Supply chain più efficiente con l'automazione di dati e processi

Indice contenuti

Nel corso della storia, l'automazione ha rappresentato un'opportunità per creare nuovo valore dall'equilibrio del paradigma classico di persone, processi e tecnologia. Le automazioni realizzate con l'hardware si sono dimostrate subito valide, poiché i loro risultati sono visibili e tangibili ai nostri occhi. Le automazioni software, invece, sono per lo più trascurate e non notate, perché non sono sotto i nostri occhi e lavorano in silenzio. Tuttavia, le automazioni software, ovvero l'automazione dei processi e dei dati, hanno cambiato il modo in cui oggi facciamo impresa. Hanno persino cambiato il modo in cui i consumatori o i cittadini interagiscono con le aziende o le organizzazioni governative. Tutto è iniziato con l'automazione di semplici attività negli anni '60 con l'introduzione dei sistemi ERP (Enterprise Resource Planning), oggi si è evoluta in flussi di lavoro e operazioni automatizzate che si controllano da sole senza alcun intervento umano.

Un esempio di automazione evoluta per la supply chain e la logistica può essere l'estrazione di dati da preventivi di vendita in PDF per creare automaticamente bozze di polizza di carico (Bill of lading) e attivare il monitoraggio dei container in transito. In questo modo, si attiva il monitoraggio dei container a partire da un preventivo di vendita con un intervento umano minimo.

Oggi, per l'automazione dei processi e dei dati si utilizzano diverse tecnologie e metodi come il Riconoscimento Ottico dei Caratteri (OCR), l'Intelligenza Artificiale (AI), il Machine Learning (ML), l'Automazione Robotica dei Processi (RPA) e così via. È un mondo davvero ricco, fatto di varie e strane abbreviazioni. Ognuna di queste tecnologie può essere sfruttata con metodi e applicazioni diverse a seconda dell'ambito di applicazione.

Indipendentemente dalla tecnologia utilizzata, l'automazione della supply chain e della logistica automatizza i compiti manuali più comuni e le attività operative, e snellisce i flussi di lavoro e i processi della supply chain e della logistica. Aiuta le aziende a ridurre i costi e il rischio di errori e interruzioni, e a ottenere più valore dalla propria forza lavoro, semplicemente liberandola da attività manuali e ripetitive.

Robot invisibili: automazioni di software nella supply chain e nella logistica

L'automazione nella supply chain e nella logistica si è evoluta drasticamente dall'introduzione della prima catena di montaggio di Henry Ford nel 1913. Lo sviluppo di nuove tecnologie ha dato uno sprint alle aziende per trasformare e automatizzare le loro operazioni. Oggi, l'automazione della supply chain e della logistica non si riferisce solo all'automazione meccanica, ma anche all'automazione delle attività operative e all'automazione dei processi.

È ancora comune che si pensi all'"automazione robotica" piuttosto che all'"automazione dei processi" quando si parla di automazione nell'area della supply chain e della logistica. Ciò è dovuto principalmente al fatto che l'automazione è iniziata con le "attività meccaniche". Ad esempio, mentre oggi l'automazione del magazzino è ampiamente conosciuta dalla maggior parte del mercato, l'automazione dei processi è conosciuta da una porzione minore.

L'automazione robotica è un ramo distinto delle tecnologie di automazione. Nel caso dell'automazione di magazzino, si tratta di automatizzare il movimento dell'inventario in entrata, all'interno e in uscita dai magazzini con l'aiuto di macchine/robot intelligenti.

“Alcuni robot possono essere invisibili e lavorare in modo molto silenzioso.”

D'altra parte, l'automazione dei processi si riferisce a qualsiasi flusso di lavoro che si controlla da solo attraverso l'uso di computer e software¹. Ad esempio, l'automazione di una specifica attività operativa come la creazione di ordini di trasporto nel TMS. Questa automazione può essere abilitata dalla robotica (software), da una macchina intelligente che assiste l'uomo o da altre tecnologie. Ciò significa che quando parliamo di automazione, non è sempre necessario che l'automazione sia abilitata dalla robotica, ma se è abilitata dalla robotica, non è sempre necessario avere un'automazione hardware con robot fisici. Alcuni robot possono essere invisibili e lavorare in modo molto silenzioso.

Poiché questo articolo si concentra sull'automazione dei processi e approfondisce le tecnologie correlate, possiamo descrivere l'automazione della supply chain e della logistica come segue:

"L'automazione della supply chain e della logistica consiste nello sfruttare le moderne tecnologie per automatizzare i compiti manuali comuni, le attività operative e snellire i flussi di lavoro e i processi della supply chain e della logistica. Si tratta semplicemente di affidare alle tecnologie l'esecuzione di alcune attività operative, invece di affidarle manualmente a un essere umano."

