{"id":2207,"date":"2022-09-20T16:59:38","date_gmt":"2022-09-20T14:59:38","guid":{"rendered":"https:\/\/www.fluentis.com\/blog\/digitalizzazione-come-cura-alla-crisi-supply-chain-copy\/"},"modified":"2023-10-31T14:35:39","modified_gmt":"2023-10-31T13:35:39","slug":"manufacturing-data-excellence","status":"publish","type":"post","link":"https:\/\/www.fluentis.com\/it\/blog\/manufacturing-data-excellence\/","title":{"rendered":"Come valorizzare i dati: verso la Manufacturing Data Excellence"},"content":{"rendered":"\n

Da pi\u00f9 di dieci anni, l\u2019intera industria manifatturiera sta cercando di rimanere al passo con i tempi attraverso l\u2019utilizzo di modelli 4.0 e data-driven.
Tuttavia \u2013 ora come mai prima \u2013 \u00e8 sempre pi\u00f9 difficile adeguarsi alle nuove dinamiche, in quanto i mercati sono sempre pi\u00f9 competitivi e in continua evoluzione. A tutto ci\u00f2 si aggiunge la necessit\u00e0 da parte delle aziende di conciliare le tradizionali esigenze di produzione con quelle relative alla qualit\u00e0 dei prodotti, la realizzazione di lotti sempre pi\u00f9 personalizzati e la sostenibilit\u00e0 ambientale.<\/p>\n\n\n\n

Per superare queste sfide complesse sono necessari dati avanzati e capacit\u00e0 di analisi. Le decisioni che hanno un impatto cruciale sul processo produttivo devono sempre basarsi sui fatti e dati reali, non su supposizioni, teorie oppure opinioni<\/strong>.
Secondo un\u2019indagine effettuata da BCG \u2013 Boston Consulting Group \u2013 l\u201980% dei dirigenti del settore manifatturiero considera i dati e le analisi rilevanti per la propria attivit\u00e0, ma solo il 17% dei 1.300 dirigenti intervistati ha dichiarato che \u00e8 riuscito ad ottenere valore aggiunto dagli investimenti in tale direzione<\/strong>.
La discrepanza appena evidenziata pu\u00f2 essere attribuita ad ostacoli tecnologici e organizzativi, a cui contribuisce la mancanza di collaborazione tra i vari stakeholder interni ed esterni all\u2019azienda.<\/p>\n\n\n\n

Per sfruttare la potenza dei dati provenienti dall\u2019interno dell\u2019azienda e lungo la supply chain, le imprese possono servirsi di tre strategie.<\/p>\n\n\n\n

Orientare l\u2019azienda e i vari stakeholder in un\u2019ottica di Smart Manufacturing<\/strong><\/h3>\n\n\n\n

In questo modo, si estende l\u2019approccio data-driven al di l\u00e0 del processo produttivo del singolo prodotto: ne deriva un progetto di pi\u00f9 ampio respiro, che vede come protagonisti il controllo remoto, la gestione predittiva delle manutenzioni, l\u2019interconnessione dei macchinari, eccetera.<\/p>\n\n\n\n

Rafforzare l\u2019assetto organizzativo per progettare e gestire efficacemente i dati<\/strong><\/h3>\n\n\n\n

Si tratta di un aspetto che deve puntare alla gestione e valorizzazione del dato a 360 gradi, tra cui la Data Governance, la Data Security, le architetture dati e l\u2019integrazione tra essi, nonch\u00e9 le singole applicazioni e le competenze di analisi strategiche.<\/p>\n\n\n\n

Selezionare e orientare le proprie risorse e investimenti sugli elementi cardine della trasformazione digitale<\/strong><\/h3>\n\n\n\n

Tra le tecnologie alla base di una Digital Transformation troviamo i sensori IoT e il Data Streaming: l\u2019abilit\u00e0 consiste nel riuscire a coordinare questo insieme eterogeneo di informazioni \u2013 anche provenienti da architetture fortemente distribuite \u2013 cos\u00ec da gestirle nel modo pi\u00f9 adeguato.<\/p>\n\n\n\n

