Oggi per le industrie è fondamentale ottimizzare la supply chain e sfruttare i dati a disposizione per migliorare la gestione dell'inventario e delle oprazioni.
Le imprese devono integrare le informazioni relativi all'MRO (Manutenzione, Riparazione, Operazioni), ovvero le attività mirate alla manutenzione, alla riparazione e a garantire il corretto funzionamento di macchinari e risorse aziendali, con lo stack tecnologico a loro disposizione.
Paul J. Noble, fondatore e CSO di Verusen, fornitore di soluzioni innovative per la gestione dei dati supply chain, spiega che i sistemi classici a disposizione delle imprese soffrono di molte inefficienze che causano ingenti perdite economiche e amplificano le problematiche dei macchinari.
Generalmente le imprese utilizzano sistemi tradizionali come gli ERP (Enterprise Resource Planning) o gli EAM (Enterprise Asset Management) per ottimizzare le operazione di MRO e sfruttare la tecnologia già presente.
Questi sistemi, però, non considerano aspetti importanti quali la dipendenza tra i dati, i costi in crescita delle attrezzature e le interruzioni di servizio, rendendo l'MRO inefficiente.
I sistemi e stack tecnologici obsoleti hanno problemi di frammentazione dati, i quali risultano inconsistenti e difficili da integrare tra le diverse fonti; inoltre, poiché le informazioni sono divise in silo, questi sistemi peccano in visibilità, rendendo difficile per le imprese capire quali componenti dei macchinari sono già disponibili e quali andrebbero riordinati.
Bisogna inoltre considerare che, in caso di fusioni, queste soluzioni non riescono a integrare i nuovi dati, col risultato di avere dataset incompatibili e costosi da manutenere.
Per risolvere queste criticità, le industrie devono affidarsi a tool specifici per l'MRO che vanno a complemento dello stack esistente e risolvono le criticità dei sistemi obsoleti.
Nel caso per esempio dell'analisi dei pezzi di ricambio critici, le modalità di analisi tradizionali come l'analisi statica ABC richiedono troppo tempo e non sono efficienti; al contrario, utilizzare soluzioni di intelligenza artificiale consente di migliorare l'accuratezza del processo di assessment, garantendo che ogni pezzo sia classificato correttamente in base alla sua criticità, ovvero al suo impatto sul business, e che le parti più critiche siano sempre disponibili.
Le criticità delle attività di MRO
Noble sottolinea che una delle criticità principali delle attività di MRO è la frammentazione dei dati, specialmente in quelle organizzazioni che utilizzano asset fisici molto costosi e complessi che hanno un impatto significativo sulle performance della supply chain.
I dati spesso sono sporchi, incompleti e inconsistenti perché ci sono migliaia di componenti da gestire che provengono da un gran numero di fornitori. I sistemi tradizionali per l'MRO non sono fatti per gestire questa complessità e rischiano di annullare qualsiasi sforzo di ottimizzazione.
Le informazioni, essendo divise in silo e difficili da integrare, rallentano il processo decisionale invece di velocizzarlo, riducendo la produttività. La segregazione di dati tra clienti e sistemi diversi riduce la visibilità sui pezzi a disposizione e sulle necessità di inventario, con conseguenze negative sul business.
Anche gli impatti finanziari sono notevoli: la carenza o l'eccesso di componenti in inventario è un costo che non tutte le imprese si possono permettere di affrontare. Noble fa l'esempio di una compagnia Fortune 200 che aveva identificato circa 37 milioni di dollari di parti duplicate nel suo inventario che pesavano sulle spese di utilizzo del magazzino e sui costi di mantenimento, riducendo i profitti.
I sistemi tradizionali come gli ERP e gli EAM sono ottimi per gestire prodotti finiti e i materiali diretti, ma mancano dell'intelligenza e dell'automazione necessarie a gestire le componenti di macchinari complessi e quindi ottimizzare l'MRO.
Usare l'IA per migliorare l'MRO
Usare soluzioni di intelligenza artificiale consente di gestire efficacemente i dati e ridurre le inefficienze dei processi. I sistemi di IA possono essere utilizzati anche su dataset "sporchi" e sono in grado di integrare anche i dati non strutturati nel processo.
Il processo di pulizia dei dati è comunque consigliabile da intraprendere, ma non è obbligatorio nel caso si decida di implementare soluzioni di IA per l'MRO.
"Centralizzare e organizzare i dati dell'MRO è cruciale per una ricerca e un'analisi efficaci, anche se ci sono delle inconsistenza che l'IA può aiutare a risolvere" afferma Noble.
Le soluzioni di IA realizzate specificamente per l'MRO vanno a complemento dei sistemi obsoleti per velocizzare e ottimizzare i processi, abilitando anche un miglior processo decisionale.
I sistemi innovativi analizzano automaticamente i dati storici, i pattern di utilizzo delle componenti e il contesto di business per assegnare a ogni parte livelli di servizio e criticità appropriati. L'analisi che prima veniva eseguita manualmente può essere automatizzata riducendo le tempistiche, i costi e il rischio di errore.
Scegliere l'IA per le attività di MRO porta in un ultima analisi a un risparmio notevole e a una maggiore profittabilità, e migliora la collaborazione tra le sezioni di procurement e operation. Riuscire a gestire pezzi di ricambio su larga scala in maniera automatizzata significa riuscire a rispondere alle singole necessità di approvvigionamento riducendo gli errori e le inefficienze.
