Industry 4.0: viaggio nelle “fabbriche” di questo millennio. Operating process, user experience e business model.

Manifattura e Industria 4.0

Nei precedenti articoli abbiamo potuto osservare, tramite la ricerca di casi d’uso, come la digitalizzazione dei processi abbia aperto nuovi fronti di innovazione nei settori della sanità e delle telecomunicazioni grazie all’analisi predittiva dei dati.

Come di consueto, seguendo l’impostazione argomentativa tipica della nostra rubrica, vedremo insieme in questo articolo i casi d’uso più significativi nel settore manifatturiero, analizzandoli:

dal punto di vista dell’ottimizzazione dei processi (operating process);

in base all‘impatto che gli stessi hanno prodotto in termini di esperienza d’uso (user experience);

attraverso la presentazione di nuovi modelli di business (business model).

Siete pronti per un viaggio nel mondo nelle “fabbriche” di questo millennio? Bene: partiamo con l’analisi dei casi di successo dove le tecniche predittive contribuiscono a cambiare significativamente il settore manifatturiero.

Operating process

L’ottimizzazione dei processi operativi è l’area in cui – naturalmente – ci si aspetta la gran parte dei casi d’uso, e in effetti esistono moltissime esperienze dalle quali è possibile trarre ispirazione…

Da parte mia ho cercato di selezionare i casi che, a mio avviso, sono i più significativi.

Il primo è rappresentato dal gigante dei semiconduttori Intel, che ha utilizzato l’analisi predittiva per ridurre il tempo di durata dei test di controllo della qualità nella produzione dei chip.

Si tratta di una mole di tempo risparmiato davvero consistente. Secondo quanto riportato in questo report, infatti, ogni chip della linea di produzione Intel richiede circa 19.000 test. L’analisi predittiva – possibile grazie alla disponibilità di un set significativo di dati storici – ha consentito di diminuire del 25% il tempo di dei processi di controllo qualità.

La conseguente riduzione dei costi è stata altrettanto significativa: su una sola linea di produzione dei processori il risparmio è stato pari a 3M$.

Un altro esempio simile, ma applicato alla produzione dei dischi rigidi (HDD), viene descritto qui (slide 9-12). Sempre grazie all’analisi predittiva, si cerca di ridurre i tempi dei controlli di affidabilità sui nuovi materiali, pratiche che oggi arrivano ad impiegare circa 3 mesi di tempo.

L'ottimizzazione dei processi operativi è l'area in cui troviamo gran parte dei casi d'uso in termini predittivi... Condividi il Tweet

Migliorare la qualità nei processi produttivi significa, dunque, identificare quali parametri dei processi produttivi che influenzano maggiormente la qualità dei prodotti.

In questo ulteriore caso viene preso in esame il processo produttivo di una delle più grandi aziende produttrici di adesivi del mondo. Analizzando oltre 3 anni di dati provenienti dagli impianti produttivi è stato possibile determinare quali parametri dei processi produttivi influenzavano la qualità dei prodotti. Si stima che il risparmio potenziale, una volta che il sistema sarà a regime, sarà di diverse decine di milioni di dollari.

Rimaniamo sempre nel settore della chimica citando l’ottimizzazione dei processi produttivi che l’industria BASF ha ottenuto grazie all’analisi dei dati provenienti in real time da sensori dislocati sulla catena produttiva. Grazie alla disponibilità di questo flusso di dati e alle tecniche di analisi in tempo reale, l’azienda ha potuto mettere in campo nuove tecniche di controllo in modalità continua, che porta benefici in termini di consumo di materie prime, risparmio energetici e qualità dei prodotti finiti.

Lasciamo ora l’aspetto dell’ottimizzazione dei processi per addentrarci in quella che – probabilmente – è la vera trasformazione che la digitalizzazione sta apportando al settore manifatturiero: i nuovi servizi che vengono proposti successivamente all’acquisto di un prodotto o a forme di business alternative alla produzione e vendita di un bene.

Iniziamo dalle nuove esperienze d’uso, e verifichiamo insieme quali sono stati gli impatti per l’utente finale del bene, resi possibili dall’analisi predittiva.

User experience

Come abbiamo visto, l’introduzione di sensori nei processi produttivi ha consentito di applicare le tecniche di analisi predittiva al fine di migliorare i processi stessi, con grandi vantaggi in termini di riduzione costi e sui tempi di produzione.

Una vera e propria rivoluzione si sta delineando, facendo si che nuovi specifici sensori vengano inseriti nei prodotti venduti, in modo che possano generare dati anche dopo che avranno lasciato la fabbrica e saranno in uso dai clienti.

