Paolo Mantica, Advisor e responsabile “Operation Excellence” DI Works
- Integrare l’AI nei sistemi di produzione esistenti
- L’analisi predittiva permette di diminuire gli sprechi
- Le criticità da superare per ottimizzare i cicli produttivi
- I vantaggi operativi dell’AI
- Evitare sovrapproduzione/sottoproduzione e saturare gli impianti
- Le applicazioni della Gen AI e il ruolo degli AI Agent
- Digital twin e cobot icone della fabbrica intelligente
- Essere pronti ad adottare l’AI
- Le competenze necessarie per sfruttare l’AI in produzione
- L’etica dell’AI nella gestione dei processi produttivi
Qualche numero per inquadrare il tema: il 40% delle grandi aziende italiane utilizza soluzioni di Robotic Process Automation (RPA) ma solo il 23% impiega l’intelligenza artificiale per l’automazione dei processi. Delle imprese che non ricorrono ancora a questa tecnologia, il 45% prevede di adottarla entro un anno. Le Pmi, invece, dimostrano di essere ancora indietro: il 9% ricorre a sistemi di RPA e meno dell’1% ha sperimentato l’AI. Le aree più sensibili sono amministrazione, finanza, operations e customer service.
La fotografia è tratta dall’Osservatorio Intelligent Business Process Automation del Politecnico di Milano, da cui deriviamo un assunto: la trasformazione della fabbrica verso l’orizzonte di industria 5.0 e della maggiore collaborazione fra AI e robot è appena iniziata e offre alle aziende enormi opportunità di fare efficienza e di generare benefici.
In questo post proviamo ad affrontare questo tema (complesso) provando a riassumerne i punti (a nostro avviso) chiave in dieci capitoli.
Integrare l’AI nei sistemi di produzione esistenti
Il primo passo è la mappatura accurata dei processi e delle macchine per individuare dove si potrebbero avere benefici derivanti dall’utilizzo dell’intelligenza artificiale. In altre parole, vanno individuati i processi critici o comunque quelli che hanno maggior potenziale per essere migliorati. Il secondo step, altrettanto importante, è quello di procedere gradualmente e in modo consequenziale.
C’è un aspetto da considerare come fondamentale, ed è la formazione del personale. L’AI deve essere utilizzata in modo efficace e non vissuta come una esperienza negativa e sostitutiva delle risorse umane, di cui vanno invece valorizzate le competenze acquisite come elemento complementare.
L’analisi predittiva permette di diminuire gli sprechi
Partiamo da un presupposto condiviso da tutti: riconoscere gli sprechi è fondamentale per migliorare l’efficienza di un processo industriale. Se ci rifacciamo ai principi della Lean Production, lo spreco è tutto ciò che non aggiunge valore al prodotto e una volta individuati gli sprechi occorre organizzare gli interventi risolutivi del problema, classificandoli per impatto e dando priorità alle criticità più urgenti. Solo così si garantisce un miglioramento continuo e duraturo.
L’intelligenza artificiale entra in gioco proprio per questo e può essere un validissimo strumento di supporto per intervenire sugli sprechi. Come? Per esempio, suggerendo adattamenti del piano di produzione e rispondendo rapidamente alle variazioni delle condizioni di contesto (variazione della domanda, mancanza di materie prime…). Le capacità degli algoritmi, inoltre, facilitano la manutenzione degli impianti prevedendone potenziali difetti e favoriscono l’ottimizzazione della gestione delle scorte di materiali e prodotti finiti, al fine di ridurre il numero dei set-up e dei fermi macchina e i tempi di improduttività tra le diverse fasi di produzione.
Le criticità da superare per ottimizzare i cicli produttivi
I fattori che incidono sulla generazione di valore in un processo industriale sono diversi e altrettante sono le criticità da superare per massimizzarne gli impatti, a cominciare dalle inefficienze dovute a fermi macchina e tempi morti.
La difficoltà di adattarsi rapidamente alla fluttuazione della domanda e alle potenziali difficoltà sulla catena di approvvigionamento delle materie prime e dei semilavorati è una di queste. L’estrema variabilità del mercato è in molti settori diventato “il vero incubo” della produzione che, per sua natura, è soggetta a vincoli solo parzialmente modulabili, come la capacità produttiva delle macchine o l’orario di lavoro delle maestranze.
