In questo articolo, Filippo Mazzei, Account Executive Manufacturing di Snowflake condivide tre strategie chiave a sostengo, non solo delle supply chain, ma di tutte le attività delle imprese manifatturiere durante i periodi difficili. Tutto si basa sui dati.
Costruire la resilienza delle supply chain attraverso l’uso dei dati
L’estrema dipendenza da reti di trasporto estese a livello globale e la crescita di pratiche di produzione “just-in-time” hanno reso le supply chain di oggi estremamente vulnerabili alle interruzioni, con una fragilità che è stata chiaramente illustrata dagli avvenimenti degli ultimi mesi e anni.
Le interruzioni causate dalla pandemia COVID-19 hanno avuto effetti molto concreti sull’economia mondiale: si stima che gli impatti sui ricavi ammontino a 4.000 miliardi di dollari a livello globale. Quest’anno, la guerra in Ucraina sta causando ulteriori problemi, tra cui l’aumento dei costi di trasporto e la carenza di prodotti. Cosa possono fare, dunque, le imprese manifatturiere per rendere più resilienti le supply chain di cui fanno parte e favorire in aggiunta la crescita della propria attività, anche in un contesto di continue turbolenze economiche?
La chiave, molto semplicemente, è nei dati. Per le aziende manifatturiere, un approccio basato sui dati può abilitare processi operativi più snelli e sostenibili e una maggiore agilità di reazione di fronte a fluttuazioni macroeconomiche e alla domanda dei clienti. Per raggiungere questo obiettivo, le aziende manifatturiere possono adottare tre strategie chiave per sostenere le proprie attività anche in periodi turbolenti: migliorare la resilienza della supply chain, potenziare gli analytics per l’industria 4.0 e ottimizzare la customer experience per generare nuovi flussi di profitto.
Usare i dati per rafforzare la resilienza della supply chian
Il processo di fornitura di un bene di consumo, dalla fabbricazione del prodotto fino al consumatore, dipende dalla collaborazione di tutte le parti della supply chain, che negli ultimi anni si è rivelata difficile. I dati possono aiutare i produttori a risolvere molti problemi, identificando ad esempio eventuali ostacoli alla fornitura delle materie prime, o possono fornire informazioni utili per penetrare in un mercato, relativi alle caratteristiche dei clienti e del mercato stesso. Tuttavia, tali dati risiedono spesso presso un ampio numero di sistemi appartenenti non solo al produttore stesso ma a tutto l’ecosistema di terze parti con cui lavora, tra cui clienti, fornitori e aziende di logistica. Collaborare con i partner dell’ecosistema è quindi un passaggio fondamentale per ottenere visibilità dei dati e identificare le opportunità di miglioramento.
La sfida, dunque, consiste nel mettere insieme tutti questi dati per avere un quadro completo della condizione della supply chain in tempo reale. Per fare ciò, ci deve essere innanzitutto la disponibilità dei dati, in modo tale da effettuare le analisi necessarie a identificare rischi e potenziali intoppi nella catena di fornitura. È fondamentale quindi che i produttori condividano i dati anche verso i partner esterni alla propria organizzazione, in modo sicuro e conforme. In questo modo, i set di dati possono essere arricchiti, offrendo una visione end-to-end dell’intera catena di fornitura che tenga tutti informati su ciò che accade.
Una volta stabilita questa visione end-to-end, tecnologie analitiche come l’intelligenza artificiale (AI) e il machine learning (ML) possono offrire insight sotto forma di avvisi, previsioni e raccomandazioni di business intelligence. Da questi insight deriva un grande vantaggio per le aziende, l’agilità. La capacità di individuare in modo proattivo un problema o di prevedere un risultato e di agire rapidamente sulla base di queste intuizioni, con una comprensione dello scenario in tempo reale, è cruciale per consentire alle imprese di intervenire e modificare i loro piani, ad esempio sostituendo un materiale, e per informare i partner di eventuali cambiamenti che potrebbero riguardarli.
Un approccio all’industria 4.0 guidato dai dati
Le aziende manifatturiere hanno anche l’opportunità di utilizzare i dati per sfruttare le possibilità offerte dall’Industria 4.0 e diventare più intelligenti e sostenibili. Centrale per questo sviluppo è l’Industrial Internet of Things (IIoT): macchinari in fabbrica con sensori intelligenti, robotica e tecnologie portatili e werable offrono una considerevole mole di dati che, una volta combinati e analizzati, possono dare un sano impulso all’efficienza e alla qualità dei processi produttivi. Secondo una ricerca SDA-Bocconi, “più del 60% delle aziende che operano nel settore manifatturiero a livello globale hanno già investito in IIoT e, verosimilmente, nei prossimi anni il budget destinato a tali iniziative aumenterà ancora”.
Tuttavia, nonostante le prospettive di sviluppo e gli investimenti, l’IIoT è ancora poco sfruttato, principalmente per due ragioni: i dati ancora bloccati in silos e la mancanza di risorse IT dedicate al progetto.
