Secondo Gartner, il termine “Big Data” determina un alto volume di informazioni, alta velocità, e/o grande varietà degli asset informativi che richiedono nuove forme di trattamento per consentire processi decisionali migliori, intuizione conoscitiva e ottimizzazione dei processi aziendali. I Big Data di solito comprendono insiemi di dati con dimensioni ben oltre la capacità degli strumenti software solitamente utilizzati per acquisire, elaborare e gestire i dati in un tempo accettabile. Inoltre, le sorgenti dei dati esulano per lo più dalla realtà aziendale, coinvolgendo ogni possibile archivio accessibile in Internet. In ambiente Smart Factory, i sistemi di produzione predittivi impiegati operano in ambiente Big Data che abilita funzionalità di auto consapevolezza delle macchine e dei sistemi, integrandosi con i sensori e gli attuatori intelligenti della IoT.

Il termine Blockchain è il termine usato per descrivere una struttura dati condivisa e immutabile, definita come un “registro digitale” le cui voci sono raggruppate in blocchi concatenati in ordine cronologico la cui integrità è garantita dall’uso della crittografia. Le attività di transazione dei dati, sia sommari che dettagliati, si basano  sulla tecnologia digitale distribuita, chiamata DLT (Distributed Ledger Technology), in quanto vengono registrate contemporaneamente in più nodi della rete. A differenza dei database tradizionali, i registri distribuiti non dispongono di funzionalità di amministrazione o archivio dati centrale.

Tradizionalmente il Cloud computing fornisce, su precisa domanda dell’utente, sia i dati che le risorse di elaborazione condivise a computer e altri dispositivi attraverso piattaforme per il calcolo distribuito disponibili su Internet. Nel futuro scenario dell’Internet degli oggetti, il più avanzato Fog computing si propone come tecnologia e servizio atti a consentire il calcolo di prossimità per fornire nuove applicazioni e migliori prestazioni specialmente per i servizi sensibili alla latenza: in futuro, si profilano scenari in cui un gran numero di dispositivi onnipresenti e eterogenei, prevalentemente wireless e autonomi, potranno comunicare e cooperare, tra loro e con la rete, per eseguire in modo decentrato attività di memorizzazione e elaborazione senza l’intervento di terzi.

Con Cyber Security si intende l’insieme di tecnologie, processi e buone pratiche volte a proteggere le reti, i computer, i programmi e i dati da attacchi, danni o accessi non autorizzati. In un contesto informatico, la sicurezza richiede sforzi coordinati attraverso l’intero sistema informativo. Gli elementi della sicurezza informatica sono: la sicurezza delle applicazioni, la sicurezza delle informazioni, la sicurezza delle reti, il disaster recovery (pianificazione della continuità operativa) e la formazione degli utenti finali. Uno degli elementi più problematici della sicurezza risiede nell’evoluzione rapida e imprevedibile delle minacce informatiche. L’approccio tradizionale di concentrare la maggior parte delle risorse sui componenti di sistema più critici per proteggerli contro le maggiori minacce note è ritenuto insufficiente nel contesto della fabbrica del futuro, in quanto le minacce avanzano più velocemente delle capacità di reazione: sono dunque necessari approcci più proattivi, adattivi e globali.

L’edge computing è un modello distribuito in cui l’elaborazione avviene in prossimità del luogo fisico in cui i dati vengono raccolti e analizzati, piuttosto che su un server centralizzato o nel cloud. Questa nuova infrastruttura prevede sensori per la raccolta dei dati e server perimetrali per l’elaborazione sicura dei dati in tempo reale e in locale, nonché il collegamento alla rete anche di altri dispositivi come laptop e smartphone.

