Non basta avere macchine connesse: per i produttori il vero vantaggio nasce quando i dati si trasformano in servizi, efficienza operativa e relazione continuativa con il cliente. Ce lo racconta Jacopo Cassina, CEO di Holonix
Per anni si è parlato di Industria 4.0 soprattutto in termini di connettività, interconnessione e incentivi. Oggi, però, per i costruttori di macchine industriali il tema è cambiato: il punto non è più soltanto rendere collegabili gli impianti ai propri clienti, ma capire come usare in modo strategico i dati che quelle macchine possono generare. È qui che si inserisce Holonix, nata come spin-off del Politecnico di Milano, attiva da oltre 15 anni nello sviluppo di soluzioni digitali per l’industria e oggi impegnata a supportare i produttori nel passaggio da un modello centrato sul prodotto a uno capace di valorizzare il servizio.
Abbiamo intervistato Jacopo Cassina, CEO di Holonix: «Siamo arrivati al punto di avere macchine connettibili, talvolta solo parzialmente connesse, e soprattutto dati che nella maggior parte dei casi non vengono sfruttati completamente. Adesso c’è l’opportunità di usarli sul serio». La questione, dunque, non è teorica. Per i costruttori di macchine e impianti industriali, i dati rappresentano oggi una leva concreta per rafforzare il proprio posizionamento, differenziarsi dalla concorrenza internazionale e dare continuità alla relazione con il cliente finale.
Dall’installato al valore: il parco macchine è già una risorsa
Uno degli aspetti più interessanti è che questa evoluzione non richiede necessariamente una sostituzione del parco installato. Anzi, in molti casi la base tecnologica esiste già. Gli anni della digitalizzazione incentivata hanno lasciato in eredità un patrimonio di macchine già connesse ma spesso solo internamente al sistema di fabbrica e possono essere valorizzate ulteriormente con interventi mirati.
«Con poche aggiunte si possono usare i dati già di proprietà in modo estremamente performante», spiega Cassina, che chiarisce un punto importante per i costruttori: «Se il produttore decide di fare un miglioramento del software PLC, aggiungendo la possibilità di scambiare più dati oppure aggiunge un IoT gateway o un connettore Machinery-X avrà la possibilità di usare tutti i dati e gli strumenti in modo semplice abilitandosi ad offrire servizi in grado di differenziarlo».
Il tema del revamping, quindi, assume una valenza strategica. Laddove il costruttore abbia previsto aperture nella logica di comunicazione della macchina, oppure possa intervenire sul software e sull’accessibilità dei registri PLC, la connettività può essere estesa anche a macchine datate senza interventi invasivi. Questo permette di valorizzare ulteriormente il legame con i propri clienti, uno tra gli asset più importanti di un’azienda, costruendo nuovi servizi sopra l’installato, generando un fatturato su macchine molto prima della loro sostituzione
Per l’OEM la macchina diventa una piattaforma di servizi
Per il costruttore, già oggi i servizi rappresentano una quota parte del fatturato, ma c’è spazio per far crescere in modo importante questo aspetto. La macchina non è più soltanto un bene da vendere, ma diventa la base per un’offerta continuativa di servizi ad alto valore aggiunto: manutenzione evoluta, supporto operativo, ottimizzazione del processo, riduzione degli scarti e miglioramento delle performance.
Cassina lo sintetizza così: «Permettere a chi produce il macchinario di integrare le macchine parlanti, le macchine connesse, con i propri processi di business è ciò che viene chiamato servitizzazione». In altre parole, il dato operativo diventa un’estensione del prodotto e consente di arricchire l’offerta del costruttore con funzioni che prima erano impensabili o difficili da sostenere economicamente.
Questa trasformazione è necessaria anche per un cambiamento strutturale all’interno del mercato. Le aziende utilizzatrici dispongono sempre meno di personale altamente specializzato, con lunga esperienza sulle macchine, e sono quindi più sensibili a strumenti che rendano l’impianto più semplice da gestire e più autonomo nelle indicazioni operative.
