Czym jest Manufacturing Intelligence?

Czas czytania: 10 min

W QAD | Redzone odpowiadam za rozwój platformy Manufacturing Intelligence & ERP. Moim zadaniem jest więc dbać o infrastrukturę, na której wszystko się opiera, a coraz częściej również o nadbudowaną nad nią warstwę “inteligencji”. Należą do niej model danych, przepływy pracy, możliwości rozbudowy, a także funkcje oparte na sztucznej inteligencji, które przekładają to wszystko na decyzje. Z tej perspektywy łatwiej odpowiedzieć na pytanie zadane w tytule, ponieważ Manufacturing Intelligence (MI) nie jest funkcją, którą można po prostu zainstalować. To zdolność, która zmienia nasze oczekiwania wobec systemów informatycznych. Chcę wyjaśnić tę zmianę prostym językiem, na przykładach z codziennej pracy przedsiębiorstwa produkcyjnego. Będą one zrozumiałe niezależnie od tego, czy kierujemy produkcją, zarządzamy zespołem ds. łańcucha dostaw, czy koordynujemy wdrożenie systemu ERP. 

Manufacturing Intelligence to wizja firmy QAD | Redzone, która zakłada wprowadzenie inteligencji stworzonej specjalnie dla produkcji do wszystkich systemów, procesów i decyzji, na których opiera się działalność przedsiębiorstwa produkcyjnego  – od hali produkcyjnej po kadrę zarządzającą. To, czego nauczono się w fabrykach, podczas rzeczywistych procesów, decyzji i ich efektów, przekształca się w głębsze zrozumienie jak naprawdę działa produkcja. Ta wiedza wykorzystywana jest przy każdej decyzji, zawsze wtedy, gdy jej potrzebujemy. MI pomaga producentom przejść od systemów ewidencyjnych (systems of record), które jedynie rejestrują to, co się wydarzyło, do systemów działania (systems of action). Te zaś w coraz większym stopniu potrafią dostrzec, co się dzieje, zrozumieć przyczyny, zdecydować, co zrobić i podjąć efektywne działanie. 

Dowiedz się więcej o rozwiązaniu ERP 4FACTORY

Zacznijmy od tego, jak pracują dzisiejsze systemy IT

Większość systemów produkcyjnych, w tym systemy ERP, doskonale radzą sobie z jednym zadaniem: rejestrowaniem tego, co się wydarzyło, na przykład: zamówienie zostało wysłane,  maszyna pracowała przez sześć godzin, faktura od dostawcy dotarła z trzydniowym opóźnieniem. Taki zapis jest niezbędny, ponieważ nie da się prowadzić przedsiębiorstwa bez wiedzy o tym, co się wydarzyło. Ma to jednak charakter bierny. System czeka, aż zadamy mu pytanie, wygenerujemy raport lub zauważymy problem, zanim podejmie kolejne działania.

Weźmy przykład problemu ze wskaźnikiem braków. W wielu firmach niepokojący wzorzec danych widać dziś na długo, zanim ktokolwiek go zauważy. Wskaźnik braków w jednym z gniazd produkcyjnych przez trzy tygodnie powoli rośnie, co wiąże się z określoną zmianą, konkretną partią materiału albo narzędziem zbliżającym się do końca trwałości. Informacje, które pozwoliłyby wychwycić problem na wczesnym etapie, prawie zawsze leżą gdzieś w systemie ERP albo na hali produkcyjnej. Zwykle jednak dopiero spostrzegawczy kierownik zmiany, comiesięczne spotkanie podsumowujące albo audyt jakości sprawiają, że ktoś faktycznie to zauważy. A wtedy produkcja ma już za sobą kilka tygodni braków, których można było uniknąć. 

Rozwiązanie Manufacturing Intelligence zbudowano właśnie po to, by uzupełnić tę lukę – między systemem, który ma informacje, a człowiekiem, który musi odnaleźć w nich sens, zrozumieć co oznaczają i zdecydować co zrobić. 

Czym więc jest Manufacturing Intelligence?

Manufacturing Intelligence to zdolność, która zmienia produkcyjne systemy IT z biernych rejestratorów w aktywnych uczestników procesów – pomagając dostrzec, co się dzieje, zrozumieć dlaczego, zdecydować co zrobić, podjąć odpowiednie działania i potwierdzić, że to zadziałało.

