L’industria manifatturiera sta attraversando una fase di ridefinizione profonda, dove la complessità dei mercati globali non può più essere gestita con gli strumenti del passato. Se le fabbriche degli anni Sessanta e Settanta sono state costruite sul “fiuto” e sull’intuito di grandi imprenditori, lo scenario attuale richiede un cambio di paradigma radicale che pone le informazioni al centro dei processi decisionali. Così la pensa Marco Taisch, Professore di Digital Manufacturing al Politecnico di Milano, che durante il suo intervento al FabricAI Day organizzato da Relatech e Microsoft ha delineato le nuove coordinate per le imprese che intendono competere in un’economia data-driven. La sfida non è più solo tecnologica, ma culturale: trasformare la fabbrica in un ecosistema in cui il dato non è una sovrastruttura, ma un elemento costitutivo della creazione di valore.
Indice degli argomenti
Oltre l’intuito: la necessità dei dati nel smart manufacturing
Nelle medie aziende italiane esiste ancora una forte eredità culturale legata alla figura dell’imprenditore che rivendica la propria capacità di decidere “di pancia”. Spesso, come evidenzia Taisch, l’obiezione mossa verso le nuove tecnologie è che queste limitino la velocità decisionale o lo slancio imprenditoriale. Tuttavia questo approccio, che poteva funzionare in un «mondo semplice» come quello di qualche decennio fa, mostra tutti i suoi limiti in un contesto di crescente complessità.
Per spiegare l’importanza del dato nello smart manufacturing, si può ricorrere a un’analogia quotidiana: l’utilizzo di Google Maps. Anche conoscendo perfettamente la strada per andare al lavoro, consultiamo l’applicazione per avere un’informazione in tempo reale che ci permetta di ottimizzare il percorso. Allo stesso modo, il manager di fabbrica non può più prescindere da dati oggettivi per prendere decisioni efficienti ed efficaci. Non è più un problema di reperibilità delle informazioni: grazie a sensori, piattaforme e tecnologie IoT, i costi di raccolta sono crollati e le fabbriche sono inondate di dati. Il vero nodo cruciale è trasformare questi «zero e uno» in valore tangibile, diventando più efficienti dei competitor che, verosimilmente, hanno accesso alle stesse tecnologie. La competizione si sposta quindi dalla semplice adozione tecnologica alla capacità di produttività del dato.
I trend globali che impongono il cambiamento
La necessità di rendere le aziende “data-centriche” non risponde solo a un’esigenza di ottimizzazione interna, ma è una risposta obbligata a trend esterni che stanno ridisegnando il mercato. Ignorare questi segnali significa rischiare di non potersi adattare ai nuovi scenari competitivi.
La sostenibilità come richiesta di mercato
Il primo grande driver è la sostenibilità, spinta non più solo dalle normative ma da una nuova generazione di consumatori: i “nativi sostenibili”. La generazione che oggi si affaccia al consumo con potere d’acquisto ha introiettato il concetto di ciclo di vita del prodotto fin dalla scuola materna.
Questi nuovi consumatori chiederanno conto dell’impatto ambientale delle fabbriche. In un futuro prossimo, il processo d’acquisto potrebbe essere influenzato da variabili oggi impensabili, come sapere se un prodotto è stato realizzato di giorno (sfruttando l’energia solare) o di notte. Di conseguenza, raccogliere dati in fabbrica diventa un abilitatore di business e uno strumento di marketing, necessario per certificare la sostenibilità dei processi ai clienti finali.
Iper-personalizzazione e Logistica
Un secondo trend è l’iper-personalizzazione. La capacità di customizzare i prodotti in maniera spinta — come accadde anni fa con la campagna degli M&M’s che permetteva di stampare frasi sui singoli confetti — è un fattore competitivo rilevante. Tuttavia, gestire la tracciabilità di ogni singolo lotto o codice univoco lungo una filiera sempre più estesa richiede una raccolta dati granulare all’interno dello stabilimento.
A questo si aggiunge la criticità della logistica, divenuta il vero collo di bottiglia globale, con porti intasati e catene di fornitura sotto stress. In uno scenario geopolitico che vede una polarizzazione tra grandi blocchi (Americhe, Cina, e l’ascesa dell’India), avere informazioni per anticipare gli scenari diventa vitale per la sopravvivenza delle imprese. Il tempo è la risorsa scarsa: l’obiettivo dello smart manufacturing è raccogliere dati per fare previsioni, ovvero «raccogliere un dato che ancora non esiste».
Il dato come quarto fattore produttivo
Il passaggio logico più rilevante per l’industria moderna è l’elevazione del dato a fattore produttivo vero e proprio. La teoria economica classica insegna che i fattori produttivi sono tre: materie prime, lavoro (persone) e capitale (macchine). Questi elementi, combinati, generano output, e su di essi si calcola la produttività.
Secondo la visione esposta da Taisch, è necessario un salto concettuale: il dato deve essere considerato il quarto fattore produttivo. Non si tratta di aziende che vendono dati (come le big tech), ma di aziende manifatturiere tradizionali — chi produce “il tondino di ferro” — che devono imparare a calcolare la produttività del dato insieme a quella delle materie prime e del lavoro. Anche se la formula per calcolare questa specifica produttività è ancora oggetto di studio e non si riduce a una semplice divisione tra output e megabyte, inserire il dato nel modello mentale della produzione è il primo passo per comprenderne il reale valore.
Tecnologia e occupazione: sfatare il mito
L’introduzione massiccia di tecnologia e l’uso intensivo dei dati sollevano spesso timori riguardo all’occupazione. Esiste il pregiudizio che un aumento della produttività tecnologica o dell’automazione porti inevitabilmente a una riduzione del personale. I dati macroeconomici, tuttavia, smentiscono questa visione. Paesi come la Germania e la Corea del Sud, che vantano il più alto tasso di robot industriali per abitante, hanno contemporaneamente alcuni dei tassi di disoccupazione più bassi al mondo.
Il meccanismo virtuoso è chiaro: la tecnologia aumenta la produttività, riduce i costi e i prezzi, permettendo all’azienda di vendere di più e acquisire quote di mercato. Questo delta positivo genera una necessità di personale maggiore, non minore. Tuttavia, per sostenere questo modello servono nuove competenze. Le piattaforme digitali sono inutili senza operatori e manager capaci di utilizzarle: il Change Management e la formazione sulle competenze digitali diventano quindi l’abilità fondamentale per sbloccare la produttività.
Dalla descrizione alla prescrizione: i livelli di analisi
Per attuare concretamente lo smart manufacturing, non basta accumulare dati; bisogna strutturarli secondo livelli di complessità crescente. Il primo livello è l’analitica descrittiva: sapere cosa sta succedendo. Un esempio è il calcolo dell’OEE (Overall Equipment Effectiveness). Non è sufficiente che una dashboard mostri un numero; è necessario scomporre il dato, andando a vedere i dettagli, come l’incidenza del costo dell’energia sul processo.
Il passo successivo è la diagnosi: capire perché qualcosa è accaduto. Se un impianto di assemblaggio è rimasto fermo per il 20% del tempo, bisogna indagare le cause profonde, applicando logiche simili al Lean Manufacturing: fermare la linea, individuare la causa del difetto e risolverla alla radice. Infine, l’obiettivo ultimo è l’analisi predittiva o prescrittiva: utilizzare i dati per intervenire sul processo in tempo reale, modificando i parametri per evitare che un difetto si verifichi o si propaghi. Si passa così da un dato passivo, che racconta il passato, a un dato proattivo e “attivo”, capace di plasmare il futuro della produzione.
