L’Intelligenza Artificiale al servizio del Lean Six Sigma

L’esplosione dell’Intelligenza Artificiale ha riscritto le leggi del Miglioramento Continuo?

Non proprio.

I principi fondamentali del Lean Six Sigma rimangono vitali, ma l’avvento dell’AI ha garantito un boost evolutivo senza precedenti nella giovane storia della metodologia regina del miglioramento.

La sfida era chiara: come conciliare un approccio strutturato e scientificamente rigoroso in un’epoca che privilegia agilità, innovazione e iterazioni rapide?

La risposta è arrivata dall’Intelligenza Artificiale.

Capacità di raccolta e analisi dei dati senza precedenti, né paragoni col recente passato, automazione e predittività: insomma, la spalla ideale per supportare il Lean Six Sigma.

Decisioni più informate, riduzione al minimo del rischio di errori umani e vertiginosa accelerazione dei processi di ottimizzazione.

È lo sviluppo concreto di una nuova era annunciata da tempo, ma ancora distante: Quality 4.0 è l’ambiente in cui le metodologie di qualità e la competenza umana si alleano con le tecnologie digitali in un sistema dinamico e integrato.

È un rapporto di reciproca soddisfazione: da un lato l’AI ha gli strumenti ideali per massimizzare il potenziale dei progetti Lean Six Sigma, dall’altro la creatività umana e il metodo ideato da Harry e Smith possono garantire costante implementazione ai sistemi dell’Intelligenza Artificiale.

I principali vantaggi che l’Intelligenza Artificiale porta al Lean Six Sigma

• Analisi avanzata dei Dati (Advanced Analytics) gli strumenti forniti dall’AI permettono di raccogliere ed elaborare un’enorme quantità di dati in brevissimo tempo, eliminando peraltro gli inevitabili errori legati alle operazioni manuali. Pochi secondi sono sufficienti per identificare pattern o trend relativi ai dati storici. Soprattutto nei contesti dove è stato implementato l’IoT (Internet of Things): i dati provenienti da sensori, attuatori e dispositivi vari, se la rete è stata strutturata correttamente, segnalano in tempo reale colli di bottiglia, prestazioni delle macchine ed efficienza dei processi.
• Analisi Predittiva (Predictive Analytics): attraverso algoritmi statistici e di Machine Learning (ML), il processo viene compreso in maniera tanto profonda da permettere di prevederne i futuri sviluppi. Le informazioni suggerite permettono di agire in modo proattivo, anticipando i problemi prima ancora che si verifichino. Senza AI, le decisioni si basano spesso su dati storici, che potrebbero non riflettere le future evoluzioni; con l’Analisi Predittiva questo rischio è superato.
• Analisi in tempo reale (Real-Time Analytics): grazie al monitoraggio continuo e alla capacità di raccolta, elaborazione e analisi di grandi quantità di dati in breve tempo, l’AI consente di rilevare immediatamente cambiamenti, tendenze, anomalie e problemi che non sarebbero altrimenti percettibili, quantomeno non con simile rapidità, con ciò consentendo una risposta istantanea ed efficace.
• Automazione robotica dei Processi (Robotic Process Automation, RPA): i robot software virtuali osservano e, in seguito, sono in grado di replicare le operazioni delle persone. Ciò permette di automatizzare le attività che risultino ripetitive, ad alto volume e basso impatto cognitivo. Oltre alla riduzione di tempi, costi ed errori, questa tecnologia garantisce la possibilità di liberare gli operatori umani dal peso di task spesso noiosi e nocivi a livello motivazionale, per impiegarli su attività strategiche e ad alto valore aggiunto.

Esempi di applicazione dell’Intelligenza Artificiale al Lean Six Sigma

Le possibilità di applicazione dell’AI nei Progetti di Miglioramento Lean Six Sigma sono sconfinate.

Intuitivo è l’utilizzo, dopo un’adeguata mappatura del processo, dell’Automazione robotica dei Processi nella caccia agli sprechi. Automatizzando determinate attività ripetitive, si riducono i tempi e spesso si eliminano attività che non aggiungono valore.

In questo modo, il processo è più snello e, oltretutto, si evita quello che, nel Lean Thinking, viene definito l’ottavo spreco, cioè quello del talento, perché le persone possono concentrarsi su attività a valore aggiunto.

Nella caccia alla Causa Radice (Root Cause Analysis, RCA), è determinante la capacità dell’AI di incrociare molte variabili (condizioni ambientali, impostazioni della macchina, condotta degli operatori) e individuare rapidamente pattern e correlazioni all’interno di un notevole insieme di dati.

Rispetto ai brainstorming umani, ai reiterati cicli di analisi o di test sulle varie ipotesi, il cambio di marcia è sensibile.

Tanto più che, attraverso il Machine Learning (ML) e la sua abilità nelle analisi di regressione e nel rilevamento di anomalie e clustering, è più facile scoprire anche le relazioni nascoste.

Il ML fa la differenza anche nel Control, dove non si limita a percepire gli scostamenti, ma matura capacità autonome di correzione.

E questo adattamento dinamico è la chiave per sostenere nel medio e lungo periodo i miglioramenti, senza la necessità di un costante intervento umano.

