono una grande mole di dati. Le problematiche di questa tipologia vengono
risolti tramite strumenti di pulizia dei dati, di solito utilizzati nei casi di Business
Intelligence [15].
2. Dati provenienti da sensori, RFID e strumenti scientifici: questo genere di dati,
generati dalle macchine, non sono soggetti ad errori di immissione, ma questo non
significa che non siano soggetti ad errore per altre cause. Infatti, un errore comune
legato a questa particolare tipologia di dati consiste nel malfunzionamento dei sensori
o degli strumenti di misura che forniscono informazioni relative alla macchina in
analisi, come per esempio la temperatura massima che il macchinario è in grado di
sopportare [15].
3. Dati provenienti dal web: in questa categoria rientrano i dati provenienti dai social
network, essi sono composti da due parti; i metadati che sono più affidabili e quindi
meno soggetti ad errore, mentre il testo è sicuramente più soggetto ad errori di vario
genere (errori grammaticali, di battitura, etc.) [15].
2.3.2 Varie problematiche relative ai Big Data
Una nuova problematica connessa ai Big Data consiste nella difficoltà di distinguere
significati diversi legati ad una stessa parola.
Questa è una delle sfide che i Big Data si pongono; tale problema si risolve facilmente
tramite l’utilizzo dei tag (cioè metadati) per etichettare i dati, in questo modo è possibile
estrapolare l’ambito di pertinenza legato alla parola in questione.
Inoltre, un ennesimo problema riguarda la veridicità delle informazioni prelevate dal Web,
infatti non sempre ciò che troviamo sulla rete è degno di fiducia.
Dobbiamo dire, però, che non tutte le applicazioni necessitano di informazioni precise; per
esempio alcune analisi di un prodotto o di un personaggio non vengono influenzate più di
tanto da qualche dato inesatto. In effetti, ricollegandoci a quanto appena detto, le operazioni
di pulizia dei dati non sempre risultano necessarie, anzi a volte potrebbero essere perfino
dannose arrivando erroneamente ad eliminare informazioni a noi necessarie [15].
Altre problematiche riguardano il tema della privacy, soprattutto nel caso di Big Data
industriali le informazioni potrebbero essere accessibili a terze parti che agevolerebbero
sicuramente lo spionaggio industriale.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
19
Capitolo 3: Robotica
3.1 I robot nell’Industria 4.0
Nella moderna industria manifatturiera i robot svolgono un ruolo fondamentale. Questo lo si
può comprendere dal dato che ci mostra come il numero di robot industriali multifunzione,
sviluppati nel settore dell’Industria 4.0, solo in Europa è quasi raddoppiato dal 2004.
L’Industria 4.0 punta moltissimo su nuovi metodi di produzione autonomi, potenziati grazie
all’utilizzo di robot in grado di adempiere a compiti in maniera intelligente e con attenzione
a sicurezza, flessibilità, versatilità e cooperazione.
L’obiettivo è quello di integrare uomo e macchina nel ciclo produttivo industriale facendo
uso di interfacce uomo-macchina tramite sensori intelligenti.
Questa nuova generazione di robot può essere controllata a distanza; se, per esempio, si
verifica un problema di qualsiasi tipo il lavoratore riceve un messaggio sul suo cellulare,
collegato ad una webcam, così da poter verificare l’entità dei guasti e dare istruzione di
fermare la produzione oppure di lasciarla continuare.
Diversi sono i robot introdotti di recente al fine di essere i pionieri dell’Industria 4.0.
KUKA LBR IIWA è un robot leggero concepito per lavorare al fianco dell’uomo in ambito
industriale per adempiere a compiti altamente sensibili.
Tale robot è in grado di “imparare” dai suoi colleghi umani ed è capace di controllare in
maniera indipendente, ottimizzare e documentare i risultati del proprio lavoro.
I robot NEXTAGE della KAWADA INDUSTRIES sono un’evoluzione delle
apparecchiature per le linee di assemblaggio di componenti; esso consiste di una testa con
due telecamere, un torso, due bracci a sei assi, una base mobile ed una GUI flessibile.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
20
La sua visione stereoscopica avanzata con sistema di riconoscimento delle immagini
permette di accertare la distanza dell’oggetto ed ottenere coordinate 3D ad alta precisione.
