MFL X e 40Factory mostrano come passare da costruttori di macchine a fornitori di servizi digitali data-driven. Un modello concreto per la logistica e la supply chain italiana.
Da costruttori di macchine a partner data-driven per la supply chain
Molte aziende manifatturiere italiane stanno scoprendo che il vero margine non è più nascosto solo nel “ferro”, ma nei servizi digitali post-vendita e nei dati generati dagli impianti. Questo vale ancora di più per chi lavora in logistica e supply chain: chi controlla i dati reali delle macchine e dei flussi controlla la continuità operativa e i costi.
La trasformazione di MFL Group con la divisione digitale MFL X, abilitata dalla tecnologia di 40Factory, è un caso concreto di come un costruttore possa diventare fornitore di servizi avanzati basati su IoT e IA. Ed è un modello che chi opera in logistica, magazzini automatizzati, centri di distribuzione, 3PL può copiare quasi “as is”.
In questo articolo, parte della serie “IA nella Logistica Italiana: Supply Chain Excellence”, vediamo cosa ha fatto MFL X, perché funziona e come la stessa logica può essere applicata a impianti logistici, sorter, AGV, trasloelevatori, sistemi di picking e magazzini automatici.
1. Perché il valore sta nei servizi digitali, non solo nelle macchine
La realtà è semplice: per i clienti non basta più una macchina robusta. Vogliono disponibilità garantita, produttività costante e decisioni basate sui dati lungo tutta la vita dell’impianto.
MFL Group, storico costruttore di impianti per fili, cavi e funi (128 anni di storia, oltre 500 dipendenti e stabilimenti in 4 paesi), ha interiorizzato questa verità creando nel 2018 MFL X, una sorta di startup tecnologica interna dedicata ai servizi digitali.
L’obiettivo dichiarato di MFL X è chiaro:
non essere più solo un costruttore di macchine, ma un gruppo che vende servizi evoluti basati sui dati.
Per chi lavora nella logistica italiana, questo cambio di prospettiva è cruciale:
- un magazzino automatico non è solo un investimento CAPEX, ma una fonte continua di dati su saturazione, colli di bottiglia, manutenzione
- un operatore logistico può vendere non solo spazio e trasporto, ma servizi premium di affidabilità, SLA garantiti, KPI in tempo reale
- un costruttore di impianti per logistica può evolvere verso contratti “as-a-service” legati alla performance, non solo alla fornitura di hardware
Chi non costruisce una vera offerta digitale post-vendita si ritrova a competere solo sul prezzo d’acquisto degli impianti. Ed è una gara che, nel medio periodo, si perde.
2. MFL X e 40Factory: come si costruisce un ecosistema IIoT utile (non solo “figo”)
MFL Group nel 2019 ha scelto di non sviluppare tutto in casa e di affidarsi a 40Factory, azienda specializzata in Industrial IoT e analytics per il mondo machinery. La scelta è stata guidata da un criterio semplice ma spesso ignorato:
la tecnologia non doveva essere un “progetto pilota”, ma la base per nuovi pacchetti di servizi con un business model chiaro.
Il problema di fondo: OEM e utilizzatore finale non si parlano sui dati
Nel manifatturiero, ma anche nella logistica, si vede sempre lo stesso schema:
- l’OEM (costruttore di macchine o impianti) ha il know-how tecnico
- l’utilizzatore (stabilimento produttivo, operatore logistico, retailer) ha i dati reali di utilizzo
Se questi due mondi restano separati:
- la diagnosi guasti è lenta
- gli interventi sul campo sono “alla cieca”
- è difficile proporre servizi di manutenzione avanzata o ottimizzazione dei flussi logistici
40Factory, con la sua piattaforma MAT (Machine Analytics Tool) e con la tecnologia Wilson per gli assistenti IA, mette sul tavolo proprio questo: una piattaforma che permette a OEM e utilizzatore di condividere dati, insight e know-how.
Per la logistica italiana questo concetto di “shared value” è decisivo:
- il costruttore di impianti intralogistici vede come le sue macchine lavorano realmente su decine di siti
- il 3PL ottiene insight che non riuscirebbe mai a generare da solo con fogli Excel e report manuali
- entrambi costruiscono servizi ricorrenti: screening periodici, consulenze data-driven, pacchetti “uptime garantito”
3. La Control Room: da sala visite “wow” a cervello operativo
MFL X ha trasformato la propria sede di Molteno creando una Control Room: non un semplice showroom, ma un vero centro operativo.
