HISTORIE · PRODUKCJA
Skalowanie produkcji zaczyna się tam, gdzie kończy się improwizacja.
Wraz ze wzrostem organizacji rośnie liczba zależności między sprzedażą, projektowaniem, planowaniem, produkcją, logistyką i kontrolą kosztów. Bez wspólnego procesu złożoność zaczyna rosnąć szybciej niż wynik.
Produkcja rzadko przestaje działać z dnia na dzień.
Znacznie częściej kolejne obejścia, arkusze, lokalne procedury i wiedza ludzi stopniowo zastępują spójny system działania.
Problem pojawia się wtedy, gdy organizacja nadal produkuje, ale coraz trudniej odpowiedzieć na proste pytania: co naprawdę się dzieje, ile to kosztuje i gdzie powstaje ograniczenie.
Cyfryzacja ma sens wtedy, gdy porządkuje rzeczywisty przepływ pracy, informacji i decyzji.
4 HISTORIE
ZŁOŻONOŚĆ I SKALOWANIE
MTO · ERP · MES · WMS · BI · SCADA
Jak skalować złożoną produkcję bez proporcjonalnego skalowania chaosu
KONTEKST
Wielostopniowa produkcja w modelu Make to Order, duża zmienność produktów, wymagania jakościowe, rozbudowany łańcuch dostaw oraz wiele zależności między projektowaniem, produkcją i logistyką.
PROBLEM
Wraz ze skalą rosła liczba lokalnych decyzji, wyjątków i zależności. Optymalizacja pojedynczych stanowisk czy działów przestawała wystarczać, bo wynik powstawał w całym łańcuchu procesu.
ZMIANA
Integracja procesów operacyjnych i technologicznych, rozwój ERP, CRM, BI, MES, WMS i SCADA, cyfryzacja przepływu informacji oraz automatyzacja wybranych procesów. Równolegle rozwój środowiska produkcyjnego i technologii wspierających nowe produkty.
MOJA ROLA
Odpowiedzialność za technologię, operacje i innowacje, rozwój środowiska produkcyjnego oraz transformację cyfrową, od koncepcji do wdrożenia.
WYNIK
Organizacja zyskała spójniejszy obraz produkcji, kosztów i przepływu pracy. Technologia zaczęła działać jako część procesu operacyjnego, a nie jako jego osobna warstwa.
PRZEWAGA
Większa zdolność skalowania złożonej produkcji bez proporcjonalnego skalowania złożoności organizacji.
Z ŻYCIA PROJEKTU
System regularnie zwalniał pod koniec każdej zmiany. Naturalna odpowiedź wydawała się oczywista, potrzeba więcej zasobów.
Problemem nie była jednak infrastruktura.
Mimo procesów, szkoleń i obowiązku bieżącego raportowania w MES, brygadziści odkładali rejestrację danych na ostatnie minuty zmiany.
W efekcie dziesiątki użytkowników niemal jednocześnie raportowały setki operacji, uruchamiając tysiące zależności i przetwarzając ogromną liczbę rekordów.
Czasem zanim zwiększy się moc systemu, warto sprawdzić, co właściwie robi z nim człowiek.
W TYM PROJEKCIE
- Strategia
- Produkcja
- ERP
- MES
- WMS
- BI
- SCADA
- Automatyzacja
TRANSFORMACJA I ZMIANA
SAP · ENTERPRISE · PMO · IT/OT · AUTOMATYZACJA
Dlaczego nowy system nie wystarczy, jeśli organizacja nadal chce działać po staremu
KONTEKST
Producent elektrourządzeń działający na dużą skalę, rozbudowany łańcuch dostaw, wiele procesów operacyjnych i środowisko systemów klasy enterprise.
PROBLEM
Przy tej skali każda lokalna zmiana wpływa na procesy, dane, integracje i sposób działania innych części organizacji. Transformacja nie może więc oznaczać kolejnych niezależnych wdrożeń technologicznych.
ZMIANA
Budowa portfela transformacji cyfrowej, rozwój governance projektowego i PMO, rozwój SAP oraz aplikacji enterprise, integracja IT i OT, automatyzacja procesów i uporządkowanie sposobu prowadzenia zmian technologicznych.
MOJA ROLA
Odpowiedzialność za transformację cyfrową i PMO, łączenie potrzeb biznesu, architektury technologicznej i realizacji projektów.
WYNIK
Zmiany technologiczne zostały osadzone we wspólnych priorytetach biznesowych, zależnościach i odpowiedzialności za rezultat.
PRZEWAGA
Nie więcej technologii. Większa zdolność organizacji do konsekwentnego przeprowadzania zmian.
Z ŻYCIA PROJEKTU
Nowy proces działał inaczej niż ten, który organizacja znała od lat.
