Nella prima fase del progetto si è realizzata una analisi di fattibilità e impatto attraverso la quale è stata indagata la possibilità di comprendere la variabilità della qualità finale del prodotto attraverso i dati disponibili e l’impatto dei parametri e delle variabili sulla qualità. Dopo questa prima fase, è stato possibile realizzare un modello che potesse stimare la qualità del processo sulla base dei dati raccolti per poi, nell’ultima fase di progetto, andare a trovare la miglior valorizzazione di parametri e variabili del processo di produzione per aumentarne la qualità.

“Abbiamo analizzato diversi anni di dati raccolti nell’ambito del processo di produzione” – continua Valeria Molero. “Le informazioni (circa 24 milioni di righe di dati) arrivavano sia da dati di input della produzione, come per esempio quantità di materie prime usate, condizioni iniziali dei processi di produzione e dati raccolti attraverso i sensori presenti nelle macchine, che dati di output riferiti alla resa per lotto di produzione, che quantifica per Sacco System la qualità del processo”. Attraverso l’analisi di queste informazioni è stato possibile individuare l’impatto delle diverse variabili sul processo, oltre che evidenziare alcune criticità nella qualità dei dati raccolti.

“Sono stati progettati e sperimentati 3 tipologie di modelli” – spiega Valeria Molero. “In pratica abbiamo sperimentato modelli statistici e di machine learning per identificare le dipendenze tra le variabili del processo produttivo e la sua resa finale”. Dei tre modelli è stato selezionato quello che ha dimostrato una migliore previsione di impatto per arrivare a selezionare l’insieme di variabili più significativo sulla resa finale rispetto alle oltre 400 variabili identificate. “Grazie all’analisi dei dati – spiega Molero – è stato possibile spiegare fino al 50% della variabilità del processo di produzione e suggerire azioni di miglioramento nella qualità del processo attraverso la riduzione della variabilità del processo su 15 delle 28 variabili individuate”.

I prossimi passi proposti da Cefriel all’interno del percorso che porterà Sacco System a diventare un’azienda data-driven prevedono la realizzazione di strumenti digitali per predire la qualità del processo produttivo, prima di passare alla produzione vera e propria. “Partiremo con una riduzione dimensionale di alcune variabili, per mettere a punto un modello in grado di suggerire come dosare le materie prime per ottimizzare la qualità. Questo è un primo passo di Sacco System verso una migliore sostenibilità del processo produttivo. Già questo primo passo ha portato a importanti benefici misurabili e identificare il 7% di variabili e parametri che hanno un maggior impatto sulla qualità e resa finale. Visto l’impatto, il progetto è stato considerato l’inizio di un percorso aziendale che ha permesso di apprendere cose interessanti e che per questo è stato utilizzato internamente nell’ambito di un percorso di formazione interno mirato a far crescere la cultura del dato.

“Il progetto con Cefriel – afferma Simone Passolunghi, Director of Corporate Operations di Sacco System – ci ha permesso di comprendere quanto sia importante la fase di raccolta dei dati e quanto debbano essere idonei e omogenei per poterli organizzare e studiare per garantire un miglioramento continuo del processo e un incremento costante della resa dei nostri prodotti. Il percorso iniziato con Cefriel ci permette di impostare un modello, validarlo, utilizzarlo e soprattutto verificarne l’efficacia in modalità predittiva. Siamo solo all’inizio di un viaggio ben più ampio e lungo nel tempo, ma il primo traguardo che abbiamo raggiunto è la consapevolezza dell’importanza del dato. L’attività svolta finora ci ha permesso di vedere la realtà aziendale con “lenti nuove e diverse”, per un processo in futuro più strutturato e soprattutto data driven”.