Un sistema integrato è un aggregato di sottosistemi, spesso eterogenei, fra loro cooperanti per offrire le funzionalità generali previste dal progetto. La disciplina tradizionale della Systems Integration prevede anche di apportare valore aggiunto al sistema per fare emergere nuove funzionalità rese possibili in virtù delle interazioni tra i sottosistemi. In una fabbrica intelligente, l’integrazione mira a collegare applicazioni, hardware e software, in un’unica organizzazione che collabora per semplificare e automatizzare al massimo i processi, al contempo evitando sia di apportare cambiamenti radicali alle applicazioni esistenti o alle strutture di dati che migliorando i processi in continuità operativa (“on the fly”). Secondo Gartner, Systems Integration è la “condivisione senza alcuna restrizione dei processi di business e dei dati tra qualsiasi applicazione e sorgente di dati connessi in azienda”.

L’Intelligenza Artificiale (Artificial Intelligence, A.I.) è una delle soluzioni tecnologiche applicate a servizio dell’industria che offre soluzioni customizzate con qualità migliore, più flessibili, rapide, efficienti ed economiche. L’A.I. raccoglie ed elabora i dati tramite l’edge computing, offrendo una migliore funzionalità con un controllo completo dei dati. I dispositivi edge consentono l’elaborazione dei dati a bordo macchina, mantenendo al contempo la connettività cloud per gli aggiornamenti software centralizzati e l’analisi dei dati in più sedi.
L’applicazione alla robotica garantisce al robot di riconoscere oggetti e relative classi di appartenenza, non noti a priori, grazie ad un preventivo addestramento della rete neurale, che raccoglie e sfrutta tutta la relativa esperienza.

Il livello TRL (Technology Readiness Level) indica il livello di maturità tecnologica di una ricerca o soluzione.

Questi sono i riferimenti in base al documento Annex G of the General Annexes facente parte del programma di lavoro 2018-2020 della Commissione Europea:

• TRL 1 – osservati i principi fondamentali
• TRL 2 – formulato il concetto della tecnologia
• TRL 3 – prova di concetto sperimentale
• TRL 4 – tecnologia convalidata in laboratorio
• TRL 5 – tecnologia convalidata nell’ambiente pertinente (ambiente rilevante a livello industriale nel caso di tecnologie abilitanti fondamentali)
• TRL 6 – tecnologia dimostrata nell’ambiente pertinente (ambiente rilevante dal punto di vista industriale nel caso di tecnologie abilitanti fondamentali)
• TRL 7 – dimostrazione del prototipo di sistema in ambiente operativo
• TRL 8 – sistema completo e qualificato
• TRL 9 – sistema effettivo provato in ambiente operativo (produzione competitiva nel caso di tecnologie abilitanti, pronto alla commercializzazione, o impiegabile nello spazio)

Le reti neurali artificiali sono modelli matematici composti da neuroni artificiali che si ispirano al funzionamento biologico del cervello umano. Risultano indispensabili per risolvere problemi ingegneristici di Intelligenza Artificiale e richiedono avanzati chip hardware a supporto.

La possibilità di condividere gli spazi con gli umani è conferita ai robot collaborativi dalla presenza di sofisticati dispositivi di sicurezza, visori e sistemi “sensibili” anticollisione, in grado di monitorare costantemente quanto accade intorno a loro, coordinando i propri movimenti con quelli degli umani ed esercitando un raffinato controllo sulle proprie azioni (alla velocità massima di 1 m/sec) e sulle forze applicate. Di norma i cobot sono robot antropomorfi (non per forza umanoidi) dotati di braccia articolate e flessibili, di sistemi di visione e sensori, che li rendono capaci di diversi gradi di autonomia e funzioni di manipolazione ed intervento estremamente raffinate.

Analizza e definisce i principi tecnologici e l’architettura del prodotto per far fronte ai requisiti richiesti. Si avvale anche di strumenti di simulazione e modellistica virtuale. Identifica materiali e possibili tecnologie di produzione, valutando anche le opportunità offerte dalla Additive Manufacturing. Raccoglie ed analizza i dati in fase di produzione del prototipo, anche attraverso la valorizzazione di soluzioni Internet of Things e l’utilizzo di Data Analytics. Collabora allo sviluppo di soluzioni Internet of Things e di sistemi di Data Analytics funzionali a migliorare le analisi predittive ed eventuali adeguamenti delle specifiche di progetto.

