UNA ROADMAP VERSO LA FABBRICA PREDITTIVA

UNA ROADMAP VERSO LA FABBRICA PREDITTIVA

Abbiamo fino qui lungamente discusso di Fabbrica Predittiva, un ambiente dove io possa valorizzare i dati già raccolti per predire cosa avverrà nel prossimo futuro e così facendo  preparare le mie risorse umane, tecniche e materiali al meglio. I vantaggi sono indubbi: produttività, sostenibilità, capacità di intercettare malfunzionamenti, supporto alle decisioni sono solo alcuni degli elementi che abbiamo raccolto dalle esperienze di chi è già partito in questo viaggio. In questo articolo spiegheremo qual è la roadmap per arrivare alla fabbrica predittiva.

La consapevolezza che un numero sempre crescente di aziende nel nostro Paese sia già all’opera per divenire fabbrica predittiva ci dà conforto e stimolo. Ma cosa possiamo fare noi e da dove cominciare per far evolvere la nostra produzione, manutenzione, energia, qualità e logistica verso un futuro oramai prossimo? 

Sono due i cantieri da avviare fin da subito. 

L’assessment

Il primo passo è quello di verificare lo stato attuale del mio sito produttivo con un assessment mirato, che definiamo Assessment della fabbrica predittiva. 

Se state pensando ad indagini lunghe o estese non è questo il caso: sulla base della nostra esperienza un massimo di 3-5 giorni per sito produttivo sono quanto basta per un quadro sufficientemente accurato della situazione. In questa prima fase analisi più estese rischiano di drenare risorse senza aumentare sensibilmente il risultato. 

Se invece avete già definito l’area sulla quale vorreste intervenire, è decisamente meglio partire con un assessment verticale. In MIPU ne abbiamo sviluppati tre tipi: 

1. 1. Reliability Assessment: il focus è sulla gestione ed ingegneria di manutenzione. Le categorie analizzate sono 12 e comprendono aspetti gestionali, tecnici, formativi oltre che di predisposizione all’adozione di nuove tecnologie. 
2. 2. Energy Assessment: il focus in questo caso è sulla gestione dei costi e dei consumi energetici, oltre che sull’utilizzo dell’energia quale predittore di altri fenomeni (di qualità, di manutenzione, di fruizione degli spazi, ecc).
3. 3. IOT & AI Assessment: indagine di natura più trasversale rispetto alle precedenti; in particolare in questo assessment si verificano quali sono i dati raccolti dal campo, la modalità di raccolta, la loro fruibilità per lo sviluppo di intelligenze artificiali (bontà, granularità e profondità) oltre che tematiche relative alla sicurezza e alla governance dei dati stessi.

 

I tool per l’assessment

Ogni assessment si compone di una serie di tool utili per lo sviluppo successivo del percorso:

1. 1. Uno spidergraph dove valutare la posizione della propria azienda in una scala assoluta. Per alcuni settori target sono disponibili delle banche dati internazionali dove è possibile valutare oltre al punteggio assoluto anche il mio posizionamento rispetto al best-in-class del mio settore. Del resto, la gestione di un fermo nel settore acciaio ha implicazioni profondamente diverse da quelle del settore manifatturiero discreto; il peso della valutazione in quella specifica categoria sarà dunque diverso. 
2. 2. Un’analisi SWOT completa di un’analisi di costo-beneficio per le principali opportunità identificate.
3. 3. Una roadmap a 12 e a 36 mesi, con livello di dettaglio variabile, riportante i passi da seguire e le risorse da mettere in campo per raggiungere determinati obiettivi evidenziati dall’assessment. 

 

Risulta a questo punto evidente che gli assessment di cui sopra lavorano su quella che definiremmo innovazione incrementale, ovvero una serie di passi molto specifici e concreti che accompagnano verso la fabbrica predittiva valorizzando l’esistente.

L’esperienza insegna tuttavia che il nostro quadro industriale è così frammentato e l’innovazione tecnologica così veloce, che ciò che sembra impossibile per alcuni è cosa vecchia per altri. E non è questione di dimensione o di settore. Alle volte dunque non è necessario o è addirittura sconveniente procedere solo per innovazioni incrementali.

Predictive Solution Canvas

Per questo motivo il consiglio è di attivare, unitamente all’assessment, un secondo cantiere di lavoro abilitato da uno strumento che in MIPU abbiamo sviluppato ad hoc e chiamato Predictive Solution Canvas. Esso coinvolge gli stessi partecipanti agli assessment, ma avendo cura questa volta di includere anche i loro clienti interni o esterni. L’aspetto profondamente diverso è che in questo caso i partecipanti vengono coinvolti tutti insieme in un workshop strutturato della durata di circa 6 ore e spinti a generare idee in quantità, senza focalizzarsi – almeno in un primo momento – sulla fattibilità tecnica ed economica delle stesse. 

Un po’ di storia: nel 2008, Alexander Osterwalder ha sviluppato il Business Model Canvas , che da allora ha riscosso un enorme successo nella spiegazione dei modelli di business in tutto il mondo. Quello che prima richiedeva un business plan di 30 pagine per dettagliare un’idea imprenditoriale, ora potrebbe essere catturato su una pagina.