La definizione solleva spesso preoccupazioni circa la completa eliminazione del coinvolgimento umano nelle attività della supply chain e della logistica. Di conseguenza, solleva dubbi sull'affidabilità di queste tecnologie. La supply chain è composta da persone, aziende e processi. È improbabile pensare che sia possibile eliminare uno di questi componenti. Al contrario, la tecnologia ci offre l'opportunità di collegare queste componenti in modo efficiente e di semplificare l'interazione tra di esse. Sposta il peso dei processi dall'uomo alla tecnologia. Più compiti vengono svolti dall'automazione dei processi, più gli esseri umani sono liberi di dedicarsi ad attività di maggior valore.

“La supply chain è fatta di persone, aziende e processi. La tecnologia ci offre l'opportunità di collegare tra loro queste componenti e di semplificare lo scambio di informazioni tra di essi.”

L'automazione della supply chain e della logistica è una risposta tecnologica alle interruzioni e all'imprevedibilità dell'ambiente odierno. È uno strumento che aiuta le aziende ad adattarsi rapidamente ai nuovi cambiamenti. La gestione tradizionale della supply chain non è più in grado di offrire alle aziende questa flessibilità. Per questo motivo, la maggior parte delle aziende ha iniziato ad automatizzare i processi logistici e di supply chain con l'aiuto di tecnologie come l'Intelligenza Artificiale (AI), il Machine Learning (ML), il Riconoscimento Ottico dei Caratteri (OCR), l'Automazione dei Processi Robotici (RPA) e altre ancora.

La digitalizzazione e l'automazione dei processi e dei dati ridurranno i costi e il rischio di errori e interruzioni. Secondo uno studio condotto da IBM, oltre il 50% dei dirigenti C-level utilizza l'automazione dei processi e ritiene che i processi operativi chiave possano essere potenziati o automatizzati utilizzando le funzionalità dell'AI².

Gartner prevede che questa sarà una tendenza in crescita e che nei prossimi 10 anni le aziende delegheranno progressivamente il potere decisionale alla tecnologia. I dirigenti e i responsabili della supply chain devono preparare le loro aziende a cogliere questa opportunità³.

“La digitalizzazione e l'automazione dei processi e dei dati ridurranno i costi e il rischio di errori e interruzioni.”

Parleremo dei metodi e delle applicazioni che possono aiutare i dirigenti e i responsabili della supply chain ad adottare l'automazione dei processi nelle loro attività logistiche e di supply chain, ma prima analizziamo il concetto di automazione e le tecnologie abilitanti.

Cos’è l’automazione di processo?

Un processo aziendale è definito dal comportamento di persone, sistemi, informazioni, dati e compiti o attività da completare per produrre risultati aziendali a sostegno di una strategia o di un obiettivo specifico. Si parla di automazione dei processi quando l'intero processo (o una parte del processo) relativo alla creazione del risultato aziendale è un flusso di lavoro automatizzato che si controlla da solo grazie all'uso di computer e software.

Nelle aziende di oggi la stragrande maggioranza dei compiti e/o delle attività è legata ai dati, e i compiti legati ai dati richiedono l'impiego di persone alla tastiera per attivare processi, transazioni o interazioni. L'automazione delle attività legate ai dati è iniziata negli anni '60 con l'introduzione dei sistemi ERP (Enterprise Resource Planning). Oggi si è evoluta e si è sviluppata oltre il semplice "screen scraping" e "data sorting"⁴.

“Oggi l'automazione si è evoluta ed è andata oltre il semplice screen scraping e l'ordinamento dei dati.”

Le capacità di elaborazione dei dati dello screen scraping e del data sorting sono limitate, poiché questi metodi possono ingerire solo formati di dati strutturati e standardizzati. Oggi l'80% dei dati aziendali è costituito da dati non strutturati. Inoltre, la quantità di dati semi-strutturati e non strutturati cresce molto più rapidamente rispetto ai dati strutturati. Quando i processi operativi aziendali non hanno una registrazione dei dati completamente digitalizzata o i dati contenuti sono inaffidabili, le possibilità che lo screen scraping e il data sorting funzionino in modo corretto ed efficiente sono molto scarse.

Fino a poco tempo fa, l'automazione dei compiti in queste condizioni richiedeva l'intervento umano per essere completata con successo. Ora, i movimenti elementari dei dati degli anni '60 si stanno evolvendo in sistemi più avanzati. Non è sbagliato affermare che, rispetto alle tecnologie di base per l'elaborazione dei dati, oggi la capacità di automatizzare processi complessi sta aumentando e la scarsa esperienza dell'utente sta diminuendo.

Automazione guidata dai dati o automazione guidata dai processi?

