Przejdź do artykułu
2021-03-26 | Kaizen&Lean

W kontrze do intuicji

Temat Lean w dobie transformacji cyfrowej pojawia się bardzo często w dyskusjach dotyczących Przemysłu 4.0. Biorąc pod uwagę związek między metodologią Lean lub Six Sigma a technologiami cyfrowymi, pojęcia te są wysoce zbieżne.

Procedury doskonalenia, takie jak: zdefiniuj i mierz, ulepszaj i analizuj, czy cykle kontrolne Lean Six Sigma można doskonale realizować przy użyciu danych. Black belts mają wymiar statystyczny, dlatego mogą doskonale współdziałać z profesjonalnymi programami zarzadzania organizacją. Służą do eksperymentowania i stabilnego wdrażania zmian w firmie.

Jakie są różnice? Jeśli podchodzi się do metodologii Lean Six Sigma w sposób sztywny, to inicjatywy doskonalenia zaczynają się od pomysłów generowanych przez pracowników. W tym przypadku może stanowić to ograniczenie, ponieważ w ramach trendów Przemysłu 4.0 coraz większą rolę odgrywają uczenie maszynowe, sieci neuronowe i analiza dużej ilości danych. Intuicyjne rozwiązania proponowane przez pracowników mogą okazać się niewystarczające. Analityka Big Data pozwala na znalezienie rozwiązań, o których ludzie nie pomyśleli. Na przykład w przemyśle chemicznym zdarzają się przypadki nienormatywnej wydajności reaktora, prowadzącej do niestabilności procesu. Analiza baz danych parametrów procesu w sieciach neuronowych pozwala na nowe sposoby zrozumienia chemii reakcji.

Lean było zwykle bardzo oddolne i trudno było udowodnić jego globalny wpływ na całą organizację, ponieważ skalowalność nie była do końca jasna. Firmy cyfrowe tworzą cyfrową infrastrukturę w swoich niskopoziomowych jednostkach operacyjnych, czyli w fabrykach, biurach czy wydziałach produkcyjnych. Z drugiej strony mają również w pełni cyfrową centralną jednostkę organizacyjną. Jej zadanie polega na zarządzaniu zmianą, a przez to na zapewnieniu większej skalowalności zastosowanych rozwiązań w całym przedsiębiorstwie. W tym sensie, ponieważ mówimy o danych i algorytmach w technologii cyfrowej, mamy większy nadzór nad tym, co dzieje się w firmie, a tym samym większy potencjał do wywarcia znacznego wpływu na biznesowe wskaźniki KPI.

Cyfrowa mapa drogowa vs strategia rozwoju technologicznego

Jedną z pułapek w myśleniu o Przemyśle 4.0 jest zbytnie koncentrowanie się na nowych technologiach. Cyfryzację w firmie sprowadza się do zdefiniowania struktur danych w różnych zakładach lub liniach produkcyjnych i przesyłania ich do chmury, a następnie wykonywania tam „bardzo poważnych i potrzebnych analiz”, często przez firmy zewnętrzne. Jeśli jednak myślimy o przejściu do koncepcji Przemysłu 4.0, to musimy wrócić do podstaw. Co to znaczy? Transformacja cyfrowa to strategiczna zmiana w organizacji. A nowa organizacja, po zmianie jej strategii, oznacza zmianę czterech rzeczy: struktury, procesów i systemów, motywacji i nagród oraz ludzi i kultury. Kiedy mówimy o technologii, mówimy tylko o systemach. Kiedy zmienia się system, należy zmienić proces. Ale kiedy myśli się o zarządzaniu zmianą, to co ze strukturą? To w strukturze przydzielane są obowiązki, a jedną z fundamentalnych decyzji w tym miejscu jest sposób podziału odpowiedzialności za transformację cyfrową. Istotną rolę odgrywają tu centra kompetencji, ulokowane najczęściej w strukturach centralnych, jako jednostki decydujące o szybkości i głębokości zmian w poszczególnych zakładach i organizacjach podległych.

