AI ed ERP: automatizzare la gestione delle non conformità

Da una semplice descrizione, un’email o una fotografia alla classificazione del problema, alla tracciabilità dei prodotti coinvolti e alla proposta di azioni correttive: come l’intelligenza artificiale può migliorare la gestione della qualità aziendale.

Continuiamo la nostra serie dedicata all’utilizzo concreto dell’intelligenza artificiale nei sistemi ERP.

Dopo aver esplorato l’automazione degli ordini di vendita, del ricevimento merci e della registrazione delle fatture passive, affrontiamo un processo che coinvolge direttamente la qualità dei prodotti e l’efficienza dei processi produttivi: la gestione delle non conformità.

Anche in questo caso non parliamo di scenari futuri. Le funzionalità descritte in questa serie sono già disponibili in GERP, il nostro software ERP per la gestione aziendale.

L’obiettivo è utilizzare l’intelligenza artificiale per semplificare la raccolta delle segnalazioni, organizzare le informazioni, individuare i prodotti e i lotti coinvolti e assistere gli operatori nell’identificazione delle possibili cause e delle azioni da intraprendere.

Perché una non conformità non dovrebbe essere soltanto un problema da registrare e risolvere.

Dovrebbe diventare un’informazione utile per evitare che lo stesso problema si ripresenti.

Il problema delle segnalazioni non strutturate

Una non conformità può emergere in molti momenti della vita aziendale.

Un operatore individua un difetto durante la produzione.

Il controllo qualità rileva un materiale non conforme alle specifiche.

Un cliente invia un reclamo.

Un fornitore consegna un prodotto con caratteristiche differenti da quelle richieste.

In tutti questi casi, la prima segnalazione raramente arriva sotto forma di un documento perfettamente strutturato.

Può essere una semplice email:

Buongiorno, durante l’utilizzo dell’ultima fornitura abbiamo riscontrato problemi di adesione delle etichette. Il difetto sembra interessare soprattutto le bobine del lotto consegnato la settimana scorsa.

Oppure una nota scritta da un operatore:

Colore fuori tolleranza durante la seconda fase di stampa. Problema rilevato dopo il cambio bobina.

O ancora una fotografia che mostra un difetto evidente sul prodotto.

Queste informazioni sono comprensibili per una persona, ma non sono immediatamente utilizzabili da un sistema gestionale tradizionale.

Per registrare correttamente la non conformità, un operatore deve interpretare la segnalazione, individuare il prodotto, ricostruire il contesto, classificare il difetto e compilare i campi richiesti dall’ERP.

È proprio questo processo che l’intelligenza artificiale può semplificare.

Dalla segnalazione alla non conformità strutturata

GERP può utilizzare l’intelligenza artificiale per interpretare una segnalazione ricevuta in linguaggio naturale e trasformarla in una proposta di registrazione strutturata.

Il sistema può identificare informazioni come:

• tipologia della non conformità;


• prodotto o materiale coinvolto;


• cliente o fornitore interessato;


• lotto di produzione;


• ordine di vendita o di acquisto;


• fase produttiva nella quale è stato rilevato il problema;


• descrizione del difetto;


• quantità potenzialmente coinvolta;


• livello di gravità da verificare;


• eventuali azioni immediate già intraprese.

Non è necessario che tutte queste informazioni siano presenti nella segnalazione originale.

L’intelligenza artificiale può utilizzare il contesto disponibile nell’ERP per cercare le informazioni mancanti e proporre i collegamenti più probabili.

Naturalmente, quando non esistono elementi sufficienti per identificare con certezza un prodotto o un lotto, il sistema deve segnalarlo anziché inventare una corrispondenza.

Il risultato è una non conformità già organizzata, pronta per essere verificata e completata dall’operatore.

Una fotografia può diventare il punto di partenza

Uno degli aspetti più interessanti dell’intelligenza artificiale moderna è la capacità di interpretare anche le immagini.

In molti settori manifatturieri, una fotografia rappresenta il modo più semplice e immediato per documentare un difetto.

