Data and information valorisation for Circular Manufacturing adoption

Nowadays, the technological advancements and the diffused need to move towards green and circular behaviours to stop the fast-increasing trend of resource consumption is highly affecting the entire society. Among the sustainable development goals recently promoted by the United Nations, the 12th goal suggests embracing more sustainable production and consumption patterns. This goal stimulates the request for a Circular Economy (CE) which is based on the values of narrowing, slowing, and closing of the resources’ loops. These new needs are highly influencing the strategic plans and the operating activities of manufacturing companies being the manufacturing sector one of the most resource greedy. Although there are many benefits that CE brings, like resource consumption reduction and waste minimisation, its full potentiality is not reached due to some shortfalls on both the managerial and technological sides. In this regard, properly using and sharing data is fundamental to make new business models run correctly and in a synchronized fashion with the contextual situation. Amongst those sectors experiencing this shortfall, there is the discrete manufacturing which is asked to manage complex data coming from several data sources. Correctly using and sharing data could enable discrete manufacturing companies to optimize their operations while embracing CE. Therefore, to undertake this transition, manufacturers need to first become aware about their current usage of data for circular purposes. This issue emerged during the definition of the theoretical foundation of this research, in which the concept of Circular Manufacturing (CM) was clarified as the concurrent adoption of several CM strategies (e.g., circular design, recycling, remanufacturing, cleaner production etc.) addressing the CE values in manufacturing companies. This preliminary review enabled also to highlight the two main research streams employed by scholars in studying CM (i.e., technology-based studies and assessment models-based studies), and the main open gaps. In both research streams, the prominent position of data emerged, especially as supporting tool for the decision-making process in CM adoption, and at the same time, data and information usage and sharing was considered the main gap to be furtherly investigated. For this reason, the research objective (RO) of this PhD Thesis is to “Analyse the role of data and information to foster CM adoption in discrete manufacturing companies and define how to assess their use to enhance the decision-making process in CM”. To address this RO, the relevant aspects characterising the decision-making process of manufacturers and the related information flows were first investigated based on the extant literature and practitioners’ interviews. The major influencing stakeholders, i.e., customers and suppliers, were detected, and it was emphasized the need to make internal functions be aligned in this transition, at all the hierarchical levels (i.e., strategic, tactical, and operational), always considering the external requests. Digging deeper in the information flows, the data required for each CM strategy was investigated, defining a theoretical framework including the categories of data in common to the different CM strategies (i.e., product, process, management) and the tools (e.g., technologies) to be used to gather and use data. Based on that, it was developed a conceptual data model clarifying the main classes of data, characterising CM, and their relationships. This model is a complete graphical representation of the necessary data to embrace CM creating the basement for an assessment model development. Thus, a maturity model (MM) allowing an introspective analysis, named CircularMan, has been developed to assess the current use of data in manufacturing companies for CM to support manufacturers’ decision-making process. CircularMan is based on four analysis dimensions (i.e., product, process, management, and tools) composed by other sub-dimensions, corresponding to the classes of data of the conceptual data model, evaluated across five levels of maturity. The assessment is performed through a questionnaire based on normative answers ensuring the objectivity of the evaluation. Relying on these answers, a qualitative output is given, backed also by a quantitative one computed thanks to the indexes referring to each dimension (i.e., respectively: tools = TMI, management = ESMI, process = PCMI, and product= PDMI). CircularMan has been verified through practitioners and academic expert’s interviews and focus groups, validated through pilot applications in two different manufacturing companies, and finally applied to other two manufacturing companies fostering its generalizability. CircularMan stimulates manufacturing companies in using and sharing data to support manufacturers’ decision-making process in CM adoption. Thus, being CircularMan a prescriptive MM, it enables to define customized improvement paths starting from the company’s current maturity state. To report an example from the model application, a company, operating in the whitegoods production, was suggested to develop smart products to gather data from consumers, improving the reverse flows once the products are used and tailoring the maintenance activities to extend the product lifecycle.

