L’AI per la qualità produttiva

• 
• Tweet
• Pin It
• Condividi per email

L’applicazione dell’AI alla gestione della qualità non si limita alla semplice raccolta e analisi dei dati: le tecnologie predittive, oggi, consentono di costruire modelli che anticipano le problematiche prima ancora che si manifestino, migliorando la resa delle attività e la soddisfazione del cliente finale

Pdca, Kaizen, lean production, miglioramento continuo, autovalutazione, risk-based thinking: termini classici dei processi della qualità, soprattutto per il settore manifatturiero. E poi c’è l’intelligenza artificiale, di cui si parla sempre più spesso in un contesto di Industria 4.0, e allo stesso tempo sembra ancora lontana dalla quotidianità delle imprese. Uno dei 7 muda, cioè i tipi di sprechi identificati nell’ambito della lean production, è proprio il difetto, cioè la produzione di articoli che implicano una correzione o una sostituzione, causando spreco di tempo e risorse. Ogni attività che non aggiunge valore a un prodotto (NVA – Not Value Added) è uno sperpero che ha il solo risultato di aumentare i costi del processo produttivo. Ma come si trasforma la qualità produttiva in un contesto di Industria 4.0? Oggi, grazie all’intelligenza artificiale, le aziende manifatturiere hanno accesso a un nuovo strumento: la qualità predittiva, un approccio avanzato che, facendo leva sui dati, permette di prevenire i difetti e ottimizzare i processi produttivi in tempo reale, consentendo alle imprese di intervenire in modo proattivo e mirato. La qualità predittiva dà risposte a domande come “Quali sono le cause che portano alle non conformità?”, “Come dovrei rivedere il mio processo nell’ottica di avere meno difetti?”, “Quali parametri e misure devo monitorare per avere l’indicazione tempestiva di un problema?”, “Come posso impostare le macchine per ridurre lo scarto al minimo?”. Ottimizzare la ricerca delle cause profonde alla radice di problemi di conformità e di processo nell’ottica dell’Industria 4.0 e dei relativi strumenti permette di attivare in anticipo le contromosse necessarie al miglioramento, e di passare da un paradigma in cui ci si attiva a valle della manifestazione della difettologia e degli sprechi, a uno in cui queste problematiche vengono evitate sin dalle fasi preliminari della produzione. Un sogno per chi si occupa di qualità, dove la tecnologia diventa il boost per l’efficienza delle attività umane. L’applicazione dell’AI alla gestione della qualità, infatti, non si limita alla semplice raccolta e analisi dei dati. Oggi, le tecnologie predittive consentono di costruire modelli che anticipano le problematiche prima ancora che si manifestino, migliorando così non solo la resa delle attività, ma anche la soddisfazione del cliente finale. Non si tratta più solo di rilevare difetti a posteriori, ma di prevenirli migliorando in modo proattivo i processi produttivi. Le aziende che investono nella qualità predittiva aumentano la propria efficienza operativa, e migliorano anche la loro competitività, garantendo prodotti di qualità superiore e clienti più soddisfatti. In un mondo dove il miglioramento continuo è la chiave del successo, l’IA è la forza trainante che sta rivoluzionando il concetto stesso di ‘cambiare in meglio’. Il programma strategico per l’adozione dell’intelligenza artificiale 2022-2024 (frutto del lavoro congiunto di tre Ministeri (Università e Ricerca, Sviluppo Economico, Innovazione Tecnologica e Transizione Digitale) ha espresso 24 raccomandazioni di azione anche per l’area delle applicazioni nelle imprese e nella PA. Politiche atte a trasformare l’Italia in un centro sull’AI competitivo a livello globale, rafforzando la ricerca e incentivando il trasferimento tecnologico. L’importanza del nostro comparto manifatturiero (il secondo più grande in Europa, nonostante il calo dello 0,9% registrato a luglio dopo il timido balzo di maggio e giugno annunciato dall’Istat) è tale che, nel programma, è stato individuato come il primo su cui investire, proprio per rafforzare il vantaggio competitivo a livello mondiale. Al momento della compilazione del piano (2021), il mercato italiano delle soluzioni AI era ancora limitato: il tasso di adozione di soluzioni AI da parte delle imprese italiane (35%) era inferiore rispetto alla media UE (43%). Tra le principali motivazioni della diffusione ancora acerba di soluzioni AI, troviamo gli alti costi di adozione e l’assenza di finanziamenti pubblici, senza dimenticare il grande tema della carenza di professionisti qualificati. Gli ultimi segnali, invece, sono incoraggianti. Nel 2023, come rilevato dall’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano, il 61% delle grandi imprese (+52%) e il 18% delle PMI (+3% rispetto al 2022) aveva avviato un progetto di intelligenza artificiale almeno al livello di sperimentazione. Poiché l’AI è un importante fattore abilitante della crescita della produttività, ritardare la sua adozione avrebbe delle conseguenze sul PIL, aumentando la forbice tra l’Italia e i Paesi europei di riferimento. Secondo le proiezioni di McKinsey, questo potrebbe crescere del 13% in Italia, 6 punti percentuali in meno rispetto all’UE. La buona notizia è che, proprio per democratizzarne la diffusione, oggi esistono applicazioni e soluzioni di AI anche alla portata delle PMI, a livello di investimenti e di progetti concepiti con un perimetro ben definito e obiettivi chiari e sostenibili.

Dai dati ai risultati: la concretezza di una nuova idea di qualità

È facile comprendere come, in un’ottica di Industria 4.0 che prende sempre più piede anche nelle PMI italiane, sfruttare i dati sia essenziale per estrarre il massimo valore anche per l’area della qualità. Ma quali sono i risultati concreti raggiungibili grazie alla qualità predittiva derivante dall’uso dell’AI? Facendo leva sui dati raccolti o presenti in azienda, relative alle fasi produttive, è possibile identificare gli eventi più impattanti del processo, e come essi interverrebbero sul risultato finale, che si tratti del settore dolciario, metallurgico, dei macchinari, della componentistica. Ad esempio, è possibile identificare quali sensori forniscano informazioni utili alla raccolta dei dati, affiancando l’attività diagnostica con modelli predittivi che anticipano le difettosità con un’accuratezza dell’80%. E, proprio in virtù della loro capacità di analisi dei dati e dei sensori, con 27,1 miliardi di dispositivi IoT connessi previsti a livello globale per il 2025 (IoT Analytics), i digital twin (DT) ricopriranno sempre maggiore rilevanza nell’approccio all’Industria 4.0, e sono fonti di dati utili anche nell’ottica dell’adozione dell’AI. Identificare le cause radice delle non conformità (Root Cause Analysis) significa intervenire tempestivamente e correggere le problematiche prima che il prodotto non conforme raggiunga i clienti, con un impatto significativo sulla riduzione degli scarti e sull’efficienza produttiva. A questo proposito, dati a supporto arrivano dal 3° Osservatorio Industria 4.0 Intesa San Paolo e BI-REX. Come emerso dal sondaggio, le imprese 4.0 del campione analizzato hanno avuto, tra il 2019 e il 2022, un ritorno sulla produttività: quelle che hanno adottato soluzioni tecnologiche avanzate hanno registrato una crescita di valore aggiunto per addetto del 21,6% (+13 mila euro per addetto) e un aumento (valore mediano) del fatturato del 32,5%, a fronte di un 16,6% delle imprese che non adottano soluzioni 4.0. In un contesto di miglioramento continuo, l’AI è il motore che trasforma il cambiamento in un vantaggio concreto e sostenibile.

Var Group – www.vargroup.it

Scarica il pdf

• 
• Tweet
• Pin It
• Condividi per email