Lo stato dell’industria manifatturiera è in continua evoluzione a causa della volatilità del panorama globale, economico e politico e risultano, pertanto, sempre più importanti politiche volte a gestire con lungimiranza l’attuale situazione globale sollecitata da sfide geopolitiche e crisi energetica.
L’industria manifatturiera italiana ha chiuso il 2022 con un fatturato a prezzi costanti in crescita tendenziale del 2,1%, dove si sono distinti i settori dei prodotti e materiali da costruzione (+ 7%), sistema moda (+5,8%), farmaceutica (+5,2%) e meccanica (+4,8%).
Tuttavia, la fine del 2022 ha registrato un forte rallentamento che dovrebbe, in attesa dei dati del primo trimestre 2023, proseguire anche per l’anno in corso, provocando una contrazione del fatturato.
Indice
Il futuro dell’industria manufatturiera
È proprio guardando a questo quadro dalle tonalità non rosee, con un orizzonte non ben definito, che emerge con vigore l’importanza di cogliere le opportunità che la transizione verde e quella digitale possono offrire all’industria manufatturiera, considerando sostenibilità e innovazione non come dei costi, ma delle opportunità per garantire una produzione intelligente ed efficace, competitiva, digitale, verde e resiliente a favore di una prosperità economica italiana ed europea, facendo propri modelli di business agili e adattabili a cambiamenti repentini e formando e/o aggiornando le risorse umane, vista la carenza di skill digitali e di cultura digitale.
La condivisione dei dati, la sicurezza informatica e l’AI sono e saranno nel medio termine i fattori chiave per instaurare un dialogo tra tutti gli attori dell’industria di riferimento e i rappresentanti politici italiani ed europei, con l’unico obiettivo di rafforzare l’industria manufatturiera e cogliere sfide ed opportunità.
I vantaggi apportati nei processi produttivi dall’utilizzo di tecnologie, quali la riduzione dei costi, lo sviluppo di un nuovo rapporto con il consumatore e di collaborazione tra aziende, sono stati elaborati dall’ISTAT che ci indica che il Cloud, inteso come storage e condivisione online, è la tecnologia più utilizzata nel settore manufatturiero italiano (61,9%). L’IoT si attesta al 36,5% e l’AI al 6,6%.
Secondo i dati Eurostat sull’utilizzo di nuove tecnologie da parte delle aziende europee il 37% delle aziende manifatturiere italiane utilizza l’IoT contro una media europea del 30%, mentre l’AI è utilizzata dal 7% delle imprese del nostro Paese, perfettamente in linea con la media UE.
Come implementare l’AI nell’industria manufatturiera
Da quanto emerge dai dati summenzionati, l’AI ha ancora ampio spazio di applicazione nelle industrie manufatturiere, ma è sempre più necessario quali possono essere i primi e più immediati ambiti applicativi per costruire una strategia ad hoc.
L’AI offre applicazioni trasversali in vari ambiti, dallo sviluppo del prodotto al controllo qualità, con l’obiettivo di rivoluzionare le performance della produzione dell’industria manufatturiera.
Optare per una manutenzione predittiva
Grazie all’analisi dei dati raccolti, provenienti dai sensori posti sulle macchine di produzione, i modelli basati su AI possono prevedere guasti e malfunzionamenti prima del loro manifestarsi, consentendo con congruo anticipo l’organizzazione di attività manutentive e sostituzioni della componentistica, evitando il fermo macchina e la parziale o totale interruzione della produzione. Come per tutte le attività di elaborazione dati la qualità (e la quantità di dati qualitativi) dei dati rappresenta la condicio sine qua non per una esperienza di analisi di valore.
Per efficientare questo processo appare suggeribile implementare una architettura Edge, che consente di analizzare i dati e ottenere risposte in real-time, reimmettendo in tempi brevi le informazioni nel processo, tenendo conto, tuttavia, che quando si progetta un’infrastruttura Edge la questione sicurezza rappresenta un tassello fondamentale e occorre dotare i dispositivi periferici di un accesso sicuro. Inoltre, avendo i dispositivi periferici energia limitata per eseguire applicazioni di machine learning, è necessario definire i carichi di lavoro.
Ottimizzazione dei processi critici e della supply chain
L’apporto che l’AI può dare alle imprese manufatturiere riguarda anche l’ottimizzazione dei processi di produzione, andando ad identificare i bottleneck delle fasi di lavoro e ottimizzando la capacità produttiva, soprattutto, se siamo di fronte a più impianti di produzione. Impiegando l’AI sarà possibile mettere a confronto le diverse performance dei processi, articolando l’analisi comparativa in termini durata, costi e produttività.
Intervenire sui processi vuol dire, inoltre, impattare positivamente sulla supply chain nella sua totalità e raggiungere una visione completa della catena di produzione: dai materiali da utilizzare nella produzione a quelli presenti in magazzino, all’automazione dei processi di rifornimento delle materie prime, alla riduzione dei tempi di consegna, nonché impattare positivamente sulla gestione dell’inventario.
La capacità previsionale apportata dall’AI, grazie all’autoapprendimento alimentato da input di dati, consente, infatti, di comprendere l’andamento dei prezzi delle materie prime, adeguando acquisti e business e le soluzioni basate sul Machine Learning, grazie alla loro capacità di prevedere in modo piuttosto preciso i cambiamenti nella domanda dei consumatori, consentono di apportare le modifiche necessarie ai programmi di produzione e approvvigionamento, garantendo un servizio migliore anche per i clienti finali.
Nuovi prodotti e controllo qualità
Grazie alla combinazione delle tecniche di AI e la rappresentazione digitale di un prodotto o servizio è possibile “sperimentare” la nuova soluzione prima del suo rilascio, avendo una rappresentazione il più realistica possibile della sua essenza, avendo così la possibilità di migliorarla sulla base dei feedback raccolti e di customizzarla, sulla base di precipue richieste del cliente, prima del suo rilascio sul mercato di riferimento.
Questo tipo di attività contribuisce significativamente anche ad un più veloce ed efficace controllo della qualità, grazie anche a quella che viene definita computer vision. Non si tratta solo di riuscire a riconoscere oggetti all’interno di un’immagine singola o in sequenza, ma di estrarre informazioni utili per la loro elaborazione, a livelli sempre più alti di astrazione e comprensione, ricostruendo un contesto intorno all’immagine. I sistemi di computer vision hanno bisogno di essere addestrati con una grande quantità di immagini, che costituiranno il dataset che renderà l’algoritmo intelligente.
Alla luce di ciò, per esempio, sarà possibile confrontare quanto si sta producendo verificando la congruenza di standard prefissati, evidenziando possibili difetti e mettendoli in evidenza in real time all’operatore preposto, che potrà apportare le opportune modifiche e rendere la soluzione veramente di qualità.
Gli investimenti in nuove tecnologie ripagano?
L’AI gioca un ruolo essenziale per ottimizzare la produttività e avrà un impatto sempre più significativo. È altrettanto importante, però, che le aziende, a prescindere dal settore di riferimento, vedano l’AI come uno strumento da utilizzare nel contesto di una strategia globale e tendendo conto di una pianificazione digitale a 360 gradi.
Ma gli investimenti in nuove tecnologie ripagano? Sembra proprio di sì, incidendo in primo luogo sulla produttività dei dipendenti, sulla soddisfazione del cliente, sui profitti e, naturalmente, sul fatturato.
