Prima di comprare una tecnologia, misura il problema

Prima del robot viene il flusso

Nei progetti industriali ci capita spesso di incontrare aziende che hanno già un’idea abbastanza precisa della soluzione.

“Vorremmo introdurre degli AMR.”

“Stiamo valutando un MES.”

“Ci serve un sistema per centralizzare i dati.”

Prendiamo il caso della movimentazione interna.

Quando un’azienda dice di voler introdurre degli AMR, l’attenzione finisce rapidamente sul robot. Portata, velocità, autonomia, navigazione. Sono tutti elementi necessari, ma non bastano per capire se l’investimento abbia senso e, soprattutto, quanti robot servano.

Per una prima analisi bisogna guardare il flusso dei materiali. Bisogna osservare quanti trasferimenti vengono effettuati durante il turno, quanto dura ciascun trasferimento, dove partono e dove arrivano i materiali, dove si concentrano le richieste…

Sono queste informazioni a descrivere il lavoro che oggi svolgono gli operatori e a fornire le basi per progettare l’automazione.

Nel progetto AMR realizzato per Mita Oleodinamica, per esempio, cinque AMR HELKO movimentano i banchi di lavoro all’interno del processo produttivo.

Il punto non era semplicemente sostituire un trasporto manuale con cinque robot. Bisognava capire come inserire la movimentazione nel ritmo della produzione e coordinare le missioni con le esigenze delle diverse postazioni.

La domanda utile, quindi, non era “Quale AMR dobbiamo comprare?” bensì “Quale flusso dobbiamo automatizzare e quali condizioni deve rispettare il sistema?”

Questo vale anche quando l’azienda sta ancora valutando se automatizzare. Se il flusso non è stato osservato, è difficile stabilire se il problema sia davvero la movimentazione oppure, per esempio, l’organizzazione delle richieste, le attese o il modo in cui il materiale viene alimentato alle postazioni.

Digitalizzare una procedura non significa migliorarla

Lo stesso principio vale per il software. Un esempio arriva da un ambito molto meno spettacolare della robotica ma più pervasivo: il controllo qualità.

In un grande stabilimento, una procedura può essere perfettamente definita e comunque funzionare male nella pratica.

Immaginiamo un processo di controllo qualità gestito con fogli, Excel, email, informazioni inserite in momenti diversi, foto, passaggi manuali tra reparti e dati che devono essere recuperati manualmente. Un operatore consulta un documento. Registra un dato. Allega una fotografia. Invia un’email. Qualcuno aggiorna un file. Un responsabile deve poi recuperare quelle informazioni per verificare l’esito del controllo o prepararsi a un audit. Il risultato è un flusso frammentato, difficile da seguire e informazioni che arrivano alla produzione quando ormai servono poco.

La prima idea potrebbe essere trasformare tutto questo in un’applicazione. Prima, però, conviene fermarsi su alcune domande molto semplici.

Ogni passaggio esistente serve davvero? Chi deve inserire l’informazione? Quante volte viene riportato lo stesso dato? Quali controlli può gestire direttamente il sistema? Cosa dovrebbe accadere quando un controllo produce un risultato non conforme?

Nel progetto di digitalizzazione del Controllo Qualità sviluppato per Menz & Gasser, il design è partito proprio dal flusso operativo. La sequenza delle attività è stata ricostruita, sono stati individuati i punti di rallentamento e sono state definite le informazioni necessarie in ogni fase.

Solo dopo è stato progettato il software.

Il risultato è un sistema in cui le procedure diventano attività eseguibili, le evidenze vengono raccolte direttamente durante il processo. Un esito non conforme, per esempio, può generare automaticamente le attività successive invece di lasciare all’operatore il compito di ricordare ogni passaggio.

Qui la parte interessante non è che una procedura cartacea sia diventata digitale. È che il software può cambiare la logica con cui quella procedura viene eseguita. Una differenza sostanziale.

Trasferire una procedura inefficiente su uno schermo significa conservarne molti limiti. Ridisegnare il flusso permette, invece, di usare il software per eliminare passaggi, collegare le informazioni e rendere automatiche alcune conseguenze delle decisioni prese proprio durante il processo.

Quando il problema è un dato che non arriva dove serve

C’è un altro tipo di problema che incontriamo spesso nella digitalizzazione industriale: i dati esistono, ma non arrivano nel punto in cui servono. Uno stabilimento produttivo può avere molte informazioni disponibili e, allo stesso tempo, rendere difficile recuperare proprio quella necessaria in quel momento.