I vantaggi operativi dell’AI
La tecnologia, intelligenza artificiale in testa, è la leva per superare queste criticità. Quale azienda, del resto, non è alla ricerca di strumenti e soluzioni che consentono di riaggiornare velocemente (se non in tempo reale) i piani di produzione in funzione delle mutate condizioni di contesto?
In DI Works abbiamo attivato alcuni progetti nel settore Food&Beverage e in modo particolare stiamo lavorando su alcuni processi produttivi critici dove è richiesta una maggiore efficienza e la compressione dei tempi di flusso di un ciclo produttivo.
Attraverso l’analisi dei dati storici e la loro costante rielaborazione, l’AI può produrre previsioni più accurate rispetto a un approccio tradizionale basato sull’inserimento manuale di previsioni a cura di addetti alle vendite o al customer service. E può, non di meno, fornire ai responsabili del processo gli strumenti per agire tempestivamente, pianificando in modo più efficiente per avere minori impatti negativi sulle giacenze di magazzino e riducendo ai minimi termini gli sprechi.
Evitare sovrapproduzione/sottoproduzione e saturare gli impianti
Gli algoritmi non sono la panacea di tutti i mali e pertanto non sono in grado di trovare la soluzione definitiva all’insaturazione degli impianti. Gli algoritmi hanno però il pregio di migliorare la prestazione ottenibile con strumenti tradizionali e, soprattutto, di poter innescare un processo continuo di apprendimento, integrandosi con la competenza umana per arrivare a un livello di ottimizzazione delle decisioni molto alto.
Una più accurata previsione della domanda, infatti, genera un impatto positivo anche su tutta la catena di approvvigionamento dei semilavorati e delle materie prime. I vantaggi legati all’adozione dell’AI, inoltre, non si limitano alla definizione più corretta degli stock di sicurezza e dei lotti minimi di riordino ma si estendono ai suggerimenti che permettono di rivedere a proprio favore gli accordi con i fornitori.
Le applicazioni della Gen AI e il ruolo degli AI Agent
L’intelligenza artificiale generativa non è semplicemente sinonimo di creazione di piani di produzione dinamici o riprogrammazione n tempo reale degli stessi ma anche uno strumento per ridurre i tempi tra una fase di produzione e quella successiva, per affinare programmi di manutenzione preventiva e per supportare la progettazione di modifiche al layout di fabbrica.
Secondo la nostra visione, gli agenti reciteranno una parte fondamentale nell’ulteriore ripensamento di alcuni processi operativi in veste di assistenti virtuali degli specialisti della produzione, facilitando il coordinamento tra reparti diversi, automatizzando compiti ripetitivi e riducendo il rischio di errori umani.
Anche in questo caso facciamo degli esempi pratici. Un AI agent può monitorare costantemente le performance delle linee di produzione e segnalare anomalie in tempo reale, suggerendo immediatamente interventi correttivi. Con la stessa efficacia, può analizzare dati provenienti da diverse fonti aziendali per formulare previsioni accurate della domanda, anticipare criticità legate alla carenza di materiali e adeguare di conseguenza ii flusso della produzione.
Digital twin e cobot icone della fabbrica intelligente
La fabbrica del futuro è un mix di tecnologie innovative che traghetterà il mondo del manufacturing dal modello di Industria 4.0 a quello 5.0: Le ricordiamo in un rapido elenco: intelligenza artificiale, Internet delle cose, sensoristica avanzata, realtà aumentata e virtuale, machine learning e naturalmente anche l’ultima arrivata, la Gen AI.
Vi sono altri due soggetti attivi di questa rivoluzione, e sono i digital twin e i cobot. I gemelli digitali permettono di creare modelli virtuali degli impianti produttivi e di effettuare simulazioni mirate e finalizzate ad ottimizzare processi; i robot collaborativi lavorano al fianco degli operatori umani automatizzando operazioni ripetitive e pericolose e migliorando al contempo l’efficienza e la sicurezza del processo di produzione.
Essere pronti ad adottare l’AI
Le aziende manifatturiere italiane sono sufficientemente preparate ad affrontare e a implementare progetti di intelligenza artificiale? Rispondiamo a questa ricorrente domanda, secondo la nostra esperienza, affermando che le aziende sono pronte rispetto alle aspettative molto alte che hanno verso questa tecnologia, rispetto alla ricerca di efficienze sempre maggiori.
Crediamo siano estremamente importanti due aspetti nel percorso di “maturazione” necessario all’adozione dell’AI in azienda: la predisposizione delle imprese a guardare ai propri processi in maniera critica e aprendo al cambiamento e l’allocazione delle opportune risorse per investire e interfacciarsi con le piattaforme IT esistenti.
