In this new era of the fourth industrial revolution and digital transformation (Industry 4.0), data and data analytics play a central role in manufacturing environments. They are a priceless source of information and knowledge to support the decision-making process. Data, deriving from sources on the shop floor, have to be appropriately processed and communicated to analytical software. Today, that is not such a straightforward procedure, especially for small and medium sized companies. They struggle with the adoption of the new Industry 4.0 paradigm as they face higher risks and barriers, involving lack of financial availability and highly skilled human resources. The aim of this project is to provide SMEs with an easy-to-deploy and cost-accessible tool to support the data flow from legacy systems, present on their shop floors, to advanced analytical suites. To achieve this goal, this study is based on the development of a framework that enables data in spreadsheet format to flow from an MES system, with appropriate pre-processing, exploiting open source applications for automation of tasks, while applying OAGIS for standard communication, to an analytical software (Arena). This study is evaluated by optimizing the throughput time of the test bed based on the analytical results.

In questa nuova era di quarta rivoluzione industriale e trasformazione digitale (Industria 4.0), i dati e l’analisi dei dati giocano un ruolo principale in contesti manifatturieri. I dati rappresentano un’inestimabile fonte di informazione e conoscenza, utili al processo decisionale. I dati, derivanti da fonti presenti nelle linee di produzione, devono essere adeguatamente processati e comunicati a software di analisi. Oggigiorno, questa procedura non è così semplice e diretta, soprattutto in contesti relativi alle piccole e medie imprese. Queste aziende hanno maggiori difficoltà nell’adottare il nuovo paradigma di Industria 4.0, dal momento che devono affrontare maggiori rischi e ostacoli, tra i quali la mancanza di disponibilità finanziaria e di personale altamente qualificato. Lo scopo di questo progetto è quello di fornire alle PMI uno strumento che sia facile da implementare e ad un costo accessibile, che faciliti il flusso di dati da sistemi obsoleti, presenti nelle loro linee produttive, verso suite di analisi all'avanguardia. Per raggiungere questo obiettivo, lo studio si basa sullo sviluppo di un framework che favorisca il flusso di dati, archiviati in fogli di calcolo, da un sistema MES, attraverso una loro corretta elaborazione, sfruttando applicazioni open source per l’automatizzazione delle attività, e applicando OAGIS per una comunicazione standard verso un software di analisi (Arena). Questo studio è valutato attraverso l'ottimizzazione del tempo di produzione del banco di prova, basandosi sui risultati dell'analisi.

Data flow framework to enable data analytics of MES data using OAGIS for SMEs

TORLINO, HELEN
2018/2019

Abstract

In this new era of the fourth industrial revolution and digital transformation (Industry 4.0), data and data analytics play a central role in manufacturing environments. They are a priceless source of information and knowledge to support the decision-making process. Data, deriving from sources on the shop floor, have to be appropriately processed and communicated to analytical software. Today, that is not such a straightforward procedure, especially for small and medium sized companies. They struggle with the adoption of the new Industry 4.0 paradigm as they face higher risks and barriers, involving lack of financial availability and highly skilled human resources. The aim of this project is to provide SMEs with an easy-to-deploy and cost-accessible tool to support the data flow from legacy systems, present on their shop floors, to advanced analytical suites. To achieve this goal, this study is based on the development of a framework that enables data in spreadsheet format to flow from an MES system, with appropriate pre-processing, exploiting open source applications for automation of tasks, while applying OAGIS for standard communication, to an analytical software (Arena). This study is evaluated by optimizing the throughput time of the test bed based on the analytical results.
ACERBI, FEDERICA
WUEST, THORSTEN
ING - Scuola di Ingegneria Industriale e dell'Informazione
29-apr-2020
2018/2019
In questa nuova era di quarta rivoluzione industriale e trasformazione digitale (Industria 4.0), i dati e l’analisi dei dati giocano un ruolo principale in contesti manifatturieri. I dati rappresentano un’inestimabile fonte di informazione e conoscenza, utili al processo decisionale. I dati, derivanti da fonti presenti nelle linee di produzione, devono essere adeguatamente processati e comunicati a software di analisi. Oggigiorno, questa procedura non è così semplice e diretta, soprattutto in contesti relativi alle piccole e medie imprese. Queste aziende hanno maggiori difficoltà nell’adottare il nuovo paradigma di Industria 4.0, dal momento che devono affrontare maggiori rischi e ostacoli, tra i quali la mancanza di disponibilità finanziaria e di personale altamente qualificato. Lo scopo di questo progetto è quello di fornire alle PMI uno strumento che sia facile da implementare e ad un costo accessibile, che faciliti il flusso di dati da sistemi obsoleti, presenti nelle loro linee produttive, verso suite di analisi all'avanguardia. Per raggiungere questo obiettivo, lo studio si basa sullo sviluppo di un framework che favorisca il flusso di dati, archiviati in fogli di calcolo, da un sistema MES, attraverso una loro corretta elaborazione, sfruttando applicazioni open source per l’automatizzazione delle attività, e applicando OAGIS per una comunicazione standard verso un software di analisi (Arena). Questo studio è valutato attraverso l'ottimizzazione del tempo di produzione del banco di prova, basandosi sui risultati dell'analisi.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Thesis - Helen Torlino.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Thesis text
Dimensione 18.97 MB
Formato Adobe PDF
18.97 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/166856