Przesłanie Lean pozostaje nadal aktualne. Należy przemyśleć wszystkie etapy transformacji, a mianowicie: przełom, eksperymentowanie, pilotowanie i skalowanie oraz podział ról i obowiązków – czym zajmuje się centrala, a za co odpowiada zakład. Następnie konieczne jest przeanalizowanie procesów, szczególnie pod kątem interakcji, zarówno pionowych jak i poziomego oddziaływania jednostek podległych na siebie.

Decyzja o zmianie w procesie zależy również od problemu, który istnieje. Załóżmy, że mamy do czynienia z firmą produkującą opakowania kartonowe. W oparciu o algorytmy sztucznej inteligencji rozwija ona centralnie system do kontroli produkcji i jakości opakowań. Przecież pudła kartonowe są podobne na wielu liniach pakujących. W tym przypadku pomysł polegał na opracowaniu i wdrożeniu scentralizowanego systemu zarządzania i skalowalności wypracowanego rozwiązanie. A co z sytuacją, w której filialne zakłady produkcyjne są bardzo specyficzne i różnią się od firmy macierzystej? Wtedy trzeba inaczej myśleć o skalowalności. Tak naprawdę nie chodzi o skopiowanie algorytmu dla zakładu A i przyjęcie go w zakładzie B, a raczej o opisanie i sformalizowanie sposobu, w jaki sposób zakład A rozwiązał problem, tak aby zakład B mógł sam rozwiązać problem.

Tak tworzy się system zachęt. Jeśli dąży się do rozwiązań skalowalnych, to znaczy, że jeśli na przykład zakład A opracowuje rozwiązanie, które jest również użyteczne dla instalacji w zakładzie B, to wiadomo, że im bardziej użyteczne jest rozwiązanie, tym trudniej jest je opracować. Jaka jest motywacja dla kierownika zakładu w zakładzie A do przygotowania i wdrożenia czegoś, co mogą wykorzystać inne zakłady? Przy opracowywaniu mapy drogowej nowej strategii należy wziąć pod uwagę wszystkie te aspekty: strukturę, procesy i zachęty.

Wdrażanie Przemysłu 4.0 vs praca codzienna

To wieczny problem – zasoby. Zwykle firmy po kryzysie redukują liczbę pracowników, ograniczając zespół do absolutnego minimum w wielu obszarach, a ludzie pracują już z ponad 100% wydajnością. Pytanie brzmi: jak zwolnić zasoby? Firmy inwestują prawdziwe pieniądze w kreowanie cyfrowego kierunku, tworząc budżet na cyfrowe innowacje, ale jak uzasadnić potrzebę posiadania nowych ludzi?

Uruchamianie pilotowych inicjatyw w obszarze cyfryzacji przedsiębiorstwa jest bardzo wymagające, ponieważ dotyczy istniejących, działających struktur, w rzeczywistych strukturach, np. na linii produkcyjnej lub w dziale utrzymania ruchu. Dokonywanie zmiany, aby zobaczyć, co się stanie, zajmuje dużo czasu i nie zawsze jest łatwe, a podjęcie decyzji nie jest proste, zwłaszcza gdy nie ma się pewności, czy będzie to korzystne i czy zmiana przyniesie oczekiwany efekt.

Jedną z polecanych metod, szczególnie w przypadku eksperymentów, jest metoda szybkiego pilotażu na małą skalę. Chodzi o to, aby angażować się w małe projekty, które trwają maksymalnie kilka tygodni lub co najwyżej kilka miesięcy, z ograniczoną liczbą osób. Zwykle można do tego wykorzystać również zasoby zewnętrzne, aby szybko sprawdzić, czy coś jest możliwe i przynosi oczekiwane rezultaty.

Można również skorzystać z usług rekomendowanego partnera, takiego jak dobra uczelnia wyższa lub firma doradcze związana z badaniami empirycznymi w produkcji. Pozwala to na uzyskanie większego poczucia bezpieczeństwa, zminimalizowanie ryzyka i przyśpieszenie prac. Pozwala to na stopniowe angażowanie własnych zasobów, a przez to na kontrolę nad procesem zmian.

