Ottimizzare i processi produttivi con l'IA

Cosa significa ottimizzare i processi produttivi?

L’ottimizzazione di un singolo processo aziendale o di un’intera filiera produttiva avviene quando si mette in atto una strategia, o un nuovo metodo di lavoro, che permetta di semplificare, velocizzare e rendere più produttive le attività coinvolte; ovvero di ottenere un aumento della qualità del prodotto finale, riducendo i costi totali di produzione.

Un’ottimizzazione efficace va perseguita impiegando tecniche o strumenti che consentano di monitorare e analizzare i fattori produttivi e quindi, successivamente, di creare dei modelli di gestione e organizzazione alternativi (questi possono appoggiarsi o meno su modelli predittivi).

L’ottimizzazione può riguardare una fase specifica della catena di produzione, come quella relativa agli acquisti delle materie prime e alla gestione dei fornitori, o può invece interessare l’intero flusso di lavoro, dalla pianificazione delle risorse all’amministrazione della logistica.

Da cosa partire per ottimizzare

Per intraprendere un percorso di efficientamento aziendale, è necessario prima di tutto raccogliere le informazioni relative all’attuale funzionamento aziendale e delineare una visione generale sui vari processi coinvolti e sull’architettura operativa dell’azienda.

È importante, ad esempio, avere chiaro:

• quale sia l’obiettivo a medio termine dell’azienda in termini di produzione
• come sia organizzata la produzione e in quali “fasi” sia suddivisa
• se sia possibile raccogliere dati precisi, oggettivi e quantificabili relativi ai singoli processi
• se vi siano momenti, lungo la catena produttiva, noti per i frequenti rallentamenti, intoppi o problemi
• se vi siano difficoltà interne relative a eventuali trasformazioni dei processi.

Una volta presi in considerazione obiettivi, esigenze e difficoltà, si può procedere alla scelta dell’area di intervento e della tecnologia da impiegare: è necessario intervenire sul funzionamento dei macchinari o è sufficiente migliorare gli strumenti di analisi utilizzati? Si necessita di un software che armonizzi i flussi di lavoro o si vogliono automatizzare diversi processi amministrativi e decisionali?

Scegliere quali processi e reparti ottimizzare – qualche esempio

Come abbiamo già detto, l’ottimizzazione produttiva può essere attuata in aree produttive diverse, con scopi diversi: nello smistamento delle materie prime tanto quanto nei reparti preposti all’organizzazione della forza lavoro.

Solo per fare qualche esempio, ricordiamo che per ottimizzazione si può intendere:

• l’implementazione di un sistema di analisi dei processi, puntuale e olistico, che individui i processi produttivi a maggior rischio di “fallimento” e ipotizzi le cause di rallentamenti, sprechi o avarie. Un sistema di questo tipo permette di individuare i problemi lungo la catena di produzione, anche in tempo reale, e può essere integrato con un sistema di supporto decisionale, che, date le informazioni ricavate, suggerisca delle potenziali soluzioni.

• l’adozione, nei processi decisionali, di un modello predittivo che indaghi la domanda del bene o servizio prodotto. Analizzando il mercato e i trend di consumo il modello può produrre stime probabilistiche relative alla richiesta futura, per orientare le decisioni di produzione, modulare le risorse necessarie e ridurre gli sprechi.

• l’integrazione, nel reparto addetto agli acquisti e all’approvvigionamento, di previsionali, in grado di fornire ipotesi di valore, riguardo a disponibilità e costi delle materie prime e alle supply chain in generale. Queste stime permettono di scegliere il momento migliore per effettuare acquisti, oltre a suggerire l’eventuale stoccaggio di scorte in caso di potenziale penuria.

• la messa in pratica di strumenti volti a pianificare il lavoro: non solo i turni della forza lavoro, ma anche le ore di attività e fermo, di manutenzione e di monitoraggio, di macchine e impianti.

Un’organizzazione fluida, che armonizzi le varie attività di produzione e assicuri il migliore impiego delle risorse, permette di adattarsi alle esigenze produttive e ridurre blocchi, rallentamenti o sovrapposizioni improduttive.

Il Machine Learning per l’ottimizzazione della produzione

Tradizionalmente, gli strumenti utilizzati nell’efficientamento della produzione sono sistemi (software o meno) di organizzazione, pianificazione e allocazione, fondati su funzioni di ottimizzazione multi-obiettivo, modelli matematico-statistici piuttosto tradizionali, che riescono a ponderare solo alcuni dei fattori e dei vincoli coinvolti nella produzione.