System był gotowy, proces zaprojektowany, użytkownicy przeszkoleni.
A mimo to zaczęły powstawać kolejne pomysły, jak w nowym środowisku nadal pracować po staremu.
Organizacja potrafiła zużywać czas, energię i budżet nie na zmianę sposobu działania, lecz na odtworzenie starego sposobu działania w nowej technologii.
Najtrudniejszą częścią transformacji rzadko jest technologia. Częściej jest nią zgoda na to, że po zmianie naprawdę trzeba działać inaczej.
W TYM PROJEKCIE
- Transformacja cyfrowa
- SAP
- PMO
- Enterprise Applications
- IT/OT
- Automatyzacja
- Governance
PLANOWANIE I KOMPETENCJE
MTO · APS · MES · ERP · WMS · HR
Jak przestać planować produkcję na maszynach, a zacząć planować ją także na ludziach
KONTEKST
Produkcja Make to Order, trzy zmiany i szeroki miks wyrobów o różnym poziomie trudności, ryzyka i marży. Harmonogram odpowiadał na pytanie, czy maszyna jest wolna, ale nie czy dany zespół powinien realizować właśnie to zlecenie.
PROBLEM
Złożone i kosztowne wyroby trafiały tam, gdzie było miejsce w planie. Skutki pojawiały się później: braki, poprawki, przekroczony czas i utracona marża. Dane jakościowe istniały, ale nie wracały do procesu planowania.
ZMIANA
Kompetencja stała się pełnoprawnym zasobem planistycznym obok maszyny i materiału. Dane z MES, ERP i WMS zbudowały profil zdolności brygad, stanowisk i maszyn, a APS zaczął przypisywać zlecenia według trudności, ryzyka i potwierdzonych kompetencji.
MOJA ROLA
Koncepcja modelu, architektura przepływu danych między MES, ERP, WMS, APS i HR oraz przełożenie zdarzeń produkcyjnych na miary użyteczne w planowaniu. Od zasad działania po wdrożenie modelu w ruchu.
WYNIK
Spadła liczba braków i poprawek na wyrobach o najwyższej wartości, zmniejszyła się zmienność czasu realizacji, a koszt wytworzenia poprawił się bez rozbudowy parku maszynowego i zatrudnienia. Kompetencja przestała być opinią przełożonego i stała się mierzalnym zasobem organizacji.
PRZEWAGA
Zdolność do świadomego kierowania ryzykiem jakościowym tam, gdzie kosztuje najmniej, i kompetencji tam, gdzie najbardziej chronią marżę.
Z ŻYCIA PROJEKTU
Przy stanowiskach pojawiły się proste ekrany pokazujące plan, wykonanie i wpływ wyniku na premię.
Efekt uboczny? Pracownicy sami zaczęli zabiegać o szkolenia, bo zobaczyli bezpośredni związek między kompetencją, rodzajem zlecenia i wynagrodzeniem.
Ludzie rzadko pracują gorzej, niż potrafią. Częściej pracują dokładnie tak, jak są mierzeni.
W TYM PROJEKCIE
- Strategia
- Produkcja
- APS
- MES
- ERP
- WMS
- BI
- HR
- Digital Signage
- Zarządzanie kompetencjami
- Optymalizacja kosztów
AI GOVERNANCE
AI GOVERNANCE · AI ACT · NIS2 · RODO · HUMAN OVERSIGHT
Jak przeprowadzić AI z pilotażu do produkcji bez utraty kontroli
KONTEKST
Producent działający w modelu Make to Order, kilka lokalizacji, portfel kontraktów międzynarodowych i miejsce w globalnym łańcuchu dostaw. Część dokumentacji technicznej należała do klientów i podlegała zobowiązaniom dotyczącym poufności oraz sposobu jej przetwarzania. W ciągu roku w organizacji powstało siedem inicjatyw wykorzystujących AI, od analizy reklamacji i dokumentacji technicznej po ofertowanie, planowanie remontów i prognozowanie terminów dostaw. Większość powstała oddolnie, poza formalną strukturą projektową.
PROBLEM
Wszystkie pilotaże działały. Żaden nie przeszedł do produkcji. Problem nie był technologiczny. Nie było jasnej odpowiedzi na pytania o odpowiedzialność za błędną rekomendację, dopuszczalność wykorzystania danych, miejsce ich przetwarzania, ochronę dokumentacji klientów ani zakres nadzoru człowieka. AI Act, RODO, wymagania cyberbezpieczeństwa oraz zobowiązania wynikające z międzynarodowego łańcucha dostaw miały różnych właścicieli. Nikt nie miał jednak mandatu, aby podjąć jedną decyzję: wdrażamy albo świadomie nie wdrażamy. Pilotaże nie zatrzymywały się z powodu porażki. Zatrzymywały się z powodu braku decyzji.
