Si è svolto mercoledì 13 giugno 2018, presso la sede della C.P.A. (Chemical Pharmaceutical Association), in Via Fulvio Testi – Milano, il workshop “Le Tecnologie Digitali al Servizio del Miglioramento Continuo nel mondo chimico e farmaceutico“, organizzato dalla C.P.A. (Presidente: Dott.Marcello Fumagalli) in collaborazione con Crossnova.

I Partner Crossnova, Ing.Nico Costantino e Ing.Rocco Imperatore, hanno presentato la nuova metodologia Continuous Improvement 4.0, nata dall’unione delle tecniche di Miglioramento Continuo (Lean Manufacturing e Lean Six Sigma), con gli strumenti di Predictive Analytics, che permette di potenziare esponenzialmente, tra gli altri, il Controllo Statistico di Processo e l’Efficienza Operativa.

Partendo da un’overview generale sulle tradizionali tecniche di Miglioramento Continuo sono stati trattati, nell’ordine, i seguenti argomenti:

• Definizione piano di campionamento rappresentativo e significativo in una Fabbrica Intelligente
• Utilizzo di tecnologie e metodi per creare un sistema di misura affidabile
• Monitoraggio dell’OEE (Overall Equipment Effectiveness) nell’Industria 4.0
• Introduzione alle Tecnologie e Algoritmi per la Root Causes Analysis
• Implementazione dell’Experimental Design in una Fabbrica 4.0

   

Interessante novità, per i partecipanti al Workshop, è stata la condivisione delle potenzialità della Piattaforma Predictive Analytics Crossnova, che permette di analizzare ed ottimizzare, mediante tecniche evolute di Data Mining e Machine Learning, qualsiasi processo presente all’interno dell’azienda, valorizzando l’enorme patrimonio informativo aziendale.

Il Team Crossnova ha presentato, infine, l’utilizzo della Piattaforma di Predictive Analytics, in molteplici settori aziendali, valorizzando l’adattabilità ai diversi ambiti (Smart Manufacturing, Smart Supply Chain, Smart New Product Development) e spiegando le molteplici funzionalità integrate, quali:

1. Data Visualization (visualizzazione dinamica dei dati aziendali con interfaccia semplice, intuitiva e configurabile)
2. Root Causes Analysis (individuazione delle cause radice alla base delle riduzioni di rendimento dei diversi processi produttivi)
3. Process Optimization (configurazione dei parametri di processo per ottimizzare le performance produttive)
4. Predictive Statistical Process Control (analisi multivariata  dei trend temporali per anticipare le anomalie e perdite di produttività)