From Knowledge Management to Knowledge Augmentation: Boosting Effectiveness and Efficiency in Managing Digital Transformation through Data

Sommario L'ascesa di Industria 4.0 e della Data Science ha portato a un crescente interesse delle aziende nel raccogliere, immagazzinare e analizzare grandi quantità di dati sia strutturati che non strutturati. A causa della complessità dei dati, della loro eterogeneità, della loro scarsa strutturazione, le aziende che cercano di catturare conoscenza da essi dovrebbero affrontare una sfida di Knowledge Capture/Extraction e Management. Gli strumenti classici non sono più sufficienti: questa tesi mira a sviluppare strumenti e metodi accessibili per aumentare l'efficienza e l'efficacia dei processi, supportando così le industrie nella transizione verso la nuova Industria 4.0. Per raggiungere questo obiettivo, ho raccolto e analizzato dati appartenenti a diverse funzioni aziendali, in modo da trattare dati di diverso tipo e con impatto su diversi stakeholder. Questa tesi ha portato allo sviluppo e all'applicazione di diversi strumenti e metodologie: - uno strumento per la gestione delle risorse umane per misurare l'impatto di Industria 4.0 sul lavoro profili di lavoro dell'azienda Whirlpool è stato sviluppato; - un metodo per mappare automaticamente l'uso dei dati nella progettazione ingegneristica; - uno strumento per la funzione acquisti per estrarre i requisiti dai documenti di acquisto dell'azienda AnsaldoBreda S.p.A; - una metodologia per estrarre concetti rilevanti per la manutenzione dai manuali di manutenzione dell'azienda BOBST SA; - uno strumento di misurazione applicato sperimentalmente sia per la misurazione di tempi e metodi nelle Operations che per la costruzione automatica di Spaghetti Charts nella logistica interna. I risultati ottenuti in questo lavoro sono promettenti e mostrano il potenziale delle metodologie e degli strumenti data-driven per le aziende per affrontare la Digital Transformation. Summary The rise of Industry 4.0 and Data Science led to a growing interest of companies in collecting, storing and analyzing vast amount of both structured and unstructured data. Due to the complexity of data, its heterogeneity, its poor structuring, companies trying to catch knowledge from them should face a Knowledge Capture/Extraction and Management challenge. Classic tools are no longer enough: this thesis aims to develop affordable tools and methods for boosting process efficiency and efficacy, thus supporting industries in the transition to the new Industry 4.0. To achieve this goal, I collect and analyze data belonging to different business functions, so to deal with data of different types and impacting on different stakeholders. This thesis led to the development and application of several tools and methodologies: - a tool for Human Resources Management to measure the Industry 4.0 impact on the job profiles of Whirlpool company has been developed; - a method to automatically map the use of data in Engineering Design; - a tool for the purchasing function to extract requirements from the purchasing documents of AnsaldoBreda S.p.A. company; - a methodology to extract maintenance-relevant concepts from the maintenance manuals of BOBST SA company; - a measurement tool experimentally applied both for the measurement of time and methods in operations and for the automatic construction of Spaghetti Charts in internal logistics. The results achieved in this work are promising and show the potential of data-driven methodologies and tools for companies to face the Digital Transformation.