Le competenze necessarie per sfruttare l’AI in produzione
Uno dei requisiti essenziali per generare valore attraverso la tecnologia riguarda le competenze. L’adozione dell’AI nei processi industriali richiede skill tecniche sugli algoritmi di machine learning e capacità di gestione di grandi quantità di dati, nonché conoscenze approfondite su data science e programmazione che vanno integrate con la comprensione dei cicli operativi, di logistica e manutenzione.
In futuro sarà fondamentale sviluppare ulteriori competenze interdisciplinari, creando figure professionali capaci di dialogare tra l’ambito tecnico-digitale e quello operativo-produttivo. Questo approccio favorirà una gestione più integrata ed efficace della produzione basata su AI, aumentando la capacità di innovazione aziendale.
L’etica dell’AI nella gestione dei processi produttivi
L’utilizzo dell’intelligenza artificiale non deve essere vissuto negativamente dalle persone all’interno dell’organizzazione: ogni processo di cambiamento richiede però una gestione accurata della comunicazione interna e massima trasparenza sugli obiettivi, i benefici attesi e gli eventuali impatti sulle attività quotidiane.
Il processo di formazione continua e di aggiornamento professionale del personale è cruciale per mantenere le competenze al passo con l’evoluzione tecnologica ed è inoltre fondamentale stabilire meccanismi per monitorare costantemente l’impatto dell’AI, condividendo regolarmente i dati sui miglioramenti raggiunti in termini di efficienza e riduzione degli sprechi, così da rendere tangibile e motivante per tutti il valore aggiunto apportato dall’introduzione della tecnologia nell’ambiente di produzione.
Il potenziale delle applicazioni di questa tecnologia è di fatto infinito. La scarsa capacità di raccogliere informazioni dalle macchine e di elaborare per estrarre velocemente “insight” utili a ripensare velocemente i processi industriali è una delle criticità più evidenti e limitanti che vediamo nelle aziende produttrici. Eppure, come spiegano gli analisti di McKinsey, il ricorso sistemico agli strumenti di Gen AI in fabbrica potrebbe generare per il settore manifatturiero risparmi quantificabili in mezzo trilione di dollari su base annuale. Il messaggio ci suona chiaro: questo processo di trasformazione va affrontato e va affrontato in tempi rapidi.
AI “Does Good” for Industrial Processes. Here’s Why
By Paolo Mantica, Advisor and Head of “Operation Excellence” at DI Works
Some numbers to frame the topic: 40% of large Italian companies use Robotic Process Automation (RPA) solutions, but only 23% employ artificial intelligence for process automation. Among companies that do not yet use this technology, 45% plan to adopt it within a year. SMEs, on the other hand, are still lagging behind: 9% use RPA systems, and less than 1% have experimented with AI. The most affected areas are administration, finance, operations, and customer service.
The data comes from the Politecnico di Milano’s Intelligent Business Process Automation Observatory, from which we draw a conclusion: the transformation of factories towards the horizon of Industry 5.0 and greater collaboration between AI and robots has just begun and offers companies enormous opportunities to gain efficiency and generate benefits.
In this post, we try to tackle this (complex) topic by summarizing its key points in ten chapters.
Integrating AI into Existing Production Systems
The first step is an accurate mapping of processes and machines to identify where the use of artificial intelligence can bring benefits. In other words, it is necessary to identify critical processes or those with the greatest potential for improvement. The second equally important step is to proceed gradually and consistently.
One fundamental aspect to consider is personnel training. AI must be used effectively and not perceived as a negative experience or a replacement for human resources, whose acquired skills should instead be valued as complementary elements.
Predictive Analysis Reduces Waste
Let’s start with a universally shared premise: recognizing waste is essential to improving the efficiency of an industrial process. Referring to Lean Production principles, waste is anything that does not add value to the product. Once identified, interventions must be organized based on their impact, giving priority to the most urgent issues. Only this way can continuous and lasting improvement be ensured.
Artificial intelligence plays a crucial role here as a valuable support tool to address waste. How? For example, by suggesting production plan adjustments and responding quickly to changes in context conditions (e.g., demand variations, raw material shortages). Moreover, algorithmic capabilities facilitate plant maintenance by predicting potential failures and optimizing inventory management, reducing setups, machine downtimes, and idle times between different production phases.
Overcoming Challenges to Optimize Production Cycles
Various factors influence the generation of value in an industrial process, and just as many challenges must be overcome to maximize their impact. These include inefficiencies due to machine downtimes and idle times.
