Come può essere soddisfatto un ordine o una richiesta soggetti a una molteplicità di variabili? Quali i potenziali fornitori? Quale la disponibilità a magazzino? Quali i tempi di approvvigionamento? Sono tutte domande che possono trovare risposte in una supply chain di nuova generazione, ispirata a modelli digital twin, la rappresentazione virtuale e dinamica di un’intera catena di fornitura, dalla produzione alla consegna finale. «Simulare la previsione della domanda e delle interruzioni, pianificare e ottimizzare la produzione, la manutenzione, gestire dinamicamente l’inventario. Il digital twin diventa il fondamento per lo sviluppo di soluzioni per l’intera catena del valore di un prodotto o di un servizio. Supportato dall’intelligenza artificiale, predittiva e generativa, dà vita a processi adattativi e autonomi. Grazie all’analisi dei dati, all’apprendimento automatico e all’IA generativa le aziende possono prendere decisioni più informate e ottimizzare ogni fase del processo, dalla produzione alla consegna», afferma Giacomo Coppi, head digital supply chain and manufacturing di Sap Italia.
Supportare le aziende nell’essere agili e flessibili di fronte ai problemi che può avere una catena di fornitura, sia nei contesti locali che globali, gestire il cambiamento delle abitudini dei consumatori, sempre più orientati all’acquisto di prodotti sostenibili, promuovere una fornitura sostenibile e la distribuzione di prodotti in tutto il mondo. Sfide che si traducono nell’avere dati sempre più precisi per una visione di quello che succede in un preciso momento, con informazioni real time che possano aiutare a prendere decisioni. «La risposta – dice Coppi – sta in soluzioni di digitalizzazione con funzionalità IA integrate in tutte le applicazioni della supply chain, oggi potenziate da Joule, il copilota di AI generativa di Sap, per accedere alle informazioni più rilevanti, automatizzare compiti ripetitivi e ridurre i passaggi necessari per eseguire le più svariate attività, ottenere insight intelligenti on-demand, ricevere suggerimenti e analisi personalizzate in tempo reale per prendere decisioni informate». Ecco le riflessioni sulle opportunità che possono nascere da un modello di supply chain in versione digital twin supportato dall’intelligenza artificiale. L’obiettivo di Sap? Fornire alle aziende gli strumenti che consentano il passaggio da una digitalizzazione di base a una supply chain adattativa e autonoma.
Il percorso e i passaggi evolutivi per realizzare l’autonomous supply chain
Nel percorso di adozione delle tecnologie abilitanti il digital twin della supply chain Sap individua tre fondamentali passaggi evolutivi: digitalizzazione, per un migliore accesso ai dati, visibilità e controllo sull’intera supply chain; adattativo, grazie all’utilizzo dell’analisi predittiva, della simulazione per il processo decisionale, e di assistenti GenAi che offrono insight e raccomandazioni intelligenti; infine, l’ultimo passaggio, quello che proietta le aziende nell’autonomous supply chain, con miglioramenti tecnologici, procedurali e dati che spingono la filiera in uno scenario di autonomia. «Questa transizione avverrà gradualmente, ma in ultima analisi consentirà alle supply chain di operare autonomamente con un intervento umano minimo, e una conseguente ulteriore efficienza, adattabilità e reattività, dice Coppi. Il passaggio a una supply chain autonoma consentirà ai responsabili di concentrarsi sulle attività che generano valore reale e di dedicare tempo prezioso solo alle interruzioni più critiche e alla individuazione e gestione di nuove opportunità di business».
Il digital thread che permette la creazione del digital twin delle supply chain
Condividere i dati in logica cross-dipartimentale per avere insight più precisi. È il digital thread che realizza il digital twin della supply chain, un single source of truth dei dati disponibile per chiunque, ingegneria, amministrazione, produzione, superando così i limiti dei silos organizzativi. Il dato è uno e uguale per tutti. Un concetto che viene esteso a tutti i vertical di Sap per la supply chain.
