Piattaforma di visualizzazione dei dati per risparmiare 100M in 4 anni

GFT è stata incaricata di costruire una piattaforma di visualizzazione per il monitoraggio dei dati IoT e delle apparecchiature. Anche se si è trattato di una soluzione su misura, GFT ha avuto modo di utilizzare i suoi metodi comprovati per identificare rischi aziendali e altre opportunità di trasformazione digitale. Per accelerare la delivery, i prodotti minimi realizzabili (MVP) sono stati realizzati il più velocemente possibile. Un team GFT ibrido composto da 10 persone ha lavorato sul progetto sia in loco, sia in diverse sedi nearshore.

Una volta completata la nuova piattaforma, i risultati iniziali sono stati estremamente positivi. I dati IoT in tempo reale raccolti da una serie di fonti hanno mostrato che è possibile individuare modelli di guasto e programmare i requisiti di manutenzione. Nel giro di otto settimane l'azienda ha risparmiato circa il 20% del fatturato, senza tenere conto delle perdite derivanti da tempi di fermo macchina dovuti a guasti di grande entità. Il monitoraggio da remoto del sito e la manutenzione preventiva sono stati implementati in tutte le installazioni.

Oltre a consentire risparmi a lungo termine, questo successo iniziale ha dimostrato il potenziale dei dati in tempo reale per favorire decisioni aziendali migliori. GFT è stata invitata ad ampliare la portata del suo programma di trasformazione come base per  il machine learning (ML) della manutenzione predittiva e l'analisi delle cause principali.

In quanto utilizzatore di grandi quantità di gasolio, sia per le attività nei giacimenti petroliferi che per gli autocarri, l'azienda desiderava passare a carburanti più puliti, e il gas naturale sembrava la scelta più ovvia. Tuttavia, far funzionare camion e macchine di produzione con gas naturale non era facile e i parametri chiave dovevano essere monitorati costantemente sia per motivi di sicurezza che di compliance. La nuova piattaforma dati offriva la soluzione ideale in quanto raccoglieva tutti i parametri necessari in tempo reale.

Sostituendo il gasolio con il gas naturale, l’azienda sta riducendo la propria impronta di carbonio, migliorando il proprio rating ESG e costruendo un percorso verso un futuro più verde. Finora è stato possibile risparmiare milioni di litri di gasolio.

Grazie al machine learning il modello di dati apprende continuamente, consentendo di stabilire modelli dettagliati per tutte le attività in diverse sedi. Oltre a facilitare la manutenzione predittiva, fornisce informazioni accurate e dettagliate su come funziona l'azienda e consente di svolgere confronti tra le attività.

Una delle più grandi sfide del progetto consisteva nel modificare la cultura organizzativa e farla passare dalla manutenzione “reattiva” alla manutenzione predittiva. Il successo continuo richiede tenacia e l’impegno del personale nell’addestramento dei modelli ML. Per garantire una piena collaborazione, GFT ha ospitato regolarmente workshop per il personale, per spiegare i vantaggi dell’intelligenza artificiale e come sia più un’opportunità che una minaccia.