Verso la Manufacturing Data Excellence<\/h2>\n\n\n\n

La buona riuscita delle tre strategie appena definite \u00e8 determinata dalla capacit\u00e0 di valorizzazione dei manufacturing data<\/strong>.
A questo proposito, McKinsey definisce nel suo studio The Data-Driven Journey Towards Manufacturing Excellence<\/em> un percorso finalizzato alla gestione ottimale dei dati, raggiungendo la tanto ambita Manufacturing Data Excellence.<\/p>\n\n\n\n

La strada da percorrere \u00e8 composta da tre step, prevendendo ad ogni fase un aumento graduale delle capacit\u00e0 analitiche e di collaborazione dell\u2019azienda con i diversi attori esterni.
Elenchiamo di seguito i diversi passaggi.<\/p>\n\n\n\n

Sviluppare ed integrare applicazioni in grado di tracciare e ottimizzare i processi operativi<\/strong><\/strong><\/h3>\n\n\n\n

Si tratta di una fase che ormai molte aziende hanno gi\u00e0 avviato.
L\u2019ottenimento dei dati proviene dall\u2019integrazione tra sensori IoT \u2013 o altri sistemi di controllo \u2013 con i sistemi MES ed ERP. Attraverso Dashboard e Report, i responsabili di area possono ottimizzare l\u2019efficienza produttiva, coerentemente al modello Industry 4.0<\/strong>.
Questo primo passo, gi\u00e0 avviato dalla maggior parte delle aziende manifatturiere, ricopre un ruolo fondamentale, in quanto se eseguito correttamente potr\u00e0 favorire l\u2019esecuzione di operazioni pi\u00f9 agili ed efficaci.<\/p>\n\n\n\n

Favorire l\u2019adozione di un approccio predittivo<\/strong><\/strong><\/h3>\n\n\n\n

Consiste nel riconoscimento autonomo dell\u2019andamento dei processi aziendali, grazie all\u2019inserimento di una grande quantit\u00e0 di dati in machine-learning algorithms<\/em>.
Lo scopo \u00e8 quello di prevedere il comportamento futuro, aiutando le aziende ad affrontare situazioni possibili \u2013 ad esempio, in termini di manutenzione predittiva o demand forecasting.
Poich\u00e9 la qualit\u00e0 della Predictive Analysis \u00e8 direttamente proporzionale alla quantit\u00e0 di informazioni disponibili, vi \u00e8 un incentivo ad incrementare la raccolta di dati all\u2019interno delle aziende<\/strong>. Ecco che la previsione di azioni future migra dalla supply chain alle varie operations<\/em> aziendali, coinvolgendo sempre maggiori stakeholders ed aumentando l\u2019efficienza rispetto al punto precedente.<\/p>\n\n\n\n

Abilitare i sistemi self-optimizing \u2013 o autonomi<\/strong><\/strong><\/h3>\n\n\n\n

Siamo giunti all\u2019ultima fase: i dati vengono utilizzati per abilitare i sistemi autonomi, ossia piattaforme o reti interoperabili in grado di agire autonomamente, guidando s\u00e9 stessi senza bisogno dell\u2019intervento umano<\/strong>.
Le operazioni diventano quindi in gran parte autogestite, utilizzando i dati storici e ottenuti in real-time come parametri di input per gli algoritmi di auto-apprendimento \u2013 o selftraining algorithms<\/em> \u2013 che diventano pi\u00f9 smart man mano che la loro esperienza aumenta.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

La strada verso la Manufacturing Excellence \u00e8 ancora lunga, lo stesso paradigma data-driven \u00e8 in continua evoluzione, le aziende manifatturiere dovranno pertanto stare al passo, in un processo di miglioramento continuo.<\/p>\n","protected":false},"excerpt":{"rendered":"

Per sfruttare la potenza dei dati provenienti dall\u2019interno dell\u2019azienda e lungo la supply chain, le imprese possono servirsi di tre strategie, la cui buona riuscita \u00e8 determinata dalla capacit\u00e0 di valorizzazione dei manufacturing data.<\/p>\n","protected":false},"author":4,"featured_media":2211,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[6],"tags":[],"class_list":["post-2207","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-trend-tecnologici"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/posts\/2207","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/comments?post=2207"}],"version-history":[{"count":3,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/posts\/2207\/revisions"}],"predecessor-version":[{"id":3079,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/posts\/2207\/revisions\/3079"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/media\/2211"}],"wp:attachment":[{"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/media?parent=2207"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/categories?post=2207"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fluentis.com\/it\/wp-json\/wp\/v2\/tags?post=2207"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}