Nel biennio della pandemia Covid-19 ci siamo tutti resi conto che la globalizzazione aveva portato tanti vantaggi ma anche una grande vulnerabilità: quando le supply chain internazionali vanno in crisi per un qualche motivo, ne soffriamo tutti. È per questo che alla mitica "ripartenza" le spinte alla reindustrializzazione si sono progressivamente rafforzate, anche sulla spinta di altre crisi internazionali che non sembrano mai finire: dalla guerra tra Russia e Ucraina, fino alle più recenti tensioni in Medio Oriente. 

Il fenomeno, tra alti e bassi, continua perché affermare che oggi l’incertezza è una condizione strutturale fa effetto nei post per LinkedIn ma alle imprese l'idea non piace affatto, e nemmeno all'economia mondiale in generale. Così, oggi, il 73% delle organizzazioni a livello mondiale (il 71% in Europa) dispone già di una strategia di reindustrializzazione oppure la sta sviluppando, per avere un maggiore controllo sulla produzione e sulle supply chain.

Una recente analisi di Capgemini (ne avevamo accennato già qui) indica che ogni area del mondo ha il suo approccio preferenziale. Gli Stati Uniti, che hanno mantenuto una loro importante capacità produttiva, preferiscono il classico reshoring (riportare la produzione e le supply chain nella propria nazione). Le aziende europee preferiscono il friendshoring (spostare la produzione e le supply chain in nazioni considerate "amiche") perché riportare la produzione proprio "a casa" è considerato ancora complesso, principalmente per problemi di costo del lavoro e dell'energia e di complessità delle normative.

Il 64% delle aziende europee analizzate da Capgemini ha in atto politiche di friendshoring, che coinvolgono principalmente India, Vietnam, Messico e Canada. Se la UE si muovesse in modo tale da semplificare la sua complessità normativa e da affrontare i problemi di criticità strutturale e competitività che le aziende percepiscono, il reshoring e il nearshoring (spostare la produzione e le supply chain in nazioni considerate vicine o confinanti) diventerebbero opzioni più interessanti. In generale, spiega Capgemini, le organizzazioni europee stanno adottando un approccio ibrido alla reindustrializzazione, cercando di bilanciare rischio, competitività dei costi e capacità operative.

Le tecnologie contano

Quale è il ruolo delle nuove tecnologie e del digitale in questo processo di reindustrializzazione? È un ruolo essenziale, spiegano le aziende coinvolte da Capgemini confermando precedenti valutazioni. Tanto da indicare il rapporto tra reindustrializzazione e innovazione come "simbiotico": permette di migliorare l'esistente ma soprattutto di creare nuove logiche e nuovi modelli produttivi. Automazione, digitalizzazione e AI sono considerate come la base per realizzare smart factory "digital first" in grado di navigare meglio il mare di quell'incertezza che tutti vedono ma nessuno vuole.

Ma non solo: è proprio il processo di reindustrializzazione in sé che viene agevolato da nuove tecnologie come intelligenza artificiale e digital twin. L'87% del campione Capgemini indica che queste tecnologie abbassano i costi delle progettazione e della realizzazione di nuovi impianti produttivi, i quali - in una sorta di circolo virtuoso - possono essere implementati come smart factory e fare un maggiore uso delle stesse nuove tecnologie. Grazie a questo approccio, l'82% del campione prevede un aumento del tasso di innovazione di processo e di prodotto nei prossimi tre anni.

Capgemini ha identificato sette tecnologie principali che stanno avendo un ruolo chiave nell'abilitare percorsi di reindustrializzazione efficaci e sostenibili. Alcune sono note da tempo ma si stanno comunque potenziando: l'automazione aumenta l'efficienza e abbassa i costi, le tecnologie IoT e Industrial IoT sono la base della digitalizzazione, i servizi di edge/cloud computing supportano l'automazione in tempo reale.

Parallelamente, tutto ciò che è digital twin e simulazione sta acquistando sempre maggiore importanza: realizzare repliche digitali sempre più sofisticate di prodotti, processi e materiali è indispensabile per le attività di ottimizzazione e previsione di ciò che poi potrà accadere nel mondo reale. Ed è il primo "mattoncino" di quel ponte tra reale e virtuale che dovrebbe portarci sulla sponda (metaforica) dell'adaptive manufacturing. Di cui parliamo da anni ma che stavolta sembra proprio a portata di mano. 