Per comprendere a fondo le basi dell'automazione dei processi, dobbiamo capire come inizia l'automazione. Quindi, la domanda è: qual è la fonte che guida l'automazione?

L'automazione guidata dai processi è semplicemente determinata dai processi. Per questo tipo di automazione, l'attenzione si concentra principalmente sull'esecuzione di attività attraverso percorsi e processi predeterminati. Il percorso predeterminato rimane abbastanza stabile e non è possibile discostarsene, poiché il processo è il fattore principale. Quando è necessario eseguire un'attività che non rientra in questo percorso predeterminato, e che quindi rappresenta un'eccezione alle regole, l'uomo deve intervenire e prendere il controllo⁵.

Se avete mai impostato un'e-mail con la dicitura "fuori ufficio", avete già eseguito un'automazione guidata dai processi. Le e-mail inviate automaticamente o i report generati automaticamente sono automazioni di attività molto semplici. Il livello avanzato può essere l'automazione di processi complessi, a volte su più sistemi.

Rispetto all'automazione guidata dai processi, l'automazione guidata dai dati rappresenta un ulteriore passo in avanti in termini di complessità. In questo caso, l'automazione è guidata dai dati e dal contesto⁶. L'automazione guidata dai dati è pronta a gestire processi più complessi. In questo caso, la chiave del successo è rappresentata da dati di buona qualità. La buona qualità dei dati aiuterà la tecnologia di automazione, ad esempio l'intelligenza artificiale (AI), ad apprendere dai dati e a ottimizzare l'automazione dei processi. In questo modo si accelerano i processi di automazione tra più sistemi e silos di dati.

Ad esempio, la trasformazione automatica di una richiesta del cliente via e-mail per il ritiro della merce in un'attività nel TMS assegnata a una persona o a un vettore è un esempio molto adeguato di automazione complessa. Segue una chiara logica di automazione dei processi ripetitivi e di routine: fare sempre la stessa cosa.

In ogni caso, che si tratti di processi o di dati, l'automazione e i flussi di lavoro automatizzati snelliscono i processi complessi, liberando il tempo dei lavoratori della conoscenza in modo da poterlo dedicare a compiti che generano più valore.

“I flussi di lavoro automatizzati snelliscono i processi complessi, liberando il tempo dei lavoratori della conoscenza in modo da poterlo dedicare a compiti che generano più valore.”

La decisione sul punto di partenza – processi o dati – è più che altro una scelta tecnica per lo sviluppo di un software o di una tecnologia di automazione, perché ha un impatto diretto sulla selezione delle tecnologie abilitanti (Intelligenza Artificiale (AI), Machine Learning (ML), Robotic Process Automation (RPA) ecc.) e dei metodi (Intelligent Document Processing (IDP), Business Process Automation (BPA) ecc.) Per questo motivo, se l'azienda non opta per uno sviluppo interno, l'automazione dei processi e delle attività della supply chain e della logistica è per lo più una prerogativa del fornitore di tecnologia piuttosto che dell'azienda stessa.

Quali sono le principali tecnologie che consentono l'automazione dei processi e dei dati?

Il mondo delle tecnologie e dei metodi utilizzati per l'automazione dei processi e dei dati è un mondo davvero ricco, fatto di varie e strane abbreviazioni. Le tecnologie abilitanti possono essere sfruttate con metodi e applicazioni diverse a seconda dell'ambito di applicazione. Ad esempio, quando il riconoscimento ottico dei caratteri (OCR) si incontra con l'intelligenza artificiale (AI), si creano le basi per l'elaborazione intelligente dei documenti (IDP).

Ogni metodo e applicazione ha un obiettivo particolare. Possono funzionare sia autonomamente che in combinazione tra loro.

Iniziamo con le tecnologie principali. Una classificazione semplificata può essere la seguente:

Intelligenza Artificiale (AI)

– Machine learning (ML)

– Riconoscimento del Linguaggio Naturale (Natural Language Processing, NLP)

Riconoscimento Ottico dei Caratteri (OCR)

Tecnologie

1. Intelligenza Artificiale (AI)

In modo molto semplificato, l'Intelligenza Artificiale è la scienza che si occupa di far fare alle macchine cose che richiederebbero intelligenza se fatte dall'uomo⁷. Il concetto di intelligenza si riferisce a un qualche tipo di capacità di pianificare, ragionare e imparare, avvertire e costruire un qualche tipo di percezione della conoscenza e comunicare in linguaggio naturale. L'attuale tecnologia AI può fare solo ciò per cui è stata progettata. Ciò significa che per ogni problema è necessario progettare un algoritmo specifico per risolverlo.

