Nell’era dell’economia digitale, la velocità di time-to-market è tra le leve competitive di maggiore valore per qualsiasi azienda. In particolare, le imprese del settore manifatturiero sono chiamate a ottimizzare e flessibilizzare i processi di fabbrica per soddisfare una clientela sempre più esigente, che richiede prodotti personalizzati e consegne rapidissime. Ecco perché è fondamentale perseguire obiettivi di efficienza e continuità operativa, con la logistica che diventa il perno di tutto il sistema per garantire tempi di delivery in linea con le aspettative del mercato.
Il nuovo modello di Smart Factory, grazie alle opportunità offerte dalle soluzioni di big data management e analytics, permette alla logistica di guadagnare ulteriori margini di ottimizzazione, garantendo la puntualità delle consegne anche in vista di eventi eccezionali o incidenti di percorso.
Il presupposto fondamentale per concretizzare il paradigma della fabbrica intelligente, caratterizzata da un alto livello di automazione e digitalizzazione dei processi, è la razionalizzazione a monte delle attività produttive e logistiche. Solo con un’attenta pianificazione e organizzazione dell’operatività sarà possibile soddisfare senza perdite economiche la domanda di produzioni in piccoli lotti che possono ridursi addirittura alla singola unità (la richiesta di modelli personalizzati è un fenomeno sempre più evidente e acuito dalla crescente popolarità dell’e-commerce).
Attivare processi produttivi snelli ed efficaci significa innanzitutto programmare l’approvvigionamento dei materiali e le consegne dei prodotti secondo logiche just-in-time per evitare l’accumulo di giacenze a magazzino, con il rischio di fare lievitare i costi.
I big data permettono di ottimizzare le operazioni logistiche, anche alla luce di situazioni impreviste, per esempio un guasto ai macchinari piuttosto che picchi della domanda stagionali.
Come? Un primo elemento va ricercato nella possibilità di integrare i sistemi gestionali dei diversi attori attraverso la catena del valore come per esempio, soluzioni di Enterprise Resource Planning (ERP), software di Customer Relationship Management (CRM), piattaforme di e-commerce o per la gestione degli ordini.
In questo modo, grazie alla trasparenza sulle informazioni e alle comunicazioni ottimizzate, le aziende ottengono una visibilità senza precedenti sui processi lungo tutta la filiera.
Alla disponibilità dei dati strutturati, si somma il ricco patrimonio informativo proveniente dalle fonti online come social media e siti aziendali, dalle applicazioni mobile associate agli smart products, dalle infrastrutture dell’Internet of Things.
I dispositivi intelligenti sparsi negli impianti restituiscono infatti indicazioni preziose sullo stato di salute dei macchinari e sulle attività in atto.
Inoltre, i progressi tecnologici elevano continuamente l’asticella dell’efficienza nei processi analitici: oggi per districarsi nel mare magnum informativo, l’edge computing mette nelle mani delle aziende uno strumento per selezionare i right data direttamente alla fonte, a monte delle analisi. In sostanza, i dispositivi per la raccolta dati a bordo dei macchinari (ad esempio, un motore elettrico) vengono dotati di potenza computazionale cosicché è possibile effettuare già ai “margini” della rete la scrematura delle informazioni pertinenti e un’elaborazione preliminare con risultati praticamente in real-time.
Grazie all’edge computing, infatti, si aggirano i problemi legati alla disponibilità e alla velocità della rete che trasmette le informazioni al Centro di Elaborazione Dati e si riduce drasticamente la latenza di elaborazione (per quanto performante possa essere il network, il tempo necessario al trasporto dei dati ritarda l’esecuzione delle analisi).
Ai sistemi IT aziendali (in locale o sul cloud) arrivano quindi solo informazioni utili agli obiettivi analitici e già pre-processate, quindi anche la mole di informazioni trasmesse si riduce alleggerendo il carico sulle infrastrutture di rete a tutto vantaggio delle prestazioni.
Le soluzioni analitiche centralizzate permettono dunque di incrociare tutti questi dati disponibili, estraendo evidenze utili al business aziendale e accelerando il decision making: ad esempio, è possibile formulare previsioni di vendita, regolare l’acquisto dei materiali in real-time sulla base degli ordinativi ricevuti, programmare le attività logistiche in funzione delle produzioni e così via.
L’intelligenza artificiale alimentata dai big data può anche innescare azioni automatiche per la risoluzione dei task produttivi e logistici (ad esempio, l’ordine di un pezzo di ricambio in previsione di un guasto ai macchinari).
La vista complessiva e di dettaglio che si ottiene sulle attività della supply chain grazie ai big data permette insomma di gestire con maggiore agio anche gli eventi eccezionali, come le attività di manutenzione straordinarie o un picco improvviso delle richieste.
Oltre a favorire l’ottimizzazione delle attività logistiche, i dati in tempo reale sono alla base anche delle moderne tecnologie impiegate dall’intralogistica. Ad esempio, i robot collaborativi (Cobot) sfruttano la capacità di elaborazione dati e gli algoritmi di machine learning per apprendere ed eseguire semplici task, come le attività di picking; gli Automated Guided Vehicle disegnano percorsi di trasporto flessibili per supportare al meglio le produzioni, anche per ordini imprevisti o particolari; i droni possono essere utilizzati per le operazioni di inventario a magazzino (grazie alle fotocamere che permettono di contare e catalogare i prodotti rapidamente), pur trovando più ampia applicazione nella delivery dei prodotti al consumatore finale (il caso Amazon è esemplare).
Insomma, la tecnologia e in particolare i progressi in ambito Internet of Things, Smart Manufacturing, Big Data Analytics possono dare un impulso decisivo non soltanto alle attività produttive tout court, ma anche a tutti i servizi logistici restituendo flessibilità ed efficienza ai processi, anche in caso di eventi eccezionali.