Industria 4.0, oggetti connessi, nuove versioni delle norma ISO/IEC 17025 …, importanti sviluppi sono a poco a poco in atto nelle imprese che diventano così più agili e reattive. . È giunto il momento che questo rinnovamento si diffonda egualmente alla metrologia. Al di là del suo ruolo in materia di conformità alle norme di riferimento applicabili e di giustificazione della riferibilità ai campioni nazionali per garantire la soddisfazione dell’auditor, la Smart Metrology deve concentrare le sue energie sull’essenziale: la qualità delle misure prodotte in azienda!

Un po’ di storia della qualità

L’ossessione della ISO 9001, o di qualsiasi altra certificazione, di standardizzare e classificare tutto, ha perso di vista il ruolo di alcune posizioni all’interno della società. In passato, non era raro incontrare Responsabili Qualità focalizzati esclusivamente sulle loro procedure e altri mansionari, a volte trascurando la loro legittima funzione, ovvero di soddisfare i clienti della società. Un po’ esageratamente, alcuni erano particolarmente sensibili alle esigenze dell’auditor ed i loro sforzi erano più concentrati sulla manutenzione degli indicatori piuttosto che sul loro miglioramento oggettivo. Mi capita spesso di raccontare che in una società che ho conosciuto bene, uomini “Qualità”, mi hanno spiegato che “fare la qualità occupa loro un giorno a settimana“, mentre la qualità dovrebbe occupare ogni momento. Erano la “qualità” (per gli auditor) piuttosto che fare la “Qualità” (per i clienti). Un altro ancora era più preoccupato, arrivando in sede di piccole e medie imprese le cui squadre conoscevano perfettamente il proprio lavoro in un campo che lui stesso non aveva mai frequentato, di scrivere procedure di lavoro, piuttosto che andare in campo ad incontrare i clienti (interni o esterni: servizi di R & S, produzione, gli operatori, …) e di identificare le loro aspettative e il loro livello di soddisfazione … Al giorno d’oggi, la ISO 9001, conscia di questi eccessi sta cambiando e una nuova generazione di specialisti della qualità tenta di rendere la qualità stessa di interesse per l’azienda.

La Smart Metrology: un vero e proprio strumento per la decisione

Le misure nel settore sono spesso considerate come “go / no go”. Si misura per decidere “sul posto”, in generale o di accettare un lotto o accettare una regolazione per lanciare una serie. La misura in sé, una volta che la decisione è presa, non ha più interesse … Nel caso della gestione degli strumenti, quante aziende si accontentano per esempio di un rapporto di verifica (Buono / Non buono) senza andare oltre? Se la registrazione del giudizio e della data consente effettivamente di validare un utilizzo / produzione passati e di calcolare la data successiva, non si fa niente di più e questo è il problema!

Quando i dati sono disponibili

Quando solo le notifiche sono disponibili

In entrambi i casi di cui sopra, il lettore noterà che con i dati, avremmo potuto evitare la non conformità che si veniva a creare. Solo con il “giudizio”, non c’era niente che consentisse di vedere che il problema si stava verificando.
Nota importante: alcuni metodi di ottimizzazione propongono di aumentare la periodicità quando il giudizio è “conforme” ripetutamente, il che significa accelerare quando sappiamo che il muro è di fronte a noi (in quanto la non conformità alla fine può accadere da un momento o all’altro …)
Tuttavia, i dati non sempre prevedono cosa accadrà (figura sotto). Se, contrariamente al caso di cui sopra, i dati mostrano una significativa variabilità del fenomeno, non può essere fatto previsione. Tuttavia, essi avvertono di una instabilità, quindi del rischio. Pertanto le strategie di controllo sono molto diverse dal semplice caso di una deriva monotona.

L’utilizzo dei dati, ove disponibili, permette di osservare gli eventi e spesso, comprendere fenomeni che sarebbero rimasti sconosciuti se nessun valore fosse stato disponibile. Le aziende pagano care le misure che producono. Nel tempo trascorso a fare  le misure a terra (vale a dire a “produrre“!) ci sono gli investimenti in attrezzature, in personale e in monitoraggio (nel quadro delle certificazioni in particolare). Tutto questa “ricchezza” spesso evapora, e, purtroppo, in semplici opinioni! È giunto il momento, allora che i produttori siano consapevoli di tutto questo valore potenziale perduto, le illustrazioni sopra lo dimostrano!

Incertezza di misura nell’era dei Big Data

Questa questione del valore dei dati è al centro dell’evoluzione “Big Data” nell’Impresa del Futuro. In effetti, la memorizzazione dei dati non è sufficiente, è indispensabile che essi siano affidabili (4 ° V Big Data: la verità)! La fede nel valore misurato “giusto” resta persistente nonostante i trent’anni di certificazione che porterebbero i produttori a familiarizzare con la natura casuale di un risultato di misura. Le misure non sono giuste e ci dobbiamo dunque sottomettere a questa realtà per sperare di trarne beneficio. Così, e per analizzare obiettivamente i dati, l’incertezza associata si impone come una necessità assoluta.
A titolo pedagogico, e per evidenziare l’impatto delle incertezze di misura per l’analisi, si possono simulare i dati misurati da un fenomeno reale che abbiamo scelto arbitrariamente lineare (singolo evento).

caso semplice: fenomeno lineare reale

Dopo che è stato impostato il processo di misura per osservare il fenomeno di cui sopra, i valori ottenuti, affetti da errore, possono mostrare cose apparentemente molto diverse.