Negli ultimi anni invece, a potenziare le soluzioni di ottimizzazione, è emersa l’Intelligenza Artificiale: sia quale paradigma di analisi, sia quale tecnologia, da adoperare dentro soluzioni di automazione e razionalizzazione dei processi.

Da una parte, infatti, l’IA amplia le capacità di analisi e calcolo di un sistema, grazie alla sua abilità nell’elaborare, gestire e prendere in considerazione moltissimi dati contemporaneamente. Dall’altra, IA è ormai (quasi sempre) sinonimo di Machine Learning e in quanto tale è in grado di aggiustare in autonomia le proprie strategie di azione e di garantire così flessibilità e adattabilità di fronte al cambiare delle circostanze. Questo permette di creare sistemi autonomi, che possono automatizzare alcune funzioni e semplificare i task più complessi: migliorare e snellire i processi con uno sforzo molto ridotto.

garantisce un miglioramento incrementale dell’ottimizzazione e una capacità di analisi più estesa e solida.

Esempi di ottimizzazione con ML

Nella pratica, un software integrato con un modello di Machine o Deep Learning, può incrementalmente migliorare i suoi risultati: efficientare i processi, semplificare i flussi di lavoro, razionalizzare la distribuzione di risorse con benefici crescenti. Anche in tempo reale, l’IA ha una maggiore efficacia: può infatti modificare i flussi di lavoro o la configurazione di una singola operazione sul momento, adattando i processi alle variazioni di esigenze e obiettivi.

Un modello di ML opportunamente allenato può ad esempio **calcolare in tempo reale la richiesta produttiva, aggiustando conseguentemente i turni di attività o la configurazione dei macchinari, ma anche aiutare a ridurre sprechi nella fase di preparazione delle materie prime, valutando il rischio di errori umani e suggerendo lì per lì modifiche al processo, per minimizzarne la probabilità di fallimento.

Esempi più concreti possono essere il caso di Chipotle, la famosa catena di ristoranti tex-mex americana, che ha deciso di implementare un’IA nelle sue cucine, e il sistema di pianificazione e previsione automatico che abbiamo sviluppato in Aidia per un’azienda cliente, che produce mobili con derivati dal legno.

Il caso di Chipotle

Nel settembre dello scorso anno Chipotle ha iniziato ad integrare nelle sue cucine un sistema di amministrazione basato sull’IA, volto a ottimizzare la freschezza e qualità del cibo prodotto, minimizzando lo spreco alimentare.

Il sistema monitora in tempo reale gli ingredienti disponibili e il numero di clienti: traccia gli acquisti e le materie prime presenti nel ristorante e nel frattempo crea delle previsioni della domanda, basandosi sugli storici aziendali ma anche sul numero di clienti che hanno già prenotato un ordine tramite app o sito. Il monitoraggio permette di dare indicazioni allo staff del ristorante: relativamente a quali impasti, salse e ingredienti preparare, al quando cominciare a cucinare e in quali quantità. Questo permette di avere una produzione di migliore qualità, preparata sul momento con ingredienti freschi, e contemporaneamente di ridurre la quantità di invenduto.

Il caso Aidia

Una nostra azienda cliente, un mobilificio in larga espansione, aveva bisogno di un sistema di supporto per la gestione della catena produttiva: uno strumento che potesse armonizzare i flussi di lavoro, ottimizzare la gestione delle risorse e pianificare gli acquisti, nel tentativo di aumentare la produttività aziendale e ridurre i costi generali di produzione.

Allo scopo, il nostro team ha sviluppato un software, attraverso il quale coordinare le attività di analisi, pianificazione e razionalizzazione. Si tratta di una piattaforma che riunisce le funzionalità di forecasting e supporto decisionale -relative ai suggerimenti d’acquisto per l’approvvigionamento del legno e all’analisi della domanda dei vari prodotti- con un sistema di workflow automation e organizzazione dei processi, che permette di automatizzare alcune operazioni e coordinare senza intoppi la sequenza di azioni tra reparti, ottimizzando nel frattempo l’uso delle risorse. Nel complesso l’implementazione del sistema ha permesso di ridurre i costi di produzione del 15% e minimizzare i fermi macchina, senza andare ad intaccare l’alto valore dei prodotti finali.

Se anche tu hai bisogno di una soluzione di ottimizzazione per la tua azienda e vuoi saperne di più, scrivi ad info@aidia.it o contattaci e fissa una consulenza gratuita con noi.