L’industria manifatturiera contribuisce per circa il 16% al PIL mondiale ed è uno dei settori che ha subito un primo colpo. Al termine del secondo trimestre, il settore sta tornando al 75% dei livelli di produzione dell’anno precedente. Mentre petrolio e gas, abbigliamento e automobili sono ancora in ripresa, c’è un impatto positivo sul settore farmaceutico, delle attrezzature mediche e del ciclo.
La digitalizzazione con la trasformazione dell’Industria 4.0 era su un percorso accelerato in tutto il settore, ma dopo la pandemia è previsto un cambiamento nell’approccio e una possibile accelerazione nell’adozione. L’industria 4.0 ha quattro aree chiave:
Connettività : creazione della connessione IIoT con macchine e software abilitato con cloud
Interazione uomo-macchina , uso di VR, AR e robotica per l’automazione
Ingegneria avanzata : utilizzo della produzione additiva e metodi avanzati di pianificazione del progetto
Analytics & Intelligence: decisioni aziendali e operative più intelligenti rese possibili da dati e algoritmi
L’industria manifatturiera sta ora esaminando soluzioni digitali per aiutarli con le sfide legate a:
Modifica delle preferenze dei clienti e necessità di prodotti più recenti
Gestione dei colli di bottiglia della supply chain
Pianificazione e gestione efficiente della forza lavoro
Responsive previsioni finanziarie e di gestione della liquidità
Visibilità in tempo reale sulla produzione e sulla catena di fornitura
Negoziazione efficace con i fornitori e mitigazione del rischio
“Siamo sollevati per la ripresa. Esiste un cauto ottimismo sulla proiezione futura che dipende da come si muove il sentiment dei clienti. Ci sono un lato positivo del vaccino e un lato negativo della seconda ondata “
- CMO di Top Auto OEM
Sebbene la tecnologia fondamentale sia prontamente disponibile, con limitazioni di viaggio e rinvii in conto capitale, alcuni progetti ne risentono e i leader aziendali stanno cercando iniziative che possano fornire loro il ROI in meno di un anno ; ed è qui che Analytics e AI possono aiutare.
Questo articolo parlerà dei principali casi d’uso oltre l’IIoT che possono aiutare le aziende a ottenere rendimenti dai loro investimenti in meno di un anno.
Le 5 migliori applicazioni di analisi nella produzione:
Soluzioni di analisi implementate in modo efficiente possono aiutare le industrie non solo ad attutire l’impatto negativo, ma anche a manifestare un’inversione di tendenza migliorando i dati finanziari.
“Sfide relative al cambiamento e al ri-cambiamento della domanda, interruzioni nell’approvvigionamento, sfide operative nella gestione della forza lavoro e infine distribuzione ai consumatori”.
L’analisi ha il potenziale per collegare tutti i punti e dimostrare di essere una benedizione latente. Le aziende possono implementare soluzioni di analisi; non solo limitato all’officina ma all’intera catena del valore.
Alcune delle aree chiave in cui l’analisi può aiutare e agire come abilitatore sono:
Previsione della domanda e delle vendite
I metodi tradizionali di previsione della domanda sono stati concepiti per essere processi storici e guidati dall’intuizione intesi ad aiutare la pianificazione della produzione. Ma l’attuale situazione di rapido cambiamento della domanda e incapacità di prevedere o reagire al cambiamento delle preferenze dei consumatori ha influito sulla pianificazione della produzione e ha portato i modelli e i prodotti richiesti ad esaurirsi.
Nuovi segmenti di prodotto che sono emersi con nuove esigenze dei clienti (es. Apparecchiature mediche, disinfettanti)
In molte aree, mentre i volumi di vendita complessivi stanno raggiungendo l’80%, i consumatori sono passati ad alternative economiche (ad es. Veicoli, vestiti).
La domanda è emersa da nuovi segmenti geografici
Con l’uso dei dati raccolti dal processo decisionale dei clienti, dall’intenzione all’acquisto da fonti brick-and-click e l’uso di modelli di previsione della forte domanda , è possibile migliorare l’ accuratezza della previsione delle vendite e della domanda e osservare i cambiamenti nei modelli e quantificato. Ciò richiede un forte grafico del cliente unendo i segnali di dati da fonti online e offline e utilizzandoli per la previsione. Inoltre, la frequenza di esecuzione di questi modelli può essere facilmente aggiornata con l’aggiornamento quotidiano, dando maggiore visibilità alle tendenze aziendali complesse.