Esistono due modelli di questo specifico robot, uno per l’ambiente industriale ed uno per
l’ambito della ricerca [3].
Tratteremo nel paragrafo seguente come applicare questi robot nell’industria moderna al
fine di ottenere il maggior numero di vantaggi possibile.
3.2 Applicazione della robotica nell’Industria 4.0
Per quanto riguarda la robotica generale, che ovviamente comprende quella industriale,
possiamo concentrare le varie tipologie di robot in tre gruppi:
1. Robot di primo livello: Questo livello comprende tutti quei robot che effettuano
azioni ripetitive regolate da un software che specifica i vari movimenti da svolgere e
con quale velocità e precisione eseguirli [16].
2. Robot di secondo livello: Sono quei robot che risultano meno rigidi riguardo alle
attività che possono svolgere, infatti essi sono in grado di comportarsi diversamente a
seconda dell’oggetto da montare grazie a sensori visivi che lo analizzano sotto vari
aspetti come la forma, la distanza etc. [16].
3. Robot di terzo livello: sono robot in grado di prendere decisioni in maniera
autonoma, ma ad oggi essi non vengono ancora utilizzati in ambito industriale [16].
Tra le varie applicazioni che la robotica avrà nelle future fabbriche intelligenti, quella che è
alla base dell’Industria 4.0 è la collaborazione tra uomo e macchina.
L’obiettivo a lungo termine è quello di cooperare e lavorare con i robot in ambienti
dinamici, imprevedibili e dove le situazioni variano più volte nel tempo; uomo e macchina
dovranno costituire una vera e propria squadra. Ad oggi i robot vengono considerati come
semplici strumenti in grado di svolgere piccoli compiti o attività più complesse ma senza
collaborare con l’uomo in maniera attiva. Ciò a cui invece puntiamo è la collaborazione
uomo-macchina che dovrebbe consistere nello scambio di informazioni tra le due
controparti, dove la macchina effettua l’operazione ad essa assegnata e nel caso in cui si
dovesse presentare un problema di qualsiasi genere allora la macchina chiederà assistenza al
suo collega umano [17].
3.2.1 Braccio robotico
I bracci robotici sono alla base dell’applicazione della robotica in ambito industriale.
Possiamo fornire a tali macchine diversi strumenti per poter effettuare operazioni di vario
genere quali saldatura, montaggio, verniciatura, etc.
Di bracci robotici ne esistono di varie tipologie, ma la più diffusa è quella dei bracci
articolari grazie al loro alto grado di libertà e la possibilità di evitare gli ostacoli anche in
spazi angusti.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
21
Questa tipologia di robot industriali è composta da sezioni rigide e da articolazioni capaci di
effettuare movimenti di rotazione, dove tali movimenti vengono regolati grazie ai dati
catturati dal modulo sensori composto da varie tipologie di sensori quali quello di
prossimità, di pressione, di osservazione etc.; tali informazioni acquisite dai sensori
vengono poi trasmessi al modulo di controllo centrale dopo un’attenta elaborazione [18].
Ovviamente l’avanzamento tecnologico nel campo dell’intelligenza artificiale applicata alla
robotica non potrà fare altro che portare all’evoluzione di queste macchine al fine di
svolgere operazioni molto più complesse di quelle che sono in grado di svolgere oggi.
3.2.2 Robot per stampa ad iniezione
Grazie a queste macchine possiamo evitare agli operatori umani attività fin troppo ripetitive
e che potenzialmente possono essere anche pericolose.
Questa tipologia di robot industriale rispetta proprio quei canoni dell’Industria 4.0 tra cui la
piena autonomia e la possibilità di operare per l’intera durata della giornata anche in assenza
degli operai, incrementando così la produzione e di conseguenza i ricavi dell’azienda in
maniera esponenziale.