Opisujemy to jako ciągłą pętlę: dostrzeganie, zrozumienie, podejmowanie decyzji, działanie, potwierdzenie. Brzmi to prosto, bo jest proste. To ta sama pętla, którą dobry kierownik produkcji przechodzi w głowie każdego dnia. Różnica polega na tym, że pętla ta działa nieprzerwanie we wszystkich procesach. Uczy się na każdym etapie decyzji i wykorzystuje zdobyty kontekst, gdy następnym razem pojawi się podobny sygnał. Nie zależy więc od jednej doświadczonej osoby, która wyłapuje problemy pojedynczo. 

Prześledźmy jeszcze raz przykład z brakami:  

• dostrzeganie – system zauważa, że wskaźnik braków w tym gnieździe produkcyjnym stopniowo rośnie i nie czeka, aż ujawni to podsumowanie miesiąca. 
• zrozumienie – łączy ten wzrost z rzeczywistą przyczyną: konkretną zmianą, konkretną partią materiału, czasem pracy tego narzędzia. Nie trzeba przekopywać się przez trzy systemy, żeby znaleźć korelację. 
• decyzja – rekomenduje reakcję: oznaczenie narzędzia do wcześniejszej wymiany albo wstrzymanie kolejnej serii produkcyjnej z tej partii do czasu kontroli. 
• działanie – coraz częściej może sam wykonać kolejny krok w ustalonych przez Ciebie granicach, np. wygenerować zlecenie prac utrzymania ruchu albo skierować partię do kontroli, zamiast tylko mówić, co zrobić. 
• potwierdzenie – zamyka pętlę i pokazuje, że wskaźnik braków faktycznie wrócił do wcześniejszego poziomu. Dzięki temu wiemy, że interwencja zadziałała i możemy zaufać również kolejnej. 

Żaden z tych pięciu kroków nie jest sam w sobie niczym niezwykłym. Nowością jest system, który szybciej przechodzi przez wszystkie pięć i zdejmuje obowiązek samodzielnego łączenia faktów na każdym etapie.

Dlaczego inteligencja produkcyjna – MI, a nie po prostu sztuczna inteligencja – AI?

To jest kwestia, na wyjaśnieniu której zależy mi najbardziej, bo łatwo jest pomyśleć: „Czy to nie jest po prostu AI?”. Nie do końca. To rozróżnienie ma większe znaczenie niż mogłoby się wydawać. 

Sztuczna inteligencja ogólnego przeznaczenia naprawdę dobrze radzi sobie z wykrywaniem wzorców w danych. Wystarczy dostarczyć jej odpowiednio dużo danych, a wskaże, że coś zaczęło odbiegać od normy. Sama z siebie nie wie jednak, które odchylenie jest istotne, dlaczego do niego doszło ani jak powinna wyglądać bezpieczna i właściwa reakcja w środowisku produkcyjnym objętym regulacjami, w którym priorytetem jest ochrona ludzi, a każda decyzja wpływa na marżę. Model może zasygnalizować, że wartość się zmieniła. Dopiero kontekst produkcyjny pozwala ocenić, czy ta zmiana oznacza problem z brakami, z utrzymaniem ruchu, z dostawcą, czy też nie ma się czym martwić – i jak inaczej zareagować w każdym z tych przypadków. 

Weźmy na przykład dostawcę o nazwie Bridgeville Industries – to fikcyjna, ale realistyczna firma, na której przykładzie pokazujemy to w praktyce. System AI ogólnego przeznaczenia mógłby zasygnalizować, że wskaźnik terminowości dostaw lekko spadł. To tylko wzorzec. Manufacturing Intelligence, oparta na dziesiątkach lat danych i doświadczeń procesów produkcyjnych, może powiedzieć znacznie więcej. Że ten dostawca jest jedynym źródłem komponentu dla linii produktowej o najwyższej marży. Że podobne zakłócenie z jego strony 18 miesięcy temu spowodowało dwutygodniowy przestój linii produkcyjnej. I że masz jednego zakwalifikowanego dostawcę zastępczego, który mógłby przejąć ten wolumen, jeśli zaczniesz z nim rozmowy już teraz. To nie jest po prostu lepszy wzorzec. To inny rodzaj zrozumienia, oparty na tym, co naprawdę liczy się w przedsiębiorstwie produkcyjnym: marża, ciągłość działania, jakość i bezpieczeństwo. 

