Il nuovo progetto di ricerca di Stain con l’Università di Brescia si è concluso, con grande soddisfazione da entrambe le parti, con la realizzazione di un database di analisi multidimensionale dei dati di produzione raccolti in automatico dal campo (IPERCUBI OLAP)
Da anni Stain collabora con l’Università e sostiene gli studenti del Dipartimento Informatica in progetti di tesi ambiziosi come questo, che ha valso ai due laurendi il massimo dei voti.
La ricerca, portata avanti in stretta collaborazione con L’Università degli Studi di Brescia e Stain, ha portato una grande innovazione dal punto di vista dell’analisi e consultazione dei dati di produzione: si è arrivati infatti alla creazione di un Data Warehouse, disponibile anche in cloud, che consente di analizzare molto facilmente, con strumenti di business intelligence una grande mole di dati, anche con dashboard disponibili con tecnologia web.
Ma vediamo nello specifico come si è sviluppato il progetto di ricerca.
OBIETTIVI DEL PROGETTO
L’obiettivo della ricerca è stato quello di analizzare, progettare e realizzare uno strumento che, integrato al Mes Stain +, fosse in grado di soddisfare alle seguenti esigenze:
- Effettuare interrogazioni sui dati di produzione anche sul lungo periodo, elaborando milioni di eventi;
- Generare un modello che comprendesse tutte le diverse casistiche delle varie aziende clienti;
- Gestire l’inserimento dei dati in maniera incrementale consentendo l’aggiornamento dei dati anche se modificati successivamente al loro caricamento.
- Consentire l’elaborazione statistica delle informazioni di produzione senza penalizzare le performance della gestione operativa
Per soddisfare queste esigenze si è deciso, quindi, di implementare un Data Warehouse (DW), perchè:
- Velocizza moltissimo l’interrogazione dei dati;
- Migliora il processo decisionale;
- Può essere usato come una sorgente dati per diversi sistemi di Business Intelligence;
- Consente di effettuare analisi multidimensionali combinando i svariati attributi (dimensioni) come Macchine / Date / Articolo / Ordine di produzione / Operazione del ciclo / Codice Attrezzatura / Famiglia di prodotto / Causale di fermo / Causali di scarto e molti altri...
I RISULTATI OTTENUTI
sono molteplici. Elenchiamo solo i più significativi
- Ottimizzazione dei tempi di popolamento del Data Warehouse: da vuoto il sistema impiega pochi minuti ad elaborare un ipercubo di tre anni di dati;
- Enorme incremento delle performance dei tempi per analisi sulle misure di produttività/fermi/scarti/articoli: considerando un periodo di un mese, il sistema impiega meno di 2 secondi; per il calcolo KPI o analisi su 3 anni, impiega meno di 10 secondi;
- Disponibilità di consultazione dei dati tramite dashboard configurabili dal Cliente (Power BI e molti altri)
- Disponibilità del DATAWEREHOUSE anche in cloud con fruizione dei dati da un qualsiasi dispositivo (PC, Tablet, Smartphone)
- Disponibilità di un applicativo web con dashboard di analisi dati predefinite e/o personalizzabile dal cliente.
- Possibilità di integrare altre fonti dati OLAP per dati non di produzione in modo da disporre di un unico ambiente per la creazione di cruscotti aziendali