«Avere una macchina che suggerisce al suo operatore come farla funzionare al meglio ha un valore notevole», afferma il CEO di Holonix. È un passaggio decisivo: il costruttore non vende più solo tecnologia meccanica o automazione, ma competenza incorporata nella macchina e nei servizi che la accompagnano.
Il valore dei dati: dalla raccolta alla capacità predittiva
Uno degli errori più frequenti, però, è confondere la raccolta dati con la creazione di valore. Aver digitalizzato una macchina non significa automaticamente saperne sfruttare il potenziale. Il rischio, ammette Cassina, è quello di accumulare informazioni senza una logica chiara di utilizzo.
Per evitare stalli, occorre progettare la gestione del dato fin dall’origine: sapere quali variabili raccogliere, come storicizzarle, come pulirle, come arricchirle con variabili derivate e come renderle disponibili agli algoritmi o ai processi decisionali. È qui che Holonix colloca la propria proposta, lavorando sulla raccolta, elaborazione, storicizzazione e analisi del dato lungo tutto il ciclo di vita della macchina.
«Il principio è semplice: se il dato è ben strutturato, può essere usato per la diagnostica predittiva, per il controllo della qualità, per la manutenzione e per l’ottimizzazione del processo. Se invece viene raccolto in modo frammentato, non omogeneo o chiuso in software differenti, finisce per restare inutilizzato».
Una criticità molto diffusa, sottolinea Cassina, riguarda proprio la frammentazione dei sistemi. L’utilizzatore finale si trova spesso a gestire macchine di produttori diversi, ciascuna con il proprio ambiente software, il proprio formato dati e la propria logica di accesso. Per il costruttore, quindi, la capacità di inserirsi in ecosistemi aperti e interoperabili diventa un fattore competitivo.
Cassina propone un’immagine efficace: «Un modo facile di vedere come operano gli algoritmi di diagnostica predittiva è pensare ai battiti cardiaci e alla pressione. Finché restano in una certa zona, la persona sta bene; se iniziano a uscire da quell’area, c’è un problema». Lo stesso avviene in ambito industriale: quando una combinazione di variabili si discosta da una finestra di comportamento normale, il sistema può segnalare una deriva del processo o l’insorgere di un guasto o di un difetto di produzione.
In questo campo la differenza la fa l’integrazione tra analisi e azione. Non basta prevedere il problema: bisogna tradurlo in un processo manutentivo gestibile, documentato e coerente con l’organizzazione del costruttore e del cliente. «Ci sono due livelli: la diagnostica preventiva, cioè capire che c’è una problematica incipiente, e poi l’esecuzione della manutenzione, cioè il processo che permette di realizzarla davvero», precisa Cassina.
Per un costruttore, questo significa potersi proporre come fornitore della macchina e, al tempo stesso, come partner continuo nella disponibilità, nell’efficienza e nella produttività dell’impianto.
Machinery-X, Data space e sovranità del dato
Accanto alle sfide tecniche, esiste poi una questione cruciale: la trasparenza nell’uso del dato. Nel manifatturiero, soprattutto in alcuni settori sensibili, l’utilizzatore considera i dati della macchina un patrimonio critico, che non può essere ceduto o condiviso senza garanzie precise.
«Il Data Act è un po’ l’equivalente del GDPR per i dati industriali», osserva Cassina. «Se si fornisce un sistema IoT che legge i dati della macchina, si è obbligati a essere trasparenti su quali dati verranno esportati».
In questo scenario si inserisce il lavoro sviluppato intorno al tema dei data space, ambienti decentralizzati e peer2peer nei quali ogni attore può mantenere il controllo sul proprio patrimonio informativo. Holonix ha partecipato a questo percorso anche nel contesto UCIMU, contribuendo allo sviluppo di Machine-X, iniziativa pensata per facilitare lo scambio dati in maniera interoperabile, sicura e conforme agli standard europei.