Per troppi produttori i dati sono ancora utilizzati e conservati all’interno di funzioni aziendali ben definite, tra applicazioni gestionali per la supply chain, piattaforme ERP (Enterprise Resource Planning), sistemi di produzione come Historians, MES, QM e di controllo. Una volta combinati, questi dati possono essere utilizzati per eseguire un numero enorme di operazioni, come la manutenzione predittiva. Si tratta di prendere i dati delle apparecchiature utilizzate per prevedere, ad esempio, quando è imminente un guasto ai macchinari o avere informazioni sul consumo energetico di un edificio, in modo da formulare piani che sfruttino il giusto tipo di energia, al giusto costo, per aiutare le organizzazioni a raggiungere i loro obiettivi ambientali – una delle principali priorità di business nel nuovo anno, per cui l’IIoT più contribuire ad un miglioramento del 15%. Tuttavia, come osservato da diverse società di consulenza, anche quando i progetti IIoT vengono avviati, circa il 75% di questi rimane in versione pilot per almeno un anno (il 30% addirittura oltre 2 anni) e sono pochi quelli che vanno effettivamente in produzione. Ciò accade perché per definizione i pilot vengono lanciati in ambienti “sandbox”, spesso esterni all’infrastruttura principale, creando ulteriori silos. Avere a disposizione una piattaforma unica dove condividere i dati, sia di produzione sia del progetto nelle varie fasi di sviluppo, consentirebbe il beneficio immediato della visibilità e la possibilità di accedere a una piattaforma già pronta, conosciuta e disponibile sulla quale effettuare più facilmente successive integrazioni, man mano che il progetto va avanti.
Un impatto ancora maggiore lo hanno gli aspetti organizzativi, dalla mancanza di integrazione ottimale tra team IT e OT aziendali allo scarso coinvolgimento dei team di security aziendale, oltre alla carenza di conoscenze specifiche e di una strategia coerente di sviluppo e adozione delle iniziative IIoT. Per risolvere tali problemi, una soluzione è eliminare l’infrastruttura legacy a favore di infrastrutture cloud più flessibili e consone ai dati generati, che ne facilitano la raccolta, l’immagazzinamento e la fruizione.
A corollario di queste soluzioni, bisogna considerare anche l’aspetto legato ai costi: avviare un pilot, infatti, si rivela spesso molto più oneroso rispetto ai benefici che le imprese ottengono in tempi brevi, a causa dell’allocazione di risorse e investimenti che finiscono poi per non essere sfruttati. Per andare incontro alle esigenze delle imprese, si stanno sempre più affermando soluzioni as-a-service che offrono la possibilità di pagare solo l’effettivo utilizzo delle risorse e delle tecnologie richieste.
Migliorare la customer experience e sfruttare nuove opportunità
Oltre che in fase di produzione, i prodotti intelligenti e connessi offrono alle imprese manifatturiere un’enorme opportunità di migliorare la customer experience utilizzando i dati IoT. Questi prodotti continuano a fornire informazioni al produttore quanto più vengono utilizzati dai clienti, generando l’opportunità di comprendere meglio il panorama dei consumatori per offrire prodotti e servizi personalizzati o sviluppare modelli di business completamente nuovi. La stessa ricerca SDA-Bocconi indica come l’implementazione dell’IIoT abbia portato vantaggi nella direzione di una customer experience migliorata e della innovazione dei business model, principalmente nella direzione della servitization, come suggerito dal 12% delle imprese.
Tali vantaggi sono ottenibili solo se i dati generati vengono raccolti, analizzati e utilizzati in modo tempestivo. Per fare un esempio, la gestione delle prestazioni, più comunemente associata ai costosi impianti industriali, offre ai produttori la possibilità di creare “servizi basati sui risultati”, in cui i clienti spendono in base a fattori quali il miglioramento dei tempi di attività o una qualità di produzione migliorata. Questi dati offrono ai produttori la possibilità di lanciare servizi “equipment-as-a-service” (EaaS), in cui i clienti acquistano le apparecchiature in modo flessibile, pagando in base ai risultati aziendali.
Allo stesso modo, i servizi intelligenti sul campo, che si basano sui dati raccolti dai prodotti difettosi, forniscono ai tecnici di assistenza un’idea del problema e degli strumenti e delle parti di ricambio di cui avranno bisogno, molto prima di arrivare presso la sede del cliente. L’efficienza del processo si traduce in una riduzione dei costi e in un miglioramento significativo dell’esperienza del cliente.
Guardando avanti
Le imprese manifatturiere si trovano ad operare in un contesto economico particolarmente difficile, che promette per il futuro ancora tante sfide da affrontare, ma ciò non significa che i produttori non possano adoperarsi per superare i periodi difficili e persino far crescere la propria attività. A tal fine, i dati a disposizione sono fondamentali: dai sensori sui carrelli elevatori ai terminali dei punti vendita nei negozi, tutto ha un valore. La ricerca SDA-Bocconi ha stimato che, nella pratica per le imprese, l’IIoT abbia contribuito a rendere i processi operativi più efficienti, trasparenti ed efficaci (tra il 35% e il 48% dei casi), a ottimizzare il processo di decision making (26% dei casi) e i sistemi di controllo qualità (20% dei casi) e a aumentare la sicurezza della forza lavoro (10% dei casi).
Utilizzando i dati e condividendoli con i partner dell’ecosistema, le aziende produttrici saranno in grado di creare una supply chain resiliente, migliorare l’esperienza dei clienti e individuare nuovi modi per aumentare i profitti.
di Filippo Mazzei, Account Executive Manufacturing, Snowflake