Sul tema dei test, le capacità predittive dell’Intelligenza Artificiale consentono di ottimizzare il processo di simulazione (riducendo tempi e costi) delle varie soluzioni design di prodotto o processo, garantendo al contempo la possibilità di anticipare potenziali problemi di performance.

Con l’AI variare numerosi input e sperimentare molteplici combinazioni diventa sostenibile.

Sono considerazioni simili a suggerire che ne tragga giovamento anche l’attitudine a prevedere la scalabilità ad altri processi, reparti, divisioni, etc.

Un contributo prezioso alla fase Define arriva dall’Elaborazione del Linguaggio Naturale (Natural Language Processing, NLP).

Consentendo alle macchine di comprendere, interpretare e generare il linguaggio naturale, è possibile trasformare i feedback dei clienti in dati facilmente processabili in fase di analisi.

Non solo: le recensioni dei clienti, perfino i post che compaiono sui social media, diventano spunti per individuare nuove tendenze o percepire esigenze utili a guidare la progettazione di un prodotto o servizio.

La Visione Artificiale (Computer Vision, CV) è una preziosa compagna di viaggio in diverse fasi del DMAIC: durante il Measure aiuta a ispezionare la qualità dei prodotti e a rilevarne eventuali difetti. E quando i difetti sono percepiti e segnalati nelle prime fasi della produzione, si riducono gli sprechi e si migliora la qualità complessiva.

Nell’Analyze la CV è in grado di rilevare difetti ricorrenti del processo produttivo, nell’Improve assicura il rispetto degli standard visivi di qualità e infine nel Control è in grado di segnalare le non conformità in tempo reale.

Buona elasticità rispetto alle fasi del Lean Six Sigma vanta anche il Digital Twin: attraverso la rappresentazione virtuale di un oggetto, processo o sistema, permette di indagare come variabili diverse impattino sulle performance o quale effetto avranno le modifiche immaginate.

Già ampiamente diffusi, gli strumenti di Visualizzazione Dati hanno dimostrato il potenziale per guidare una piccola rivoluzione.

Gli AI Tools for Data Visualization hanno infatti avvicinato gli operatori di produzione alla comprensione delle informazioni (prima confinate ai piani superiori) relative al processo.

Trasformando grandi volumi di dati complessi in concetti intuitivi, una dashboard riduce in maniera sostanziale il gap (non solo tecnico, ma anche comunicativo) tra uffici e produzione.

Le sfide da affrontare

L’integrazione tra Lean Six Sigma e Intelligenza Artificiale pone inevitabilmente anche la necessità di affrontare alcune criticità.

In termini strutturali, il primo passo è rappresentato dalle scelte strategiche: quali investimenti affrontare? Quali processi potrebbero giovarsi maggiormente o quali impatteranno maggiormente sul business? Quale soluzione si adatta alla mia realtà?

Il vero progetto, da completare nel più breve tempo possibile è questo: quanto e dove investire? E non sono scelte banali.

Non che lo siano le successive…

Come quelle che riguardano la Governance dei Dati. Perché gli algoritmi hanno bisogno di dati di alta qualità, affidabili e, naturalmente, accessibili.

In caso contrario, le conseguenze più logiche dell’implementazione dell’AI sarebbero deduzioni errate e scelte che fanno loro eco.

Un’altra problematica è legata alla gestione del personale, o da altra angolazione, alla gestione del cambiamento.

Quest’ultimo non piace a nessuno e, nella fattispecie, la vicenda è ancora più complessa, in quanto l’AI (come molte evoluzioni tecnologiche che l’hanno preceduta) è percepita come un mostro che, in nome del profitto, toglierà posti di lavoro.

Su queste premesse, bisogna in primis costruire un piano di Comunicazione interna che racconti le opportunità di crescita individuale e rassicuri sulla stabilità occupazionale.

Il messaggio deve essere che le persone continuano a essere al centro del progetto: con l’AI potranno concentrarsi su attività più stimolanti.

La transizione, che deve essere graduale, passa anche e soprattutto dal reskilling, perciò la formazione è elemento fondamentale.

Gestire il personale significa anche assegnare ruoli e responsabilità: chi stabilisce le regole e le linee guida per la gestione dei dati? E poi: chi può creare/modificare/eliminare i dati? Chi vi può accedere e secondo quale procedura?

Rimanendo su problematiche molto pratiche, la digitalizzazione ha portato in dote un aumento significativo dei rischi connessi alla violazione dei dati.

Perciò, insieme agli strumenti di AI, in azienda devono entrare anche quelli di cybersecurity.

L’Intelligenza Artificiale non sostituirà l’Essere Umano

Sul tema, inevitabilmente centrale, delle implicazioni che lo sviluppo dell’Intelligenza Artificiale avrà sul ruolo dell’Essere Umano, l’esempio dell’applicazione al Lean Six Sigma può essere confortante.

Per quanto gli strumenti delle nuove tecnologie possano potenziare il sistema e, in alcune occasioni, perfino sostituirsi all’operatore umano, determinate attività appaiono ancora distanti dai cervelli elettronici.

Comprensione contestuale, esperienza, gestione del cambiamento, intuito, creatività: il valore aggiunto garantito dal pensiero umano rimane inarrivabile.

Come anticipato, il triangolo del miglioramento necessita di tutti e tre i lati: metodologia, tecnologia e quel tocco di genialità che soltanto le persone possono garantire.