1.1 Machine learning (ML)

Il Machine Learning (ML) è un sottoinsieme di tecniche di AI che utilizzano metodi statistici per consentire alle macchine di migliorare con l'esperienza. Se ad esempio si vuole scrivere un algoritmo per identificare le packing list tra gli altri documenti, si dovrà addestrare l'algoritmo mostrandogli molti esempi di documenti contrassegnati manualmente come lista di imballaggio o non lista di imballaggio. L'algoritmo impara a identificare pattern, come l'occorrenza di determinati dati o combinazioni di dati, che determinano la possibilità che un documento sia una lista di imballaggio. A seconda della tecnica utilizzata, un algoritmo può migliorare se stesso con il tempo, assorbendo un numero maggiore di esempi⁸.

1.2 Riconoscimento del Linguaggio Naturale (NLP)

Il Riconoscimento del Linguaggio Naturale (Natural Language Processing, NLP) è una branca dell'intelligenza artificiale che si occupa delle interazioni tra computer e linguaggio umano. Si tratta della capacità di un programma informatico di comprendere il linguaggio umano così come viene parlato e scritto, definito linguaggio naturale⁹. La NLP consente ai computer di comprendere il linguaggio naturale come gli esseri umani. La NLP utilizza l'intelligenza artificiale per prendere input dal mondo reale, elaborarli e dare loro un senso in modo comprensibile per il computer. Gli algoritmi di machine learning producono una stima di un modello nei dati sulla base di alcuni dati di input, che possono essere etichettati o non etichettati. In questo modo, gli algoritmi fanno previsioni o classificazioni. Gli algoritmi valutano e ottimizzano costantemente il processo di classificazione o di previsione, aggiornando autonomamente i parametri fino al raggiungimento di una soglia di precisione.

2. Riconoscimento Ottico dei Caratteri (OCR)

Il Riconoscimento Ottico dei Caratteri (OCR, Optical Character Recognition) è l'uso della tecnologia per identificare i caratteri di testo stampati o scritti a mano all'interno di immagini digitali di documenti fisici, come ad esempio un documento cartaceo scansionato. Il processo di base dell'OCR consiste nell'esaminare il testo di un documento e nel tradurre i caratteri in un codice utilizzabile per l'elaborazione dei dati. Questa tecnologia viene talvolta definita riconoscimento del testo¹⁰. Di solito, le tecnologie OCR hanno due componenti: l'hardware per la digitalizzazione del documento e il software per la conversione dei documenti in testi leggibili dalla macchina. Il software può sfruttare le tecnologie AI.

L'OCR fa parte del mondo della Computer Vision. L'obiettivo della computer vision è addestrare i computer a interpretare e comprendere il mondo visivo e a ricavare informazioni significative dalle immagini digitali. Le tecnologie di computer vision funzionano in modo molto simile alla visione umana. Una volta addestrati, questi sistemi possono ispezionare o analizzare migliaia di immagini, notando problemi impercettibili agli occhi umani.

“Ogni metodo e applicazione ha un obiettivo particolare. Possono funzionare sia autonomamente che in combinazione tra loro.”

Come detto, esistono numerosi metodi e applicazioni che sfruttano una o più di queste tecnologie. Queste tecnologie non funzionano perfettamente in modo isolato, ma di solito sono disponibili come soluzioni integrate.

Le più note possono essere elencate come segue:

Elaborazione intelligente dei documenti (Intelligent Document Processing, IDP)
Automazione robotica dei processi (Robotic process automation, RPA)
Process Mining

– Automazione dei processi aziendali (Business Process Automation, BPA)

– Gestione dei processi aziendali (Business Process Management, BPM)

1. Elaborazione intelligente dei documenti (IDP)

L'elaborazione intelligente dei documenti (IDP) si riferisce all'estrazione di informazioni da documenti cartacei ed elettronici e al loro utilizzo per consentire l'automazione end-to-end di processi incentrati sui documenti. Sfrutta l'intelligenza artificiale (AI), il Machine Learning (ML), il Natural Language Processing (NLP) e i motori OCR avanzati.

Le soluzioni IDP acquisiscono, estraggono, categorizzano e analizzano le informazioni da diversi tipi e formati e consentono agli utenti di integrare senza problemi i dati in uscita nelle automazioni dei flussi di lavoro. Una soluzione IDP include le seguenti funzionalità di base¹¹:

Capacità di elaborare dati non strutturati e/o semi-strutturati
Riconoscimento e classificazione dei dati
Estrazione automatizzata dei dati
Strumenti di AI e ML per la categorizzazione e l'analisi
OCR per acquisire i dati
Integrazioni con altri software di gestione dei dati

2. Automazione robotica dei processi (RPA)

L'automazione robotica dei processi (Robotic process automation, RPA) è un metodo che emula il modo in cui gli esseri umani interagiscono con il software per eseguire attività ripetibili e di grande volume. Consente all'utente di creare "programmi software" o "bot" in grado di accedere alle applicazioni, inserire dati, calcolare e completare attività e copiare i dati tra le applicazioni o i flussi di lavoro come richiesto¹².

