Process Mining in officina

Trasforma i dati dei sensoriin attività di processo reali

L'IoT Miner di Process.Science utilizza l'apprendimento automatico per riconoscere cosa stanno effettivamente facendo le tue macchine, trasforma tali stati in attività di processo e li collega agli ordini di produzione nel tuo ERP. Process mining che arriva fino all'officina.
Scopri come funziona
Parla con un esperto

Il tuo ERP conosce l'ordine.
Le tue macchine sanno il resto

Tra l'„ordine rilasciato“ e l'„ordine completato“ c'è tutto ciò che accade in officina. L'IoT Miner rende visibile questa parte, nello stesso registro eventi del resto del tuo processo.
Dashboard interface titled 'Moulding line 2, one week' displaying the progress of a data processing pipeline with steps 'Dataset', 'Clustering', 'Labelling' marked as Done and 'Event Log' as current step. Statistics show 60,480 readings, 6 sensors, continuous data with 77% confidence, and a 168-hour time span starting from 02/03/2026. A columns summary table lists three sensor types barrel_temperature_c, injection_pressure_bar, screw_speed_rpm, all continuous with unique values and change rates: 1,252 (99.5%), 4,065 (93.0%), and 538 (92.5%) respectively. The interface includes a sidebar menu and a 'Download event log' button.
Dashboard screen titled 'Clustering' showing clustering configuration for machine state readings. Displays six distinct machine states with a silhouette score of 0.498 and a 60-second window aggregation span. Table lists states #0 to #5 with rows, share percentages, and metrics for barrel temperature, injection pressure, screw speed, and mould temperature. Controls on the right allow selection of window span, search, configuration options, and setting fewest and most states. Sidebar with icons is visible on the left.
Screen showing a labelling interface for clustering activity states with a table listing states such as Production, Heating, Idle, Mould Change, Alarm Stop, and Purging, alongside columns for Rows, Share percentage, barrel temperature, injection pressure, screw speed, and mould temperature. On the right, a context input box describes an injection moulding machine making housings in two shifts and an option toggle to use a language model for naming states.
Dashboard interface showing an event log with 341 events, 84 cases, 6 activities, and median case duration of 34.5 minutes. Activity sequences like Idle to Heating to Production are listed with case counts. Controls on the right allow setting gap duration, events per case, fewest events, and merging repeated activities. Buttons for downloading and building the event log are at the top right.
User interface showing 'All datasets' section with one dataset titled 'Moulding line 2, one week' containing 60,480 readings from six sensors, dated 26/10/2026 at 13:45:02. There is a button to add a dataset. The interface has a vertical black sidebar with icons for navigation and language set to English.

Comprendi ogni fermo macchina

Micro-fermi e guasti diventano attività a sé stanti, con inizio, fine e frequenza definiti.

Rintraccia i ritardi fino alla macchina

Quando un ordine è in ritardo, vedi quale stato su quale macchina lo ha causato.

Un'unica visione per pianificazione e produzione

Gli eventi della macchina e gli ordini ERP si trovano nello stesso registro eventi, così pianificazione e produzione parlano degli stessi fatti.
La formula di Process.Science

Dal segnale della macchinaverso l'analisi dei processi

Dashboard dei sensori

Mostra ciò che una macchina ha misurato: temperatura, potenza, vibrazioni. Un quadro affidabile del segnale.

Process mining su dati ERP

Mostra come un ordine si è spostato tra pianificazione, produzione e consegna. Tra il rilascio e il completamento, viene visualizzato come un unico passaggio.

Process.Science IoT Miner

Integra le attività reali della macchina in questo passaggio. Puoi vedere quale stato su quale macchina ha ritardato un ordine e con quale frequenza.

I dati dei tuoi macchinari, decodificatiin tre mosse

Cluster trova i pattern. Label assegna loro un nome. Merge li collega ai tuoi ordini
Cluster

Lascia che siano i dati a rivelare i propri pattern

Il machine learning individua gli stati nei dati dei tuoi sensori, senza bisogno di soglie impostate manualmente.
Stati ricorrenti:Fino all'80% dei processi riconosciuti senza modellazione manuale.
Anomalie isolate:Micro-fermi e guasti diventano cluster a sé stanti, con tempistiche precise.
Connessioni standard:Gateway IoT, OPC UA e SCADA.
Dashboard screen titled 'Clustering' showing clustering configuration for machine state readings. Displays six distinct machine states with a silhouette score of 0.498 and a 60-second window aggregation span. Table lists states #0 to #5 with rows, share percentages, and metrics for barrel temperature, injection pressure, screw speed, and mould temperature. Controls on the right allow selection of window span, search, configuration options, and setting fewest and most states. Sidebar with icons is visible on the left.
Screen showing a labelling interface for clustering activity states with a table listing states such as Production, Heating, Idle, Mould Change, Alarm Stop, and Purging, alongside columns for Rows, Share percentage, barrel temperature, injection pressure, screw speed, and mould temperature. On the right, a context input box describes an injection moulding machine making housings in two shifts and an option toggle to use a language model for naming states.
Etichetta

I tuoi esperti lo nominano una volta sola

Un cluster chiamato "Stato A" non significa nulla in un grafico di processo. I tuoi esperti gli assegnano un nome una sola volta.
L'IA suggerisce:L'IoT Miner propone un nome aziendale per ogni cluster.
Le persone confermano:Chi conosce la macchina la approva o la corregge. Non serve un data scientist.
Appreso per sempre:Ogni etichetta confermata viene riutilizzata su tutti i nuovi dati.
Unisci