Pensiamo, ad esempio, alla produzione di etichette adesive.

Un operatore potrebbe fotografare un’etichetta che presenta un problema di stampa, una fustellatura non corretta oppure un difetto visibile nel materiale.

Un sistema AI dotato di capacità di analisi delle immagini può esaminare la fotografia e proporre una descrizione del problema.

Ad esempio:

Possibile disallineamento della stampa rispetto al profilo di fustellatura. Si suggerisce una verifica del registro di stampa e della fase di fustellatura.

La descrizione proposta può essere utilizzata per compilare la segnalazione e associarla a una categoria di difetto.

Questo non significa che una fotografia sia sufficiente per effettuare una diagnosi tecnica definitiva.

Alcuni difetti possono essere riconosciuti visivamente, mentre altri richiedono misurazioni, prove di laboratorio o verifiche sul processo.

L’AI deve quindi essere considerata uno strumento di supporto alla classificazione e alla documentazione, non un sostituto delle verifiche tecniche necessarie.

Collegare il problema a prodotti, lotti e fornitori

Una volta identificato il problema, il passaggio successivo consiste nel comprendere quali prodotti e processi siano coinvolti.

Ed è qui che l’integrazione tra intelligenza artificiale ed ERP diventa particolarmente importante.

Una segnalazione isolata contiene informazioni limitate.

Un ERP, invece, può conoscere lo storico degli ordini, i materiali utilizzati, i lotti di produzione, i fornitori, le lavorazioni effettuate e le spedizioni.

GERP può utilizzare queste informazioni per aiutare l’operatore a ricostruire il contesto della non conformità.

Supponiamo che un cliente segnali un problema di adesione su alcune etichette.

Attraverso i dati di tracciabilità presenti nel gestionale è possibile risalire all’ordine di vendita, alla commessa di produzione, ai materiali utilizzati e ai relativi lotti.

Il sistema può quindi aiutare a rispondere a domande importanti:

Quale lotto di materiale è stato utilizzato?

Lo stesso materiale è stato impiegato in altre produzioni?

Altri clienti hanno ricevuto prodotti realizzati con quel lotto?

Esistono segnalazioni precedenti relative allo stesso materiale o fornitore?

La non conformità non rimane più un episodio isolato.

Diventa parte della storia produttiva dell’azienda.

Riconoscere problemi ricorrenti

Un altro ambito nel quale l’intelligenza artificiale può offrire un contributo significativo è l’analisi dello storico delle non conformità.

Spesso le aziende registrano numerose segnalazioni nel corso dell’anno, ma le informazioni rimangono distribuite tra descrizioni testuali, allegati e classificazioni non sempre omogenee.

Due operatori potrebbero descrivere lo stesso problema in modi differenti.

Uno potrebbe scrivere:

Difetto di adesione del materiale.

Un altro:

Le etichette si staccano dopo l’applicazione.

Un terzo:

Colla insufficiente sul supporto.

Le descrizioni sono differenti, ma potrebbero riferirsi alla stessa categoria di problema.

L’intelligenza artificiale può riconoscere somiglianze semantiche tra le segnalazioni e aiutare a individuare possibili ricorrenze.

Ad esempio, potrebbe evidenziare che negli ultimi tre mesi sono state registrate diverse non conformità relative all’adesione di un determinato materiale.

Oppure che una particolare tipologia di difetto compare più frequentemente nelle produzioni che utilizzano uno specifico lotto.

Queste correlazioni non dimostrano automaticamente un rapporto di causa ed effetto.

Rappresentano però informazioni preziose per orientare le verifiche e le analisi del reparto qualità.

Dalla descrizione del problema alla proposta di azioni

La registrazione di una non conformità è soltanto il primo passo.

Il processo deve normalmente proseguire con la valutazione del problema, l’eventuale contenimento, l’analisi delle cause e la definizione delle azioni correttive.

Anche in queste fasi l’intelligenza artificiale può assistere l’operatore.

