In questo periodo i dati sono decisamente al centro dell’attenzione.

Ciò che, in tempi normali, sarebbe il pane quotidiano di analisti, ingegneri, responsabili di stabilimento, responsabili di marketing ecc.., in questo periodo di pandemia da Covid 19, è a disposizione di tutti: ciascuno di noi ha il proprio appuntamento quotidiano con i dati.

Dati sui contagiati, i ricoverati in terapia intensiva, i morti…e per fortuna anche i guariti.

Questi dati non sempre sono comprensibili, non sempre paiono strutturati, non sempre vengono divulgati in maniera da poter essere interpretati in maniera corretta.

A seconda delle fonti, diventiamo inclini ad un (ci sembra) motivato ottimismo o ad una visione distopica dei tempi che ci aspettano, oppure, semplicemente questi dati ci sembrano insufficienti e il futuro ci appare pieno di incertezze.

C’è solo una cosa peggiore del dover prendere una decisione senza l’appoggio dei dati. Prenderla in seguito a dati sbagliati.

L’importanza di una visione chiara e obiettiva della realtà è stata oggetto di studio sin dai tempi antichi. A questo proposito può venire in nostro aiuto il mito della caverna di Platone.

 

Il mito della caverna di Platone

Il mito della caverna di Platone è forse uno dei concetti più affascinanti del filosofo ateniese. È raccontato all’inizio del libro settimo de “La Repubblica” attraverso la forma dell’allegoria. Nell’illustrare questo mito, vengono immaginati alcuni uomini incatenati, sin dalla nascita. Anche il collo e il capo sono costretti in una posizione tale per cui questi uomini possono guardare solo verso il fondo della caverna.

Si immagina inoltre che, alle spalle di questi uomini, corra una strada rialzata e, dietro di essa, sia acceso un grande fuoco. Lungo questa strada si muovono uomini che portano oggetti di varia forma, e anche animali.

Inevitabilmente le ombre di questi soggetti vengono proiettati sul fondo della caverna, attirando l’attenzione dei prigionieri incatenati. Questi ultimi sono anche in grado di sentire le voci degli uomini alle loro spalle, grazie all’eco che si sprigiona nella caverna, e la percezione che hanno è che quelle voci vengano dalle ombre che vedono muoversi davanti a loro.

Non avendo alcuna esperienza del mondo esterno, i prigionieri sono convinti che le ombre e l’eco costituiscano la realtà e non un riflesso di essa.

Il mito della caverna

Il mito della caverna [fonte: https://www.studiarapido.it/]

Se uno di loro avesse la possibilità di liberarsi e di girarsi, la luce del fuoco lo accecherebbe, rendendo la vista degli uomini sulla strada, dai contorni sfumati. Il disagio sarebbe tale che preferirebbe girarsi nuovamente verso le ombre nel fondo della caverna.

Se poi quest’uomo riuscisse ad uscire dalla caverna la situazione sarebbe anche peggiore, e proverebbe profonda irritazione per essere stato costretto ad uscire.

Ma col passare del tempo, comincerebbe ad abituarsi alla nuova luce, e vedrebbe chiaramente gli oggetti, gli animali, il paesaggio. Potrebbe arrivare a guardare il sole e non solo il suo riflesso nell’acqua o le ombre da lui proiettate e giungerebbe a comprendere che:

 

«è esso a produrre le stagioni e gli anni e a governare tutte le cose del mondo visibile e ad essere causa, in certo modo, di tutto quello che egli e suoi compagni vedevano»

(Platone, La Repubblica, libro VII, 516 c – d)

 

Nel mito platonico gli oggetti fuori dalla caverna sono le idee.

Le idee si contrappongono alla doxa, l’opinione, dalla quale l’uomo deve liberarsi per giungere, finalmente a vedere chiaramente le idee. L’opinione, per Platone, rappresenta la forma primordiale e ingannevole di conoscenza.

William Edwards Deming, ai giorni nostri, scrive, “senza dati sei solo un’altra persona con un’opinione”.

Torna ancora il concetto di opinione, ancora in senso vagamente dispregiativo.

L’opinione è fallace, sia per la conoscenza in sé, sia per chi deve prendere delle decisioni.

In piena Industria 4.0 siamo anche arrivati a parlare di Big data.

 

Prendere decisioni: un mestiere complicato, anzi complesso

Nessuno in questo momento, al netto di coloro che possiedono ricette infallibili su come gestire questa situazione, vorrebbe essere al posto di chi ci governa.

