Successfully reported this slideshow.
Your SlideShare is downloading. ×

Smartoperations 2019 - Printing

Ad

APPLICAZIONE PRINTING INDUSTRY
 RICOH
http://www.smartoperations.it
info@smartoperations.itSede Legale: Via Madonna del P...

Ad

Obiettivo generale
Riprogettare il sistema di supporto alle decisioni utilizzato per la gestione e validazione degli
ordin...

Ad

Criticità del processo di validazione
Il processo di validazione degli ordini è un’attività critica per l’azienda: per il ...

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Loading in …3
×

Check these out next

1 of 15 Ad
1 of 15 Ad
Advertisement

Smartoperations 2019 - Printing

  1. 1. APPLICAZIONE PRINTING INDUSTRY  RICOH http://www.smartoperations.it info@smartoperations.itSede Legale: Via Madonna del Piano 6, CAP 50019 - Sesto Fiorentino (FI) P.IVA 06498400487 Sede Operativa: Piazza Ciardi, 25 59100 Prato (PO) - c/o PIN s.c.r.l. Smartoperations s.r.l. A spin-off company from:
  2. 2. Obiettivo generale Riprogettare il sistema di supporto alle decisioni utilizzato per la gestione e validazione degli ordini di consumabili e parti di ricambio di Ricoh Italia. Ricoh Italia gestisce circa 300.000 stampanti dislocate sul territorio nazionale, di cui circa il 25% (75.000) sono connesse al network con invio giornaliero dei dati tramite applicativo @remote, che consente l’ordine automatico dei consumabili. In generale, i canali attraverso cui il cliente può effettuare gli ordini sono molteplici (tramite piattaforma web, per email, per telefono, con @remote,…) e per questo è richiesto un controllo puntuale che coinvolge anche operatori di back- office specializzati. 2
  3. 3. Criticità del processo di validazione Il processo di validazione degli ordini è un’attività critica per l’azienda: per il suo modello di business PaaS (Printing as a Service), infatti, è fondamentale eseguire un controllo attento degli ordini eseguiti dai clienti al fine di garantire una buona redditività dei contratti in essere: 3
  4. 4. Understand: Comprendere e identificare i problemi attuali Ideate: Ideare nuove soluzioni Test: Testare e validare l’usabilità e la fattibilità Prototype: Progettare e codificare le soluzioni ideate L’approccio La riprogettazione di un nuovo sistema di supporto decisionale costituisce il caso ideale per l’applicazione del nostro approccio Data2Action® perché non si tratta di un progetto IT ma si tratta di comprendere meglio il business ed individuare i problemi per: 1. Incrementare la profittabilità; 2. Migliorare la customer experience. Developed by: D2A website: 4
  5. 5. L’approccio - Ideate I processi sono stati mappati con gli strumenti tipici del Service Design Thinking: personas, avatar, journey map e job-to-be-done ne sono un esempio. 5
  6. 6. L’approccio – Ideate/Prototype Per ciascun processo (o problema) è stato ideato e prototipato concettualmente (i.e. su un foglio di carta) il dashboard con quei KPI che l’attore (operatore, manager, … responsabile del corrispondente processo) avrebbe bisogno come strumento di supporto alle decisioni. A1-C1 A1-C2 A1-C3 A1-C4 A2-C1 A2-C2 6
  7. 7. L’approccio – Prototype Per procedere con la trasformazione del prototipo concettuale nel prototipo «digitale» del cruscotto, occorre: • Identificare le informazioni chiave (Target Data) presenti nel prototipo di cruscotto;1 • Estrarre dalle fonti aziendali (DB) i dati sorgente (Source Data) necessari ad ottenere i dati target;2 • Trasformare ed elaborare i dati sorgente per ottenere i dati target necessari per creare il prototipo;3 • Visualizzazione dei target data attraverso un cruscotto interattivo.4 7