One of the major challenges is the difficulty of quickly adapting to fluctuations in demand and potential supply chain issues related to raw materials and semi-finished products. Market variability has become the “real nightmare” of production in many sectors, which by nature are subject to constraints that are only partially flexible, such as machine capacity or workforce schedules.
Operational Advantages of AI
Technology, especially artificial intelligence, is the key to overcoming these challenges. After all, which company is not looking for tools and solutions that enable quick (if not real-time) updates to production plans in response to changing context conditions?
At DI Works, we have launched several projects in the Food & Beverage sector, specifically focusing on critical production processes where greater efficiency and compression of cycle times are required.
By analyzing historical data and constantly reprocessing it, AI can produce more accurate forecasts than traditional approaches based on manual input by sales or customer service personnel. Additionally, it can equip process managers with tools to act quickly, plan more efficiently, and minimize negative impacts on inventory levels while reducing waste to a minimum.
Avoiding Overproduction/Underproduction and Saturating Plants
Algorithms are not a panacea and cannot fully solve plant underutilization issues. However, they have the advantage of enhancing performance compared to traditional tools and, most importantly, of triggering a continuous learning process. This integration with human expertise leads to a very high level of decision-making optimization.
More accurate demand forecasting positively affects the entire supply chain of semi-finished and raw materials. The benefits of adopting AI also extend to the correct definition of safety stocks and minimum reorder lots, as well as suggesting ways to renegotiate agreements with suppliers.
Gen AI Applications and the Role of AI Agents
Generative artificial intelligence is not just about creating dynamic production plans or real-time rescheduling. It is also a tool to reduce transition times between production phases, refine preventive maintenance programs, and support the design of factory layout changes.
In our vision, AI agents will play a fundamental role in rethinking some operational processes, acting as virtual assistants to production specialists. They will facilitate coordination between different departments, automate repetitive tasks, and reduce the risk of human error.
For example, an AI agent can constantly monitor production line performance, promptly report anomalies, and suggest corrective actions. Similarly, it can analyze data from various business sources to formulate accurate demand forecasts, anticipate material shortages, and adjust the production flow accordingly.
Digital Twin and Cobot: Icons of the Smart Factory
The factory of the future is a blend of innovative technologies guiding the manufacturing world from Industry 4.0 to 5.0. These include artificial intelligence, the Internet of Things, advanced sensors, augmented and virtual reality, machine learning, and, of course, Gen AI.
Two key players in this revolution are digital twins and cobots. Digital twins allow for creating virtual models of production facilities, enabling targeted simulations to optimize processes. Collaborative robots (cobots) work alongside human operators, automating repetitive and dangerous tasks while improving efficiency and safety.
Being Ready to Adopt AI
Are Italian manufacturing companies sufficiently prepared to face and implement AI projects? Based on our experience, companies are ready compared to their high expectations for this technology and their pursuit of ever-increasing efficiency.
Two aspects are essential in the “maturation” path toward AI adoption: companies’ willingness to critically examine their processes while being open to change, and the allocation of adequate resources to invest and interface with existing IT platforms.
Skills Needed to Leverage AI in Production
One essential requirement for generating value through technology is skills. AI adoption in industrial processes requires technical skills in machine learning algorithms, the ability to manage large amounts of data, and in-depth knowledge of data science and programming. These must be combined with an understanding of operational cycles, logistics, and maintenance.
In the future, it will be crucial to develop interdisciplinary skills, creating professionals capable of bridging the gap between technical-digital and operational-production areas, fostering more integrated and effective AI-driven production management.
The Ethics of AI in Managing Production Processes
The use of artificial intelligence should not be perceived negatively within the organization: any change process requires careful internal communication and maximum transparency about objectives, expected benefits, and potential impacts on daily activities.
Continuous training and professional updates are crucial to keeping skills up to date with technological evolution. Additionally, establishing mechanisms to constantly monitor AI’s impact and regularly sharing data on achieved improvements will help make the added value tangible and motivating for everyone.
The potential applications of this technology are practically endless. One of the most evident and limiting issues we observe in manufacturing companies is the inability to quickly gather machine data and extract useful insights to rethink industrial processes. Yet, as McKinsey analysts point out, systematic use of Gen AI tools in factories could generate annual savings of half a trillion dollars for the manufacturing sector. The message is clear: this transformation process must be tackled, and it must be done quickly.
DI Works Blog 
Leave a comment