La trasformazione digitale nel processo di health technology management in Humanitas: verso l'approccio data driven maintenance

Digital transformation, in relation to the industry 4.0 scenario, represents a complex and highly topical issue. As discussed in chapter 2, in fact, by digital transformation we mean the efficiency of processes, the increase in productivity and the improvement of work. With regard to hospitals and the electromedical equipment therein, the use of digital technologies is undoubtedly taking on a certain importance in technological progress; this is possible thanks to a technological combination of automation, information, connection and programming that is leading to a change in technological and cultural paradigms with which new "development concepts" and service are introduced under the banner of digital transformation. It is precisely in this perspective that the desire to analyze, in this work, the digital transformation taking place at the Humanitas Clinical Institute fits in, as a result of the curricular internship experience carried out at the institute. Two of the essential and enabling aspects were therefore analyzed, concerning the technologies to support digital transformation within industry 4.0: asset management software, data collection and analysis. The organization and coordination of all activities included in the life cycle of medical technologies, or health technology management (HTM), in a hospital is of fundamental importance. To support this management, Clinical Engineers adopt asset management software. With a view to digital transformation, the reference Institute requested and subsequently planned together with the supplier an update of the asset management software to a new version. In order to understand and study the value that this new tool will actually bring to the Clinical Engineering Service, in the third chapter we started first from an “as is” analysis of the processes. At the same time, all those organizational, technological and human criticalities that each process possesses were researched and identified. Concomitantly, therefore, the critical issues that emerged were resolved and a real reengineering process was reached, in which there was a redesign of the "to be" processes and their graphical representation thanks to the use of the Business Process Model and Notation (BPMN 2.0). As regards the other enabling aspect, namely the collection and analysis of data, it was interesting to observe how, with the mentioned update, the Clinical Engineering Service will be able to begin to have the possibility of a timely collection of data relating to equipment. Therefore, it will be possible to set up a primitive model of predictive maintenance with a data driven approach. Including this activity within a Clinical Engineering Service, can certainly constitute a clear advantage since the ultimate goal is to reduce the number of unexpected failures and consequently all the related costs, along with the elimination of downtime. In the fourth chapter, therefore, the analysis of data relating to a specific group of equipment present in Humanitas was dealt with: the electrosurgical unit, an equipment that use a high-frequency current to cut and coagulate tissue. Therefore, the data chosen for this type of initial predictive maintenance approach were purely electrical data. The methodology and principles used for the development of experimental tests carried out with the aim of validating the results found in the previous data analysis were also described within the same chapter. Finally, it was possible to compare the results from the aforementioned data analyses. Finally, in the fifth and last chapter, the results achieved and obtained in this second part of the work were examined and deepened, thus drawing the appropriate conclusions.

La trasformazione digitale, relativamente allo scenario dell’industria 4.0, rappresenta un tema complesso e di grande attualità. Com’è stato approfondito nel capitolo 2, infatti, per trasformazione digitale s’intende l’efficientamento dei processi, l’aumento della produttività e il miglioramento del lavoro. Per quanto concerne le aziende ospedaliere e le apparecchiature elettromedicali ivi presenti, l’utilizzo delle tecnologie digitali sta indubbiamente assumendo una certa rilevanza nel progresso tecnologico; questo è possibile grazie ad una combinazione tecnologica di automazione, informazione, connessione e programmazione che sta portando ad un cambio dei paradigmi tecnologici e culturali con cui si introducono nuovi “concepts di sviluppo e di servizio” all’insegna di una digital trasformation. E’ proprio in questa prospettiva che si inserisce la volontà di voler analizzare, nel presente lavoro, la trasformazione digitale in atto presso l’Istituto Clinico Humanitas, risultato dell’esperienza di tirocinio curriculare svolta presso l’Istituto. Sono stati analizzati, dunque, due degli aspetti essenziali e abilitanti, concernenti le tecnologie a supporto della trasformazione digitale nell’industria 4.0: i software di asset management, la raccolta e l’analisi dei dati. L’organizzazione e le coordinazione di tutte le attività incluse nel ciclo di vita delle apparecchiature biomediche, o l’Health Tehcnology Management (HTM), in un ospedale è di fondamentale importanza. A supporto di questa gestione, gli Ingegneri Clinici adottano dei software di asset management. Nell’ottica della digital trasformation, l’Istituto di riferimento ha richiesto e successivamente programmato insieme al fornitore un aggiornamento del software di asset management ad una nuova versione. Per poter studiare il valore che effettivamente questo nuovo strumento apporterà nel Servizio di Ingegneria Clinica dell’Humanitas, nel terzo capitolo si è partiti da un’analisi dei processi “as is”. Contestualmente sono state ricercate tutte quelle criticità organizzative, tecnologiche e umane, che ciascun processo descritto. In concomitanza sono state risolte le criticità emerse e si è giunti ad un vero e proprio processo di reingegnerizzazione, nel quale c’è stato un ridisegno dei processi “to be” ed una loro rappresentazione grafica grazie all’utilizzo del Business Process Model and Notation (BPMN 2.0). Per ciò che riguarda l’altro aspetto abilitante, vale a dire la raccolta e l’analisi dei dati, è stato interessante osservare come, con l’aggiornamento menzionato, il Servizio di Ingegneria Clinica potrà iniziare ad avere la possibilità di una raccolta puntuale dei dati relativi alle apparecchiature. Dunque si potrà impostare un modello primitivo di manutenzione predittiva con un approccio data driven. All’interno di un Servizio di Ingegneria Clinica, quest’attività può sicuramente costituire un vantaggio dal momento che l’obiettivo ultimo è quello di ridurre il numero di guasti imprevisti e conseguentemente tutti i costi connessi, insieme all’eliminazione dei tempi di inattività. Nel quarto capitolo, perciò, è stata affrontata l’analisi dei dati relativi ad un gruppo specifico di apparecchiature presenti in Humanitas: gli elettrobisturi, apparecchiature che utilizzano per il taglio e la coagulazione di tessuto una corrente ad alta frequenza. Pertanto, i dati scelti per questo tipo di approccio iniziale di manutenzione predittiva, sono stati dei dati elettrici. All’interno dello stesso capitolo è stata descritta la metodologia e i principi utilizzati per lo sviluppo di prove sperimentali realizzate con la finalità di validare i risultati riscontrati precedenti. Infine, è stato possibile confrontare i risultati provenienti dalle analisi dati suddette. Concludendo, nel quinto capitolo, sono stati esaminati e approfonditi i risultati conseguiti in questa seconda parte del lavoro traendo quindi le conclusioni opportune.