DAI DATI AL VALORE: LE OPPORTUNITÀ DA PRODOTTI CONNESSI E SERVIZI DIGITALI di F. Adrodegari, M. Zambetti, C. Barbieri, M. Rapaccini, N. Saccani

Dai DATI al VALORE:

le opportunità da prodotti connessi e servizi digitali

I ricercatori di ASAP Service Management Forum dell’Università di Brescia hanno sviluppato uno studio intitolato “From Data to Value” che ha viste coinvolte sette importanti aziende operanti in diversi settori, incentrato sul concetto di Data Driven Product Service Systems

di FEDERICO ADRODEGARI - Ricercatore Laboratorio RISE Università di Brescia, Coordinatore di ASAP SMF, MICHELA ZAMBETTI - Ricercatrice Laboratorio CELS Università degli studi di Bergamo, COSIMO BARBIERI - Ricercatore Laboratorio IBIS, Università degli Studi di Firenze, MARIO RAPACCINI Professore Laboratorio IBIS, Università degli Studi di Firenze, NICOLA SACCANI - Professore Laboratorio RISE, Università degli Studi di Brescia

La crescita esponenziale delle tecnologie digitali, sempre più mature ed alla portata di tutti, e delle annesse capacità di analisi dei (big) dati, stanno avendo un radicale impatto sulle aziende, anche quelle più tradizionali. Ad esempio, sono sempre più le aziende manifatturiere che, grazie l’utilizzo dei dati provenienti da prodotti e clienti connessi, stanno oggi ripensando le loro offerte, espandendo l’offerta di prodotti con nuovi e sempre più avanzati servizi, adottando una strategia di “digital servitization”. Si tratta di una trasformazione complessa che, attraverso l’utilizzo delle nuove tecnologie, può portare l’azienda non solo ad innovare l’offerta di servizi ma a ripensare il modello di business, a progettare nuove modalità di creazione del valore e ridisegnare quindi le relazioni con il cliente (Paschou et al., 2020). La possibilità di collegare prodotti, creare nuove architetture e piattaforme verso il cliente, consente alle aziende di disporre di informazioni su prodotti e clienti prima nemmeno immaginabili. Analizzare questi dati rappresenta quindi non solo un’opportunità ma, sempre più, una necessità per continuare a competere nel mutato contesto attraverso lo sviluppo di nuove offerte integrate di prodotti e servizi digitali. In particolare, proprio l’utilizzo di dati provenienti dai prodotti connessi (Smart Connected Product – SCP), opportunamente elaborati e trasformati in informazioni e conoscenza, che rappresenta oggi la leva principale per molte aziende manifatturiere che vogliono intraprendere un percorso di digital servitization. L’esplosione degli SCP sta quindi permettendo ad un numero sempre maggiore di azienda manifatturiere di affiancare alle tradizionali offerte di prodotto, offerte integrate di prodotto-servizi digitali in quelle che possono essere definite soluzioni DDPSS (Data Driven Product Service Systems). Coerentemente con i concetti sopra definiti, un DDPSS rappresenta quindi una “nuova offerta prodotto-servizio, composta da una parte “tangibile” di hardware (uno o più SCP) e da una parte “intangibile” di servizi abilitati proprio dai dati raccolti attraverso gli stessi prodotti connessi” (Zambetti, Adrodegari et al., 2020). Sebbene i vantaggi di queste nuove soluzioni appaiano evidenti per le aziende, definire e progettare il valore che i dati trasformati in soluzioni DDPSS possono avere per il cliente, è tutt’altro che semplice. Al fine di meglio investigare questo tema, i ricercatori di ASAP hanno

sviluppato uno studio intitolato “From Data to Value” che ha viste coinvolte 7 importanti aziende operanti in diversi settori. La ricerca, brevemente descritta in questo articolo, ha quindi voluto: • Identificare gli elementi in grado di descrivere e caratterizzare le soluzioni DDPPS; • Analizzare l’attuale livello di comprensione e maturità di queste nuove soluzioni nelle aziende manifatturiere. Come primo step, attraverso un’analisi della letteratura ed un’interazione continua con le aziende che hanno partecipato alla ricerca, è stato sviluppato un innovativo framework che caratterizza i DDPSS, sintetizzato in questa figura. Nel proseguo di questo articolo, si presenta per ciascuna dimensione una sua descrizione più dettagliata ed i risultati dell’applicazione del modello alle sette azienFigura 1. da manifatturiere che hanno preso Le dimensioni che caratterizzano il DDPSS (Fonte ASAP SMF). parte alla ricerca.