  8. 8. L’approccio – Prototype • Identificare le informazioni chiave (Target Data) presenti nel prototipo di cruscotto; 1 TONER REMAINING – BR: % TONER RIMANENTE AL MOMENTO DELLA SOSTITUZIONE MODELLO NOME DEL CLIENTE NUMERO DI STAMPANTI SOTTO CONTRATTO SOGLIA DI RIORDINO AUTOMATICO Per ogni prototipo di cruscotto, sono state individuate le informazioni (Target Data) necessari per il suo sviluppo. 8
  9. 9. • Estrarre dalle fonti aziendali (DB) i dati sorgente (Source Data) necessari ad ottenere i dati target;2 L’approccio – Prototype Trattandosi di un db strutturato, sono stati utilizzati script SQL per estrarre i dati necessari; laddove non è stato possibile fare un coerente filtraggio dei valori, l’attività di data cleaning è portata avanti nella fase successiva. 9
  10. 10. • Trasformare ed elaborare i dati sorgente per ottenere i dati target necessari per creare il prototipo;3 L’approccio – Prototype In questa fase sono state utilizzate le librerie Python, prima per fare data cleaning (con numpy, pandas) e poi per trasformare – tramite opportune elaborazioni – i dati in informazioni più o meno aggregate (target data) distinte per ciascun dashboard. 10
  11. 11. • Trasformare ed elaborare i dati sorgente per ottenere i dati target necessari per creare il prototipo;3 L’approccio – Prototype In alcuni casi, oltre alla combinazione e selezione dei campi estratti con SQL, tramite il pacchetto scikit- learn in Python sono stati sviluppati appositi modelli di ML (SVR, SVC,…) per effettuare predizioni sulla base dello storico dati disponibile, mediante un’attenta: • Selezione degli attributi; +1mlnrecords + 50 attributi +1mlnrecords + 30 attributi 11
  12. 12. • Trasformare ed elaborare i dati sorgente per ottenere i dati target necessari per creare il prototipo;3 L’approccio – Prototype • Scelta ottimale dei parametri (iterazione sulla tipologia di keras, sull’entità della funzione penalità,...); • Validazione e test dei risultati. Tutto questo per garantire l’ottimizzazione dei tempi di calcolo ed una buona accuratezza delle predizioni del modello ML (in questo caso, fino al 99,5%!). 12
  13. 13. • Visualizzazione dei target data attraverso un cruscotto interattivo su Microsoft Power BI.4 L’approccio – Prototype I target data ottenuti sono stati quindi importati all’interno di Power BI per creare i cruscotti ideati all’inizio della fase di prototipazione. La scelta di utilizzare questo tipo di strumento è legata sia alla sua facilità di utilizzo ma anche perché abilita l’utente finale ad effettuare ulteriori analisi e creare differenti personalizzazioni, ma non è vincolante. 13
  14. 14. L’approccio - Test Attualmente i cruscotti creati nella fasi precedenti sono in fase di testing da parte degli operatori e manager: sulla base del loro utilizzo quotidiano, forniranno quei feedback utili sotto molteplici aspetti: dall’affinamento delle analisi dati eseguite fino alla riprogettazione dei cruscotti stessi. In questo processo iterativo, uno degli output più importanti dell’approccio D2A è stata la definizione, a partire dai target data, di quei dati che mancano e che dovrebbero essere raccolti dalle macchine: di fatto questo ha costituito un input molto importante per l’IT aziendale per guidarlo nell’ottimizzazione del sistema di raccolta dati. 14
  15. 15. CONTACT www.smartoperations.it info@smartoperations.it Sede Legale: Via Madonna del Piano 6, CAP 50019 - Sesto Fiorentino (FI) P.IVA 06498400487 Sede Operativa: Piazza Ciardi, 25 59100 Prato (PO) - c/o PIN s.c.r.l. Smartoperations s.r.l. Cosimo Barbieri Mech. Eng., PhD Student Partner, project manager Keywords: Data Analyst, Python developer, ML, service design, Design Thinking, Digital Twin. Mail: cosimo.barbieri@smartoperations.it

×