Ovviamente abbiamo numerose altre applicazioni della robotica, come per esempio
controllo qualità, confezionamento e pallettizzazione, lucidatura, analisi e test di laboratorio,
etc.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
22
3.3 L’impatto dell’industria robotica 4.0
La personalizzazione di massa consentirà la produzione di piccoli lotti, anche nel senso di
oggetti unici grazie alla capacità da parte delle macchine di adattarsi facilmente alle
richieste del cliente. La velocità con la quale si è in grado di fabbricare un prodotto viene
sicuramente migliorata tramite la progettazione digitale e la modellazione virtuale del
processo produttivo, in questo modo si riduce notevolmente il tempo che passa tra la
progettazione del prodotto e la sua consegna. Lo sviluppo integrato del prodotto con
produzione digitale e fisica viene ricollegato a grandi miglioramenti nella qualità del
prodotto e ad una notevole diminuzione degli errori di fabbricazione [3].
I dati provenienti dai sensori possono essere utilizzati per il monitoraggio di ogni
componente prodotta piuttosto che utilizzare il campionamento per la rilevazione di errori;
inoltre abbiamo a nostra disposizione anche macchine a correzione di errore per regolare i
processi produttivi in real-time. Tutti questi dati possono essere raccolti ed analizzati
facendo uso di tecniche Big Data per identificare e successivamente risolvere piccoli
problemi in corso; in questo modo si migliora la qualità riducendo notevolmente i costi e di
conseguenza aumentando la competitività [3].
Basandoci su questo presupposto, i maggiori produttori europei sarebbero in grado di
risparmiare sui costi di demolizione e rielaborazione dei prodotti difettosi se potessero
eliminare tutti i difetti in cui ci sarebbe la possibilità di incappare.
Tramite l’utilizzo dei robot industriali 4.0, i lavoratori umani potranno essere utilizzati in
maniera più efficace per tutti quei compiti di fondamentale importanza.
Però, volenti o nolenti, bisogna ammettere che tramite le tecnologie 4.0 è possibile arrivare
a guadagni molto più elevati con molti meno impiegati rispetto a trent’anni fa.
Ad avvalorare ciò, facciamo riferimento ad un libro con argomento centrale “La quarta
rivoluzione industriale” consegnato ai vari delegati presenti al World Economic Forum; in
questo testo Schwab confronta la città di Detroit nel 1990 con la Silicon Valley nel 2014.
In questo confronto si fa presente che nel 1990 le tre più importanti aziende di Detroit
possedevano una capitalizzazione di mercato pari a 36 miliardi di dollari, un fatturato di 250
miliardi e 1,2 milioni di dipendenti; invece nel 2014 le tre più grandi aziende della Silicon
Valley avevano una capitalizzazione di mercato di 1,09 trilioni di dollari, 247 milioni di
entrate e tutto ciò con soli 137.000 dipendenti [3].
Il numero più significativo tra quelli menzionati non riguarda l’ambito economico, ma
quello del capitale umano utilizzato per ottenere quei livelli di guadagno.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
23
Un numero così basso di operai umani è sicuramente dovuto alla maggiore applicazioni dei
robot e di tutte le tecnologie dell’Industria 4.0.
Tornando al paese che ha dato il via ai processi evolutivi in campo tecnologico applicati al
settore manifatturiero, cioè la Germania, un recente studio stima che i benefici dovuti a
questo avanzamento tecnologico contribuiranno a 78 miliardi di euro del PIL tedesco entro
il 2025 [3].
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
24
Capitolo 4: Conclusione
4.1 Lo sviluppo dell’Industria 4.0 in Italia
Pur essendo la seconda potenza europea per quanto riguarda il settore manifatturiero non si
può dire che l’economia italiana sia poi così florida, anzi.
Lo sviluppo dell’Industria 4.0, però, rilancerebbe sicuramente l’Italia dal punto di vista
economico. Da quanto traspare dai rapporti dell’I-Com, però, la situazione non è delle
migliori per quanto riguarda gli investimenti nel campo delle nuove tecnologie da parte
delle imprese italiane, ancora restie ad affidarsi al digitale, forse anche perché gli esperti nel
campo delle ICT tra gli operai non supera il 2,5%. Alcuni dati però sono favorevoli, come
quello che riguarda un utilizzo abbastanza ampio del Cloud da parte delle aziende italiane
(circa il 38%) oppure quello che si riferisce all’applicazione delle tecnologie RFID
nell’11% delle aziende nostrane [19].