«Il dato deve essere digitale, disponibile e affidabile. Un’unica fonte dati per gestire domanda e produzione fino alla singola macchina, spiega Coppi. Il passaggio adattivo è in gran parte avvenuto. Lo si è compiuto utilizzando le tecnologie del machine learning, disponibili sul mercato da 5-6 anni. Si realizzano soluzioni che si adattano alle esigenze di business, controllo qualità e manutenzione predittiva sono quelle che hanno avuto più presa sul mercato. Ora il passaggio a sistemi autonomi, che ai fondamenti dell’industria 4.0, sistemi iperconnessi e digitalizzati, integra l’IA generativa. Alcuni lo stanno già facendo altri stanno mettendo cambiando i modelli organizzativi per farlo. È la sfida dei prossimi anni», afferma Coppi.
Simulazione e digital twin, le opportunità che nascono dalla futuribile supply chain di Sap
Simulare il digital twin della supply chain rispetto a cambiamenti di scenario macroeconomici per ottenere dei dati di marketing strategico che possono migliorare le capacità di erogazione di prodotti e servizi sul mercato. Con la simulazione, la fabbrica è capace di adattarsi e dare una risposta alla domanda del mercato. «So che i clienti finali sono sensibili alla sostenibilità, ai colori, alla moda? Ebbene simulo questa domanda con le mie le mie capacità di fornire il prodotto più adatto. Dove sono gli stabilimenti, gli stock, i fornitori di materia prima? Ottengo risposte che una volta avrebbero richiesto mesi di studio, afferma Coppi. Con pochi click si riesce ad arrivare a un livello di approssimazione estremamente più alto rispetto al passato. Definire il budget di investimento per l’approntamento di un nuovo stabilimento o linea? Se prima mi accontentavo di un livello di approssimazione del 70% oggi si riesce o ad arrivare al 95%, ottenendo risposte in merito alla capacità di produzione su base mensile, settimanale o giornaliera», racconta Coppi.
Supply chain per una produzione personalizzata e allineata alla domanda di prodotti sostenibili
«Nel momento in cui si va a progettare e ingegnerizzare un prodotto ci si confronta con la necessità di avere una catena di fornitura e distribuzione affidabile, nell’essere in grado di misurare l’impatto conseguente l’introduzione sul mercato di un nuovo prodotto. Questo comporta la capacità di fare simulazioni che possano fornire informazioni sulla potenziale domanda, sul target del prezzo, sui materiali da utilizzare», dice Coppi.
Simulare il digital twin della supply chain rispetto a cambiamenti di scenario macroeconomici per ottenere dei dati di marketing strategico che possono migliorare le capacità di erogazione di prodotti e servizi sul mercato.
Insomma, le aziende danno oggi ai clienti la possibilità di scegliere, ma per produrre con un alto livello di personalizzazione occorre essere flessibili poiché le diverse configurazioni di prodotto implicano un cambio di fornitura. Significa prendere decisioni di investimento sin dalle fasi iniziali della progettazione, avere capacità di demand planning e schedulazione della produzione, pianificare le forniture in base a parametri di sostenibilità. Considerazioni, queste ultime, che riguardano il mondo manifatturiero in senso lato, e in particolar modo le aziende più energivore.
Integrated Business Planning, la suite software per avere una visione completa e integrata della supply chain
«Con soluzioni di pianificazione e scheduling della produzione, per le operation e il delivery siamo presenti in gran parte delle aziende del manifatturiero. Siamo focalizzati sull’integrazione tra Erp e lo shop floor, tra sistemi Mes e magazzino», dice Coppi. Soluzioni che si sono evolute nel tempo che ora convergono nell’Integrated Business Planning (Ibp), suite applicativa che interessa l’intero processo di pianificazione, dal demand planning al sales & operation planning, con possibilità di fare simulazioni sull’inventario e sulla pianificazione dei fornitori. Ibp, una soluzione software as a service fruibile dal public cloud, che ha l’obiettivo di allineare tutte le funzioni di un’azienda, dalla finanza alla produzione, passando per il marketing e la supply chain. Disponibile per clienti anche non Sap, in Italia le applicazioni si concentrano su tre ambiti: planning, predictive quality, e manutenzione supportata da assistenti virtuali. «I modelli di ottimizzazione, l’analisi predittiva basata sulle regole migliorano i piani di trasporto, la schedulazione della produzione, i piani di approvvigionamento e l’evasione dei pezzi di ricambio. Ciò consente di automatizzare efficacemente il processo decisionale quando si tratta di bilanciare i conflitti di interesse, come i livelli di servizio del cliente rispetto ai costi della supply chain», afferma Coppi.