Se combinata con l'AI e il ML, la RPA è in grado di acquisire un contesto più ampio dal contenuto con cui lavora, leggendo il testo o la scrittura a mano con il riconoscimento ottico dei caratteri (OCR), estraendo entità come nomi o indirizzi utilizzando l'elaborazione del linguaggio naturale (NLP) e acquisendo un contesto più ampio dalle immagini. Molte soluzioni RPA sono strumenti software precostituiti di facile installazione che funzionano in modo compatibile con i sistemi esistenti senza collegarsi ai database o accedere alle interfacce di programmazione delle applicazioni (API).

Le soluzioni IDP e i software RPA si sovrappongono poiché entrambi i metodi prevedono l'automazione di attività ripetitive. Tuttavia, le soluzioni IDP sono spesso complementari ai software RPA, perché mentre un sistema IDP ottimizza i dati non strutturati per migliorare i flussi di lavoro, il software RPA progetta e impiega bot per gestire attività semplici. Pertanto, l'IDP può garantire che l'alta qualità sia integrata nei flussi di lavoro automatizzati.

3. Process Mining

Il Process Mining è un metodo progettato per scoprire, monitorare e migliorare i processi reali estraendo le conoscenze prontamente disponibili dai registri degli eventi dei sistemi IT aziendali come ERP, CRM ecc¹³. Fornisce la mappa del processo reale.

Quando il risultato della scoperta e dell'analisi è il processo ideale, che indica come migliorare e ottimizzare i processi aziendali, si parla di Gestione dei processi aziendali Business process management, BPM).

Se introduciamo l'elemento dell'automazione, il termine cambia leggermente e diventa Automazione dei processi aziendali (Business Processes Automation, BPA). La BPA è definita come l'automazione di processi e funzioni aziendali complessi che vanno oltre le tradizionali attività di manipolazione dei dati e di registrazione, di solito attraverso l'uso di tecnologie avanzate¹⁴. A differenza di altri tipi di automazione, le soluzioni BPA tendono a essere complesse, collegate a più sistemi IT aziendali e personalizzate in base alle esigenze di un'organizzazione.

Sia la BPM che la BPA cercano di migliorare le attività e i processi ripetuti, continui o prevedibili. Mentre il BPM ha una visione ampia dell'organizzazione, la BPA è una strategia per migliorare processi specifici.

Tutte queste tecnologie e metodi sopra elencati hanno un'ampia gamma di applicazioni. Possono essere fornite dai fornitori di tecnologia come soluzione a sé stante o possono alimentare silenziosamente soluzioni specifiche. Oggi molte soluzioni per la supply chain sono alimentate dalla tecnologia AI: alcune consentono l'analisi predittiva, altre calcolano il tempo stimato di arrivo (Estimated Time of Arrival, ETA) e altre ancora automatizzano le attività della supply chain e della logistica.

Spiegazione semplificata: come funziona l'automazione dei processi e dei dati?

Le tecnologie spiegate sopra e tutte le abbreviazioni possono creare molta confusione. Soprattutto se non si ha familiarità con queste tecnologie. Se questo è il vostro caso o semplicemente non avete tempo di esplorare tutto e volete capire solo le parti cruciali, ecco una spiegazione molto semplificata del funzionamento dell'automazione dei processi e dei dati.

“3 passi da seguire per avviare l'automazione dei processi e dei dati.”

In linea di principio, si seguono 3 fasi:

1. Estrazione: Estrazione dei dati di input da una o più fonti.

2. Trasformazione: Armonizzazione e standardizzazione dei dati e successiva trasformazione nella struttura necessaria.

3. Caricamento: Caricamento dei dati nel sistema finale.

Il nostro punto di partenza sono i dati e il nostro obiettivo è creare flussi di lavoro intelligenti e automatizzati. Quindi, ci concentriamo sulla selezione dei dati, sulla scelta dell'automazione che vogliamo realizzare e su cosa fare con i dati in uscita.

In un caso d'uso reale, la situazione potrebbe essere la seguente:

Processo: “Vorrei attivare la tracciabilità dei container senza inserire manualmente il numero del container nel sistema di visibilità. I miei fornitori mi inviano una packing list via e-mail, come allegato PDF, dove posso trovare il numero di container per tracciare il mio ordine.”