In questo momento, chi ci governa si trova un po’ nella situazione (ma ben più grave) di chi, all’interno di un’azienda o di uno stabilimento, ha la responsabilità di prendere decisioni sugli investimenti da fare, per migliorare l’efficienza e abbattere gli sprechi.

Perché questa similitudine?

Perché entrambi, il Governo e l’azienda, devono prendere le proprie decisioni sulla base di dati.

Dati che devono essere necessariamente strutturati, puliti, inattaccabili, oggettivi.

Ecco, in questo caso, il Governo si trova in una posizione un po’ più scomoda, in quanto, da più parti, si evidenza come i dati in possesso e divulgati quotidianamente, siano incompleti e quindi, non possono servire a fare delle previsioni (o predizioni) sui mesi a venire.

Quindi ciò che ad un manager industriale, nel 2020, può riuscire in maniera agevole, per il Governo, oggi, non lo è affatto.

 

Il processo decisionale

Il processo decisionale ideale, deve seguire un paradigma costituito da tre fasi:

INPUT: i dati conosciuti

OUTPUT: i risultati che si vogliono ottenere

ALGORITMO: processo risolutivo

 

Considerando che l’OUTPUT può essere noto, in quanto rappresentano la NOSTRA strategia, i nostri desideri, tutto si gioca intorno ai punti “INPUT” e “ALGORITMO”.

In particolare risulta fondamentale il primo punto: da dove derivano i dati? Come vengono acquisiti?

L’algoritmo, da parte sua, deve essere deterministico, cioè agli stessi input devono sempre seguire gli stessi output. In definitiva deve essere costituito da un numero (finito) di step, i quali devono arrivare a risolvere dei problemi.

La soluzione di questi problemi si concretizza in una serie di decisioni e azioni volte a conseguire un miglioramento, cioè una maggiore efficienza.

 

I dati e l’Industria 4.0

Abbiamo detto che i manager di una realtà industriale si trovano in una posizione meno scomoda rispetto a quella dell’attuale Governo. Questo non ha nulla a che fare con le capacità di chi ci Governa, al quale va tutto il nostro tifo, ma, come abbiamo detto, riguarda soprattutto la qualità dei dati a disposizione.

La qualità dei dati riguardanti la pandemia di Covid 19, è compromessa, probabilmente, dalla difficoltà di definizione di alcune variabili, come ad esempio il numero di asintomatici resi invisibili dall’impossibilità pratica di fare il tampone a tutta la popolazione.

Tanto è vero che si sono moltiplicati i progetti legati all’utilizzo dell’Intelligenza Artificiale per fronteggiare la pandemia.

Cosa avviene invece nel contesto della realtà industriale? Quali sono i dati veramente utili per conseguire gli output desiderati?

Definiamo innanzitutto gli OUTPUT.

Si parla spesso del concetto di miglioramento continuo. È un principio volutamente generale che può essere precisato affermando che il miglioramento continuo comincia dall’eliminazione degli sprechi.

Eliminare gli sprechi significa sottrarre, dal flusso produttivo, tutto ciò che non rappresenta valore per i cliente finale.

In ambito industriale, è ad esempio considerato spreco tutto ciò che rallenta o arresta il flusso produttivo. Quindi non resta che elencare tutti quegli elementi che finiscono per inficiare un flusso di lavoro continuo:

  • Fermo e micro fermi macchina
  • Problemi di qualità
  • Lentezza del flusso

Questi tre indici (KPI) sono stati raccolti all’interno di un sistema chiamato OEE (Overall Equipment Effectiveness). Lo scopo dell’OEE è quello di fornire un indice (un numero magico) che fornisca una fotografia abbastanza rappresentativa del livello di efficienza della produzione. Ma se ci si fermasse qui, questo sistema non sarebbe molto utile. La potenza dell’OEE sta nel fatto che indica chiaramente dove si nasconde lo spreco.

Facciamo qualche esempio.

I fermi macchina sono indicativi spesso di problemi di manutenzione delle macchine. Un elevato numeri di fermi, farebbe capire chiaramente che investire in una migliore manutenzione potrebbe dare degli ottimi frutti. Non a caso, il World Class Manufacturing, dedica alle manutenzioni, ben due pilastri, dividendole in manutenzioni autonome e manutenzioni professionali.