Derivando da quella prima proposta, e sulla base di oltre 10 anni di esperienza nel tema della fabbrica predittiva, abbiamo creato uno strumento che non solo ha il merito di raccogliere esigenze ed opportunità che i CEO potranno mettere nelle loro roadmap a medio e lungo periodo, ma anche di evidenziare quick wins a cui non avevano pensato perché troppo concentrati sullo stato di fatto o sull’operatività quotidiana.    

L’aspetto interessante è che, proprio per effetto della frammentazione di cui parlavamo precedentemente,  gran parte delle idee che abbiamo visto nascere in questo tipo di workshop non erano solo già realizzabili, ma anche decisamente più economiche di quanto immaginato dai partecipanti. 

Le aree del Predictive Solution Canvas

Ma vediamo in dettaglio cos’è il Predictive Solution Canvas. Esso si compone di 3 aree principali:

• – Generare valore
• – Verificare l’impatto
• – Calcolare il beneficio

Generare valore

La  prima parte del Predictive Solution Canvas si concentra sulla creazione di valore e si divide in 3 blocchi:

1. 1. Per chi: ogni soluzione della fabbrica predittiva viene sviluppata per uno specifico target e per quello va adattata. Nel descrivere il vostro target, cercate di essere più specifici possibile. Quando intenti a costruire un troubleshooting di manutenzione, un sistema che supportasse i manutentori indicando la soluzione più adeguata per uno specifico malfunzionamento, abbiamo voluto integrare la nostra esperienza e le informazioni dei manuali della macchina con l’esperienza dei manutentori stessi. Ebbene, nonostante la richiesta di consuntivare ogni operazione di ripristino non avvenuta fosse chiara, il feedback dal campo non arrivava. Ci siamo resi conto che non eravamo stati sufficientemente specifici nel modellizzare il nostro target: i manutentori lavorano in campo e non hanno un PC nelle immediate vicinanze.  Inoltre essi indossano guanti da lavoro per cui anche la digitazione su tablet è difficoltosa. E’ stato sufficiente abilitare la digitazione vocale nel sistema di raccolta delle informazioni per aumentare drasticamente la partecipazione.
2. 2. Attività del target: quali azioni svolge quotidianamente? Quali problemi incontra? Quali esigenze cerca di soddisfare?
3. 3. Perché?: questo è il blocco chiave della creazione del valore. In questa fase vogliamo spingere i partecipanti a generare quante più idee possibili senza fare caso alla fattibilità delle stesse. Per ognuna della attività mappate precedentemente, è utile chiedersi: quali sono tutti gli errori che il mio utente target può commettere? Come potrebbe eseguire quella stessa attività 30 volte meglio o 30 volte più velocemente?

 

Un esempio

Una modalità decisamente più dirompente è chiedersi: quale soluzione o prodotto – se esistesse – farebbe scomparire la mia azienda in 5 anni? In altre parole, se fossi il signor Hilton, chi sarebbe il mio AirBnB?

Le risposte alle domande precedenti dovrebbero fornire la base per la generazione di molteplici idee nelle quali digitalizzazione, tecniche predittive ed intelligenza artificiale fanno da padrone.

Nel caso di UniCredit, circa 25 colleghi della funzione Real Estate hanno generato oltre 150 idee in 20 minuti; le stesse sono state clusterizzate in 5 macro categorie dalle quali sono nati 3 diversi concept. Rileggi il caso QUI.

Verificare l’impatto

La seconda parte del Predictive Solution Canvas si chiama Verificare l’impatto e si compone di due blocchi distinti: il blocco dell’AS-IS e il blocco della Fattibilità.

Il blocco dell’AS-IS

Il blocco dell’AS-IS valuta la situazione di fatto. Se ad esempio voglio ridurre i fermi macchina su una confezionatrice, nel blocco dell’AS-IS andrò a mappare quali sono gli indicatori attuali di tempo medio tra due manutenzioni consecutive (MTBM), di occorrenza e ricorrenza dei guasti, e così via.

Non sempre lo stato di fatto presenta lacune evidenti. Nel Canvas dunque non può mancare la seguente domanda: se altri lo fanno ed io no, quali saranno i costi?

Il blocco della fattibilità

Il secondo blocco nella sezione dell’impatto riguarda la fattibilità. Esso è diviso in due parti: da un lato il costo di costruzione e mantenimento della soluzione; dall’altro il costo dei dati.

Spesso la discussione che nasce a questo punto è relativa al fatto che – soprattutto parlando di intelligenza artificiale – il costo di gestione della soluzione può superare anche di un ordine di grandezza quello della sua creazione.

In questa sezione vogliamo veicolare la necessità di fare un uso consapevole dei dati: se tanti dati non risultano automaticamente in una buona intelligenza, essi di certo aumentano i costi economici ed ambientali della mia soluzione. E aggiungo ambientali perché, se il machine learning sembra una tecnologia sostenibile, esiste un’ampia letteratura che dimostra il contrario.