Transformacja cyfrowa – proces czy jednorazowy wysiłek?

Kiedy mówimy o mierzeniu sukcesu transformacji cyfrowej dopiero po jej zakończeniu, to oznacza, że nigdy nie zostanie ona przeprowadzona. Kluczowe wskaźniki wydajności powinny zostać określone i przydzielone do wszystkich czterech zidentyfikowanych wcześniej etapów, czyli przełomu, fazy eksperymentowania, pilotażu i skalowania.

Na pierwszym etapie, czyli przełomu, proponowane wskaźniki to: stopień akumulacji niezbędnych danych, jakość danych, integralność danych oraz ich bezpieczeństwo. Są to typowe wskaźniki inżynierii danych, ale z uwzględnieniem tego, jak zamierza się ich później używać.

W fazie drugiej, czyli eksperymentach, korzyści z zastosowania wskaźników KPI zależą od tego, gdzie i jak dużo istnieje potencjału do poprawy. Na przykład może się okazać, że założonym, strategicznym kierunkiem zmian w utrzymaniu ruchu będzie Predictive Maintenance, czyli przewidywanie awarii sprzętu. Po wykonaniu kilku pilotów stwierdzono, że jest to znacznie bardziej skomplikowane, niż się spodziewano. W tym momencie może to zła wiadomość, ale doświadczenia uzyskane na tej podstawie pozwolą lepiej dostosować założenia strategiczne do rzeczywistej infrastruktury produkcyjnej. Uzyskana wiedza o działaniu linii produkcyjnej, uzupełniona o dane strumieniowe z monitoringu maszyn i bazę danych z innych systemów IT, może zwiększyć dostępność maszyny o 12%, o ile system zostanie odpowiednio skonfigurowany. Na drugim etapie wskaźniki KPI są informacją zarówno jakościową (co może działać, a co nie), jak i ilościową (ile i jaki jest z tym związany potencjał).

W fazie trzeciej, pilotowej, chodzi o przede wszystkim o identyfikację i rozwiązanie szczegółowych problemów z jakością oraz o zrozumienie, jakie zmiany organizacyjne są niezbędne, a przez to krytyczne dla zapewnienia sukcesu we wdrażaniu algorytmu.

Na czwartym etapie mierzymy dwie rzeczy: ogólne wskaźniki KPI dla firmy, ale także stopień ich wdrożenia. Dlatego przy opracowywaniu mapy drogowej dla zmian w firmie należy pamiętać o stosowaniu różnych wskaźników KPI na każdym z etapów wdrożenia.

Jednolita platforma cyfrowa vs współpraca różnych systemów IT

Załóżmy, że podstawowym zadaniem platformy jest udostępnianie danych między jednostkami organizacyjnymi. Głównym kryterium przy doborze platformy cyfrowej dla danego przedsiębiorstwa powinno być zrozumienie poziomu różnorodności pomiędzy poszczególnymi zakładami produkcyjnymi czy filiami. Jeśli zakłady mają zbliżony profil produkcji oraz dysponują tym samym typem sprzętu, podobnej generacji, od tych samych lub równoważnych dostawców, wówczas w naturalny sposób utworzą podobne dane. Należy wtedy zdecydować, czy zbierane mają być wszystkie dane, czy tylko ich podzbiór. Ważne jest, aby przeprowadzić eksperymenty, aby zrozumieć, które dane są potrzebne i z jaką częstotliwością, a następnie na tej podstawie określić ogólne wymagania dotyczące wspólnej bazy danych (data lake – jezioro danych).

Innym podejściem jest posiadanie i udostępnienie minimalnego podzbioru wspólnych danych, aby zakłady mogły eksperymentować z tymi danymi, próbując je dostosować i wykorzystać do swoich potrzeb. W tym przypadku pytanie brzmi, czy istnieje wspólny podzbiór danych, które należy udostępniać? Jeśli zakłady są niejednorodne, to należy określić koszty infrastrukturalne takiego rozwiązania, np. dostępności i utrzymania niezbędnych łącz szerokopasmowych. Może lepszym rozwiązaniem będzie tylko system do centralnego sterowania przedsiębiorstwem i pozostawienie przetwarzania danych na poziomie lokalnym (egde computing – przetwarzanie brzegowe)? Ale kiedy zaczynamy zagłębiać się w szczegóły, prawdziwym problemem staje się właściwa architektura systemów, łączność szerokopasmowa oraz bezpieczeństwo danych.