INTEGRAZIONE DEI DATI

La possibilità di raccogliere dati dai prodotti connessi, come detto, sta spingendo sempre di più verso l’integrazione di dati non solo relativi al prodotto stesso, ma anche relativi al contesto industriale del cliente. È quindi importante poter valutare quali tipologie di dati le aziende raccolgano, che sono state differenziate secondo le seguenti variabili: • Dati di prodotto, relativi allo stesso come stato di funzionamento, usura, ecc. • Dati operations: relativi al processo del cliente su cui opera il prodotto quali: efficienza, livello utilizzo, qualità del prodotto in uscita, OEEE,

MTTF ecc. • Dati gestionali: relativi al business del cliente come piani di produzione, master plan ricette, progetti di realizzazione, ecc. • Dati di contesto: relativi al contesto in cui opera il macchinario come lo storico delle manutenzioni o i dati ambientali. • Dati di prodotti simili e dati relativi al resto del sistema produttivo: ovvero provenienti da prodotti diversi o processi che sono collegati al processo produttivo entro cui il prodotto stesso dell’OEM è coinvolto.

Dati relativi al resto del sistema produttivo Dati di prodotto

Dati operations

Dati di altri prodotti simili

Figura 2. Dati di contesto Dati gestionali

Il campione in generale ha iniziative in corso, in fase avanzata, sia sulla raccolta dei dati relativi ai proprio prodotti –stato di salute, disponibilità pezzi di ricambio e consumabili, locazione guasti, ecc. – e alle operations – tempi operativi, esecuzione attività sul prodotto, assegnazione task operatori, ecc – utilizzati per il controllo ed il monitoraggio, mediante l’elaborazione di appositi KPI (per es. OEE) e per erogare servizi per la gestione e manutenzione di prodotto. Tale tipo di servizi, se combinati con dati gestionali e di contesto (temperature, condizioni meteo, peso materiale movimentato, ecc.), permette di ottimizzare al meglio gli interventi sul campo da parte degli operatori: si pensi ad una schedulazione dinamica degli interventi di campo che considerando le condizioni esterne (es. presenza o meno di pioggia), della disponibilità degli operatori (i.e. che da gestionale risultano avere le adeguate competenze) e del cliente permettono una migliore allocazione temporale dei task (es. intervento manutentivo su macchina di spostamento terra). Se per la maggior parte delle aziende del campione le iniziative per l’integrazione di questi dati sono in fase progettuale o parzialmente avviate, quelle per l’integrazione di dati di prodotti simili (i.e. dati di prodotti di modelli diversi e/o di altri brand ma simili) o provenienti dal resto del sistema produttivo del cliente (es. pompe ausiliare dell’impianto di raffreddamento dell’impianto cogenerativo installato) non sono state avviate oppure solo pensate ma non attuate. L’integrazione dei dati da diverse fonti consente così di poter elaborare informazioni più complete, ricche di attributi che consentono l’operatore o sistemi automatizzati intelligenti di correlare tra loro le diverse occorrenze e risalire alla radice dei problemi. Questo per l’OEM porta al grosso vantaggio di migliorare le prestazioni di prodotto sia in fase di progettazione e che di attività del prodotto, permettendo di agire preventivamente per garantire l’up-time e così garantire al cliente – in fase di definizione del contratto – soluzioni personalizzate e di pay-per-use, oltre a poter includere nuovi servizi nel proprio portfolio. Al cliente può essere fornito, attraverso per es.

un dedicato portale, ad dashboard completo di KPI che gli consente di controllare e monitorare il suo parco macchine, effettuando se necessario, analisi di benchmarking delle prestazioni.

CONDIVISIONE DEI DATI

Lo scambio di dati ha sempre rappresentato una possibilità per un alto livello di personalizzazione, configurazione e implementazione delle offerte. La partecipazione di terze parti può offrire opportunità per quanto riguarda l’accesso e la condivisione delle risorse, comprese le conoscenze e le capacità. Ecco secondo i ricercatori, le variabili da che caratterizzano questa dimensione. • Condivisione dato con il cliente: i dati sono accessibili e visibili da parte del cliente mediante piattaforme dedicate, interfacce macchina, mobile app ecc. • Condivisione dato con il Product-Service Provider: il produttore e/o fornitore di servizi hanno accesso ai dati del cliente. L’OEM può sfruttare i dati di molti dei suoi prodotti in diverse sedi dei clienti e, nel tempo, accrescere la conoscenza e competenza in merito al prodotto e sulle abitudini dei clienti. • Condivisione dato con altri attori del network: i dati sono condivisi con altri attori del network del produttore, come ad esempio filiali, fornitori, tecnici di manutenzione ecc. • Condivisione dato con service provider esterni: i dati sono condivisi con parti terze che solitamente non entrano nella filiera del produttore/ service provider. Questi attori possono supportare l’erogazione di servizi diversi o complementari.

