GN Techonomy, sul numero di Gennaio/Febbraio 2020 di Gartner Executive.IT, sottolinea come l’Artificial Intelligence mette ordine nel caos facendo emergere le dinamiche che governano processi e contesto aziendali
“Without data, you’re just another person with an opinion”, affermò W. Deming negli anni ’80. In realtà, nel mondo di oggi, i dati sono tutt’altro che carenti: la vera sfida sta nel capire come gestirli ed utilizzarli in maniera ottimale; fino ad allora il loro potenziale rimarrà inespresso, rappresentando quindi solamente un costo. Il “petrolio del nuovo millennio” acquisisce del valore solo nel momento in cui si è in grado di analizzarlo, formulandovi ipotesi ed operandovi concretamente: che si cerchi di conoscere meglio la propria clientela, migliorare il proprio processo produttivo o effettuare una scelta di business, le soluzioni di GN Techonomy sono in grado di supportare le aziende nel loro percorso di trasformazione digitale, attraverso un approccio data-driven, strutturato e
consapevole. Entrano così in gioco le tecniche di Artificial Intelligence – disciplina al confine tra matematica ed informatica – che consentono di trasferire nel software tratti umani quali intelligenza ed intuizione per lo svolgimento di funzioni di livello cognitivo superiore e ad alto valore aggiunto.
“GN Techonomy affronta attivamente i temi di Artificial Intelligence e data exploration ai fini della trasformazione digitale applicando al contesto aziendale le più moderne tecniche di Machine Learning, analisi di serie temporali e statistica previsionale, strumenti che consentono di scoprire e far fruttare il vero potenziale dei dati. La sfida a cui GN Techonomy ha risposto è quella di riuscire a trovare un ordine nel caos dei dati destrutturati ed ormai dispersi negli ERP o dimenticati in documenti mai condivisi, rimettendo nelle mani del cliente il valore dei suoi dati. Gli strumenti di Big Data ed Artificial Intelligence permettono infatti di organizzare il dato e carpire le complesse dinamiche che governano processi e contesto aziendali. I modelli statistici così sintetizzati si prestano ad essere interrogati in tempo reale per ottenere risposte a quesiti strategici”, spiega Roberto Gazia, Solution Architect for IoT and AI di GN Techonomy.
GN Demand Forecasting
Chi non vorrebbe riuscire a prevedere un incremento delle vendite e dotarsi di sufficienti scorte per tempo? Come valutare le potenzialità di un possibile distributore? Oppure, come ridurre i costi di Quality Assurance ed i difetti di produzione? Infine, chi non si è mai chiesto quali parametri influenzino la qualità del proprio prodotto, o fino a che punto è possibile ridurne i costi di produzione senza inficiarne la qualità? Il know-how maturato sul campo da GN Techonomy ha portato alla creazione di una serie di soluzioni in risposta a domande come queste, legate a problematiche che gran parte delle realtà si trovano a dover affrontare.
In questo contesto si inseriscono le soluzioni GN Techonomy legate alla statistica previsionale sui dati di vendita, finalizzate a generare previsioni sia nel breve che nel lungo periodo. La disponibilità di queste informazioni consente alle aziende di pianificare in anticipo la propria strategia di acquisto di fattori produttivi, in modo da soddisfare la domanda ed evitare al tempo stesso inutili costi di gestione legati alle giacenze di magazzino. Il risultato è un sistema previsionale facilmente integrabile, flessibile, applicabile a una varietà eterogenea di realtà che garantisce ottimi risultati.
GN Quality Assurance
Un’applicazione delle tecniche di Machine Learning è legata all’analisi di immagini per il riconoscimento e la classificazione di oggetti. A tal proposito GN Techonomy ha realizzato sistemi di Intelligenza Artificiale specializzati nell’individuare eventuali difetti di fabbricazione con maggiore anticipo nella catena produttiva. “Tale approccio unisce avanzate tecniche di Computer Vision, per analisi e pre-processing delle immagini, all’utilizzo di reti neurali per riconoscimento e catalogazione dei difetti: l’intervento umano può essere così ridotto anche di oltre il 90%. In aggiunta, tecniche di auto-apprendimento supervisionato guidano l’evoluzione del prodotto nel tempo, affinandone la precisione. La flessibilità dell’approccio lo rende adattabile ed applicabile a differenti tipologie di prodotto, assicurando un monitoraggio capillare della produzione con conseguenti vantaggi in termini di costi, tempi e tutela della qualità del prodotto”, prosegue Gazia. In ultimo, un’altra tematica di cui GN Techonomy si è occupata è quella dell’analisi delle serie temporali che consente ai nostri clienti di individuare i fattori influenzanti nella fase di produzione e prevedere la qualità del prodotto finito prima che questo debba essere necessariamente realizzato. L’obiettivo è incrementare la conoscenza del proprio metodo produttivo, rivelando correlazioni nascoste tra contesto e qualità finale. Si tratta della base di partenza per affrontare il tema del “golden lot” ed arrivare così ad ottimizzare il proprio processo di produzione in modo misurabile. Questo può poi dare il via a scenari di servitizzazione del prodotto e nuovi modelli di business. Parafrasando la frase di Deming potremmo quindi dire che: “Without the right tools, you’re just another person with data”.
La chiave per liberare il potenziale dei dati sta negli strumenti, e GN Techonomy li ha realizzati.