1. Scegli uno o più input di dati

“Packing list, allegato PDF a una email”

Concentrati sui dati in ingresso.
Non pensare alla fonte dei dati. È possibile aggregare i dati da qualsiasi fonte: sistemi IT di clienti/venditori, dispositivi telematici o IoT, e-mail, file excel, DDT, liste di imballaggio, ordini, fatture, distinte di carico e altro ancora.
Non badare al formato e al tipo di documento. Può essere di qualsiasi formato o tipo: e-mail, testo, excel, PDF, API, FTP, EDI ecc.

2. Scegli il tuo caso di automazione

"Attivazione automatica della tracciabilità dei contenitori"

Cosa sarà automatizzato?
Lasciamo che gli algoritmi intelligenti facciano il resto.

3. Scegli l’output

"Ricevere il numero del container e i dati del fornitore nella mia piattaforma di supply chain".

Correggi i dati, se necessario. Ricorda: di solito gli algoritmi sono in un processo di apprendimento continuo. Possono migliorare con il tempo, assorbendo un numero maggiore di esempi.
Decidi la destinazione dei dati in uscita. I dati in uscita andranno nell'ERP, nel TMS o nella piattaforma della supply chain?

È tutto pronto. In tre semplici passi hai automatizzato un processo che richiedeva molto tempo e snellito le tue operazioni. Le tecnologie e i metodi utilizzati nel backend possono essere complessi, ma l'automazione in sé è molto più semplice di quanto sembri.

Quali sono i casi d'uso dell'automazione dei processi e dei dati nella supply chain e nella logistica?

I processi della logistica e della supply chain sono ad alta intensità di lavoro, soggetti a errori e frammentati. Un volume enorme di comunicazioni tra clienti, fornitori, spedizionieri e vettori si basa su metodi manuali basati su carta, fogli di calcolo, e-mail o telefonate. Secondo il Consiglio Nazionale delle Ricerche di Torino, ogni anno le aziende italiane consumano 1,2 milioni di tonnellate di carta. Questo numero sale drasticamente negli Stati Uniti, dove si contano più di 30 miliardi di documenti cartacei che vengono copiati e stampati ogni anno¹⁵.

Un'analisi McKinsey indica che la polizza di carico rappresenta tra il 10% e il 30% dei costi totali della documentazione commerciale. L'adozione di una polizza di carico elettronica potrebbe far risparmiare 6,5 miliardi di dollari di costi diretti e consentire un volume di nuovi scambi commerciali globali compreso tra 30 e 40 miliardi di dollari, migliorando al contempo la resilienza della supply chain¹⁶.

Inoltre, gran parte delle informazioni necessarie per l'esecuzione di operazioni logistiche e di supply chain critiche vengono estratte manualmente da tali fonti di dati (e-mail, fogli di calcolo) o dai sistemi esistenti (ERP, TMS, WMS). Questo tipo di operazioni sono solitamente soggette a errori durante il processo di inserimento dei dati, causando inefficienza per le aziende.

“I processi della logistica e della supply chain sono ad alta intensità di lavoro, soggetti a errori e frammentati.”

Non sorprende quindi che esistano molti casi d'uso per la digitalizzazione e l'automazione dei processi nella supply chain e nella logistica. Questi casi d'uso possono variare dall'area dei corridoi logistici e degli hub commerciali, alla facilitazione del commercio, ai punti di contatto e interazione con i consumatori, ai servizi circolari, alle relazioni con i fornitori, alle piattaforme digitali e ai marketplace, al monitoraggio della supply chain, alla gestione del rischio, alla parte finanziaria del commercio e della supply chain fino ai processi decisionali.

Ecco alcuni esempi specifici di automazione della supply chain e della logistica:

Richiesta di ritiro via e-mail → Spedizione creata sul TMS: in questo caso, è possibile trasformare automaticamente una richiesta del cliente via e-mail per il ritiro della merce in un'attività nel TMS assegnata a una persona o a un vettore.
Bolla di consegna → In entrata su WMS → Dati su BI: partendo da una bolla di consegna in formato pdf, è possibile estrarre i dati di tracciabilità e in entrata e riceverli sul WMS e visualizzarli su un sistema di BI o su una Piattaforma di Supply Chain.
Ordine del cliente → Ottimizzazione del percorso → Notifica → Track & trace: È possibile estrarre i dettagli della consegna dai dati dell'ordine del cliente e creare percorsi ottimizzati per la propria flotta o per i propri partner. L'automazione sarà eseguita notificando al cliente la consegna e, se necessario, fornendogli l'ETA di transito.
Preventivo di vendita in PDF → Bozza di polizza di carico → Monitoraggio dei container: Estrazione dei dati dai preventivi di vendita in PDF per creare automaticamente la bozza della polizza di carico e attivare il monitoraggio dei container in transito. In questo modo, automatizzerete gli scambi di dati dal reparto vendite, import-export e semplificherete il processo di tracciamento.