Conosce le piattaforme digitali per la gestione dei flussi logistici, le potenzialità legate agli sviluppi di Internet of Things e Big Data, la gestione di magazzini interamente automatizzati e le soluzioni per il tracking di lotti/prodotti. Sa utilizzare le tecniche di movimentazione e stoccaggio che fanno uso di dispositivi di Automated Pickers and Vehicles, Advanced Human Machine Interface. Sovrintende al corretto funzionamento e utilizzo di Warehouse Management System per la registrazione e il controllo dei movimenti delle merci in magazzino, assicurando la coerenza tra flussi fisici e informativi. Gestisce i sistemi informativi di interfaccia integrata con fornitori e clienti.

Conosce l’architettura del sistema di automazione da implementare, le tecnologie, i dispositivi ed i circuiti di controllo e regolazione che lo caratterizzano. Conosce le caratteristiche tecniche e le modalità di utilizzo di Augmented Reality e le soluzioni avanzate disponibili nell’ambito dell’automazione industriale (ad esempio robot collaborativi). È in grado di supervisionare gli operatori nell’attrezzaggio di macchine o impianti di produzione che utilizzano dispositivi avanzati di interfaccia uomo macchina e/o robot collaborativi. Fornisce indicazioni agli operatori per ottimizzare la gestione di macchine o impianti anche attraverso l’utilizzo di dispositivi avanzati di interfaccia uomo macchina (HMI). Effettua diagnosi e individua le cause di guasto operando eventualmente anche in remoto attraverso la connessione a piattaforme digitali e l’utilizzo di tecnologie e dispositivi di Augmented Reality per l’assistenza tecnica in presenza e a distanza. È in grado di suggerire possibili innovazioni nella gestione delle attività di manutenzione (sviluppo manutenzione predittiva), identificando gli eventuali aggiornamenti tecnologici necessari. Contribuisce alla valorizzazione di Big Data generati dai processi dei clienti.

Determina i tempi di esecuzione delle varie fasi di lavorazione tenendo conto delle caratteristiche dei materiali e delle tecnologie di produzione, compresi ad esempio gli sviluppi legati alla robotica avanzata. Sa configurare eventuali processi di Additive Manufacturing in modo che assicurino specifiche condizioni di produttività, qualità, affidabilità e sicurezza. Governa e valorizza i dati ottenuti (in real time) dalle linee. Monitora lo stato avanzamento della produzione rilevando eventuali scostamenti, anche attraverso l’utilizzo di Data Analytics. È in grado inoltre di gestire il flusso dati lungo tutta la catena del processo di produzione.

Sa utilizzare tecniche diagnostiche per la ricerca di guasti basate su software applicativi e conosce gli sviluppi legati a dispositivi avanzati di Human Machine Interface e Augmented Reality. Oltre al data base messo a disposizione dal sistema informativo di manutenzione aziendale è in grado di utilizzare eventuali Data Analytics predittivi per pianificare modalità e tempi degli interventi. Contribuisce allo sviluppo di un sistema di manutenzione predittiva, fornendo informazioni utili a razionalizzare i piani di ispezione e ottimizzare l’attivazione di interventi di sostituzione e ripristino in funzione delle probabilità del manifestarsi di possibili guasti o malfunzionamenti. Utilizza (supportato da software allo scopo) il data base di manutenzione per reperire e analizzare informazioni sull’andamento storico dei parametri di funzionamento di macchine e impianti e proporre possibili ipotesi di modifiche/adeguamenti funzionali, tenendo conto del loro ciclo di vita, anche con l’obiettivo di manutenzione predittiva.