Η μεταποιητική βιομηχανία αποτελείται από εργασία που δύσκολα συνοψίζεται σε έναν τύπο εργασίας. Υπάρχει εργασία προγραμματισμού: προγραμματισμός παραγγελιών, συντονισμός ροών υλικών, κατανομή χωρητικότητας σε μηχανές και βάρδιες. Υπάρχει εργασία ποιότητας: επιθεώρηση, μέτρηση, αξιολόγηση αποκλίσεων και τεκμηρίωση. Υπάρχει εργασία συντήρησης: διάγνωση βλαβών, παραγγελία ανταλλακτικών, προγραμματισμό προληπτικής εργασίας. Και υπάρχει διοικητική εργασία γύρω από όλο αυτό: πιστοποιητικά, εκ των υστέρων υπολογισμό κόστους, αναφορά σε πελάτες και εποπτικές αρχές.
Αυτά τα είδη εργασίας διαφέρουν σημαντικά ως προς το πόσο προβλέψιμα είναι. Μια εργασία προγραμματισμού με σταθερούς κανόνες και ιστορικά δεδομένα προσφέρεται διαφορετικά για αυτοματοποίηση από την αξιολόγηση μιας ραφής συγκόλλησης που βρίσκεται ακριβώς έξω από το πρότυπο αλλά είναι πιθανώς παρόλα αυτά καλή. Αυτή η τελευταία αξιολόγηση εξαρτάται από εμπειρία, από πλαίσιο που δεν βρίσκεται σε κανένα σύστημα, και από ευθύνη που κάποιος πρέπει να μπορεί να φέρει. Αυτή η διαφορά καθορίζει σε μεγάλο βαθμό ποια φιλοδοξία είναι ρεαλιστική για ποιο μέρος της εργασίας.
Παντού στη μεταποιητική βιομηχανία η ίδια τριμερής διαίρεση διαπερνά την εργασία. Ένα μέρος μπορεί να το αναλάβει η AI: επαναλαμβανόμενοι έλεγχοι με βάση δεδομένα αισθητήρων, η σύνθεση τυποποιημένων αναφορών, η αναγνώριση γνωστών μοτίβων βλαβών. Ένα μέρος γίνεται εν μέρει, με έναν άνθρωπο που εγκρίνει ή απορρίπτει: αξιολογήσεις ποιότητας όπου ένας αλγόριθμος κάνει μια πρόταση και ένας χειριστής ή υπάλληλος ποιότητας επιβεβαιώνει ή διορθώνει την απόφαση, με αιτιολόγηση. Και ένα μέρος παραμένει ανθρώπινη εργασία: η επίλυση μιας βλάβης που κανείς δεν έχει δει έτσι πριν, η διαπραγμάτευση με έναν προμηθευτή για μια αποκλίνουσα παράδοση, η ανάληψη ευθύνης σε περίπτωση περιστατικού ασφαλείας.
Το τι σήμερα εμπίπτει σε ένα εργοστάσιο ήδη στην πρώτη κατηγορία, στο άλλο εργοστάσιο βρίσκεται ακόμα πλήρως στην τρίτη. Αυτή η διαφορά σπάνια οφείλεται στην ίδια την τεχνολογία. Οφείλεται στο αν τα δεδομένα υπάρχουν, αν οι αισθητήρες μετρούν τα σωστά πράγματα, αν οι εργαζόμενοι εμπιστεύονται το σύστημα αρκετά για να του αναθέσουν κάτι, και αν υπάρχει κάποιος που μπορεί να εγκρίνει το αποτέλεσμα χωρίς η διαδικασία να σταματήσει εν αναμονή μιας υπογραφής.
Μια διοίκηση που λέει «θέλουμε ποιοτικό έλεγχο καθοδηγούμενο από AI» λέει με αυτό επίσης κάτι για την οργάνωση που πρέπει να το στηρίξει αυτό. Πρέπει να υπάρχει κάποιος που αξιολογεί τις ειδοποιήσεις σφαλμάτων του συστήματος, όχι μόνο θεωρητικά αλλά στην καθημερινή βάρδια. Πρέπει να υπάρχει σαφήνεια σχετικά με το ποιος μπορεί να ανατρέψει μια απόρριψη του συστήματος και με ποιο σκεπτικό. Και πρέπει να υπάρχει διαθέσιμη χωρητικότητα για τη ρύθμιση και τη συντήρηση του συστήματος, χωρητικότητα που συχνά είναι ήδη πλήρως δεσμευμένη σε τρέχουσα εργασία.
