Capital Goods: l'innovazione passa per
IoT e analytics
CNH Industrial, produttore leader di capital goods, sfrutta i dati di garanzia e sul campo per misurare e migliorare la qualità dei prodotti. Data scientist e IoT al centro dell’innovazione.
CNH Industrial, tra i maggiori produttori mondiali di capital goods (veicoli commerciali e per l’agricoltura, macchine per movimento terra, motori per mezzi marini e così via), ha costruito un sistema di data management per raccogliere e analizzare i dati di garanzia e le informazioni sull’utilizzo dei prodotti. L’obiettivo è misurare i kpi di qualità per migliorare continuamente la dependability (affidabilità robustezza, durata) dei beni.
Intervista a: Enrica Vaccarino, Reliability Engineering Senior Manager – EMEA and APAC regions, CNH Industrial
Senza gli analytics avanzati, sarebbe impossibile sfruttare le enormi quantità di dati generati, se si pensa che in un’applicazione di media complessità le variabili da prendere in esame possono essere oltre 10.000.
Come si misura la dependability?
Per noi è fondamentale è l’analisi di parametri che permettono il monitoraggio e la misurazione dei prodotti. Sono due le aree di osservazione: i dati produttivi e di garanzia, all’interno di un database alimentato dai dipartimenti interni e dalla rete mondiale di dealer; le informazioni sull’utilizzo dei prodotti da parte dei clienti, raccolte grazie a comunicazioni machine-to-human.
Siete una realtà molto variegata. Come riuscite a gestire la data governance?
Siamo partiti con l’implementazione di un database unificato per la gestione delle garanzie, che ci ha permesso una vista centralizzata sulla disponibilità dell’intero parco prodotti.
La telematica (IoT), invece, è la nuova frontiera, per la raccolta dei dati e l’analisi in real time sull’utilizzo dei prodotti. Pensiamo ad esempio ai dati provenienti dalle centraline a bordo di ogni veicolo.
In che modo gli analytics vi supportano nel processo di innovazione?
Ogni prodotto è stato progettato per determinati usi e bisogna capire se invece viene impiegato dai clienti finali per attività borderline. Grazie all’analisi sui dati di utilizzo, si ridefiniscono i cluster di missione per ciascun bene, utili al dipartimento di ingegneria e al team di validazione per progettare e testare i prodotti secondo le reali esigenze dei clienti. Le analisi forniscono informazioni cruciali per determinare la qualità dei beni e di individuare eventuali difettosità dei componenti.
Chi sono i principali utilizzatori degli analytics e quale il loro riscontro?
Alcune applicazioni basate su SAS sono state testate su progetti pilota. Stiamo lavorando per estendere l’utilizzo delle applicazioni da un contesto locale, di pochi specialisti, a un numero maggiore di utenti tecnici attraverso un sistema basato su server. In particolare, una soluzione in area warranty sarà disponibile direttamente sia ad utenti con skill tecnici avanzati sia agli utenti con minori competenze statistiche. SAS Visual Analytics permette la consultazione degli insight a qualsiasi tipologia di utente. A monte, rimane un team di data scientist per sviluppare, manutenere e migliorare le soluzioni.
Quali i vantaggi ottenuti dalle soluzioni di data management e analytics?
Siamo riusciti ad ottenere visibilità tempestiva sui kpi che concorrono a determinare il livello di dependability dei prodotti. Capire rapidamente come, quando e soprattutto perché si verificano determinati malfunzionamenti, ci permette di migliorare la qualità dei prodotti e ottenere saving immediati sul fronte della garanzia. Senza gli analytics avanzati, sarebbe impossibile sfruttare le enormi quantità di dati generati, se si pensa che in un’applicazione di media complessità le variabili da prendere in esame possono essere oltre 10.000.
La sfida
Migliorare la Dependability dei veicoli di CNH Industrial.
La Soluzione
Capire rapidamente come, quando e soprattutto perché si verificano determinati malfunzionamenti, ci permette di migliorare la qualità dei prodotti e quindi di ottenere anche saving immediati sul fronte della garanzia.
Articolo tratto da
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: Copyright © SAS Institute Inc. All Rights Reserved. L'articolo non è riproducibile senza il suo consenso.