Sulla base della tipologia di difetto, delle informazioni disponibili e dello storico aziendale, GERP può proporre possibili attività.

Per esempio, in presenza di una segnalazione relativa a un difetto di stampa, il sistema potrebbe suggerire:

• verificare i parametri della macchina utilizzata;


• controllare i materiali impiegati nella produzione;


• confrontare i risultati con precedenti commesse dello stesso prodotto;


• verificare eventuali non conformità analoghe;


• valutare il controllo dei prodotti ancora presenti in magazzino;


• individuare eventuali altri lotti potenzialmente coinvolti.

Si tratta di suggerimenti che devono essere valutati dal personale competente.

L’AI può proporre una strada da seguire, ma la determinazione delle cause e l’approvazione delle azioni correttive rimangono responsabilità delle persone incaricate della qualità.

Un esempio concreto: un difetto su una bobina di etichette

Immaginiamo che durante il controllo di una commessa un operatore individui un problema di registro di stampa.

Nel processo tradizionale deve aprire il gestionale, individuare la commessa, compilare la descrizione del problema, selezionare la categoria, associare i prodotti coinvolti e inserire eventuali allegati.

Con un processo assistito dall’AI, l’operatore può partire da una fotografia e da una breve descrizione:

Registro fuori tolleranza sulla bobina 3 della commessa 1258.

GERP può utilizzare la segnalazione per preparare una proposta di non conformità.

Il sistema può identificare la commessa, recuperare le informazioni disponibili sulla produzione, proporre una classificazione del difetto e collegare la fotografia.

Può inoltre ricercare eventuali segnalazioni precedenti con caratteristiche simili e suggerire le verifiche da effettuare.

L’operatore controlla le informazioni, integra ciò che manca e conferma la registrazione.

Il vantaggio non è soltanto il tempo risparmiato.

È anche la possibilità di ottenere segnalazioni più complete, omogenee e facilmente analizzabili nel tempo.

Le criticità da considerare

La gestione delle non conformità richiede particolare attenzione perché può coinvolgere la sicurezza, la qualità dei prodotti, la soddisfazione dei clienti e la conformità ai requisiti normativi.

L’intelligenza artificiale può interpretare erroneamente una descrizione, classificare un difetto nella categoria sbagliata oppure proporre collegamenti non corretti tra prodotti e lotti.

Anche l’analisi delle immagini presenta limiti importanti: illuminazione, qualità della fotografia, angolazione e caratteristiche del materiale possono influenzare il risultato.

Per questo motivo è fondamentale distinguere tra informazioni effettivamente rilevate, ipotesi formulate dall’AI e decisioni confermate dall’operatore.

Un altro rischio consiste nell’attribuire troppo rapidamente una causa a un problema.

Il fatto che diverse non conformità coinvolgano lo stesso fornitore non significa necessariamente che il fornitore sia responsabile del difetto.

Allo stesso modo, la presenza di una correlazione tra una macchina e una determinata anomalia non dimostra automaticamente che la macchina ne sia la causa.

Le ipotesi suggerite dall’AI devono quindi essere sottoposte a verifica attraverso le procedure aziendali di analisi delle cause.

Particolare attenzione deve essere riservata anche alla gestione delle non conformità critiche.

Quando esiste un potenziale rischio per la sicurezza o per la conformità del prodotto, eventuali blocchi dei lotti, segregazioni dei materiali o altre misure di contenimento devono seguire procedure definite e non dipendere esclusivamente da una valutazione probabilistica dell’intelligenza artificiale.

Infine, il sistema deve garantire la tracciabilità delle informazioni e delle decisioni: chi ha registrato la segnalazione, quali dati sono stati utilizzati, quali azioni sono state proposte e quali sono state effettivamente approvate.

Quanto tempo può far risparmiare l’AI nella gestione delle non conformità?

Proviamo a quantificare il beneficio attraverso una simulazione.

Supponiamo che la registrazione iniziale di una non conformità richieda mediamente 12 minuti.

