Può un’azienda manifatturiera ambire ad una qualità di prodotto “zero defects”? Se per zero si intende zero – sfatiamo un mito – no di certo. Attualmente, la più avanzata filiera industriale, quella dell’automotive, si attesta ad un livello di difettosità pari a 200 pezzi su un milione. Resta un “rumore di fondo”, ma il risultato è straordinario rispetto alla media dell’industria italiana.
Allora riformuliamo la domanda: può un’azienda manifatturiera conseguire la stessa quota di imperfezioni dell’automotive? Sì, a patto, però, che assuma una metodologia simile a quella adottata dallo stabilimento che la multinazionale svizzero-svedese Abb ha a Dalmine, lì dove si producono sistemi di media tensione: interruttori, quadri, relè e altro. È un impianto faro: è una fabbrica avanzata che viene utilizzata come dimostratore tecnologico. In ambito Abb, Dalmine – oltre 800 dipendenti e oltre 300 milioni di euro di fatturato – ha sempre avuto un’importanza paradigmatica, perché qui si sono sviluppate nuove tecnologie prima utilizzate da altri impianti del gruppo e poi destinate al mercato.
Ma in cosa consiste questa metodologia? A Dalmine Abb ha implementato un sistema di Quality Gates lungo tutto il processo produttivo. Ciò ha comportato la riduzione ad un sesto delle anomalie. Tuttavia, ci si è resi conto che un certo numero di imperfezioni non è intercettato. Si è capito che è un problema semantico: le parole utilizzate per descrivere i difetti non sono quelle giuste. Si è dunque ripensato il sistema, basandolo sulla clusterizzazione: si tratta di mettere insieme tutti i difetti che hanno un’origine assimilabile. Trovare una causa comune. E fare un’analisi semantica relativa ai termini precisi da associare alle imperfezioni. Così il lavoro di apprendimento dell’AI risulta più semplice, e quello operativo diviene più preciso e meticoloso. Solo nutrendo l’AI con dataset di immagini e tag così definiti l’obiettivo già conseguito nell’automotive diventa raggiungibile.
Va detto che è un risultato non immediato. Una corretta analisi semantica richiede mesi, se non anni. La lotta alla difettosità è estesa ai fornitori, nel contesto di un progetto di integrazione digitale della filiera. Ne abbiamo parlato con il manager dei processi avanzati e delle tecnologie Abb Fabio Golinelli e con l’Hub manager distribution solutions, electrification business di Abb Massimiliano Callioni.
La guerra senza quartiere di Dalmine alla difettosità
Nell’elettronica, nella meccanica, per “rumore di fondo” si intende una perturbazione ineliminabile che limita la precisione degli strumenti di misura. È caratterizzata da una certa continuità e uniformità. Nell’analisi della qualità dei prodotti, invece, ci si riferisce al fatto che un certo grado di difettosità è insopprimibile, anche ricorrendo alle tecnologie più evolute di progettazione e fabbricazione. L’obiettivo, dunque, è quello di tenere l’asticella ad un livello il più basso possibile. Quello di Dalmine, per certi versi lo stabilimento più avanzato di Abb in Italia, è raggiungere i livelli superlativi tipici del mondo dell’automotive, dove si registra una difettosità inferiore a 200 parti su un milione. Dalmine è sulla buona strada. Callioni rende noto che sulla linea principale, dove è stato sviluppata una tecnologia all’avanguardia nella produzione e nel controllo di qualità, il grado di imperfezione è calato di sei volte. Ma, chiarisce Golinelli, gli standard dell’automotive non sono stati ancora raggiunti. Eppure da 12 anni sono stati implementati i concetti della produzione snella, con una declinazione della filosofia Kaizen – a seguito di una serie di visite negli stabilimenti giapponesi di Toyota, Daikin e altri importanti realtà industriali del Sol Levante – che qui ha assunto il nome di “Dalmine lean way”. Eppure il livello di automazione è altissimo, come vedremo. Eppure è stato introdotto, il MoM, come approfondiremo più avanti, un software che consente una interoperabilità quasi perfetta tra sistemi di processo, di produzione e aziendali, portando l’attività a nuovi livelli di eccellenza operativa. Eppure al controllo di qualità in Abb ci pensano robot e tutti i Quality Gates distribuiti lungo il processo. Verificano che tutti i componenti siano al loro posto – che siano quelli giusti e che siano stati montati ad arte. Svolgono attività di misurazione e allineamento. Sono veloci e intelligenti: non serve istruirli sulla posizione degli oggetti, secondo schemi meccanici e ripetitivi. Fanno fronte alle nuove sfide poste dai sistemi di produzione industriale: consentono di risparmiare tempo e di evitare scarti e sprechi. Dunque, che cosa manca?