Il dato è visibile al cliente

Il dato è visibile ad altri provider esterni Il dato è visibile al cliente ed al “produttore”

Figura 3. Il dato è visibile a diversi attori del network

Gran parte del campione ha strutturato delle piattaforme front-end di visualizzazione dati e informazioni per il cliente. Nonostante ciò, non sempre tutti i dati sono disponibili al cliente, infatti spesso esistono livelli di accesso al dato, che definiscono rispetto a politiche di visualizzazione per utenti o rispetto al contratto di vendita. Non tutti gli OEM hanno inoltre piena visibilità sui dati, soprattutto nel caso in cui i dati sono correlati alla sfera economica. Per quanto riguarda poi la condivisione dei dati con altri attori, si può notare come alcune aziende siano ben strutturate per la condivisione dei dati all’interno del proprio network, considerando ad esempio personale di manutenzione, nonostante ciò, in generale il campione rimane ancora ad un livello in cui il dato non è condiviso. Infine, le aperture verso provider esterni, al fine di abilitarli nell’ erogazione di servizi sui dati raccolti sono invece ancora poco diffuse. Considerando la dimensione di condivisione dati, la comprensione dei benefici dovuti al raggiungimento della maturità sulle diverse categorie è immediata. Avere visibilità sui dati all’interno del network permette ai provider di soluzioni di cambiare il proprio approccio verso il cliente da reattivo a proattivo, migliorare la programmazione e la gestione degli interventi (di manutenzione, fornitura, ecc.) ed efficientare il processo decisionale in termini di tempo e costi, oltre che a sostenere nuovi modelli di business (e.g. pay per use, pay per result). A ciò si deve aggiungere la possibilità di outsourcing delle attività tecniche e servizi complementari a service provider esterni, o la co-progettazione dei servizi con questi altri fornitori, possibilità che comportano anche benefici in termini di «effetti di rete» dovuti alla presenza di più attori nel network. Per quanto riguarda il cliente, chiaramente questo potrà beneficiare di tutto ciò che il provider riesce a sostenere e del know-how di prodotto e servizio che si traduce in analisi del dato più affidabili e analisi prescrittive. Oltre a ciò, potrà anche condividere il rischio annesso ad una decisione nel momento in cui si attivano nuovi modelli di business.

ELABORAZIONE DEL DATO

L’elaborazione del dato in informazioni e conoscenza è oggi l’elemento cruciale per sviluppare DDPSS. Tale attività può essere fatta con approcci diversi e può portare a differenti livelli di servizio offerto. A seconda di come l’OEM struttura il processo di analisi dati, si avrà un impatto diverso nella creazione della conoscenza e sul processo decisionale aziendale. Ecco le variabili più rilevanti che caratterizzano le soluzioni DDPSS: • Back-end strutturato: I dati sono elaborati da parte di un back-end appositamente strutturato ed organizzato: può essere costituito da una piattaforma software e/o un team di lavoro organizzato appositamente per le analisi dati. • Analisi manuali: I dati raccolti sono analizzati attraverso strumen-

ti tradizionali (come analisi manuali in Excel) ed il tecnico esperto, per mezzo del proprio know-how, ricopre un ruolo centrale ai fini dell’analisi ed interpretazione dei dati. • Analisi automatizzate: I dati raccolti sono analizzati in modo semi o totalmente automatizzato con soluzioni di Robotic Process

Automation (RPA) (mediante ad esempio algoritmi di Machine

Learning ma anche sistemi di elaborazione di informazione e dashboard), senza o con una minima interazione da parte di un tecnico specializzato.

Back end strutturato

Analisi automatizzate

Figura 4. Analisi manuali

Dall’analisi del campione emerge come le analisi manuali siano applicate in modo generalizzato: i fogli di calcolo (es. Excel) siano lo strumento di base più diffuso per elaborare i dati per via della loro semplicità di utilizzo e, soprattutto, della loro diffusione. Gli esperti di impianto e processo, a partire da estrazioni dedicate dalla piattaforma che utilizzano per la raccolta dati dal campo, sono così in grado in autonomia di effettuare le analisi di cui hanno bisogno per la risoluzione della maggior parte dei problemi del cliente. Rarissimi sono invece i casi di aziende che hanno avviato progetti per realizzare analisi in modo automatico, per mezzo di appropriati algoritmi rule-based o intelligenti (di machine learning), principalmente a causa della mancanza di un’adeguata base dati sia in termini di storico disponibile che per la loro scarsa qualità. Parte delle aziende del campione è comunque dotata (o si sta dotando) di un back-end strutturato: anziché lasciare l’elaborazione dati ed il supporto al cliente in mano al singolo operatore, l’OEM/ service provider mette a disposizione un intero team composto da persone con diverse esperienze e competenze (data scientist, ingegneri, tecnici, ecc.) che, dotati di opportuni tool, è in grado di supportare al meglio il cliente. Per l’OEM/ service provider, disporre di una buona capacità di elaborazione dei dati consente non solo di migliorare l’efficacia e l’efficienza del processo decisionale, ma permette anche di “scavare” all’interno dei dati a disposizione per estrarre informazioni e valore: profilare i clienti (analisi utilizzo dei prodotti, confronto con dati contestuali, ecc.), migliore programmazione e gestione degli interventi (di manutenzione, fornitura, ecc.) passando dall’agire non in modo reattivo ma proattivo e preventivo, automatizzare i processi operativi con conseguente risparmio di risorse. Il cliente può così beneficiare del know-how del service provider/ produttore, migliori capacità di risposta e intervento, accedere ad analisi customizzate.

