Se un anno fa qualcuno mi avesse detto che avrei trascorso l’estate lavorando in un’azienda produttrice di materiali, probabilmente avrei riso. Il mio background non avrebbe potuto essere più diverso.
Ho conseguito la laurea triennale in tecnologie dell’informazione, ho lavorato come ingegnere dei dati per oltre tre anni e attualmente sto frequentando un master in informatica con specializzazione in machine learning e intelligenza artificiale. Se c’è una cosa che mi appassiona, sono i dati. Che si tratti di progettare database, realizzare pipeline di dati, creare dashboard, addestrare modelli di machine learning o semplicemente capire come rendere i dati più utili, mi piace davvero ogni aspetto di questo lavoro.
Quindi, quando ho accettato il mio tirocinio presso la Indium Corporation, avevo un grande dubbio.
Di cosa si occupa esattamente un addetto alla gestione dei dati in un’azienda manifatturiera?
Pensavo che avrei passato l'estate a progettare un database, a scrivere qualche query SQL e che sarebbe finita lì.
Mi sbagliavo completamente.
Già nelle prime settimane mi sono reso conto che l’ingegneria del software e la produzione sono molto più legate di quanto avessi mai immaginato. Ho infatti scoperto che la produzione moderna si basa sui dati tanto quanto sui macchinari.
Ogni processo produttivo genera un’enorme quantità di informazioni. I sensori raccolgono continuamente dati, le macchine registrano le condizioni operative, i test di laboratorio forniscono misurazioni, gli operatori inseriscono i dati di produzione e gli ingegneri monitorano innumerevoli parametri di processo. Prima di entrare a far parte di Indium Corporation, non mi ero mai soffermato a pensare a dove finissero tutte quelle informazioni né a quanto potessero essere preziose.
Per chi ama lavorare con i dati, è stato come entrare in un gigantesco parco giochi.
Una delle prime cose che ho imparato è che la raccolta dei dati è solo l'inizio. La vera sfida sta nel decidere come organizzarli in modo che rimangano utili anche mesi, o addirittura anni, dopo.
Man mano che mi addentravo nel progetto, mi sono ritrovato a pensare oltre le tabelle e gli schemi. Come si potevano integrare i dati provenienti da sistemi diversi? Come si potevano elaborare in modo efficiente enormi volumi di dati? E, cosa ancora più importante, come si potevano fornire quelle informazioni agli ingegneri in modo tempestivo e significativo? Erano proprio questi i tipi di problemi che rendevano il lavoro così avvincente.
Si tratta in tutti i casi di problemi di ingegneria del software, e la loro risoluzione può avere un impatto diretto sull'efficienza di un processo produttivo.
Un’altra sorpresa è stata l’enorme importanza delle pipeline di dati.
In qualità di sviluppatori di software, pensiamo spesso alle API come strumenti per lo scambio di informazioni tra applicazioni. Nel settore manifatturiero, le pipeline di dati collegano macchinari, sistemi di archiviazione storica dei dati, sistemi di laboratorio, database, strumenti di reporting e ingegneri. Creare flussi di lavoro efficienti significa garantire che le informazioni raggiungano rapidamente le persone giuste, consentendo loro di prendere decisioni informate senza dover attendere report manuali o aggiornamenti dei fogli di calcolo.
Una cosa di cui mi sono subito reso conto è che l’efficienza non consiste solo nello scrivere codice migliore. Una pipeline di dati ben progettata può ridurre significativamente il tempo che gli ingegneri dedicano alla ricerca di informazioni, alla compilazione manuale di report o all’attesa che i dati vengano elaborati. Risparmiare anche solo pochi minuti nel flusso dei dati può tradursi in ore di lavoro in meno nel corso di un progetto, consentendo agli ingegneri di concentrarsi maggiormente sulla risoluzione dei problemi piuttosto che sulla raccolta di informazioni.
Questa consapevolezza mi ha portato naturalmente verso un altro settore in cui ho trovato infinite opportunità: la business analytics.
Le aziende manifatturiere generano ogni giorno quantità incredibili di informazioni. Alcune sono archiviate in database, altre in fogli di calcolo Excel e altre ancora persino in quaderni scritti a mano. Presi singolarmente, questi dati potrebbero non sembrare particolarmente preziosi. Tuttavia, una volta combinati, puliti e analizzati, iniziano a raccontare una storia.
Ad esempio, possiamo calcolare per quanto tempo una macchina rimane in funzione prima di arrestarsi, individuare il suo tempo medio di inattività, monitorare l’andamento della produzione o individuare i colli di bottiglia ricorrenti nei processi. Queste informazioni aiutano gli ingegneri a capire se i sistemi funzionano come previsto e dove è possibile apportare miglioramenti.
