Migliorare la produzione grazie ai dati: Sacco System, quasi una rivoluzione

Per migliorare l’efficienza del proprio processo produttivo, Sacco System, storico gruppo di produzione di probiotici, ha utilizzato strumenti di analisi dei dati e algoritmi di machine learning e avviato un percorso che la porterà a diventare un’azienda data-driven.

Nello specifico, l’azienda di Cadorago ha voluto analizzare perché, a parità di materie prime e processo di produzione, la resa finale risultava essere differente in alcuni casi. Per ottimizzare il sistema si è avvalsa della consulenza di Cefriel, centro di innovazione digitale fondato dal Politecnico di Milano.

«Siamo solo all’inizio di un viaggio ben più lungo»

«Il progetto con Cefriel 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» ha affermato Simone Passolunghi, director of corporate operations di Sacco System.

L’analisi dei dati ha infatti permesso di comprendere come, rispetto all’efficienza del proprio processo di produzione, sia possibile renderne prevedibile la qualità e la resa finale.

Nella prima fase del progetto si è realizzata una analisi di fattibilità e impatto: è stata indagata la variabilità della qualità finale del prodotto attraverso circa 24 milioni di righe di dati.

«Abbiamo analizzato diversi anni di dati raccolti nell’ambito del processo di produzione – ha spiegato Valeria Molero, pm del progetto Cefriel - le informazioni 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 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. Sono stati quindi sperimentati tre tipologie di modelli ed è stato selezionato quello che ha dimostrato una migliore previsione di impatto fino ad arrivare a selezionare le variabili più significative rispetto alle oltre 400 identificate.

«Abbiamo analizzato diversi anni di dati»

«Grazie all’analisi dei dati – ha continuato Molero – è stato possibile suggerire azioni di miglioramento nella qualità del processo attraverso la riduzione della variabilità».

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.

«Siamo lieti di affiancare Sacco System nel percorso per diventare un’azienda data-driven. I modelli analitici e il machine learning possono portare non solo a modelli predittivi, ma anche consentire all’azienda di prendere decisioni informate e migliori» ha aggiunto Alfonso Fuggetta, Ceo e direttore scientifico di Cefriel.