I problemi di qualità si riferiscono a parti danneggiate o rifinite male o graffiate. Questi problemi spesso costringono a delle rilavorazioni oppure al ritiro del pezzo. In questo caso occorre analizzare il motivo, vedere in quale punto avvengono questi danni, capirne il motivo e fare le azioni necessarie perché non si verifichino più.

Se il flusso è troppo lento (cioè, in assenza di fermi macchina o di problemi di qualità i pezzi prodotti non sono quelli attesi) il problema potrebbe essere di carattere organizzativo, riguardare, ad esempio, lo spazio di lavoro: forse l’operatore non ha a portata di mano tutto ciò che gli serve, forse si deve spostare troppo.

 

Acquisizione, analisi, azione

Tutti questi dati possono essere acquisiti in varie modalità: dall’inserimento manuale dell’operatore, all’acquisizione tramite PLC o attraverso dei sensori di varia natura.

Quindi la qualità di questi dati è sicuramente ottima e il cosiddetto numero magico che restituiscono costituisce qualcosa di affidabile sulla quale fare dei ragionamenti per migliorare.

Ovviamente l’OEE da solo non basta. È come se un autista capisse che la propria auto consuma troppo.. e poi non facesse nulla.

Fermarsi alla sola analisi non è affatto utile..anzi sarebbe un’altra fonte di spreco.

Ad esempio, tornando ai dati relativi alla pandemia da Covid 19, se avessimo dei dati certi, sarebbe molto più semplice per il legislatore prendere decisioni mirate, graduali ed efficaci. Viceversa, la consapevolezza di avere dei dati poco affidabili, costringe, in questo contesto, a delle azioni conservative, per il bene della salute di tutti.

In questo contesto, ogni decisione presa diventa un esperimento sul campo: si procede dunque per tentativi, si leggono i dati settimana dopo settimana..si cerca di comprenderne il trend: non si hanno tempi lunghi sui quali ragionare.

Ma parliamo piuttosto della realtà che conosciamo meglio: un’azienda non può procedere per tentativi, non se lo può permettere, ma, di contro, può permettersi di lavorare su tempi più lunghi (il miglioramento continuo è un processo lento e.. lungo).

Attraverso sistemi come l’OEE si può iniziare un’analisi che avrà come scopo il capire dove intervenire e che tipo di azione intraprendere.

Facciamo qualche esempio pratico.

Se il problema è focalizzato sulla manutenzione delle macchine, un altro sistema software come il Machine Ledger (strumento WCM) può tornare utile, portando anche ad attività di tipo predittivo.

L’intelligenza artificiale può essere utilizzata con successo nel caso di problemi di processo e qualità, supportando la soluzione dei problemi.

A supporto degli operatori, per snellire il flusso di lavoro esistono diversi strumenti come il Visual SOP (altro strumento WCM) oppure il Pick to light, utilizzato ad esempio nell’assemblaggio di oggetti complessi.

 

Dati: qualità vs quantità?

In realtà non si dovrebbe scegliere. Entrambi queste dimensioni hanno la loro importanza.

La qualità è sicuramente fondamentale. Abbiamo parlato dei dati sul Covid 19 e  abbiamo capito che la scarsa qualità dei dati crea grossi grattacapi a chi deve decidere.

Ma la quantità è un elemento che fa la differenza quando tiriamo in ballo l’Intelligenza artificiale. L’utilizzo di metodi di questo tipo, vuole una grande mole di dati per poter nutrire potenti modelli matematici, istruire reti neurali, ecc..

La sfida del futuro prevede sicuramente il coinvolgimento dell’Intelligenza artificiale e del machine learning, in tutti i settori: industriale, medicale, sportivo, ecc.. e quindi, rinunciare alla quantità dei dati, a favore della qualità, non può essere un’opzione.

 

 

Se vi interessano i temi che affrontiamo, iscrivetevi alla nostra Newsletter, per rimanere sempre aggiornati sui contenuti che pubblichiamo.

Ci piacerebbe conoscere il vostro parere. Seguiteci su Linkedin!

 

Ascoltando: Pearl Jam – “Last exit
Lettura in corso: “Il bordo vertiginoso delle cose” di Gianrico Carofiglio
Mood: Platonico

Digital Strategist & Blogger

On this website we use first or third-party tools that store small files (cookie) on your device. Cookies are normally used to allow the site to run properly (technical cookies), to generate navigation usage reports (statistics cookies) and to suitable advertise our services/products (profiling cookies). We can directly use technical cookies, but you have the right to choose whether or not to enable statistical and profiling cookiesEnabling these cookies, you help us to offer you a better experienceCookie policy