Tutto ciò però non è abbastanza per poter dire che le aziende manifatturiere stanno puntando
in maniera decisa sull’Industria 4.0 e quello che ne deriva; chi invece si affida alle nuove
tecnologie per fare impresa sono le famose startup.
Infatti, secondo l’Osservatorio Smart Manufacturing del Politecnico di Milano, le principali
startup che utilizzano le tecnologie 4.0 e basano interamente il loro lavoro su di esse sono
circa una ventina, tra le quali abbiamo:
• Alleantia, la quale punta sull’IoT;
• Experenti, incentrata sulle Human Interfaces;
• Kenstrappen, che opera nel settore delle stampanti 3D;
Nel mondo startup è evidente che c’è tutta la volontà di puntare in maniera importante sulle
tecnologie di cui abbiamo discusso in questo lavoro, ma anche qui siamo ancora molto
indietro rispetto agli altri paesi europei e agli USA.
Purtroppo, quindi, le piccole e medie imprese italiane non sono ancora preparate per
investire sulle nuove tecnologie, ma questi mancati investimenti sono inevitabilmente
causati da una crisi finanziaria che ha messo in ginocchio la maggior parte delle realtà del
nostro paese e non solo dalla mancata preparazione nei confronti dell’IoT, dei Big Data,
della robotica industriale, etc.
Effettivamente si è rilevato un cospicuo abbassamento degli investimenti in questo senso,
infatti siamo passati dai 150 miliardi investiti nel 2010 ai 126 miliardi del 2014, con un’età
media del parco macchine che è aumentata da 10 a quasi 13 anni nel 2014. Bisogna perciò
necessariamente fare qualcosa per l’Italia al fine di permettere una risalita del nostro settore
manifatturiero che fino a qualche decina di anni fa era il migliore d’Europa; anche perché
per rimetterci al passo degli altri paesi sarebbero necessari, a detta dell’Ucimu, circa 60
miliardi annui di investimenti fino al 2030 [20].
Dietro questo quadro che ci vede abbastanza indietro, dobbiamo però tenere presente che,
con tutte le problematiche elencate sopra, le industrie italiane stanno provando in tutti i
modi a rilanciarsi sul piano tecnologico.
Nel mezzogiorno possiamo infatti riscontrare investimenti pari a 4 miliardi di euro
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
25
sull’e-commerce, grazie anche alla diffusione della banda ultra larga la quale raggiunge il
14% della popolazione e mette la Campania al terzo posto tra le regioni italiane. Applicare
l’Industria 4.0 nel mezzogiorno porterebbe quindi enormi vantaggi non solo al sud, ma
all’intero paese, permettendo una crescita aggiuntiva del PIL di circa l’1%.
4.2 In conclusione l’Industria 4.0…
L’avanzamento tecnologico che l’Industria 4.0 apporta al settore manifatturiero non può
che portare giovamento dal punto di vista della produzione, della qualità e del ritorno
economico.
L’applicazione dei Big Data e della Robotica permettono alle macchine di essere “auto
coscienti” ed “auto manutentive” al fine di poter costruire le famose fabbriche intelligenti,
capaci di operare anche senza la presenza degli operai.
Ovviamente la tecnologia, per definizione, deve apportare giovamento all’uomo e per le lodi
che abbiamo tessuto in questo elaborato nei confronti dell’Industria 4.0 non si può dire che
questo non sia vero. Economicamente i guadagni si incrementano e la produzione diventa
rapida e di qualità; però a discapito di cosa otteniamo tutto ciò?
Quando abbiamo discusso della Robotica e delle sue applicazioni in ambito industriale
abbiamo anche effettuato un confronto tra la città di Detroit e la Silicon Valley in un arco
temporale pari a trent’anni ed abbiamo sottolineato la differenza sostanziale di impiegati dal
1990 al 2014.
Per quanto si dica che l’uomo non verrà mai sostituito dalla macchina, bisogna
necessariamente guardare in faccia alla realtà; alle aziende converrà sempre
economicamente puntare su più macchine e meno uomini per svariati motivi.