Accade così che l’analisi dei dati raccolti – come ad esempio la frequenza d’uso, l’intensità e le modalità di utilizzo dei beni – può migliorare notevolmente i tradizionali servizi di assistenza che il produttore può erogare nei confronti dei propri clienti.

Un esempio concreto è rappresentato dall’italianissima azienda Carpigiani che da alcuni anni ha sviluppato un servizio che aiuta i propri clienti nel gestire le operazioni di pulizia e manutenzione delle macchine sulla base del loro utilizzo, permettendo inoltre di programmare i servizi di sostituzione delle parti usurate prima che queste si rompano, causando dei costosi blocchi di produzione.

Lo stesso flusso di dati raccolti viene utilizzato anche per programmare le attività di manutenzione ordinaria, come il lavaggio delle macchine, al fine di massimizzare l’utilizzo delle materie prime e il risparmio di energia, sulla base delle esigenze di produzione dei clienti.

Ad oggi più di 8.000 macchine per la produzione del gelato sono connesse al servizio di Carpigiani, un gran flusso di dati che migliorano la qualità dei servizi di post vendita, generando valore per i clienti che percepiscono un servizio di alta qualità contribuendo a creare una grossa fidelizzazione nei confronti della marca.

Business model

Nel nostro stesso blog, in questo articolo, abbiamo visto che i servizi legati alla digitalizzazione hanno contribuito a creare nuovi modelli di business che hanno superato la classica distinzione tra prodotto e servizio.

Ampliando ora il concetto, ho quindi cercato di illustrare ulteriori casi d’uso, magari meno noti, ma che comunque confermano questa tendenza alla creazione di nuovi servizi alternativi o complementari alla vendita di prodotti.

In questa categoria di servizi rientrano senz’altro quelli di post vendita, che – oltre a generare nuovi flussi di ricavi – hanno la caratteristica di avere maggiore continuità rispetto alla vendita di nuovi prodotti.

Alcuni studi, inoltre, indicano come, mediamente, le marginalità sui servizi di post-vendita sono almeno il doppio rispetto a quelle associate alla vendita del prodotto.

Si conferma la tendenza alla creazione di nuovi servizi alternativi o complementari alla venditai. Condividi il Tweet

Un esempio significativo è quello dell’azienda Daikin, dove l’applicazione dei sensori all’interno dei condizionatori permette all’azienda di controllare l’efficienza della macchina nel suo complesso e lo stato di ogni suo componente, in modo da intervenire tempestivamente prima dell’eventuale rottura. Mediante l’analisi dei dati, inoltre, l’azienda è in grado di erogare un servizio attraverso il quale il cliente controlla il livello di comfort richiesto ottimizzando al contempo i consumi energetici.

I dati acquisiti permettono di fornire informazioni previsionali su come gli apparati reagiranno alle richieste di maggior comfort, indicando l’incremento di consumo energetico previsto.

Risulta così evidente come sia possibile per l’azienda Daikin andare oltre alla semplice vendita del condizionatore, offrendo invece un servizio basato sul livello di comfort richiesto dal cliente. Un’affascinante rivoluzione che cerca di indirizzare il soddisfacimento primario dei bisogni del cliente.

Conclusioni

Come abbiamo visto anche il settore manifatturiero è in una fase di grande trasformazione, tanto che è stato coniato nel 2011 il termine Industry 4.0, che identifica i fenomeni di digitalizzazione e conseguente automazione dei processi produttivi tramite sistemi ciber-fisici.

Sono tutti scenari affascinanti, ma che aprono qualche punto interrogativo rispetto ai risvolti sociali che tali trasformazioni potrebbero portare.

Già in precedenza ci siamo soffermati, sempre nel nostro blog, sulla preoccupante riduzione dei posti di lavoro necessari per la manodopera, che tale trasformazione sembra poter causare.

Realisticamente, è davvero difficile prevedere quale sarà il nuovo livello di equilibrio tra domanda e offerta di lavoro in seguito a queste trasformazioni. Da parte mia credo che si possa osservare, attraverso i casi d’uso individuati, come la stessa analisi su questi dati raccolti possa rappresentare la strada per creare nuove opportunità per le aziende e, di conseguenza, una nuova domanda di occupazione.

Certo, si tratterà In primis di creare le condizioni per lo sviluppo di nuove figure professionali necessarie per l’analisi dei dati, e, successivamente, per l’individuazione di nuovi ruoli (e relative competenze) idonei a implementare gli scenari produttivi e di servizio che emergeranno in futuro da tali innovazioni.

Maurizio Pontremoli

Maurizio Pontremoli
Board Member at Maps S.p.A. • Business strategy development • Sales and marketing management. Collegati su Linkedin Connettiti su Twitter

Se vuoi seguire i tag di 6MEMES

iscriviti alla nostra NewsLetter!