Il fatto è che un certo numero (molto basso, per il vero) di difetti non sono ancora intercettati: di conseguenza, informazioni di valore non sono restituite alla produzione. Il problema è questo: i dati provenienti dai Quality Gates e dai robot sono analizzati dall’intelligenza artificiale. Questa è costituita da algoritmi, e cioè di elenchi finiti di istruzioni, che risolvono ciascuno un determinato problema attraverso un certo numero di passi elementari. I “problemi” che si considerano sono quasi sempre caratterizzati da dati di ingresso variabili, su cui l’algoritmo stesso opererà per giungere fino alla soluzione. Questi algoritmi sono sempre più complessi e vengono elaborati da computer e server sempre più potenti. Talvolta vengono costruiti per imitare alcuni singoli processi della mente umana, e da questo procedimento deriva il nome “intelligenza artificiale”. A Dalmine è operativa una delle tecniche di maggior successo dell’AI, il machine learning. È l’apprendimento automatico: il sistema impara dall’esperienza. Grazie a particolari algoritmi, è in grado di svolgere ragionamenti induttivi, elaborando regole generali definite associando l’input all’output corretto. Questi algoritmi vanno nutriti. Occorre una fase di addestramento, che in genere è supervisionato. È quando un “insegnante” fornisce all’algoritmo un dataset completo per l’allenamento. Immagini che si riferiscono ad una chiave inglese, ad esempio: grazie alla visione di tante illustrazioni relative all’attrezzo, e ai metadata che ne descrivono gli attributi, il sistema apprende che cosa sia quell’utensile particolare, quali siano le sue caratteristiche peculiari, a cosa serva, e in che modo vada utilizzato. Esiste poi un apprendimento non supervisionato. In questo caso, le informazioni inserite all’interno della macchina non sono codificate, sono input che il sistema classificherà ed organizzerà sulla base di caratteristiche comuni per cercare di effettuare ragionamenti e previsioni sugli input successivi. Infine, c’è un apprendimento per rinforzo: è quando al sistema viene dato un obiettivo da raggiungere; ma inizialmente non sa come fare perché non dispone di conoscenze, visto che non ha analizzato alcun dataset di esempi.
Limitandoci all’apprendimento supervisionato, il problema non è l’intelligenza artificiale ma, in un certo senso, siamo noi. Se l’AI non è in grado di fare del tutto il suo mestiere, è a causa della descrizione dei difetti fornita dagli umani. «È una questione semantica» – afferma Callioni. Quali parole utilizziamo per descrivere le imperfezioni? I tag che “apponiamo” le rappresentano veramente? Si è scoperto, a Dalmine, che non è sempre così. E si è data vita ad una nuova metodologia per superare la complicazione. «Clusterizzare, clusterizzare e clusterizzare» – afferma Golinelli. Bisogna cioè mettere insieme tutti i difetti che hanno un’origine assimilabile. Trovare una causa comune. E fare un’analisi semantica relativa ai termini precisi da associare alle imperfezioni. Così il lavoro di apprendimento dell’AI risulta più semplice, e quello operativo diviene più preciso. «In questo modo – afferma Golinelli – si potranno conseguire gli stessi risultati dell’automotive».
Il Mom è della partita
A Dalmine è stato introdotto il MoM, un software è un’evoluzione del più noto Mes, che serve per controllare la fabbrica e allineare la produzione. Con il primo, invece, grazie ad un sistema modulare, la sfera di azione si è estesa a 360 gradi: si possono pianificare le attività, tracciare componenti e prodotti, gestire la qualità e il magazzino. Insomma, da una postazione centralizzata, si può avere visibilità completa su tutti i processi e la facoltà di incidere real time sul loro andamento. Per dirla con Callioni, il MoM è il principale strumento di interfaccia bidirezionale uomo-macchina; «il passaggio dal Mes al MoM – spiega Callioni – è avvenuto gradualmente, aggiungendo di volta in volta funzionalità, come ad esempio quelle relative alla gestione degli Agv, i veicoli a guida automatica utilizzati per spostare materiali all’interno della fabbrica, ma anche quelle sulla gestione del magazzino o della maintenance delle apparecchiature».