Bisognerà, quindi, necessariamente introdurre le tecnologie 4.0 in modo da non sacrificare il
capitale umano e magari applicare proprio queste tecnologie all’uomo stesso per renderlo
capace di effettuare operazioni prima complicate o addirittura proibitive, un esempio
possono essere i numerosi esoscheletri in fase di progettazione capaci di potenziare l’uomo
e portarlo a diventare un operaio 4.0 di pari passo col settore industriale nel quale lavora.
La quarta rivoluzione industriale incombe e le aziende devono farsi trovare preparate al fine
di sfruttare al meglio le innovazioni che essa porterà ed applicarle per il bene dell’umanità e
del settore industriale globale.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
26
Bibliografia
[1] Jay Lee, Hung-An Kao, Shanhu Yang, “Service innovation and smart analytics for
industry 4.0 and Big Data environment”, Procedia CIRP 16, Elsevier, 2014, 3 – 8.
[2] Lidong Wang, Guanghui Wang, "Big Data in Cyber-Physical Systems, Digital
Manufacturing and Industry 4.0", International Journal of Engineering and
Manufacturing(IJEM), Vol.6, No.4, pp.1-8, 2016.DOI: 10.5815/ijem.2016.04.01.
[3] Mohd Aiman Kamarul Bahrin, Mohd Fauzi Othman, Nor Hayati Nor Azli, Muhamad
Farihin Talib, Industry 4.0: A review on industrial automation and robotic, Jurnal
Teknologi, 137-143, 23 March 2016.
[4] Tim Niesen, Constantin Houy, Peter Fettke, Peter Loos, “Towards an Integrative Big
Data Analysis Framework for Data-driven Risk Management in Industry 4.0”, 49th
Hawaii International Conference on System Sciences, IEEE, 2016, 5065-5074.
[5] Filippo Boschi, Anna De Carolis, Marco Taisch, Nel cuore dell’Industry 4.0: i Cyber-
Physical Systems, 2017.
[6]www.t3lab.it,http://www.t3lab.it/wpcontent/uploads/2013/08/TechREPORT_T3LabRealt
aAumentata.pdf.
[7] Wikipedia, Produzione additiva, https://it.wikipedia.org/wiki/Produzione_additiva.
[8] Wikipedia, Stampa 3D, https://it.wikipedia.org/wiki/Stampa_3D.
[9] Wikipedia, Simulazione, https://it.wikipedia.org/wiki/Simulazione.
[10] Michele Primi, Robot e Big Data, Audi reinventa la produzione con la Smart Factory,
AUDI, 2015.
[11] Alessandro Frau, Arrivano i primi trattori senza pilota (comandati a distanza),
http://thefoodmakers.startupitalia.eu, 2016.
[12] J Knott’s, “Big Data, Industry 4.0 and engineering structural integrity”, The FESI
bulletin, Vol. 9, 2015.
[13] M. Ackermann, “Reporting and Big Data. Big Data as one megatrend of industry 4.0
and the impacts on controlling”, GRIN, 2015.
[14] Lee, Jay, Behrad Bagheri, and Hung-An Kao. "Cyber-Integrated Big Data Analytics
Agent for Industry 4.0 Applications." de Agenten im Umfeld von Industrie 4.0.
Tecnologie abilitanti per Industria 4.0: Big Data e Robotica
27
[15] Alessandro Rezzani, “Big Data Architettura, tecnologie e metodi per l’utilizzo di
grandi basi di dati”, Maggioli Editore, 2013, 32-38.
[16] Wikipedia, Robot industriale, https://it.wikipedia.org/wiki/Robot_industriale.
[17] Richert, Anja, et al. "Educating engineers for industry 4.0: Virtual worlds and human-
robot-teams: Empirical studies towards a new educational age." Global Engineering
Education Conference (EDUCON), 2016 IEEE. IEEE, 2016.
[18] it.farnell, http://it.farnell.com/braccio-robotico.
[19] Giovanna D’Urso, “L’Industria 4.0 in Italia tra difficoltà e opportunità di crescita”,
insidemarketing.it, https://www.insidemarketing.it/industria-4-0-italia-difficolta-
crescita/, 8/02/2017.
[20] Bottoncini, Angela, Attilio Pasetto, and Zeno Rotondi. "Sviluppo e prospettive
dell’industria 4.0 in italia e ruolo strategico del credito." Argomenti 4 (2016): 51-6.
28