Nell’era della digital transformation, i processi strategici e operativi sono per lo più guidati dai dati, di conseguenza uno dei temi principali dell’approccio della Qualità 4.0 è proprio la data science. Il ruolo sempre più importante della raccolta e analisi dei dati all’interno delle organizzazioni è evidente nei nuovi trend e nelle nuove tecnologie in ambito di immagazzinamento dei dati, nei sistemi CRM, nelle strategie di business intelligence.
Nonostante tutto, il cambiamento verso lo smart manufacturing richiede alle aziende di porre una maggiore attenzione alla gestione dei dati e alla qualità degli stessi. Le tecnologie dell’Industria 4.0 possono essere utilizzate per trasformare macchinari già in uso in strumenti di raccolta dati, per ottimizzare le performance e i processi legati a sistemi pre-esistenti. Allo stesso tempo però, il rischio di accumulare errori o di dover far fronte anche ai più piccoli inconvenienti, potrebbe portare a inefficienza e alla perdita di introiti: questo è il motivo per cui è necessario sviluppare tecnologie affidabili, capaci di soddisfare requisiti normativi in materia di dati.
L’uso aziendale dei dati
Assicurarsi la qualità dei dati e la loro integrità in ambito manufacturing è una delle sfide più importanti nel settore, considerato che i sistemi informativi sono eterogenei e complessi. Se un’azienda decidesse di assumersi il rischio di basarsi sui dati per compiere scelte strategiche, dovrebbe anche definire i propri standard di qualità attraverso lo sviluppo di una metodologia interna per profilare i dati, misurarli e ripulirli con un monitoraggio continuo.
Secondo la ISO 25012, la qualità dei dati è specificata come “la capacità dei dati di soddisfare bisogni manifesti e latenti quando utilizzati in specifiche condizioni”. Da un lato è importante quindi avere in mente che i dati devono risultare utili agli obiettivi aziendali, e perciò nelle misurazioni bisognerebbe concentrarsi sulle dimensioni rilevanti alla massimizzazione del ROI (ritorno sugli investimenti). Questa scelta è principalmente legata a costi e tempistiche che servono per raggiungere il livello di qualità dei dati desiderato. Ma dall’altro lato, prendere in esame i dati nella loro interezza e interconnessione permette di avere un quadro completo che potrebbe portare a considerare nuove prospettive.
Misurare la qualità dei dati
Condurre una valutazione sulla qualità dei dati è sfidante: è necessario suddividere i dati in dimensioni e caratteristiche analizzabili, poiché ognuna di queste può registrare un aspetto specifico della qualità. Le misurazioni sono infatti il primo passo per diagnosticare incongruenze e aggiustarle.
Nell’ambito delle certificazioni industriali di qualità, attestare il livello di qualità di specifiche repository di dati può servire a rendersi affidabili agli occhi di clienti e stakeholder. Gli standard ISO/IEC 25012:2008 sono stati condivisi per fornire all’industria un modello di qualità generale per i dati raccolti in forma strutturata all’interno di sistemi computerizzati.
Integrare sistemi automatici di gestione dei controlli permette alle aziende di assicurare la qualità di processi e prodotti, evitando così il rischio di violare norme e regolamenti. L’approccio di Quality 4.0 diventa un vero e proprio vantaggio competitivo e fonda le basi per un cambiamento verso la Digital Manufacturing.