In Control Room arrivano in tempo reale:
- dati di produzione
- allarmi e anomalie
- performance delle linee connesse in tutto il mondo
Su grandi schermi touch il team di MFL X analizza trend, individua criticità e alimenta un ciclo di data-driven development: i dati reali di utilizzo guidano gli aggiornamenti alle macchine, al software e ai servizi.
Per la logistica questo concetto è facilmente trasferibile:
- una Control Room logistica può aggregare in un unico ambiente:
- saturazione del magazzino
- performance dei sorter
- stato degli AGV/AMR
- lead time di inbound e outbound
- i responsabili possono prendere decisioni operative in giornata, non a posteriori a fine mese
- il costruttore degli impianti può usare gli stessi dati per migliorare layout, cicli macchina e algoritmi di movimentazione
Chi oggi gestisce magazzini in Italia potrebbe partire anche in piccolo: una stanza, 2-3 dashboard ben progettate, alert automatici chiari. Non serve partire da uno scenario da “control tower globale”, basta che i dati siano azionabili.
4. L’ecosistema applicativo di MFL X: cosa possiamo copiare per la logistica
L’evoluzione di MFL X con 40Factory ha portato alla creazione di un ecosistema di applicazioni digitali che abilitano servizi concreti. I nomi sono diversi, ma gli archetipi servono anche a chi si occupa di logistica.
4.1 Acumen: l’IIoT che raccoglie e rende leggibili i dati
Acumen è l’applicazione IIoT di MFL Group, costruita sul framework MAT. Collega le macchine, raccoglie i dati operativi e li rende utilizzabili sia per il costruttore sia per il cliente.
In chiave logistica, la stessa funzione può essere declinata così:
- connettività continua di trasloelevatori, nastri, sorter, navette, AGV
- monitoraggio centralizzato di:
- OEE degli impianti di movimentazione
- cicli al minuto, stop, microfermate
- tempi medi di attraversamento di pallet, casse o colli
- analisi storica per capire dove si perdono davvero minuti e margini nella supply chain
4.2 Scout: ricambi, 3D e realtà aumentata
Scout usa il modello 3D della macchina per facilitare la ricerca e l’acquisto dei ricambi, con possibilità di fruizione anche in realtà aumentata.
Nella logistica questo significa:
- un manutentore che in magazzino inquadra con un tablet il trasportatore o il trasloelevatore
- il sistema evidenzia in AR il componente, mostra codice ricambio, disponibilità a magazzino, tempi di consegna
- riduzione drastica dei tempi di fermo e degli errori di ordinazione
4.3 Wizard: simulazioni e configurazione tecnica
Wizard esegue simulazioni complesse di processi (nel caso di MFL, diagrammi di trafilatura) a supporto di uffici tecnici e commerciali.
Per la supply chain italiana, un “Wizard logistico” potrebbe:
- simulare la capacità di un nuovo layout di magazzino
- stimare l’impatto di un aumento di volumi del 30% su sorter e picking
- confrontare diversi scenari di ottimizzazione percorsi per AGV/AMR
Chi vende o progetta impianti logistici può usare uno strumento così per vendere sulla base di numeri, non solo di brochure.
4.4 Emma: l’IA che riduce il problema della scarsità di competenze
Emma è il copilot di IA generativa costruito sulla tecnologia Wilson: un assistente disponibile 24/7 che integra manuali, storico interventi, dati macchina e know-how degli ingegneri.
Per la logistica, dove:
- è difficile trovare tecnici e capi impianto esperti
- il turnover degli operatori è alto
un “Emma logistico” può:
- guidare un operatore durante un fermo linea con istruzioni passo-passo
- rispondere a domande su allarmi, parametri, manutenzioni
- suggerire azioni per migliorare la produttività del magazzino in base ai dati storici
In pratica, trasferisce know-how aziendale da pochi esperti a tutta l’organizzazione, anche di notte o nei weekend.
