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

Il 2 ottobre 2026 IIoT World ha pubblicato un articolo di Lucian Fogoros 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 la base dati, a partire dall'OEE e dalle causali di fermo. Va detto che l'articolo è un breve riassunto di un'intervista, in prospettiva di fornitore; la pagina segnala inoltre che strumenti di AI hanno aiutato a sintetizzare il contenuto, con revisione della redazione.

Il problema: dati che esistono ma non parlano tra loro

Secondo l'intervista, in molti impianti l'OEE viene ancora rilevato su fogli cartacei, fogli di calcolo scollegati o software non integrati. Quando una linea si ferma, la causale viene assegnata a mano dall'operatore. I dati ci sono, ma i sistemi non sono nati per condividerli, quindi è difficile far emergere gli schemi dietro i problemi che si ripetono.

L'articolo cita una cifra: nel manifatturiero CPG statunitense, ritardi e fermi macchina peserebbero per il 18% sul costo totale del prodotto. Il dato riguarda gli Stati Uniti e la pagina non ne indica la fonte, quindi va letto come un ordine di grandezza dichiarato, non come un benchmark verificato, e non è trasferibile così com'è al contesto italiano.

La priorità: automatizzare e collegare

Per Smith il primo passo è automatizzare l'assegnazione delle causali e collegare i sistemi OEE alla rete di stabilimento. Solo quando i dati circolano, la data science può cercare correlazioni. L'esempio riportato è un inceppamento ricorrente all'ingresso cartoni, che potrebbe risultare legato all'umidità in reparto, alla temperatura esterna o ai turni di lavoro.

Smith definisce il controllo avanzato di processo (APC) come la "prima generazione di AI" e sostiene che i modelli più sofisticati poggiano sulla stessa infrastruttura di dati connessi.

Chiudere il cerchio: dalla raccomandazione all'azione

Una raccomandazione dell'AI, come modificare un setpoint o riavviare una linea, deve tradursi in un'azione in reparto. Secondo Smith i sistemi di controllo legacy non hanno un percorso nativo dalle piattaforme AI aziendali alle macchine. Propone l'automazione aperta e software-defined come "action broker" tra i due livelli, con la possibilità di mantenere i controlli esistenti e migrare gradualmente. Questa parte riflette la visione di prodotto di Schneider Electric e va valutata come tale.

L'intervista richiama anche la conoscenza degli operatori, che conoscono l'impianto meglio di chiunque altro: catturarla ha valore man mano che la forza lavoro invecchia e le assunzioni si fanno più difficili.

Perché conta per gli stabilimenti italiani

L'articolo non contiene casi studio né risultati misurati e riguarda CPG e mercato USA, non l'Italia o il settore avicolo. Eppure la logica è generale e vale anche per linee alimentari e di lavorazione avicola: senza dati di linea automatici e coerenti, qualsiasi analisi avanzata parte da basi fragili. È lo stesso ruolo che svolgono i sistemi MES e di monitoraggio della produzione.

Cosa fare concretamente

Alcuni passi pratici, coerenti con l'impostazione dell'intervista:

• Verificare come vengono oggi rilevati OEE e fermi: carta, fogli di calcolo o sistemi integrati.
• Ridurre l'inserimento manuale delle causali, acquisendo gli stati macchina direttamente dalla linea.
• Collegare i sistemi alla rete di stabilimento, in modo che i dati di fermo siano confrontabili con altre variabili (turni, condizioni ambientali, prodotto).
• Coinvolgere gli operatori nella definizione delle causali, per non perdere la loro esperienza.
• Solo dopo, valutare analisi avanzate o AI su dati affidabili.

Prima i dati connessi e automatici, poi l'intelligenza artificiale.