Se l’incertezza di misura è di piccole dimensioni, le misure descrivono “circa” la realtà:

valori misurati del fenomeno con bassa incertezza

Tuttavia, quando l’incertezza di misura è più importante, le osservazioni non consentono di “indovinare” la realtà:

valori misurati dei fenomeni con incertezza importante

Nel mondo di oggi, il mondo in cui le misure vengono utilizzate per prendere decisioni a partire da tolleranze che apparentemente descrivono le necessità, le incertezze non sono sempre esplicitamente note. In realtà, esse sono spesso già state prese in considerazione nelle tolleranze espresse, spesso implicitamente. I fatti sono lì: nel misurare le tolleranze richieste, e senza considerare le incertezze, la decisione è rilevante perché l’entità garantisce in ultima analisi, la sua funzione. Questo non significa che l’entità rispetta, nella realtà, la tolleranza, ma che la misura in tolleranza, e nonostante che l’incertezza non sia presa in considerazione, la funzionalità è garantita. Pertanto le tolleranze sono generalmente molto più strette rispetto all’effettiva necessità. Questo semplice fatto permette di prendere in considerazione un futuro per la funzione Metrologia: per capire meglio i fenomeni che garantiscono una incertezza adeguata per esprimere la giusta necessità, e non premunirsi arbitrariamente di un errore di misura sbagliato (o non) valutato. Questa strategia, chiamata “caso peggiore” è contro-produttiva, perché molto costosa, possiamo permetterci di più!

L’affidabilità delle misurazioni per la produttività

Una volta che questi grandi principi siano semplicemente integrati, il metrologo in azienda può capire la sua vera missione. Non è quella di compiacere l’auditor fornendo quello che era abituato a vedere, ma piuttosto di consentire alla sua azienda di capire i propri processi di produzione (e più in generale i fenomeni che la impattano) in modo da controllare in modo efficiente. Per questo, si deve garantire l’affidabilità delle misurazioni in ogni caso, conoscere e padroneggiare l’incertezza di misura che “inquina” i dati e può “ingannare” l’analista circa le conclusioni che presenterà.

Schema a blocchi di un processo di misurazione

La misura rientra in un processo, come tutta la produzione umana. Questo processo prevede diversi fattori che occorre controllare per controllare l’intero processo. Così, dopo aver trascorso lunghi anni nel concentrarsi quasi esclusivamente su uno di essi (lo strumento, siccome la metrologia legale non ha gli stessi obiettivi della metrologia industriale), il metrologo deve ora tener conto di tutti gli altri, compreso l’operatore. Per questi ultimi, il ruolo del metrologo è sulla macchina. Esso deve accompagnare l’operatore nelle sue misure di produzione. Un buon strumento è una condizione necessaria, ma non sufficiente. L’operatore di solito ha l’intuizione “professionale” di una misura affidabile e operativa, dal momento che esegue l’operazione regolarmente. Il metrologo deve portare la sua competenza per formalizzare e quantificare questa intuizione. Questo è il ruolo trasversale della metrologia. Essa aiuta a comprendere alcuni fenomeni, motivare i miglioramenti, giustificare le decisioni per tutti i servizi della società che opera nella misurazione.

Big Data e Industria 4.0

Il futuro è l’utilizzo dei dati: il GAFA (Google, Amazon, Facebook, Apple) hanno dimostrato che è possibile estrarre i dati e che essi hanno un sacco di informazioni preziose. Inoltre hanno subito capito che questo “valore” ha richiesto la veridicità dei dati. Nel mondo industriale, la verità equivale a incertezza, e l’incertezza non è solo dello strumento, ma di tutto il processo. Pertanto, il metrologo ha un’occasione storica nel comprendere queste nuove sfide e nell’implementazione di una funzione di Metrologia rivista, orientata alla affidabilità piuttosto che semplicemente alla conformità (sulle esigenze dell’auditor).
Come nell’esempio precedente (Una semplice deriva temporale), i Big Data richiedono la disponibilità di dati rappresentativi (cioè attendibili) per cercare di capire la realtà (spesso più complessa perché multidimensionale). Questi Big Data stanno facendo passi da gigante nelle aziende consapevoli di queste nuove possibilità (archiviazione e analisi dei dati di massa), ma le analisi forniranno dati utili se i dati sono affidabili. I dati vengono prodotti ogni giorno e quanto più presto possibile il metrologo coglie questa missione, il più vicino al suolo, tanto più egli sarà pronto a diventare un giocatore utile nel mondo dei Big Data.
Personalmente, non mi immagino per un secondo di dover giustificare alla mia direzione tutti i costi sostenuti per la funzione metrologia dal momento che la certificazione (30 anni) non ha garantito misure sfruttabili. Immaginate per un momento che si debba ripartire da zero, mentre i nostri concorrenti, loro, hanno dati affidabili …