È proprio questo l’aspetto entusiasmante dell’analisi dei dati: trasforma i numeri grezzi in decisioni. Essendo uno studente di intelligenza artificiale e apprendimento automatico, ho naturalmente iniziato a interessarmi all’analisi predittiva. I processi di produzione coinvolgono centinaia di variabili. Temperatura, pressione, concentrazioni chimiche, tempistiche, portate e molti altri parametri influenzano il prodotto finale.
Essendo uno studente del master in machine learning e intelligenza artificiale, ho naturalmente iniziato a riflettere su come queste tecnologie potessero essere applicate al settore manifatturiero. Ogni processo genera una grande quantità di dati storici, rendendo possibile l’addestramento di modelli in grado di identificare schemi che gli esseri umani potrebbero trascurare. Immaginate di poter prevedere in che modo variazioni di temperatura, pressione o concentrazioni chimiche potrebbero influire sul prodotto finale prima ancora di apportare modifiche in linea di produzione. L’intelligenza artificiale non è lì per sostituire gli ingegneri, ma per fornire un ulteriore livello di comprensione che li aiuti a prendere decisioni migliori, basate sui dati. Rendermi conto di questo mi ha fatto apprezzare appieno il potenziale che l’intelligenza artificiale ha nel settore manifatturiero.
Sebbene l'intelligenza artificiale non possa sostituire gli ingegneri, può diventare uno strumento di supporto decisionale incredibilmente potente, aiutandoli a individuare modelli che altrimenti richiederebbero mesi per essere scoperti.
Un altro ambito che mi ha affascinato è stato l’Internet delle cose industriale, spesso chiamato Industrial IoT. Le moderne apparecchiature di produzione sono sempre più interconnesse tramite sensori, controllori logici programmabili e reti industriali. Ogni secondo, questi dispositivi generano informazioni preziose sullo stato delle macchine e sulle prestazioni dei processi. Per gli sviluppatori di software appassionati di sistemi embedded, reti, automazione o sistemi in tempo reale, il settore manifatturiero offre un’incredibile opportunità per realizzare soluzioni che interagiscono direttamente con il mondo fisico.
Ciò che mi ha affascinato di più è stato vedere quanto il software e il mondo fisico siano strettamente collegati nel settore manifatturiero. A differenza di molte applicazioni software tradizionali, in cui il successo si misura in base a ciò che appare sullo schermo, le soluzioni che si realizzano qui possono migliorare i processi produttivi reali. Un software migliore può contribuire a ridurre i tempi di inattività, ottimizzare i flussi di lavoro, migliorare la qualità dei prodotti e semplificare le attività quotidiane per chi fa affidamento su questi sistemi. Sapere che il proprio lavoro ha un impatto tangibile rende l’esperienza particolarmente appagante.
Una cosa che non mi aspettavo di imparare è che gli sviluppatori di software e gli ingegneri di produzione affrontano i problemi in modi molto simili. Gli ingegneri si pongono domande del tipo: «Perché questo processo ha fallito?» oppure «Come possiamo migliorare la resa?». Gli sviluppatori di software si chiedono: «Perché questo programma ha fallito?» oppure «Come possiamo ottimizzare questo algoritmo?».
Entrambe le professioni si basano sull'osservazione, la sperimentazione, la risoluzione dei problemi e il miglioramento continuo. Gli strumenti possono essere diversi, ma la mentalità è straordinariamente simile.
Man mano che l’Industria 4.0 continua a trasformare il settore manifatturiero, ritengo che le opportunità per gli sviluppatori di software non potranno che continuare a crescere. Che si tratti di database, cloud computing, analisi dei dati, intelligenza artificiale, IoT industriale, automazione, sicurezza informatica o gemelli digitali, il software sta diventando una componente essenziale della produzione moderna.
Il mio tirocinio ha cambiato completamente il modo in cui vedo questo settore.
Sono arrivato con l'intenzione di creare database.
Ho invece scoperto un intero ecosistema in cui l'ingegneria del software svolge un ruolo in quasi tutte le fasi del processo di produzione.
Agli studenti o ai professionisti del settore informatico che non hanno mai preso in considerazione una carriera nel settore manifatturiero, il mio consiglio è semplice: non sottovalutatela.
Dietro ogni processo produttivo di successo si nasconde un’enorme quantità di dati che attendono di essere analizzati, ottimizzati e trasformati in decisioni più efficaci.
Per chi ama risolvere i problemi con la tecnologia, sembra proprio il posto perfetto dove stare.