Questo tempo comprende la lettura della segnalazione, l’individuazione del prodotto o della commessa, la classificazione del difetto, il collegamento ai documenti e la compilazione dei campi richiesti.

Con un processo assistito dall’intelligenza artificiale possiamo ipotizzare che l’operatore impieghi mediamente 4 minuti per verificare e completare una proposta già predisposta dal sistema.

Il risparmio potenziale è quindi di 8 minuti per non conformità, pari a circa il 67% del tempo dedicato alla registrazione iniziale.

Considerando 220 giornate lavorative all’anno:

Non conformità al giorno	Tempo manuale giornaliero	Tempo con AI	Ore risparmiate all’anno
5	60 minuti	20 minuti	147 ore
10	120 minuti	40 minuti	293 ore
20	240 minuti	80 minuti	587 ore

 

Per un’azienda che gestisce mediamente 10 non conformità al giorno, il risparmio potenziale raggiunge quindi circa 293 ore all’anno.

Si tratta naturalmente di valori indicativi, riferiti esclusivamente alla fase di registrazione e classificazione iniziale.

Non comprendono il tempo necessario per le verifiche tecniche, le analisi delle cause, le azioni correttive e la valutazione della loro efficacia.

Il beneficio reale dipende dalla complessità delle segnalazioni, dalla qualità dei dati presenti nell’ERP e dal livello di automazione raggiungibile.

Ma esiste un vantaggio che può essere ancora più importante del tempo risparmiato: rendere più semplice registrare correttamente ogni problema.

Quando la compilazione di una segnalazione richiede troppo tempo, il rischio è che alcune anomalie minori vengano documentate in maniera incompleta o non vengano registrate affatto.

Semplificare il processo può favorire una raccolta più sistematica delle informazioni e contribuire a migliorare nel tempo la capacità dell’azienda di individuare problemi ricorrenti.

Dalla registrazione delle non conformità al miglioramento continuo

Nel processo tradizionale:

Si verifica un problema → un operatore raccoglie le informazioni → cerca i riferimenti → classifica il difetto → registra la non conformità → avvia le verifiche.

Con un ERP integrato con l’intelligenza artificiale:

Arriva una segnalazione → GERP la interpreta → identifica prodotti e lotti → propone una classificazione → ricerca problemi analoghi → suggerisce possibili azioni → l’operatore verifica e conferma.

È lo stesso principio che abbiamo incontrato negli altri articoli della serie: utilizzare l’intelligenza artificiale per ridurre le attività ripetitive e concentrare il lavoro delle persone sulle decisioni che richiedono competenza.

Nel caso delle non conformità, però, emerge un ulteriore vantaggio.

Le informazioni raccolte non servono soltanto a risolvere il singolo problema.

Possono diventare una base di conoscenza aziendale.

Ogni segnalazione correttamente registrata contribuisce a costruire uno storico che può essere analizzato per individuare ricorrenze, criticità e opportunità di miglioramento.

Un ERP che aiuta a imparare dagli errori

La qualità non consiste semplicemente nel rilevare i difetti.

Consiste soprattutto nel comprendere perché si verificano e nel creare le condizioni affinché non si ripetano.

L’intelligenza artificiale può contribuire a questo obiettivo rendendo più semplice la raccolta delle informazioni e più accessibile la conoscenza accumulata dall’azienda.

Con GERP, la gestione delle non conformità può quindi evolvere da un processo prevalentemente documentale a uno strumento di supporto al miglioramento continuo.

Un sistema che non si limita a conservare la descrizione di un problema, ma aiuta a collegarlo ai prodotti, ai materiali, ai fornitori e ai processi coinvolti.

Un sistema che permette di recuperare esperienze precedenti e utilizzarle per affrontare situazioni nuove.

Perché il vero valore dell’intelligenza artificiale non è soltanto aiutare le persone a lavorare più velocemente, ma permettere all’azienda di utilizzare meglio le conoscenze che già possiede.

Meno tempo per registrare problemi. Più tempo per comprenderli, risolverli e prevenirli.