Εδώ είναι που πολλές φιλοδοξίες στη μεταποιητική βιομηχανία κολλάνε: όχι στο ερώτημα αν η τεχνολογία το μπορεί, αλλά στο ερώτημα αν η οργάνωση έχει ήδη ορίσει τον ρόλο γύρω από αυτό. Ποιος αποφασίζει όταν το σύστημα αμφιβάλλει; Ποιος είναι υπεύθυνος όταν ένας πελάτης έχει παράπονο για ένα προϊόν που πέρασε από μια επιθεώρηση καθοδηγούμενη από AI; Αυτά τα ερωτήματα αγγίζουν ευθύνες εντός του προσωπικού, και για αποφάσεις που προκύπτουν από αυτά ισχύουν δικές τους νομικές απαιτήσεις· αυτή η αξιολόγηση δεν εξετάζεται εδώ.
Δύο εργοστάσια με συγκρίσιμα μηχανήματα και συγκρίσιμα προϊόντα μπορούν να διαφέρουν σημαντικά ως προς το τι πράγματι αναλαμβάνει η AI από την εργασία τους. Το ένα έχει συλλέξει και δομήσει δεδομένα αισθητήρων για χρόνια, το άλλο έχει τους ίδιους αισθητήρες αλλά τα δεδομένα εξαφανίζονται σε αρχεία καταγραφής που κανείς ποτέ δεν έχει καθαρίσει. Το ένα έχει μια ομάδα ποιότητας που έχει εβδομαδιαίο χρόνο να αξιολογεί αποκλίσεις και να προσαρμόζει το σύστημα, το άλλο έχει αυτή την ομάδα πλήρως απασχολημένη με την τρέχουσα παραγωγή. Κανένα από τα δύο δεν είναι λάθος, αλλά αυτό καθορίζει πόσο από τη φιλοδοξία είναι εφικτό αυτό το έτος και πόσο το επόμενο.
Αυτές οι διαφορές δεν είναι μοναδικές για τη μεταποιητική βιομηχανία. Η ίδια τάση μεταξύ φιλοδοξίας και ετοιμότητας εμφανίζεται και στον τομέα των μεταφορών, όπου ο προγραμματισμός και η επιλογή διαδρομής εγείρουν παρόμοια ερωτήματα, και στις επαγγελματικές υπηρεσίες, όπου η εποπτεία των αποτελεσμάτων συμβουλευτικής παίζει παρόμοιο ρόλο με τον ποιοτικό έλεγχο στο πάτωμα. Επίσης το ερώτημα πώς χωρίζετε μια φιλοδοξία σε κομμάτια που μια οργάνωση μπορεί πράγματι να διαχειριστεί σε ένα έτος επανέρχεται σε κάθε τομέα, και εξετάζεται ξεχωριστά σε μια επεξήγηση για τη σταδιακή υλοποίηση μιας φιλοδοξίας που είναι πολύ μεγάλη για ένα έτος.
Το ερώτημα που βρίσκεται κάτω από όλα αυτά τα παραδείγματα δεν είναι αν η AI μπορεί γενικά να αναλάβει αυτό το είδος εργασίας. Είναι ποιο συγκεκριμένο μέρος της εργασίας σε αυτή τη συγκεκριμένη επιχείρηση μπορεί πράγματι να αναληφθεί, δεδομένων των δεδομένων, των συστημάτων και των ανθρώπων που υπάρχουν τώρα. Αυτό το ερώτημα απαντάται ανά εργασία με τη σάρωση εργασίας του FTE TO AI, ανεξάρτητα από την εικόνα που έχει η ίδια η διοίκηση.
Μια φιλοδοξία γίνεται χρήσιμη μόνο όταν έχει χωριστεί σε ό,τι πρέπει να μπορεί η οργάνωση, και εξεταστεί σε σχέση με ό,τι μπορεί ήδη. Πόσο γρήγορα μπορεί μια οργάνωση πράγματι να αλλάξει σε τέτοια σημεία, είναι ένα ερώτημα ανεξάρτητο από την ίδια τη φιλοδοξία και αναπτύσσεται ξεχωριστά σε μια εξέταση του πραγματικού ρυθμού αλλαγής των οργανισμών.
Ως πρώτο βήμα υπάρχει ένας δωρεάν έλεγχος ετοιμότητας: οκτώ σύντομες ερωτήσεις, μία ανά διάσταση, που δίνουν μια εικόνα του πού η οργάνωσή σας βρίσκεται πιο μπροστά και πού λιγότερο. Η πλήρης δοκιμασία φιλοδοξίας, με τα τέσσερα επίπεδα από το όραμα έως την επιθυμητή τελική κατάσταση και τη μετάφρασή τους σε ρόλους και δικαιώματα λήψης αποφάσεων, βρίσκεται υπό κατασκευή.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.