La logica è chiara: lo scambio dati può diventare un abilitatore di nuovi servizi solo se viene costruito su fiducia, tracciabilità e sovranità informativa. L’uso di uno standard, gestito da un associazione e non da singole aziende, come è Machinery-X permette di integrare facilmente servizi permettendo agli utilizzatori di mantenere la sovranità del dato ed evitare di dover integrare molte soluzioni differenti e di diversi produttori.
White label: il digitale sotto il marchio del costruttore
Per molte aziende costruttrici, un altro tema decisivo riguarda il modo in cui la soluzione digitale viene proposta al mercato. In questo senso, l’approccio white label assume un ruolo centrale: la piattaforma non deve apparire come un corpo estraneo, ma come un’estensione coerente dell’identità, del know-how e della proposta del costruttore.
«La maggior parte dei produttori non vuole offrire soluzioni con il logo Holonix o con il logo di qualcun altro, ma soluzioni pensate, ragionate e ottimizzate per le proprie macchine», spiega Cassina.
La personalizzazione non si limita all’interfaccia grafica. Significa adattare dashboard, creare interfacce custom con logiche di funzionamento, moduli specifici e funzioni avanzate alle caratteristiche del singolo prodotto e al tipo di valore che il costruttore vuole trasferire ai propri clienti.
Sostenibilità industriale: tutto parte da misure reali
Anche sul fronte della sostenibilità, il ruolo dei dati va letto in chiave concreta, al di là delle formule di rito. Per Cassina, non esiste alcuna sostenibilità credibile senza una base informativa oggettiva.
«Non si fa sostenibilità vera se non si hanno dati concreti e reali su cui basare le proprie decisioni», afferma. E la ragione è semplice: ridurre consumi, scarti e inefficienze richiede misure, non dichiarazioni.
La connessione tra qualità del dato e sostenibilità si manifesta in diversi modi. Una migliore regolazione del processo riduce la difettosità e quindi gli scarti; una manutenzione corretta consente di mantenere più efficiente la macchina; il monitoraggio energetico permette di individuare condizioni operative che aumentano inutilmente i consumi.
«La sostenibilità non è solo una questione reputazionale, ma un tema di progettazione, di gestione e di marginalità industriale. Quando viene supportata da dati affidabili, si traduce in migliori performance economiche oltre che ambientali».
AI per le macchine industriali
L’intelligenza artificiale sta entrando in modo sempre più concreto anche nel mondo delle macchine industriali, sia nella forma più nota dei modelli generativi, sia soprattutto come capacità di interpretare serie storiche, individuare anomalie, supportare manutentori e operatori, correlare eventi e suggerire azioni.
Holonix lavora già su questa integrazione. «Abbiamo già integrato modelli di AI predittiva nella nostra piattaforma: predizione guasti, predizione qualità. E abbiamo già integrato anche gli LLM rendendo il nostro sistema in grado di leggere i manuali, le attività svolte ed i dati macchina permettendo quindi all’operatore di interagire con la macchina in linguaggio naturale basandosi su tutta la conoscenza disponibile nei sistemi», racconta Cassina.
Si tratta di funzioni che, fino a poco tempo fa, sarebbero sembrate futuristiche e che oggi sono già disponibili. Nei prossimi due o tre anni, secondo Cassina, questa tipologia di strumenti diventerà parte dell’uso corrente. Ma l’orizzonte più ambizioso è ancora oltre: la creazione di modelli fondazionali specifici per il manifatturiero, capaci di interpretare non le parole, ma i dati di processo e di macchina.
«Come oggi un large language model interpreta una frase, domani avremo modelli in grado di interpretare una fabbrica», osserva. È una prospettiva che chiama in causa la competitività europea, la qualità del software industriale continentale e la capacità di trasformare ricerca, standard e know-how in applicazioni concrete.
