Con il Cloud, Oracle porta in fabbrica l’intelligenza artificiale

redazione

Oracle ha presentato le nuove applicazioni di intelligenza artificiale in cloud che permettono alle aziende manifatturiere di ridurre i costi e aumentare il loro rendimento, grazie alla capacità di analizzare rapidamente i dati disponibili e ottenere insight operativi che possono migliorare performance ed efficienza della produzione.

Le nuove Oracle Adaptive Intelligent Applications for Manufacturing sfruttano Machine Learning e AI per elaborare le enormi quantità di dati provenienti dagli ambienti di produzione e dall’intero processo di Supply Chain così da identificare e risolvere rapidamente eventuali problemi, portando a una migliore efficienza operativa.

Le Oracle Adaptive Intelligent Applications for Manufacturing permettono di intercettare le anomalie in fase di produzione, circoscrivere la causa primaria dei problemi e prevedere eventi prima che accadano. Le applicazioni consentono di osservare ogni singola fase del processo di produzione, individuare in anticipo potenziali errori nei processi e guasti e tenere traccia dell’impatto di eventuali problemi in ogni fase, dalla produzione alla consegna del prodotto al cliente.

Costruita su Oracle Cloud Platform, che integra funzionalità di Machine Learning, questa soluzione comprende un data lake manufacturing-aware che riunisce e analizza dati strutturati, semi-strutturati e non strutturati provenienti da molteplici fonti situate all’interno degli impianti.

Le caratteristiche di Oracle Adaptive Intelligent Applications for Manufacturing sono le seguenti.

· Analisi di pattern e correlazioni: una app che scopre pattern e correlazioni rilevanti analizzando un insieme complesso di fattori di influenza multivariati, prendendo in considerazione informazioni relative a forza lavoro, macchinari, metodi, materiali, gestione. Gli utenti possono allineare gli insight ottenuti con le metriche di business relative alla produzione – quali rendimento, qualità, tempi di ciclo, scorti, scarti, rilavorazioni, resi – per arrivare a identificare rapidamente la causa originaria di eventuali problemi riscontrati.
· Analisi di genealogia e tracciabilità: usando interfacce utente altamente intuitive e un paradigma analitico self-driven creato ad hoc, la soluzione dispone degli analytics necessari per gestire i richiami di prodotto in modo intelligente (smart recall) offrendo funzionalità complete per tracciare in modo bidirezionale prodotti e processi, così da poter identificare rapidamente i prodotti, i servizi e i clienti interessati da un richiamo.
· Analisi predittiva: sfruttando le basi dell’analisi di pattern e correlazioni guidata dagli algoritmi di AI e Machine Learning, la soluzione prevede la probabilità di eventi critici inerenti al rendimento, ai difetti, agli scarti, alle rilavorazioni, ai tempi di ciclo e ai costi per le attività di produzione in corso. Questo garantisce al business di intervenire tempestivamente per ridurre le eventuali perdite.

Le nuove Oracle Adaptive Intelligent Applications for Manufacturing sono progettate per funzionare in un mix complesso ed eterogeneo di sistemi IT come MES (Manufacturing Execution System), sistemi per la gestione della qualità, ERP (Enterprise Resource Planning), HCM (Human Capital Management), CRM (Customer Relationship Management) e OT (Operational Technology) che includano dati da sensori e dati provenienti da apparecchiature e macchinari, oltre che dati ambientali esterni quali livelli di umidità, temperatura ecc.

“L’analisi di pattern e correlazioni, l’analisi predittiva e l’analisi di genealogia e tracciabilità erano tradizionalmente compito di un ristretto gruppo di data scientist”, ha dichiarato Ramchand Raman, Vice President, Oracle Product Development. “Le Oracle Adaptive Intelligent Applications for Manufacturing semplificano enormemente l’output dei complessi algoritmi di Machine Learning e AI presentando i risultati in un modo comprensibile a un utente non specializzato, così da consentire di migliorare e velocizzare i processi decisionali”.