L’obiettivo principale del team di approvvigionamento nella produzione è solitamente quello di ottimizzare la spesa esterna con i fornitori – comunemente dal 40 al 70 percento del costo totale di un’azienda – (varia a seconda del settore) e realizzare una fonte di vantaggio competitivo in termini di costi, qualità, disponibilità e (sempre più ) sostenibilità.
Spend Analytics può aiutare a ottimizzare il ciclo di approvvigionamento ; anche scavare in ogni dollaro speso può aiutare nella gestione dei fornitori, nell’approvvigionamento strategico globale di materiali da siti con minori restrizioni operative e nella gestione delle merci che in cambio aiuterà a raggiungere gli obiettivi aziendali di riduzione dei costi, gestione efficace del rischio e miglioramenti del flusso di cassa.
“Il compito immediato per l’analisi della spesa nella pandemia è fornire trasparenza e informazioni su dove viene speso il denaro e quindi identificare le strade per il risparmio”
Ciò inizia con l’acquisizione di visibilità sulla spesa esterna, rendendo più facile per l’organizzazione riconoscere le opportunità di ridurre la spesa nei mercati di fornitura (anche in più categorie e sottocategorie), fornitori, sedi, nonché volumi e prezzi.
Sfide chiave affrontate dai team di approvvigionamento in cui Spend Analytics può aiutare:
Riduci le interruzioni della catena di fornitura dovute a problemi logistici e al rischio di business dei fornitori
Catena di fornitura reattiva con modelli di domanda in evoluzione
Ridurre al minimo l’impatto sui prezzi a causa delle tensioni nei prezzi delle materie prime influenzate dalle fluttuazioni del prezzo della valuta e del petrolio
Per eseguire Spend Analytics, i dati sono disponibili principalmente nei sistemi ERP dell’azienda e, organizzandoli meglio durante il ciclo di vita dell’acquisto, i leader aziendali e di reparto possono prendere decisioni basate sui dati.
“L’analisi della spesa è uno dei principali casi d’uso per qualsiasi azienda manifatturiera e coloro che l’hanno adottata hanno registrato un risparmio dell’1-2% sugli acquisti, con un forte impatto sui profitti.”
Inventario e logistica
FISSALO
L’importanza della gestione delle scorte e della logistica per il settore manifatturiero non può essere sottolineata abbastanza. Una valutazione accurata dell’inventario e un quadro logistico efficiente possono fare la differenza tra profitti e perdite poiché influiscono su costi, efficienza, utilizzo e qualità. Con il cambiamento dell’ecosistema produttivo, i dirigenti si preoccupano di:
Valutazione in merito a fornitori, prodotti e siti a rischio : è probabile che venditori e fornitori abbiano difficoltà sul fronte operativo e finanziario
Effetto Bullwhip: previsione della domanda inefficiente a causa delle fluttuazioni della domanda che amplificano le inefficienze della catena di approvvigionamento
Consapevolezza in tempo reale sulla catena di fornitura, in particolare per materiali e componenti critici a causa degli anelli deboli relativi alle regioni interessate da COVID
” Si stima che la proiezione per il 2021 delle dimensioni del mercato logistico globale scenderà di oltre il 10-15% rispetto alla stima pre-COVID-19″.
L’ottimizzazione dell’inventario aiuta nella visibilità del valore e della quantità di inventario in base al tipo di stock nell’impianto e alle sue tendenze. La soluzione identifica e classifica l’inventario in base al valore che è inventario lento, fermo e morto che in cambio aiuterà a ridurre i problemi di costi e flusso di cassa. La visibilità della catena di fornitura in tempo reale può aiutare nella tracciabilità dei prodotti e dei macchinari. Questo aiuta ad analizzare i prezzi e le modifiche ai tempi di consegna aiutano anche a valutare l’attuale partnership con i fornitori.
