Prima dell'AI, connettere i dati OEE: il messaggio di Schneider Electric

Il 2 ottobre 2026 IIoT World ha pubblicato un breve articolo basato su un'intervista video a Neil Smith, Segment President Consumer Packaged Goods di Schneider Electric. Il messaggio è netto: prima di parlare di intelligenza artificiale, gli stabilimenti dovrebbero sistemare i dati di monitoraggio. Va ricordato che si tratta del punto di vista di un dirigente di un fornitore, non di una ricerca indipendente.

Il problema: dati che esistono ma restano isolati

Secondo l'articolo, il 18% del costo totale del prodotto nel settore CPG statunitense deriva da ritardi e fermi. Molti stabilimenti, però, misurano l'OEE (Overall Equipment Effectiveness) con fogli di carta, fogli di calcolo offline o software non collegati, e i codici causa dei fermi sono assegnati a mano dagli operatori. I dati dunque ci sono, ma in sistemi separati non permettono di far emergere i pattern dietro i problemi ricorrenti.

I dati esistono, ma isolati non rivelano le cause dei problemi ricorrenti.

La prima priorità: automatizzare e connettere

Il primo passo indicato è automatizzare l'assegnazione dei codici causa e collegare i sistemi OEE alle reti di stabilimento. Una volta connessi, i dati possono essere analizzati con tecniche di data science per correlare i problemi ad altri fattori. L'esempio proposto è un inceppamento ricorrente su un'alimentazione di cartoni, che potrebbe risultare legato all'umidità in reparto, alla temperatura esterna o ai turni.

Smith definisce inoltre l'advanced process control, da tempo diffuso negli impianti CPG, come la "prima generazione di AI", e sostiene che modelli più sofisticati poggiano sulla stessa infrastruttura di dati connessi.

Chiudere il cerchio fino alla macchina

Capire una causa non basta: serve poter agire. Per gli impianti con sistemi di controllo legacy, osserva l'articolo, non esiste un percorso nativo dalla piattaforma AI aziendale alle apparecchiature che eseguono la modifica. Qui entrerebbe in gioco l'automazione aperta definita via software (SDA) come "action broker": potrebbe riavviare una linea, regolare un set point o aumentare la resa. Gli impianti manterrebbero i sistemi esistenti e migrerebbero a una piattaforma SDA nativa con i propri tempi. È la proposta commerciale di Schneider, quindi va letta come posizionamento del fornitore.

La conoscenza degli operatori

Smith ricorda che gli operatori conoscono l'impianto meglio di chiunque altro. Incorporare la loro esperienza nei modelli potrebbe preservare il sapere mentre la forza lavoro invecchia e il reclutamento diventa più difficile. Lo scenario finale descritto prevede rilevazione automatica dei pattern e analisi causale tra sistemi, con le persone che supervisionano e approvano invece di decidere ogni passaggio.

Cosa portare a casa

L'articolo non presenta casi di studio né cifre di ritorno sull'investimento, e non indica la fonte del dato sul 18%: le cifre vanno quindi prese con cautela. L'ordine delle priorità, però, è ragionevole per responsabili tecnici e IT:

Domande pratiche da porsi prima di un progetto AI:

• I fermi e i relativi codici causa sono registrati in modo automatico e coerente, o dipendono da inserimenti manuali?
• I dati OEE sono accessibili sulla rete di stabilimento e confrontabili con variabili ambientali, di processo e di turno?
• Esiste un percorso controllato per riportare una decisione verso il sistema di controllo, anche su impianti datati?
• Le conoscenze degli operatori sono raccolte in forma strutturata?

Il tema è confermato anche da un altro pezzo collegato da IIoT World, "CPG AI Adoption Outpaces Data Readiness" (25 settembre 2026), che non abbiamo letto e che quindi non commentiamo. In sintesi: monitoraggio e connettività vengono prima, l'AI dopo.