È successo, per esempio, nel progetto sviluppato per Tecnica Group, dove il problema riguardava la gestione dei programmi delle macchine per la stampa tampografica. Da notare che le macchine disponevano già dei propri Part Program, cioè delle sequenze di istruzioni necessarie per eseguire le lavorazioni.

In questo caso l’obiettivo primario dell’azienda era aumentare la produzione e diminuire gli errori; la soluzione più immediata sembrava l’acquisto di una nuova macchina. Ma, come detto sopra, i programmi esistevano già, il problema era gestirli localmente.

In pratica, i programmi di lavoro venivano distribuiti e mantenuti sulle singole macchine, con attività manuali che aumentavano il tempo di configurazione e rendevano più complessa la gestione delle informazioni.

La soluzione non è stata acquistare nuove macchine, ma gestire meglio le macchine e i programmi già esistenti. Serviva, insomma, un sistema capace di centralizzare le informazioni e sincronizzarle con tutte le macchine presenti nello stabilimento.

È stato sviluppato un Asset Management System basato su Edge Computing, con unità Edge-Box collegate alle macchine e un sistema centrale per la gestione e la sincronizzazione dei programmi.

Il dato più interessante, in questo caso, non è il numero di dispositivi installati quanto piuttosto il risultato misurabile ottenuto: dopo pochi mesi di utilizzo, il tempo necessario per configurare una macchina si è ridotto del 40%, con il sistema installato su 12 macchine presso il Tecnica Group Ski Boot Excellence Center.

Qui la tecnologia non è mai stata il punto centrale del progetto, che al contrario è stato sviluppato interamente su misura a partire da un’esigenza pratica. Abbiamo circoscritto il problema: non un generico obiettivo di “digitalizzare la produzione”, ma una soluzione specifica per evitare di gestire localmente e più volte le stesse informazioni

A volte il collo di bottiglia non è nell’impianto, ma nel dato che dovrebbe farlo lavorare.

Il rischio è partire dalla tecnologia che va di moda

Oggi le aziende hanno a disposizione un numero di tecnologie impensabile fino a pochi anni fa. AMR, intelligenza artificiale, sistemi di visione, piattaforme dati, gemelli digitali… Il problema non è più trovare qualcosa da installare, ma capire dove intervenire.

Per una PMI questo aspetto conta ancora di più. Lo stabilimento non è un ambiente costruito da zero per accogliere le tecnologie più recenti. Ci sono macchine acquistate dieci o vent’anni fa, software introdotti in momenti diversi e procedure che nel tempo si sono adattate alle persone che le utilizzano (e viceversa).

Una trasformazione digitale efficace deve partire da questa realtà. Quando arriva un nuovo progetto, quindi, raramente si parte da una pagina bianca.

In molti casi non serve trasformare tutto lo stabilimento. Basta individuare un processo in cui un intervento mirato può produrre un miglioramento misurabile.

Prima di scegliere una tecnologia, descrivi il problema senza nominarla

È un esercizio utile. Prendiamo gli esempi qui sopra.

“Ci servono degli AMR” diventa “Gli operatori dedicano una parte rilevante del turno alla movimentazione dei materiali tra queste stazioni.”

“Ci serve un sistema di controllo qualità digitale” diventa “Le informazioni dei controlli vengono raccolte in punti diversi e alcuni passaggi dipendono da attività manuali che rendono difficile seguire il processo.“

“Dobbiamo centralizzare i dati macchina” diventa “Gli stessi programmi vengono gestiti localmente su più macchine e il copia-incolla porta in giro errori.“

Queste semplici descrizioni sono molto più utili perché indicano bene il lavoro da migliorare, non la tecnologia che si è già deciso di acquistare.

A quel punto diventa possibile confrontare soluzioni diverse che portino allo stesso risultato. E, qualche volta, anche concludere che quella inizialmente immaginata non è la più adatta.

La trasformazione digitale dovrebbe avere un conto economico

Qui arriviamo alla questione che interessa ogni imprenditore: l’investimento.

Ebbene sì, una tecnologia può essere interessante senza essere conveniente per quella specifica azienda. Un sistema può essere tecnicamente eccellente e avere un ritorno troppo lento. Un progetto più semplice può invece risolvere un problema circoscritto e produrre benefici già nel primo periodo di utilizzo.