L'adaptive manufacturing viene descritto come un’architettura basata su eventi che connette dati, applicazioni e infrastrutture all’interno dell’organizzazione. Costruita su reti condivise IT-OT e su basi dati distribuite tra edge e cloud, per arrivare a una smart factory che è sì gestita centralmente, ma anche in grado di adattare i suoi processi a necessità ed eventi che vengono rilevati persino in tempo reale. Ad esempio, una smart factory di questo tipo sa intervenire, immediatamente e senza intervento umano, sui parametri operativi delle macchine di produzione per contenere i difetti rilevati - sempre automaticamente - a fine linea.

Questo modelli di smart factory le aziende più evolute lo hanno in mente da tempo, quello che mancava per realizzarlo lo sta portando adesso lo sviluppo dell'intelligenza artificiale. L'AI generativa e agentica aiuta ad accelerare le attività di progettazione, sviluppo e operations, così come i processi decisionali, migliorando qualità e produttività. La più futuribile - ma nemmeno tanto, ormai - Physical AI porta l’intelligenza artificiale nello shopfloor integrandola in macchine e sistemi di controllo, che usano sensori per interpretare l’ambiente circostante, interagire con esso e operare anche in condizioni impreviste.

Il lato umano

I vantaggi di queste evoluzioni sono, secondo i più ottimisti, per tutti. Robot e cobot automatizzano le attività ad alta intensità di lavoro, con la conseguenza di ridurre i costi di produzione (il che aiuterebbe il reshoring, tra l'altro). Usare l’AI e i digital twin nel planning della produzione contribuisce a ridurre i tempi di fermo e aumentare la produttività. I robot programmabili consentono di riconfigurare rapidamente le linee produttive, rendendo possibile una produzione flessibile, che risponde più velocemente alla domanda del mercato. L’intelligenza artificiale, e gli strumenti digitali in generale, automatizzano le attività ripetitive, liberando risorse umane per ruoli a maggior valore aggiunto e facilitando i processi di re/up-skilling. E così via.

Il campione di Capgemini illustra quanto queste non siano solo belle speranze tecnologiche ma risultati concreti. GE Aerospace usa l'AI per una manutenzione predittiva che ha ridotto del 40% i downtime non previsti dei suoi motori per jet. Siemens usa i digital twin per ottimizzare il carico sulle linee di produzione e ha ottenuto una riduzione dell’83% dei tempi di consegna. Nel suo sito di Évreux, Schneider Electric ha integrato i sistemi dati, finanziari e di produzione per ottimizzare l'approvvigionamento delle materie prime critiche e i processi di economia circolare, con una riduzione del 43% delle emissioni Scope 3 e una diminuzione del 40% dell’utilizzo di plastica monouso. Nel sito di Devens, Bristol Myers Squibb ha utilizzato l’AI per sviluppare oltre 30 nuovi casi d’uso, abbassando del 42% il tempo necessario per l’introduzione di nuovi prodotti.

Tutto bene, quindi? No, c'è sempre in ballo la questione che tutte le imprese, o quasi, associano all'innovazione tecnologica: la mancanza di competenze. Per ben l'83% del campione Capgemini, la carenza di lavoratori qualificati è una sfida rilevante per i propri programmi di reindustrializzazione. Una percentuale analoga segnala inoltre la necessità di competenze industriali più evolute. Tuttavia, solo il 34% del campione è preparato a migliorare le capacità della forza lavoro con iniziative di evoluzione delle competenze, formazione e alfabetizzazione digitale. E ci sono skill gap importanti proprio negli ambiti tecnologici richiesti dal nuovo manufacturing: ingegneria avanzata (62%), digital twin (50%), AR/VR (50%), IoT (46%), gestione della supply chain (42%).

Colmare questi gap non è semplice. Anche perché le competenze richieste sono sempre più articolate: oltre ad avere le tradizionali skill "da fabbrica", i lavoratori del manufacturing dovranno sapersi orientare in ambito cybersecurity, avere capacità tecniche legate alla manutenzione di robot e sensori, saper interpretare i (sempre più) dati generati dalle macchine di produzione, risolvere problemi tramite strumenti di analytics, interagire con sistemi basati sull’intelligenza artificiale. Serve partire metaforicamente dal basso di questo skill gap multiforme per concretizzare davvero le ambizioni di reindustrializzazione delle aziende europee.