INTEROPERABILITÀ DI SISTEMA

Questa dimensione fa riferimento alla capacità del sistema di scambiare informazioni e di utilizzarle con diverse finalità (qui evidenziate con le categorie), evitando la loro replicazione e abilitando l’integrazione di servizi e piattaforme diverse. Tre sono le variabili identificate dai ricercatori di ASAP per caratterizzare questa dimensione. • Interoperabilità transazionale: Il sistema è in grado di eseguire in automatico una «transazione» delle informazioni necessarie ad attivare un trigger su servizi e piattaforme esterne, garantendo efficienza e precisione nella trasmissione. Ad esempio, il sistema registra un’anomalia nel processo e attiva il trigger per l’organizzazione dell’intervento manutentivo da parte di una dedicata una piattaforma esterna. Lo stesso vale per la trasmissione di ordini o conferme anche verso sistemi informativi del cliente. • Interoperabilità informativa: Terzi parti (esterne o interne, come altri sistemi informativi, all’azienda) sono abilitate ad operare direttamente sul sistema per interrogare il database o parte di esso dando la possibilità di realizzare un’integrazione delle informazioni verso altri database esterni, ad esempio andando ad aggiornare in maniera automatica il gestionale aziendale. • Interoperabilità progettuale: Il sistema può essere integrato (per es. attraverso API) facilmente con altre applicazioni, così da consentire la progettazione e lo sviluppo di nuove soluzioni in grado di integrare le diverse categorie di dato (da quello di prodotto a quello gestionale ecc.).

Interoperabilità progettuale

Interoperabilità transazionale

Figura 5. Interoperabilità informativa

Dal grafico si può notare come solo poche delle soluzioni implementate dalle aziende partecipanti abilitano il passaggio di trigger verso altri sistemi, sia del cliente che esterni, generando dei “comandi” che fanno azionare altri processi, come ad esempio il riordino di spare parts o l’intervento di un tecnico di campo. L’ interoperabilità informativa è invece fortemente diffusa con i sistemi informativi del cliente, abilitando la possibilità di raccogliere dati gestionali e restituire dati utili per il cliente; più raramente invece questi flussi sono esportati verso altri partner. La collaborazione progettuale con altri attori del network non è invece facile per diverse ragioni, come ad esempio la fiducia e sicurezza nella condivisione dei dati e delle informazioni, soprattutto in quei contesti in cui i progetti richiedono mettere a comune know-how molto specifico che comprende anche diritti di copyright. I benefici legati all’interoperabilità del sistema sono vari, sia per i provider che per i clienti finali. Per quanto riguarda i provider l’interoperabilità consente di gestire flussi di informazioni provenienti da sistemi diversi, senza replicarli. Si accede anche alla possibilità di automatizzare processi operativi o dare inizio a determinate azioni. Nel caso di interoperabilità transazionale, uno dei benefici maggiori è la possibilità di non condividere del dato in sé, ma abilitare solo la comunicazione di informazioni o segnali. La possibilità di co-progettare le soluzioni insieme ad altri partner e ai clienti apre invece la possibilità di personalizzazione o di definizione di nuove soluzioni. L’interoperabilità abilita il cliente ad accedere ad informazioni e servizi con un’unica interfaccia, di collegare sistemi sviluppati in-house e automatizzare processi aziendali già presenti. Ancora una volta si presentano anche gli effetti di rete e la così detta “API economy”, fenomeni in cui presenza di più attori nel network porta potenziali benefici a tutti.

Il percorso verso lo sviluppo di soluzioni DDPSS è quindi articolato e complesso ma questo framework può rappresentare un utile strumento in grado di guidare lo sviluppo di queste nuove offerte e supportar i manager.

BIBLIOGRAFIA

• Paschou, T., Rapaccini, M., Adrodegari, F., & Saccani, N. (2020). Digital servitization in manufacturing: A systematic literature review and research agenda. Industrial Marketing

Management, 89, 278-292 • Zambetti M., Adrodegari F., Pezzotta G., Pinto R., Rapaccini M., Barbieri C. From Data to

Value: conceptualizing Data-Driven Product Service System (2021). Production Planning and Control. In press