Per questo, prima di parlare di investimento, bisogna definire cosa vogliamo migliorare. E soprattutto identificare dei KPI misurabili.

Ridurre il tempo di configurazione di una macchina è misurabile. Ridurre le movimentazioni manuali è misurabile. Diminuire i tempi di attraversamento di una commessa è misurabile. Anche ridurre il tempo che un responsabile impiega per recuperare un’informazione può avere un valore, soprattutto quando quella ricerca si ripete ogni giorno.

Per un sistema di controllo qualità, invece, potrebbe essere il tempo necessario per completare una procedura, la disponibilità immediata delle evidenze oppure la velocità con cui una non conformità arriva al reparto interessato. Sono proprio questi gli aspetti su cui il progetto di Eureka System lavora attraverso procedure digitali integrate e flussi condizionali.

Nel caso del sistema AMS di Tecnica Group, per esempio, il dato che racconta meglio l’utilità della soluzione non è il numero di Edge-Box installate. È la riduzione del 40% del tempo necessario per configurare le macchine.

La tecnologia serve quando modifica un indicatore del processo.

Il famoso ROI, il ritorno dell’investimento, nasce da questi cambiamenti, non dal numero di funzioni presenti nel nuovo sistema.

La PMI non parte quasi mai da una pagina bianca

C’è poi un passaggio che influenza molto la scelta di una soluzione e tende a perdersi quando si parla di innovazione industriale.

Uno stabilimento reale raramente può essere riprogettato da zero per accogliere una nuova tecnologia. Ci sono macchine acquistate anni prima, software introdotti in momenti diversi, sistemi che comunicano solo in parte e procedure che si sono evolute insieme alle persone che le utilizzano.

Per questo una trasformazione digitale efficace deve confrontarsi con ciò che già esiste.

A volte bisogna sostituire un sistema; in altri casi conviene collegare meglio due sistemi già presenti. Può anche emergere che il problema non richieda una nuova tecnologia, ma una modifica o un’integrazione che oggi manca.

Il caso Tecnica Group è rappresentativo proprio per questo motivo: le macchine esistevano già, i programmi esistevano già ma è cambiato il modo in cui quelle informazioni vengono gestite e distribuite.

E se il progetto tecnicamente funziona, ma nessuno lo usa?

Il sistema viene installato. I test sono conclusi. Il progetto viene consegnato. Tecnicamente, tutto funziona.

Poi gli operatori continuano a usare il vecchio metodo per evitare la curva di apprendimento iniziale, un responsabile continua a telefonare per ottenere un’informazione che il nuovo sistema già rende disponibile, un dato continua a essere copiato manualmente da una schermata all’altra.

In questi casi il problema non è necessariamente la tecnologia. Per questo un progetto digitale non si valuta soltanto chiedendo se il software funziona oppure se il robot esegue la missione prevista.

Bisogna osservare bene cosa succede dopo la messa in servizio.

Gli operatori fanno meno passaggi? Le informazioni arrivano prima? Una decisione viene presa più rapidamente? Un’attività ripetitiva è stata eliminata?

Sono queste le domande che permettono di capire se il progetto ha modificato davvero il lavoro in meglio.

La tecnologia arriva dopo

Guardando progetti molto diversi, la lezione che emerge è piuttosto concreta.

Poi si decide quale intervento può migliorarlo e solo a quel punto entra in gioco la tecnologia.

Questo approccio può sembrare meno spettacolare di una dimostrazione con un robot o di una presentazione sull’AI. Per chi deve investire in una fabbrica, però, è molto più utile perché permette di distinguere una tecnologia interessante da una tecnologia utile.

Per una PMI manifatturiera, questo significa poter valutare gli investimenti partendo da un problema osservabile, da un cambiamento atteso e da un risultato che possa essere verificato dopo la messa in servizio.

Ed è anche un ottimo modo per confrontarsi con i fornitori. Non più “Quale tecnologia mi puoi proporre?” o, peggio ancora, “A quanto mi proponi questa tecnologia?“ ma “Come pensi di migliorare questo processo, e come possiamo verificare che sia davvero migliorato?”

È una domanda molto più difficile che porta molto più rapidamente al progetto giusto. Basta ricordare che un investimento digitale ha senso quando modifica in meglio il modo in cui l’azienda lavora. Il resto, per quanto sofisticato possa essere, rischia di diventare semplicemente un altro sistema da mantenere.