L’opportunità di adottare un modello moderno di servitizzazione della manifattura oggi è favorita dal processo di trasformazione digitale, sempre più pervasivo nelle diverse realtà imprenditoriali. Cresce infatti tra le aziende la diffusione dell’utilizzo del cloud e di paradigmi tecnologici come la Internet of Things (IoT), che operano in sinergia con strumenti analitici evoluti e algoritmi di intelligenza artificiale (AI) e machine learning (ML) per l’analisi dei dati.
La trasformazione del modello di business di un’organizzazione che porta alla servitizzazione della manifattura, nella sua accezione più moderna, parte proprio da queste tecnologie “abilitanti”, ma si esplica anche attraverso l’evoluzione delle tecniche di modellistica matematica e del software di simulazione numerica. I digital twin, ad esempio, utilizzati in maniera crescente nel mondo industriale, costituiscono rappresentazioni digitali di un oggetto o di un sistema, e possono essere utilizzati per ottimizzare il funzionamento di un determinato prodotto o processo.
Servitizzazione della manifattura e simulazione
Nella sua accezione più classica, il concetto di servitizzazione della manifattura consiste nel trasformare il modello di business, dalla semplice vendita di un prodotto, verso la commercializzazione di un sistema integrato prodotto-servizio. In questa trasformazione la qualità dei modelli virtuali e delle simulazioni numeriche gioca un ruolo fondamentale per innovare realmente il modello di business aziendale e i processi che ne stanno alla base.
Simulazione e modelli virtuali nelle macchine da taglio laser
Un esempio di simulazione si può fare menzionando il settore industriale delle macchine da taglio a tecnologia laser, utilizzate per la lavorazione di tubi metallici: in questo campo, la geometria dell’ugello di taglio influenza in maniera decisiva la qualità finale del taglio stesso e anche l’efficienza del processo, che si riflette sul consumo di energia.
Qui, l’elaborazione di modelli, tramite software di simulazione multifisica e fluidodinamica computazionale, consente di rappresentare virtualmente il processo di taglio, in modo molto realistico e con elevata precisione. In questo modo, è possibile confrontare differenti tipi di ugelli, con geometrie alternative, fino a individuare la configurazione ideale che ottimizza il processo di lavorazione.
L’opportunità di affiancare al metodo di progettazione classico simulazioni numeriche e modelli virtuali permette non solo di esplorare nuovi scenari e soluzioni progettuali, ma anche di risparmiare il tempo e denaro altrimenti necessari per la realizzazione e sperimentazione di costosi prototipi fisici.
Integrazione tra simulazione e machine learning
Le tecniche di simulazione sono fondamentali per modellare la dinamica fisica dei processi. Tuttavia, la modellazione multifisica da sola spesso non riesce a combinare in modo efficiente grandi set di dati provenienti da diverse fonti e a diversi livelli di risoluzione. Per questo l’integrazione con algoritmi di machine learning offre un’opportunità unica di miglioramento.
Tornando all’esempio del taglio laser, gli algoritmi di machine learning possono essere applicati per trovare la scelta dei parametri di input della macchina che ottimizzano l’output del processo. Infatti questi algoritmi permettono di esplorare lo spazio dei parametri per identificare i valori di ottimo e analizzare la loro sensibilità e robustezza. L’integrazione tra machine learning e modellazione multifisica è un campo molto attivo nel panorama della ricerca matematica.
Tre passi verso la servitizzazione della manifattura
Il percorso organizzativo e tecnologico che un’impresa dovrà compiere per realizzare un modello di servitizzazione della manifattura varia di volta in volta e non si può inquadrare in uno schema standardizzato: si possono tuttavia indicare almeno tre principi chiave da seguire per favorire una trasformazione corretta del modello di business e minimizzare i rischi imprenditoriali:
1) Creare un business case
Non si può decidere di cambiare un modello di business senza prima definire un business case strutturato e dettagliato che indichi, nella specifica realtà imprenditoriale, quali particolari esigenze verranno risolte dalle nuove applicazioni o servizi digitali sviluppati, e quali saranno i benefici ottenibili negli specifici processi di produzione interessati dal progetto d’innovazione.
2) Definire una data strategy
In un modello d’innovazione “data-driven” e “insight-driven” come la servitizzazione della manifattura, un altro aspetto fondamentale è definire una strategia di gestione per i dati che sia in grado di identificare le tipologie di dati corrette da selezionare, preparare, e rendere disponibili, secondo determinate modalità, nello sviluppo delle nuove applicazioni o servizi digitali.
3) Orchestrare modellistica e data science
Avere grandi volumi di dati disponibili su determinati processi di produzione non significa automaticamente essere in grado di realizzare una servitizzazione della manifattura, se poi mancano solide competenze di modellistica matematica e data science, necessarie per codificare il know-how aziendale accumulato in anni di esperienza sul campo e per interpretare in maniera corretta il significato dei dati che si stanno analizzando e i risultati delle ananlisi che si di essi sono state costruite.
La gestione di questi tre elementi, strettamente correlati fra loro, concorre in modo sostanziale alla conversione del business model, alla creazione di un portfolio di servizi integrato con l’offerta di prodotto che sia realmente fonte di crescita per l’azienda.
Contattaci per ricevere ulteriori informazioni