Intelligenza artificiale, la via maestra per la fabbrica adattativa e autonoma
L’IA generativa diventa l’interfaccia alle applicazioni Sap, consente di lavorare in modo più semplice ed efficace attraverso domande poste in linguaggio naturale. Come racconta Coppi, «Siamo coinvolti in più progetti per istruire il copilot nelle applicazioni aziendali di nostri clienti che hanno hanno già maturato un’esperienza di machine learning per il controllo qualità e manutenzione predittiva». La partita è ancora però tutta da giocare. «Ci sono aziende a uno stadio di sviluppo evoluto altre che stanno alla finestra, in attesa di essere trainate dalla rivoluzione tecnologica», dice Coppi. La capacità predittiva, combinata con la potenza dell’IA generativa dà quindi luogo a una gestione più adattiva e autonoma, resiliente, perché consente di avere informazioni in real time e allo stesso tempo attivare azioni per porre rimedio ai problemi che si possono riscontrare. «L’IA generativa integrata nelle applicazioni della supply chain digitale e combinata con Joule, consente di condurre transazioni complesse in semplici conversazioni. Migliora la pianificazione della supply chain, l’assistenza nell’ideazione di nuovi prodotti, l’analisi dei problemi di produzione e di manutenzione», afferma Coppi.
Potenzialità ed esempi d’innovazione dell’IA generativa in ambiente Sap
Pianificazione della produzione – L’IA ottimizza i piani di produzione in base alla domanda prevista, minimizzando i tempi di fermo e massimizzando l’utilizzo delle risorse.
Gestione dell’inventario – L’IA monitora in tempo reale i livelli di inventario e avvia automaticamente gli ordini di rifornimento quando necessario, evitando carenze o eccedenze di prodotti
Previsione delle interruzioni – L’IA può prevedere potenziali interruzioni nella supply chain, come ritardi nelle spedizioni o problemi di qualità, e attivare misure correttive in anticipo.
Pianificazione della manutenzione – L’IA generativa integrata nella soluzione Sap S/4Hana Enterprise Asset Management supporta gli utenti nella valutazione delle richieste di manutenzione raccomandando task e i pezzi di ricambio corretti.
Controllo qualità – L’IA può essere utilizzata per monitorare la qualità dei prodotti durante l’intero processo produttivo e individuare eventuali difetti in modo tempestivo.
Tracciabilità – L’IA permette di tracciare ogni singolo prodotto lungo tutta la catena di fornitura, garantendo la trasparenza e la sicurezza dei prodotti.
Ottimizzazione delle decisioni lungo tutta la catena di fornitura – Con insight basati sull’intelligenza artificiale: le aziende possono sfruttare volumi più elevati di dati e integrare l’ispezione visiva guidata dall’intelligenza artificiale nei loro processi di produzione.
Semplificazione dello sviluppo dei prodotti – Gli sviluppatori di prodotti possono utilizzare il copilota Joule per raccogliere e valorizzare le idee per nuovi prodotti utilizzando query in linguaggio naturale. Joule aiuta anche a dare un tag al design dei prodotti con i dati aziendali, in modo da contestualizzare visivamente le informazioni critiche.
Rilevamento delle anomalie delle apparecchiature – Utilizzando l’intelligenza artificiale, gli operatori degli asset possono affrontare in modo proattivo i potenziali guasti sulla base dei dati dei sensori raccolti da dispositivi intelligenti e gateway edge.