La nostra società si trova ad essere influenzata da un lato dall’avanzamento tecnologico e dall’altro dalla necessità di promuovere comportamenti più sostenibili per far fronte al consumo esasperato di risorse. Le Nazioni Unite hanno promosso diversi obiettivi, chiamati Sustainable Development Goals, tra i quali il dodicesimo incoraggia consumi e produzioni più responsabili. Tale obiettivo può essere raggiunto attraverso il paradigma, ormai diffuso con il nome di Economia Circolare (EC), che promuove la riduzione nell’uso delle risorse, l’estensione del loro ciclo di vita e il loro riutilizzo in cicli futuri. Tutto questo ha una grande influenza sulle attività strategiche e operative delle aziende manifatturiere considerato che tale settore è tra i principali utilizzatori di risorse naturali. Nonostante i molteplici benefici che l’EC può portare a tale settore, tra cui la riduzione dei consumi e degli scarti, la sua diffusione non è al massimo delle sue potenzialità a causa di limiti manageriali e tecnologici. A tale scopo, la gestione adeguata di dati e informazioni è fondamentale per consentire la promozione dell’EC. Tra i settori che più risentono di questa mancanza, vi è il settore manifatturiero discreto, poiché necessità di gestire dati complessi provenienti da svariate fonti. L’utilizzo e lo scambio appropriato di dati e informazioni permetterebbero a tale settore di ottimizzare le operations in ottica EC. Per questa ragione, al fine di percorrere una transizione strutturata e allineata alle proprie esigenze, le aziende manifatturiere devono essere prima di tutto consapevoli del loro attuale livello di utilizzo di dati e informazioni per l’EC. Questo aspetto è emerso fin da subito durante la definizione delle basi teoriche di questa ricerca. Dapprima, il concetto di Circular Manufacturing (CM) è stato definito come l’adozione simultanea da parte delle aziende manifatturiere di diverse strategie (es. riciclo, progettazione circolare dei prodotti etc.) che promuovono i principi dell’EC. In seguito, sono emersi i due filoni principali di ricerca che studiano le strategie di EC (i.e. aspetti tecnologici e di monitoraggio) caratterizzati da gap trasversali. Il ruolo essenziale coperto da dati e informazioni in tale transizione è apparso specialmente come supporto ai processi decisionali ed in particolare si è notata la necessità di migliorare l’uso e lo scambio di dati e informazioni a tale scopo. Tutto questo ha determinato l’obiettivo di ricerca di: “Analizzare il ruolo di dati e informazioni per promuovere l’adozione di CM nell’aziende manifatturiere discrete e definire come valutare l’uso di dati e informazioni da parte loro a supporto del processo decisionale in CM”. Seguendo tale obiettivo, prima di tutto, sulla base della letteratura scientifica e delle interviste ad alcuni manager aziendali, sono stati individuati gli aspetti caratterizzanti il processo decisionale in CM da parte delle aziende manifatturiere con particolare attenzione al flusso informativo. Si è evinto che i principali stakeholder esterni risultano essere i clienti e i fornitori, ed inoltre si è chiarito il ruolo fondamentale che ha l’allineamento interno tra le varie funzioni ad ogni livello gerarchico (i.e. strategico, tattico e operativo). Dopodiché, i dati e le informazioni necessarie per ciascuna strategia di CM sono state investigate, andando ad individuare un framework teorico che chiarisce quali sono le classi di dati in comune tra le varie strategie (i.e. prodotto, processo e gestione) e le tecnologie o gli strumenti necessari per utilizzarli. Sulla base di questo studio, si è sviluppato un modello concettuale in cui sono espresse esplicitamente le specifiche classi di dati, e le loro relazioni, necessarie per adottare in modo simultaneo le varie strategie di CM. Tale modello ha posto le basi per definire le dimensioni di analisi del modello di valutazione (i.e. prodotto, processo, gestione e strumenti) e le sue sottodimensioni. Più precisamente, è stato sviluppato un modello di maturità (MM), chiamato CircularMan, capace di permettere un’analisi introspettiva, al fine di valutare l’uso di dati e informazioni in ottica CM da parte di una determinata azienda manifatturiera. La valutazione è svolta per ciascuna dimensione di analisi, lungo cinque livelli di maturità, attraverso un questionario le cui domande sono caratterizzate da cinque risposte normative per garantire l’oggettività della valutazione. Viene dunque fornito un output qualitativo, supportato anche da una valutazione quantitativa basata su indicatori specifici per ciascuna dimensione (rispettivamente: strumenti = TMI, gestione = ESMI, processo = PCMI, prodotto = PDMI). CircularMan è stato prima verificato tramite un focus group e delle interviste, rispettivamente condotte con industriali e ricercatori, poi validato attraverso la sua applicazione in due aziende manifatturiere discrete operanti in settori differenti per valutarne la generalità. CircularMan, essendo un MM prescrittivo, stimola le aziende ad usare e scambiare dati per supportare il processo decisionale in ottica CM e permette di definire dei percorsi di miglioramento specifici sulla base dello stato attuale di maturità caratterizzante l’azienda. A titolo d’esempio, ad un’azienda è stato suggerito di sviluppare prodotti smart per migliorare le sue capacità di raccolta e utilizzo dei dati sui consumatori al fine di migliorare il servizio di manutenzione e promuovere una logistica inversa per recuperare parte delle risorse contenute nei prodotti usati.