Sul fronte della lotta alla difettosità, il MoM è della partita, perché è parte del sistema che segnala le deviazioni dalle specifiche di prodotto, o da quelle relative a processi, procedure o compliance. Inoltre, è operativo in termini di gestione dei materiali: l’identificazione e il checking di quelli utilizzati o prodotti. Il sistema è in grado di verificare talune proprietà dei materiali che rilevano soprattutto per la sicurezza: acidità, peso, pericolosità e altro; ed è capace di indicare quando i tool vanno sostituiti. E poi il MoM di Abb è di per sé studiato per implementare i principi della lean production: riduzione degli scarti, realizzazione di posti di lavoro ergonomici, minimizzazione dell’inventario, sostegno alla cultura del continuo miglioramento, progettazione per un rapido changeover, in modo da incontrare le richieste del consumatore finale. Tra l’altro, con il MoM Abb è possibile ottenere una riduzione del 50% della documentazione amministrativa cartacea circolante in azienda, un calo sempre del 50% delle deviazioni nella qualità dei prodotti e una diminuzione fino al 10% del materiale da magazzino.
La lotta alla difettosità è estesa ai fornitori
Un obiettivo strategico di grande rilievo per Abb è l’integrazione digitale della filiera, a monte e a valle, con sistemi di connettività, codici condivisi, paperless e certificazioni. «Gran parte delle lavorazioni sono svolte dai supplier – afferma Callioni – per cui questo processo è necessario: devono andare avanti con la digital transformation, in modo che il coordinamento con Abb sia sempre più stretto ed efficace». È stato definito un progetto in tre fasi, che richiederà anni per la completa implementazione: anzitutto, l’adozione del modello di produzione snella, che avviene con l’aiuto del personale di Abb e secondo i principi declinati nella già citata “Dalmine lean way”; in secondo luogo, il progetto quality che corrisponde ad un vero e proprio obbligo da parte dei fornitori: Abb dà preferenza ai fornitori che agiscono secondo principi di partenariato e che offrono prodotti e servizi che rispondono alle esigenze di qualità della multinazionale. Questa sostiene gli sforzi dei suoi fornitori in fatto di miglioramento della qualità e collabora con loro per ottimizzare l’intero processo. Procedure di selezione e valutazione adeguate assicurano che i principali fornitori rispettino tali principi. In terzo luogo, la trasformazione digitale vera e propria soprattutto in vista della tracciabilità dei prodotti e dei componenti e dell’automazione dei processi.
Il progetto ha preso avvio presso i principali fornitori, che si trovano in diversi Paesi del mondo, dalla Cina alla Bulgaria. Si legga, in proposito, questo articolo di Industria Italiana. Un team di Abb lavora per un mese e mezzo nei diversi siti per condividere gli standard qualitativi nonché i sistemi informativi di Dalmine, per realizzare il collegamento in tempo reale sui bisogni di approvvigionamento e sui tempi di consegna della componentistica. Per rendere possibile tutto ciò i tecnici informatici hanno già dotato di codice a barre (qrcode) l’80% degli articoli in ingresso, che sono ben 12mila, in modo da garantirne l’intera tracciabilità.
Nei rapporti tra la multinazionale e i fornitori si assiste peraltro a progetti pilota in tema di blockchain (sistema avanzato di crittografia che minimizza la possibilità di intromissioni e manomissioni; sul punto, si legga questo articolo di Industria Italiana). Ad esempio, per gestire in modo completamente automatizzato e trasparente la misurazione, la gestione e la fatturazione dell’elettricità autoprodotta dagli impianti solari, garantendo al tempo stesso la sicurezza dei dati e rivoluzionando il processo di fatturazione dei consumi elettrici. Secondo Golinelli, però, quanto a Dalmine e al suo mondo di supplier, «il processo è a lungo termine, e siamo ancora in fase embrionale. La blockchain è lo strumento ideale per la tracciabilità, e pertanto incide sulla qualità del prodotto finale. Ma comporta, nei rapporti con partner e fornitori, una totale condivisione dei dati e quindi un livello di fiducia molto ampio. Siamo indietro, ma ci stiamo lavorando».