Calcolare il beneficio

La terza sezione del Predictive Solution Canvas prende il nome di Calcolare il Beneficio.

In questa fase le idee vengono collocate nella matrice fattibilità/impatto come rappresentato in figura.

Per le categorie no-brainers, big bets e utilities viene richiesto ai proponenti di formulare una proposta con il metodo delle user stories, così come riportato in figura.

Tale metodo, già diffuso in ambito IT, ha il merito particolare di allineare tutti i partecipanti sulle proposte emerse. Queste ultime vengono esposte in modo semplice e concreto, seppur rigoroso. La variante particolare del Predictive Solution Canvas è che in questa fase i partecipanti arrivano a calcolare il beneficio di quanto proposto, che prende la formula di:

Beneficio = Valore * Fattibilità * Impatto

Così, in un workshop di 6 ore, le basi per la fabbrica predittiva sono delineate.

E adesso?

Sembrerà incredibile, ma avendo partecipato ad oltre 100 progetti di fabbrica predittiva, possiamo con certezza affermare che a questo punto siamo oltre metà dell’opera. Definire una roadmap condivisa ed ingaggiare tutti gli stakeholders su tempi, modi ed effort sono gli elementi che negli anni hanno determinato il successo – o il fallimento – dell’intero percorso.

E’ chiaro che le fasi di esecuzione successive varino in maniera sostanziale a seconda degli obiettivi fissati e del punto di partenza. Vi sono tuttavia alcuni aspetti comuni che vale la pena sottolineare.

Team di lavoro

Il primo è la necessità di competenza di dominio: il viaggio al centro della fabbrica richiede personale che conosca in profondità le specifiche macchine ed impianti. Stabilire i meccanismi di malfunzionamento – e dunque le tecniche predittive da mettere in campo – per una macchina confezionatrice è profondamente diverso da quanto potrei ideare per un forno o per un robot tagliaerba (sono tutti esempi reali!). Se includo un fornitore esterno nel progetto, è fondamentale che anch’egli presenti questo tipo di conoscenza.

Il team di lavoro dunque avrà competenze sia in ambito di gestione e governance del dato, che in ambito tecnico specifico. E’ inoltre necessario prevedere una figura che possa valutare gli impatti organizzativi della soluzione scelta e supportare il management nel gestire il cambiamento con azioni mirate, coinvolgendo l’altro asset fondamentale per il successo del progetto, ovvero le persone.

Le persone

Se le tecnologie sono il fattore abilitante della trasformazione, sono le persone a determinare il successo del progetto nel tempo. Per questo, il secondo aspetto chiave è definire un piano di adozione e change management specifico per la realtà. Questi interventi dipendono direttamente dall’impatto complessivo del cambiamento identificato. In alcuni casi basta prevedere delle semplici sessioni di formazione e delle iniziative di comunicazione interna volte a celebrare i risultati raggiunti.

Nei casi più complessi è necessario integrare azioni di gestione delle resistenze, change assessment e coaching. Le persone, e i processi da loro gestiti, sono la chiave per la vera trasformazione: solo con il loro contributo attivo sarà possibile capitalizzare l’investimento e goderne nel lungo termine.

Progettare per il medio e lungo termine

Il terzo ed ultimo aspetto che sottolineiamo riguarda la gestione delle soluzioni nel loro ciclo di vita.

Costruire un’intelligenza è un primo passo; industrializzarla e monitorare le sue prestazioni nel tempo, intervenendo quando necessario, sono elementi che determinano – o meno – il successo dell’iniziativa e che pesano nel ritorno economico in modo sostanziale.

E’ bene qui ricordare che le soluzioni che hanno come base l’impiego dell’intelligenza artificiale presentano un decadimento delle performance all’atto della loro esecuzione decisamente importante. Inoltre le segnalazioni che arrivano dai modelli possono indicare sicuramente un cambio di comportamento su cui indagare. Esse sono anche foriere in egual misura di errori nei misuratori come offset, fondo scala, valori mancanti.

Questi aspetti vanno preventivati e gestiti per tempo, onde evitare che i vari stakeholders perdano fiducia nella soluzione e dunque i progressi fatti vanifichino. Dovremmo prevedere sia opportuni accorgimenti in fase di creazione delle intelligenze, sia azioni snelle ma continue per garantire le prestazioni della soluzione nel tempo.

Conclusione

Fino a ieri la valutazione di un’azienda si basava su persone, idee, asset fisici e finanziari. Oggi a questi asset tradizionali si sommano le intelligenze artificiali e le ulteriori opportunità che esse abilitano. Il modo in cui sapremo non solo crearle, ma soprattutto gestirle nel tempo, determinerà il valore univoco della nostra azienda. Una fabbrica più produttiva, sostenibile ed inclusiva è possibile: siamo nella Fabbrica Predittiva.

Se questo articolo ti ha colpito e vuoi approfondire l’argomento, visita il sito Fabbrica Predittiva.com.

Altrimenti, contattaci per iniziare insieme la tua roadmap per la Fabbrica Predittiva!