Niepowodzenie we wdrażaniu koncepcji Przemysłu 4.0

Typowy problem, z którym najczęściej mamy do czynienia, to zbyt wczesny kontakt z dostawcami rozwiązań IT. Brzmi to paradoksalnie, ale zanim dana firma zrozumie, jaką wartość dają rozwiązania cyfrowe dla jej procesów, kontakty z producentami oprogramowania najczęściej przynoszą więcej szkody niż pożytku. Ryzyko polega na tym, że sprzedawcy sprzedadzą to, co mają, a ponieważ wcześniej najczęściej nie została przeprowadzona niezbędna analiza procesów oraz nie była wdrożona ich zmiana w przedsiębiorstwie, to można zobowiązać się do zakupu zasobów i technologii, które niekoniecznie są potrzebne. Aby uniknąć tego niepowodzenia, ważna jest faza eksperymentowania. Pozwala ona nakreślić szerszy obraz tego, co dana firma chce osiągnąć i do czego może wykorzystać technologię Przemysłu 4.0. Wyniki takiej analizy strategicznej muszą zostać uwzględnione w specyfikacji kontraktu z dostawcami.

Inny błąd, który jest często popełniany, to przerzucanie odpowiedzialności za wdrożenie cyfryzacji przedsiębiorstwa na firmę zewnętrzną. Zapomina się przy tym o podstawowym fakcie, że zmiana może zostać przeprowadzona wyłącznie przez pracowników danej firmy. Konieczna jest wewnętrzną weryfikacją osób z pasją do zmian i nowych technologii. Niedocenianie własnych ludzi to jeden z podstawowych błędów. Zarządy zapominają, że pracownicy naturalnie myślą o kolejnym kroku w swojej karierze, i jeśli wskaże się im jasne ścieżki rozwoju, to zyska się najlepszych ambasadorów zmian. Natomiast jeśli zignoruje się ich entuzjazm, to poza niewykorzystaniem potencjału i wiedzy można spotkać się z objawami biernego oporu. W trakcie tworzenia takich zespołów, ważne jest, aby upewnić się, że są to osoby prawdziwie zaangażowane i chętne do zmian. Drugą ważną rzeczą jest przemyślenie ścieżki kariery dla osób, które są w zespole analitycznym. Jeśli tam zostaną, czy są skazani na pozostanie w biurze w peryferyjnej fabryce, czy też istnieje wyraźny zarys kariery zawodowej? Dlatego niezwykle istotne jest tworzenie zespołów kompetencyjnych dla wszystkich szczebli przedsiębiorstwa, od poziomu produkcji (Centra Innowacji Lean/Kaizen) aż do pracy z wytypowaną grupą kluczowej kadry zarządzającej, na przykład w ramach programu Akademii Manager 4.0.

Tomasz Haiduk
Prezes Zarządu
Instytut Industry 4.0

Ten i inne artykuły znajdziecie w czasopiśmie Kaizen – dostępnym w naszym sklepie


Zobacz także

Transport bliski na linii produkcyjnej
Mierzenie wskaźników OEE w erze IoT
Jak zadbać o dokumenty w firmie transportowej
REKLAMA

Zapisz się do naszego newslettera

Więcej na temat

Warszawski Showroom pokazuje możliwości 3DEXPERIENCE
Wywiad z W. Obstem, Dyrektorem Działu Systemy dla Produkcji, PSI Polska
Dassault Systèmes we współpracy z Fraunhofer IEM
Cyfryzacja i transformacja energetyczna zdominowały przemysł

Nasze czasopisma

top logistyk 2020
mid 20202
Logo KAIZEN rgb
 

Aktualności

Biblioteka Tekstów