Un unico registro eventi per ordine e macchina

Le attività della macchina vengono abbinate agli ordini nel tuo ERP o MES in base al numero d'ordine e all'orario.
Un'unica fonte di verità:Gli eventi della macchina si collocano all'interno della fase ERP "Ordine 4711 in produzione".
Analisi della causa radice fino alla macchina:L'ordine 4711 è arrivato in ritardo perché si sono verificate 15 "micro-interruzioni della macchina 3".
Snello per progettazione:Solo gli stati riconosciuti vengono trasmessi, non terabyte di curve grezze.
Dashboard interface showing an event log with 341 events, 84 cases, 6 activities, and median case duration of 34.5 minutes. Activity sequences like Idle to Heating to Production are listed with case counts. Controls on the right allow setting gap duration, events per case, fewest events, and merging repeated activities. Buttons for downloading and building the event log are at the top right.
Approfondimenti degli esperti

Il mining IoT nella pratica

Come vengono trasformati i dati delle macchine in autentiche intuizioni di processo? Il fondatore Lucas M. Schroth mostra come l'IoT Miner di Process.Science riconosca automaticamente i processi produttivi, colleghi i dati delle macchine e dei processi ed evidenzi le opportunità di ottimizzazione.
Identificazione automatica dei processi dai dati dei sensori
Evidenziare modelli e deviazioni
Trasformare i dati di produzione in intuizioni concrete
Prenota una consulenza con un esperto
La configurazione perfetta

Progettato per il tuoPower BIeIntelligence

L'IoT Miner aggiunge l'officina al process mining che già utilizzi. Lo strumento di preparazione dati unisce i dati delle macchine e degli ordini e il risultato confluisce nel sistema in cui lavori.

Data Preparation Tool

Organizza i dati del tuo ERP e unisce le attività delle macchine con i tuoi ordini di produzione, a ogni esecuzione programmata.
Scopri lo Data Preparation Tool→
Dashboard interface for a loan origination pipeline showing two successful runs on 16.10.2026 at 21:53, with logs detailing completed events like application submitted, document received, kyc check, credit score calculated, manual risk review, offer created and accepted, contract signed, loan disbursed, and application rejected. On the right, the Loan Origination (Banking) section shows run health with 4 runs, 100% success rate, and average duration of 16 seconds. Source is Banking Core (MySQL), process is custom with 14 activities, and sink is not set. Buttons for Set up Schedule, Edit Pipeline, and Start Pipeline are at the top.

Integrazione Power BI

Le tabelle di output hanno il layout previsto dai nostri modelli di report Power BI. Il tuo registro eventi confluisce nel tuo modello, accanto alle dimensioni esistenti, e i dashboard funzionano senza bisogno di rielaborazioni per ogni progetto.
Scopri la suite Power BI →
Automation rates by activity and over time in Process.Science

Process.Science Intelligence

Un'esecuzione completata diventa il set di dati su cui lavorano i tuoi progetti di Intelligence e aggiorna automaticamente l'analisi. Da lì, avrai a disposizione Setup, Analisi, Insight, Chat e Avvisi.
Scopri Process.Science Intelligence →
Interfaccia di Process.Science Intelligence con configurazione, analisi, approfondimenti, chat e notifiche
Inizia ora

Osserva le tue macchine come un processo

Collega una macchina o una linea, scegli un processo produttivo e guarda cosa ne esce. Lo facciamo insieme sui tuoi dati, così il risultato è la tua officina e non un set di dati campione.
Funziona sui tuoi dati di macchine ed ERP
Si connette tramite protocolli standard come OPC UA
Nessun data scientist richiesto
Inviando la richiesta, accetti la Informativa sulla privacy di Process.Science
Grazie! La tua richiesta è stata ricevuta!
Riceverai un' e-mail con un link di conferma.
Ops! Qualcosa è andato storto durante l'invio del modulo.
Altre domande?

FAQ:Tecnologia e fattibilità

Le risposte che gli amministratori IT e i responsabili di produzione cercano per prime.
Abbiamo bisogno di data scientist per l'etichettatura?

No. Il clustering avviene automaticamente. Per l'etichettatura serve solo la conoscenza di chi gestisce le macchine. Spiegano al sistema una sola volta: quando la macchina mostra questo schema, lo chiamiamo "set-up".

Generiamo terabyte di dati dai sensori. Il nostro sistema di BI riuscirà a gestirli?

Sì, perché non li vede mai. Invece di caricare curve grezze in Power BI, l'IoT Miner pre-elabora i dati e trasmette solo gli stati riconosciuti come un log di eventi snello, ad esempio attività "Guasto", inizio 14:00, fine 14:05.

Quali dati di macchine e sensori possiamo collegare?

Serie temporali provenienti da macchine e sensori, raccolte tramite gateway IoT o sistemi SCADA e protocolli standard come OPC UA. I segnali tipici sono potenza, temperatura, pressione, velocità e vibrazioni.

Abbiamo bisogno del Data Preparation Tool?

Per unire gli eventi delle macchine agli ordini ERP, i dati ERP devono essere disponibili come log di eventi pulito. Se ne produci già uno, l'IoT Miner funziona autonomamente. Consigliamo comunque il Data Preparation Tool, poiché gestisce l'unione automaticamente a ogni esecuzione.

Dove risiedono i nostri dati?

Dove preferisci: on-premise, nel tuo tenant Azure o ospitato da Process.Science. Process.Science opera in conformità al GDPR ed è certificata ISO 27001.

Come si integra l'IoT Miner con il resto della piattaforma?

Il Data Preparation Tool crea e gestisce i log degli eventi, Intelligence li analizza e l'IoT Miner aggiunge i dati di macchine e sensori laddove il processo raggiunge l'officina. Lavorano insieme, ma ciascuno può essere utilizzato anche singolarmente.