‘Processi data-driven’ è un’altra delle misteriose espressioni che si sentono utilizzare sovente nel campo della gestione aziendale: anche la sua traduzione italiana, ‘processi informati’, non è del tutto esplicativa del reale significato.
A differenza di altre ‘black box’ portate dall’avvento di tecnologie – vedi l’intelligenza artificiale – che non sono di fatto intelligibili a chi non mastica linguaggi di programmazione ad alto livello, il concetto di ‘data-driven’ ha risvolta decisamente tangibili e facili da comprendere.
Innanzitutto, potremmo tradurlo con ‘guidato dai dati’, che rende subito l’idea: si tratta di processi gestionali e decisionali che si muovono partendo da dati oggettivi, la cui integrazione e analisi sta rivoluzionando i processi logistici almeno per due motivi.
Il primo di questi motivi è che per disporre dei dati occorre monitorare in modo preciso ciò che si fa (che, a cascata, richiede un rinnovo del parco mezzi e infrastrutture perché sia tecnologicamente pronto), il secondo è che migliora sia sicurezza operativa sia efficienza di ciò che viene fatto.
Il concetto di fondo è che attraverso l’utilizzo di tecnologie avanzate e approcci data-driven, le aziende possono prevenire i guasti, ottimizzare le operazioni e garantire ambienti di lavoro più sicuri.
Sicurezza operativa: la priorità assoluta
La sicurezza operativa è critica in qualsiasi ambiente di lavoro, ma in quello logistico sta assumendo contorni molto importanti proprio per via dell’area di sviluppo prossimale che può avere in questi anni.
Incidenti e infortuni possono avere conseguenze devastanti non solo per i lavoratori ma anche per le operazioni aziendali – proprio in Italia si hanno esempi molto freschi di come le tragedie siano sempre in agguato, anche quando sul capannone veleggia il marchio di una grande azienda.
La logistica offre il fianco ai problemi di sicurezza sul lavoro per via della sua stessa natura oltremodo complessa: prendendo superficialmente in esame anche solo il comparto material handling, ossia il magazzino, sia l’obsolescenza di attrezzature e metodi di lavoro, sia l’avanguardia opposta (interazione uomo-robot-IA) rappresentano fonti di pericolo.
Se dispongono di dati affidabili, le aziende possono mettersi in condizione di monitorare continuamente le condizioni delle attrezzature per prevedere e prevenire guasti prima che si verifichino. Per fare un esempio terra-terra, il monitoraggio dei consumi energetici dei motori e delle temperature dei cuscinetti dei carrelli elevatori permette di rilevare anomalie che sono spie di altrettanti problemi imminenti: un intervento tempestivo è, nel 90% dei casi, un incidente evitato.
Analisi e manutenzione preventiva: non sprecare risorse
L’altra grande priorità di tutte le aziende è l’efficienza ed il contrasto a quella che, simpaticamente, è nota come Legge di Murphy, ma che cela un’amara verità; se la massima recita che quando una cosa potrebbe andare storta, allora si può star certi che lo farà, la realtà purtroppo vede spesso situazioni perfettamente evitabili accadere puntualmente.
Un classico di quella che siamo abituati a chiamare ‘sfortuna’ è, in effetti, trascuratezza di norme di buon senso, come l’imperterrito continuo utilizzo di uno strumento finché questi non raggiunge la rottura. Le dinamiche lavorative, se non pianificate e monitorate, portano per loro natura a periodi di sovraccarico fisico e mentale, dunque a perdite di lucidità e scarsa visione d’insieme.
Molte delle rotture che i macchinari subiscono e dei fermi operativi che ne derivano sarebbero perfettamente evitabili in presenza di un monitoraggio oggettivo di processi e infrastrutture: sulla base dei dati raccolti sarebbe possibile programmare la manutenzione, allungando la prospettiva di vita delle macchine e, quindi, ottimizzando l’uso stesso delle risorse.
Monitorando le prestazioni delle attrezzature in tempo reale, le aziende possono infatti identificare i momenti migliori per effettuare le manutenzioni anche in rapporto ai picchi stagionali, riducendo al minimo i tempi di inattività. Questo approccio elimina la sostituzione prematura di parti ancora funzionanti e previene il degrado delle componenti che potrebbero danneggiare altri elementi del sistema, migliorando così la sostenibilità complessiva dell’ecosistema logistico aziendale. Senza contare che – secondo la Legge di Murphy – se un fermo operativo può verificarsi, state certi che lo farà al culmine del vostro picco stagionale.
Da questo punto di vista, un ruolo cruciale è giocato dall’uso di software analitici avanzati, che consente di combinare dati storici con informazioni prese in tempo reale, identificando non solo i punti critici ma anche le cause dei guasti, il che permette di prevedere con maggiore accuratezza quando e dove è più probabile che si verifichino problemi.
Miglioramento continuo e formazione del personale
L’analisi dei dati non solo aiuta a prevenire guasti e ottimizzare le operazioni, ma promuove anche il miglioramento continuo o continuous improvement, concetto figlio della filosofia giapponese Kaizen, improntata all’evoluzione costante di quei dettagli che trasformano pian piano il tutto aziendale.
Nel lavorare secondo un approccio data-driven si ha la costituzione di un tesoro di informazioni sulla base delle quali possono essere avviate svariate attività volte al miglioramento interno. Una su tutte è la formazione del personale, migliorando le competenze e la capacità di intervento in svariate situazioni. Inoltre, le analisi comparative che si possono eseguire grazie ai dati raccolti possono aiutare in molti campi: un’analisi comparata dei fornitori può servire, ad esempio, a selezionare i componenti con il minor impatto ambientale e la maggiore durata, nel caso di intenda supportare politiche di approvvigionamento sostenibili.
Le aziende che adottano un approccio data-driven possono aspettarsi una riduzione dei costi, un miglioramento delle prestazioni e una significativa riduzione dell’impatto ambientale delle loro operazioni.