Localizzatori GPS multipli → Track & Trace→ Notifica: Aggregazione dei dati di localizzazione da diversi sistemi GPS o di localizzazione per ricevere automaticamente una notifica in transito via sms o WhatsApp.
DDT+Fattura+Packing List → Tracciabilità del lotto nell'ERP: Partendo da un documento come un DDT, una fattura o una packing list, è possibile trasformare i dati di tracciabilità o di prodotto in un sistema ERP o di qualità.
Portale fornitori → tracciabilità in entrata e delle quantità: Permettete ai vostri fornitori di caricare le merci che vi invieranno, con i dettagli relativi a quantità, prezzo, tipo di prodotto ecc. e iniziate a collaborare con loro senza telefonate e scambi di e-mail.
Tracker a più T° → Notifica allarmi → Report qualità: Aggregate i dati della catena del freddo da diversi tracker sia in transito che in stoccaggio e qualsiasi allarme verrà automaticamente notificato ai responsabili. I dati del report verranno estratti in base ai parametri impostati.

Si può facilmente notare che tutti i casi d'uso spiegati sopra seguono i principi fondamentali dell'automazione dei dati e dei processi. Si parte da un dato in entrata, si sceglie un caso di automazione e ci si occupa dei dati in uscita.

“Quanto più si eliminano gli errori manuali e si abbattono i silos di dati, tanto più si estrarrà valore dai dati della supply chain e della rete.”

È importante collegare i dati e automatizzare il flusso di dati perché i dati creano valore attraverso la connettività. Più si eliminano gli errori manuali e si abbattono i silos di dati, più si estrarrà valore dai dati della supply chain e della rete.

Perché le aziende automatizzano le operazioni di supply chain e logistica?

L'equazione tra domanda e offerta è sottoposta a una pressione costante e le aziende devono essere in grado di far funzionare le cose a un ritmo molto più accelerato. La semplificazione delle operazioni e la velocizzazione dei processi possono creare un reale vantaggio competitivo in questo ambiente. Le aziende che non adottano l'AI e le tecnologie di Machine Learning per automatizzare i processi e le operazioni rimarranno indietro. Gli early adopter hanno già iniziato a implementare queste tecnologie e a rendere l'automazione parte integrante dei loro processi aziendali. Secondo un rapporto IBM, queste aziende hanno già dichiarato di aver ottenuto un impatto significativo dall'utilizzo di queste tecnologie in diverse funzioni aziendali¹⁷.

“Le aziende che non adottano le tecnologie AI e ML per automatizzare i processi e le operazioni rimarranno indietro.”

Aumentare l'efficienza e la produttività

Il valore dell'automazione deriva principalmente dall'efficienza che crea. Una delle più grandi aziende globali di beni di consumo ha riferito che l'uso dell'automazione avanzata per risolvere i problemi dei flussi di lavoro aumenta del 30% e migliora la produttività dei dipendenti del 50%¹⁸.

La figura seguente mostra qual è l'impatto oggi delle capacità di automazione guidate dall'AI sui modelli operativi e quali impatti gli utenti si aspettano di vedere tra 2-3 anni. Per la gestione della supply chain, gli utenti segnalano un impatto del 21% sui loro attuali modelli operativi e prevedono un aumento del 39% nei prossimi anni¹⁹.

Fonte: IBM Institute for Business Value 2017 2Q C-suite research

Una semplice automazione dei processi può eliminare gli errori, ridurre i bias ed eseguire operazioni e attività in una frazione del tempo necessario all'uomo.

Ridurre costi e rischi

Come già detto, i processi logistici e di supply chain sono ad alta intensità di lavoro e soggetti a errori. L'automazione delle operazioni e delle attività logistiche e della supply chain avrà un impatto immediato sugli errori e sui rischi associati.

Vi siete mai accorti che le informazioni inserite in un sistema presentano un piccolo errore? Allora siete andati a correggerla, a volte appena in tempo, altre volte dopo che l'errore era stato commesso e le operazioni sono andate avanti con le informazioni sbagliate. Soprattutto quando dobbiamo trasferire dati e informazioni da una fonte all'altra, la probabilità di commettere errori aumenta. A volte, anche un errore di digitazione involontario può portare a un problema più grave a breve o addirittura a lungo termine.

L'automazione delle attività manuali e ripetitive ha un impatto diretto sui costi operativi e sulla riduzione dei rischi. Implementando le tecnologie di automazione, le aziende possono risparmiare fino al 75% dei costi sulle attività ripetitive rispetto alle prestazioni umane, mentre il risultato generalmente riportato è compreso tra il 25% e il 50%²⁰.