L’intelligenza artificiale nelle imprese sta chiaramente attraversando un flusso, ma il futuro sembra più luminoso
Mentre i dati di inventario richiedono la tracciabilità della materia prima, dei lavori in corso e dei prodotti finiti; questo funge da fonte di dati insieme ai dati di telemetria da macchine e veicoli di trasporto per creare soluzioni di analisi su di esso.
Progetto finanziario
Per tutte le organizzazioni di tutti i settori, il mantenimento della salute finanziaria è la massima priorità in quanto garantisce un ragionevole equilibrio tra i flussi di cassa, aiuta nella sopravvivenza a lungo termine e riduce l’impatto delle incertezze. L’attuale evento Black Swan ha allertato CFO e team finanziari di tutti i settori. Il settore manifatturiero che sta subendo il maggior impatto delle turbolenze è alla ricerca di modi efficienti per pianificare e controllare le proprie finanze che affrontino:
Pianificazione della liquidità : tenere conto della domanda dei clienti, dell’offerta dei fornitori e dei colli di bottiglia operativi
Pianificazione dello scenario : creazione di previsioni reattive, ottimistiche, pessimistiche e attuali e casi di budget per la valutazione
Budget basato su zero : aiuta a esaminare le spese in modo più dettagliato e gestirle in modo efficace tenendo presenti strategie di alto livello
L’analisi avanzata nella pianificazione finanziaria può aiutare ad affrontare le mutevoli esigenze di budget comprendendo la sensibilità dei vari driver interni o esterni che stanno influenzando il piano aziendale. Il controllo e il monitoraggio continui automatizzati possono aiutare a creare un ambiente di controllo più basato sul rischio e aumentare il valore attraverso controlli finanziari e operativi migliorati.
L’analisi dei flussi di cassa che sfrutta la modellazione statistica può aiutare nell’analisi in tempo reale dei fattori che contribuiscono alla valutazione della stabilità finanziaria e può aiutare a visualizzare i KPI per monitorare la crescita / decrescita dell’organizzazione.
Mentre la produzione si sta muovendo verso un grado più elevato di automazione, la necessità di forti talenti in officina e all’ultimo piano con competenze digitali adeguate per gestire processi e macchinari complessi è in aumento sia nei lavori dei colletti bianchi che in quelli dei colletti blu.
Principali sfide affrontate dalle organizzazioni in questo periodo in cui Analytics può aiutare:
Gestione del rischio per la salute della forza lavoro mediante tracciamento efficace dei contatti
Forza lavoro efficace in ogni turno che soddisfa la domanda e la disponibilità
Utilizzo efficace delle risorse sia nella forza lavoro diretta che indiretta che soddisfa la domanda
Reskilling in competenze digitali e analitiche per migliorare la risoluzione dei problemi e fornire visibilità in tempo reale sulle operazioni
I dati sulla forza lavoro disponibili nei sistemi HR ed ERP integrati con i sistemi potenziati di tracciamento dei contatti possono consentire solide soluzioni di People Analytics.
In chiusura …
Con la pandemia, le industrie di tutti i settori stanno attraversando un cambiamento, concentrandosi sull’adozione di nuove tecnologie e soluzioni per posizionarsi meglio rispetto ai concorrenti e ci sarà un tasso di adozione più rapido dei flussi di lavoro della tecnologia Industry 4.0, in particolare AI e Analytics su tutta la linea. .
“IDC prevede che entro il 2025 ci saranno 55,9 miliardi di dispositivi connessi in tutto il mondo, il 75% dei quali sarà connesso a una piattaforma IoT. IDC stima che i dati generati dai dispositivi IoT connessi saranno 79,4 ZB entro il 2025 “
Con l’adozione dell’Industrial Internet of Things , ci saranno zettabyte di dati generati in tutta l’azienda dai sistemi tradizionali e IoT. Con la nuova normalità, ci si aspetta che i leader aziendali adottino un approccio basato sull’impatto aziendale per esaminare ogni caso aziendale con un ROI chiaro e un approccio equilibrato per sbloccare il valore aziendale.
Nel prossimo articolo parleremo di come i casi d’uso di IIoT Analytics possono portare trasformazioni nel settore.