ZMIANA
Powstał model AI Governance, który zamienił pytanie „czy nam wolno?” w powtarzalny proces decyzyjny. Zaczęliśmy od inwentaryzacji wszystkich zastosowań, także tych używanych nieformalnie. Powstał rejestr z klasyfikacją ryzyka opartą na logice AI Act, właścicielem biznesowym odpowiedzialnym za skutek oraz regułami dotyczącymi danych powierzonych przez klientów i własności intelektualnej. Określiliśmy również poziomy nadzoru człowieka: gdzie model rekomenduje, gdzie może działać warunkowo, a gdzie decyzja pozostaje wyłącznie po stronie człowieka. Decyzje podejmował trzyosobowy zespół reprezentujący biznes, ryzyko i technologię. Każdy wniosek miał otrzymać rozstrzygnięcie w ciągu 14 dni. Do tego doszedł monitoring modeli działających produkcyjnie, rejestrowanie rekomendacji i okresowa weryfikacja, czy rozwiązanie nadal robi to, do czego zostało dopuszczone.
MOJA ROLA
Odpowiedzialność za zaprojektowanie i wdrożenie modelu zarządzania AI: struktury decyzyjnej, rejestru zastosowań, klasyfikacji ryzyka, zasad przetwarzania danych i nadzoru nad modelami. Przełożenie regulacji, zobowiązań kontraktowych i ryzyka technologicznego na kryteria pozwalające podjąć decyzję w 14 dni, a nie w 14 miesięcy. Prowadzenie modelu w pierwszym okresie i przekazanie odpowiedzialności organizacji.
WYNIK
Trzy z siedmiu inicjatyw przeszły do produkcji. Dwie zamknięto świadomie. Dwie wróciły do przepracowania z konkretną listą braków. Droga od pomysłu do decyzji skróciła się z „nie wiadomo” do dwóch tygodni. Narzędzia wykorzystywane wcześniej nieformalnie zostały objęte kontrolą albo zastąpione rozwiązaniami spełniającymi wymagania organizacji. Powstał aktualny rejestr zastosowań wraz z klasyfikacją ryzyka, właścicielem i zasadami przetwarzania danych, gotowy nie na dzień audytu, lecz każdego dnia.
PRZEWAGA
Zdolność do wdrażania AI w tempie wymagającego, międzynarodowego łańcucha dostaw. Ryzyko przestało być argumentem za bezczynnością i stało się parametrem decyzji. Dojrzały governance przestał być wyłącznie kosztem zgodności. Stał się również argumentem wiarygodności wobec klientów.
Z ŻYCIA PROJEKTU
Technolog, który sam zbudował asystenta do dokumentacji, przyszedł na pierwsze spotkanie przekonany, że będzie musiał go wyłączyć.
Nie wyłączył. Jego rozwiązanie zostało pierwszym wpisem w rejestrze i pierwszym przypadkiem przeprowadzonym przez całą ścieżkę: klasyfikację ryzyka, uporządkowanie źródeł danych, przeniesienie przetwarzania do kontrolowanego środowiska, nadanie właściwych uprawnień i wskazanie właściciela.
Po trzech miesiącach korzystały z niego technologia, jakość i utrzymanie ruchu. Autor rozwiązania zaczął szkolić kolejne zespoły.
W ciągu następnego półrocza do rejestru wpłynęło jedenaście nowych, oddolnych zgłoszeń. Wcześniej nie było ani jednego. Bo nie było dokąd.
Shadow AI nie bierze się z lekkomyślności ludzi. Bierze się z tego, że nikt nie zbudował im drzwi, więc weszli oknem.
W TYM PROJEKCIE
- Strategia
- AI Governance
- AI Act
- Human Oversight
- NIS2
- RODO
- Zarządzanie ryzykiem
- Shadow AI
- Ochrona własności intelektualnej
- Łańcuch dostaw
- Compliance
- Zarządzanie zmianą
WSPÓLNY MIANOWNIK
Różne technologie. Jeden system operacyjny organizacji.
ERP, MES, WMS, automatyzacja czy analityka rozwiązują różne problemy.
Ale dopiero wtedy, gdy działają razem z procesami i odpowiedzialnością ludzi, zaczynają budować zdolność organizacji do skalowania.
Cyfryzacja produkcji nie polega na zastępowaniu analogowego świata cyfrowym. Polega na projektowaniu lepszego sposobu działania.
POZNAJ INNE HISTORIE
Technologia ma wartość wtedy, gdy zmienia sposób działania organizacji.
Jeżeli widzisz problem, możliwość albo zmianę, której nie da się rozwiązać kolejnym standardowym projektem, porozmawiajmy o oczekiwanym wyniku.