Artificial Intelligence bez kontekstu produkcyjnego potrafi rozpoznać, że coś się zmieniło. Manufacturing Intelligence powstaje, gdy połączy się to rozpoznawanie wzorców z ekspercką wiedzą o produkcji, rzeczywistymi danymi produkcyjnymi i procesami, w których faktycznie zapadają decyzje. Dzięki temu system rozumie nie tylko to, że coś się zmieniło, lecz także to, co ta zmiana oznacza i jak powinna wyglądać właściwa reakcja.

Dowiedz się więcej o rozwiązaniu ERP 4FACTORY

Nie wymaga to wymiany systemów IT

Jako osoba odpowiedzialna zarówno za platformę ERP, jak i za Manufacturing Intelligence ciągle słyszę różne wersje tego samego pytania: „Czy trzeba wymienić system ERP, żeby z tego skorzystać? ”. Odpowiedź brzmi: nie trzeba wymieniać wszystkiego, ale to właśnie fundament technologiczny decyduje o tym, jakie korzyści można uzyskać.

Manufacturing Intelligence działa w ramach systemów, z których producent już korzysta. To celowe – zawsze uważaliśmy, że inteligencja nie powinna być zamknięta w jednym środowisku. Jej jakość zależy jednak bezpośrednio od jakości danych, na których się opiera. Uporządkowane modele danych, ustandaryzowane procesy, jasno zdefiniowane struktury danych – to właśnie one decydują o tym, czy MI dostarczy wartościowe informacje, czy tylko szum.

Jeden producent może zacząć od modernizacji podstawowego systemu ERP. Inny może zacząć od hali produkcyjnej, zapewniając pracującym tam zespołom lepszy wgląd w sytuację w czasie rzeczywistym. Jeszcze inny może zastosować MI w jednym szczególnie problematycznym procesie, takim jak zaopatrzenie albo zgodność z przepisami handlu międzynarodowego – w środowisku, z którego już korzysta, także jeśli działa ono na innym systemie ERP niż QAD.  Nie ma wymaganego punktu wyjścia ani narzuconej kolejności. MI zaprojektowano tak, by obejmowała dowolny zestaw różnych systemów, z jakich faktycznie korzysta producent. A jak wiemy – prawie nigdy nie jest to jedno uporządkowane środowisko od jednego dostawcy. 

Jak MI wygląda z perspektywy ERP?

Postrzegam MI nie tyle jako pojedynczą zapowiedź, ale raczej jako kierunek rozwoju. Pytanie, które pojawia się bardzo często, nie brzmi: „Czym jest Manufacturing Intelligence”, lecz: „Co to oznacza dla systemów, z których już korzystamy?”. To ważne pytanie. A odpowiedź brzmi: system ERP staje się w mniejszym stopniu systemem, w którym trzeba aktywnie wyszukiwać informacje, a w większym – systemem, który sam aktywnie przekazuje informacje, które już posiada: na bieżąco, w odpowiednim kontekście i coraz częściej również z propozycjami podjęcia działania.

Podsumowanie

Manufacturing Intelligence wypełnia lukę między systemami, które rejestrują to, co się wydarzyło, a systemami, które pomagają podjąć odpowiednie działania. Wykorzystuje wiedzę ekspercką z zakresu produkcji, dane oraz rzeczywiste procesy, w których podejmowane są decyzje – dzięki temu wzorzec wskaźnika braków lub sygnał ryzyka związanego z dostawcą nabierają konkretnego znaczenia, a nie są tylko nietypowym odchyleniem w danych.

Wszystko zaczyna się od tego, co producenci już posiadają. Rozwija się razem z nimi, obejmując kolejne procesy. Rozwiązanie opiera się na prostej, powtarzalnej pętli, która w rzeczywistości jest jedynie opisem tego, w jaki sposób od zawsze podejmowano trafne decyzje produkcyjne. My po prostu dbamy o to, by systemy nadążały za tymi procesami.

Spróbujmy to ująć w jednym zdaniu: Manufacturing Intelligence to głębsze zrozumienie tego, jak naprawdę działa produkcja, dostarczając właściwych informacji wtedy, gdy są potrzebne do każdej decyzji.

Autor:

Chaitanya Josyula

Dyrektor ds. Produktu, Platformy i Inteligencji Produkcyjnej (Manufacturing Intelligence) w firmie QAD

Tłumaczenie i redakcja: DSR S.A.