4.5 Eagle: qualità in tempo reale grazie alla visione artificiale
Nei prossimi mesi MFL X introdurrà Eagle, basata su modelli di Computer Vision sviluppati da FruitfulAI, per il controllo qualità automatico dei cavi ad alta velocità.
È esattamente il tipo di tecnologia che può essere usata nei:
- centri di smistamento per rilevare colli danneggiati
- magazzini per verificare l’integrità dei pallet
- aree di inbound per controllare etichette, codici, posizionamento corretto
In uno scenario di logistica omnicanale, avere una visione artificiale che controlla in linea la qualità dei flussi riduce resi, errori di spedizione e tempi di controllo manuale.
5. Dal “pronto soccorso” alla consulenza strategica per la supply chain
MFL Care, il servizio post-vendita del gruppo, è passato da ruolo reattivo (solo emergenze) a consulente strategico grazie ai dati dell’ecosistema digitale.
I servizi evoluti includono:
- screening periodici on site supportati dagli insight di Acumen
- formazione operativa per contrastare la perdita di competenze
- supporto remoto basato su dati reali delle linee
- report trimestrali di intelligenza con analisi e raccomandazioni
Per chi gestisce logistica e supply chain in Italia, questo è esattamente il salto di qualità da fare:
- dal “chiamami quando si rompe qualcosa” a “lavoriamo sui tuoi KPI logistici trimestrali”
- dal vendere ore uomo a vendere riduzione di lead time, aumento di saturazione, riduzione fermi impianto
Esempio applicato alla logistica
Un operatore logistico con un grande hub automatizzato potrebbe offrire ai suoi clienti:
- un pacchetto di screening annuale sugli impianti intralogistici, con report condivisi
- analisi delle cause principali di ritardo nelle spedizioni
- proposte concrete per migliorare slotting, percorsi di picking, gestione dei picchi stagionali
Il tutto basato su dati raccolti automaticamente dall’equivalente logistico di Acumen, e non su percezioni.
6. Cosa imparare dal caso MFL X se lavori in logistica
Ci sono almeno cinque lezioni operative che chi gestisce impianti logistici o progetta soluzioni per la supply chain italiana può prendere subito da MFL X:
- Parti dal modello di servizio, non dalla tecnologia. Decidi quali servizi vuoi vendere (uptime, riduzione errori, SLA, consulenza) e poi scegli le piattaforme.
- Costruisci un ecosistema, non un’app singola. Dati IIoT, AR, simulazione, IA conversazionale e visione artificiale devono parlare tra loro.
- Rendi visibile il digitale. Una Control Room, anche piccola, cambia la percezione interna: il digitale smette di essere un “progetto IT” e diventa operatività quotidiana.
- Monetizza i dati. Screening, report di intelligenza, formazione basata su casi reali sono servizi che generano margini ricorrenti e fidelizzazione.
- Punta alla manutenzione predittiva e poi all’autocorrezione. L’obiettivo di MFL X è arrivare alla autocorrezione autonoma delle macchine. Nel mondo logistico questo significa impianti che adattano velocità, percorsi e logiche di smistamento in tempo reale.
Questo approccio è perfettamente allineato con l’idea di “Supply Chain Excellence”: non solo funzionare, ma funzionare in modo intelligente, adattivo e sostenibile.
Conclusione: l’IA nella logistica italiana ha bisogno di casi reali, non di slogan
La storia di MFL X e 40Factory dimostra che l’IA e l’Industrial IoT funzionano davvero quando sono inseriti in un modello di servizio chiaro e orientato al cliente. Non servono buzzword, serve la volontà di ripensare il proprio ruolo: da costruttore o operatore di impianti a partner data-driven della supply chain.
Per la logistica italiana, il momento è favorevole: tra picchi stagionali, tensioni sulla disponibilità di autisti, e-commerce in crescita e richieste di tracciabilità, chi saprà usare i dati di impianti, magazzini e trasporti con l’AI avrà un vantaggio competitivo reale.
La domanda da farsi oggi non è “se” investire in IA e IoT logistico, ma come costruire un ecosistema di servizi che i clienti siano disposti a pagare. Il caso MFL X offre una traccia concreta. Il prossimo passo tocca a te: quali parti di questo modello puoi iniziare ad applicare ai tuoi magazzini, ai tuoi hub o alle soluzioni che proponi al mercato entro i prossimi 12 mesi?