Gartner indica che entro il 2022, il 65% delle aziende che hanno implementato l'automazione robotica dei processi (RPA) introdurrà anche l'AI, compresi gli algoritmi di Machine Learning (ML) e di elaborazione del linguaggio naturale (NPL). L'implementazione di queste tecnologie consentirà di ridurre i costi operativi del 30% entro il 2024²¹.

Ad esempio, un fornitore europeo di energia elettrica ha dichiarato di aver ottenuto un risparmio stimato di 6 milioni € dopo che solo le prime 8 delle 50 automazioni previste erano diventate operative e ha previsto risparmi percentuali a due cifre nel corso dell'implementazione²².

L'automatizzazione di attività e operazioni banali e ripetitive porta alle aziende una maggiore precisione e resilienza, riducendo gli errori e migliorando i tempi di risposta per risolverli.

Carico di lavoro equilibrato e valore superiore

L'automazione è un'opportunità per creare nuovo valore dai tre elementi della supply chain: persone, aziende e processi. L'obiettivo dell'implementazione di queste tecnologie non è la sostituzione delle persone, ma la trasformazione del lavoro svolto dall'uomo e la creazione di nuovi modi di lavorare²³.

L'automazione dei processi e dei dati può liberare il tempo dei lavoratori qualificati dal lavoro di routine, in modo che possano essere impiegati in attività che generano più valore. Gli algoritmi intelligenti possono eseguire vari processi operativi ripetitivi più rapidamente degli esseri umani. In questo modo, la forza lavoro umana recupererà tempo per fare ciò che le è più congeniale: pensare in modo strategico, agire in modo creativo e interagire umanamente.

Ad esempio, uno dei maggiori fornitori di prodotti farmaceutici al mondo ha implementato l'automazione per risolvere i problemi delle applicazioni aziendali prima che diventino incidenti. L'azienda elaborava milioni di ordini al giorno a un ritmo ben superiore alle capacità umane. Per eseguire le operazioni, l'azienda doveva completare centinaia di attività manuali ripetitive. Queste attività includevano la riconciliazione di un sistema ERP legacy di grandi dimensioni per garantire che le consegne spedite fossero anche fatturate. I problemi ricorrenti del sistema esistente si ripercuotevano sui clienti finali dell'azienda: mentre il personale di supporto lavorava per risolvere i problemi del sistema ERP, i camion rimanevano in attesa nei magazzini delle informazioni necessarie per effettuare le consegne.

L'azienda ha automatizzato le attività di monitoraggio nell'ERP e ha ridotto drasticamente la necessità di interventi manuali. L'automazione ha permesso all'azienda di reindirizzare circa 1100 ore di lavoro al mese, ovvero oltre 13.000 ore all'anno, verso nuove iniziative di progetto. Questo ha permesso al team di costruire e sviluppare preziose competenze di progettazione²⁴.

Secondo il Mckinsey Global Institute l'automazione sta rapidamente trasformando l'economia mondiale, infatti almeno il 30% delle attività in circa il 60% delle occupazioni in qualsiasi settore può essere automatizzato. Oggi più del 70% delle aziende ha avviato diverse iniziative di automazione, ma spesso sono disparate e isolate e non coordinate con gli obiettivi aziendali tra le varie funzioni. Entro il 2025 questa situazione inizierà a cambiare e i responsabili e i professionisti della supply chain avvieranno iniziative più coordinate²⁵. Sarebbe una decisione autolesionista per qualsiasi azienda cercare di resistere a questo cambiamento invece di farne parte.

Conclusioni

L'automazione non indica solo le automazioni robotiche. È importante che le aziende vedano l'automazione al di là di un'attività fisica e si concentrino sull'automazione dei processi e dei dati. In particolare, nell'economia odierna, l'automazione della supply chain e della logistica è una solida risposta tecnologica alle interruzioni e all'imprevedibilità. La gestione tradizionale della supply chain non è più in grado di offrire alle aziende la flessibilità necessaria per adattarsi rapidamente ai nuovi cambiamenti.

Gli early adopter hanno già iniziato da tempo il loro percorso di automazione con l'aiuto di tecnologie come l'Intelligenza Artificiale (AI), il Machine Learning (ML), il riconoscimento ottico dei caratteri (OCR), l'automazione dei processi robotici (RPA), l'automazione intelligente dei documenti (IDP) e altre ancora.

L'automazione delle operazioni e dei compiti della supply chain e della logistica eliminerà le attività manuali e ripetitive che richiedono tempo, liberando tempo per i lavoratori e snellendo le operazioni. In questo modo si aumenterà l'efficienza e la produttività, si ridurranno i costi operativi e i rischi, si otterrà un maggior valore dai dipendenti e un importante vantaggio competitivo.