Tootmistööstus koosneb töödest, mida on raske kokku võtta ühte tüüpi ülesandeks. On planeerimistöö: tellimuste planeerimine, materjalivoogude koordineerimine, masinate ja vahetuste vahel jaotatud tootmisvõimsus. On kvaliteeditöö: inspekteerimine, mõõtmine, hälvete hindamine ja dokumenteerimine. On hooldustöö: rikete diagnoosimine, osade tellimine, ennetava töö planeerimine. Ja kõige selle ümber on halduslik töö: sertifikaadid, järelkalkulatsioon, aruandlus klientidele ja järelevalveasutustele.
Need töövaldkonnad erinevad suuresti selle poolest, kui prognoositavad need on. Fikseeritud reeglite ja ajaloolistele andmetele tuginev planeerimisülesanne sobib automatiseerimiseks teisiti kui just piiri väliselt tundva keevisõmbluse hindamine, mis siiski tõenäoliselt on korras. See viimane hinnang sõltub kogemusest, kontekstist, mida süsteemis ei ole, ja vastutusest, mida keegi peab suutma kanda. See erinevus määrab suuresti, milline ambitsioon on realistlik millise töövaldkonna jaoks.
Sama kolmejaotus läbib tootmistööstuse tööd kõikjal. Osa saab AI üle võtta: korduvad kontrollid sensoriandmete alusel, standardaruannete koostamine, tuntud rikkemustrite tuvastamine. Osa käib osaliselt, kus inimene kinnitab või lükkab tagasi: kvaliteedihindamised, kus algoritm teeb ettepaneku ja operaator või kvaliteedimeeskonna liige kinnitab või korrigeerib otsuse, koos põhjendusega. Ja osa jääb inimtööks: sellise rikke lahendamine, mida keegi varem sellisel kujul ei näinud, tarnijaga läbirääkimine kõrvalekaldega tarne üle, vastutuse võtmine ohutusintsidendi korral.
Mis ühes tehases kuulub täna juba esimesse kategooriasse, on teises tehases veel täielikult kolmandas. See erinevus tuleneb harva tehnoloogiast ise. See tuleneb sellest, kas andmed on olemas, kas sensorid mõõdavad õigeid asju, kas töötajad usaldavad süsteemi piisavalt, et sellele midagi usaldada, ja kas on olemas keegi, kes tulemuse võib kinnitada, ilma et protsess seisma jääks allkirja ootel.
Juhtkond, kes ütleb "me soovime AI-juhitud kvaliteedikontrolli", ütleb sellega samal ajal midagi organisatsiooni kohta, mis peab suutma seda kandma. Peab olema keegi, kes hindab süsteemi veateateid, mitte ainult teoreetiliselt, vaid igapäevases vahetustöös. Peab olema selgus selle kohta, kes tohib süsteemi tagasilükkamise otsuse tühistada ja millisel alusel. Ja peab olema vaba ressurss süsteemi seadistamiseks ja hooldamiseks, ressurss, mis on tihti juba täielikult jooksva töö peale eraldatud.
Siin jäävad paljud tootmistööstuse ambitsioonid toppama: ei mitte küsimuses, kas tehnoloogia suudab, vaid küsimuses, kas organisatsioon on juba täitnud selle ümber oleva rolli. Kes otsustab, kui süsteem kahtleb? Kes on kontaktisik, kui kliendil on kaebus toote kohta, mis on läbinud AI-juhitud inspektsiooni? Need küsimused puudutavad personali vastutusalasid, ja nendest tulenevate otsuste kohta kehtivad omad seadusest tulenevad nõuded; selle hinnangu andmine ei kuulu käesoleva teksti raamesse.
Kaks tehast, millel on sarnased masinad ja sarnased tooted, võivad suuresti erineda selle poolest, kui palju AI nende töö osast tegelikult üle võtab. Üks on aastate jooksul kogunud ja struktureerinud sensoriandmeid, teisel on samad sensorid, kuid andmed kaovad logidesse, mida keegi kunagi puhastanud ei ole. Ühel on kvaliteedimeeskond, kellel on iganädalaselt aega hälbeid hinnata ja süsteemi täpsustada, teisel on see meeskond täielikult hõivatud käimasoleva tootmisega. Kumbki neist ei ole vale, kuid see määrab, kui suur osa ambitsioonist on käesoleval aastal saavutatav ja kui palju järgmisel aastal.
Need erinevused ei ole ainulaadsed tootmistööstusele. Samasugune pinge ambitsiooni ja valmisoleku vahel esineb transpordisektoris, kus planeerimine ja teekonnavalik tõstatavad sarnaseid küsimusi, ja äriteenuste sektoris, kus nõustamistulemuste järelevalve mängib sarnast rolli kui kvaliteedikontroll tootmispõrandal. Ka küsimus, kuidas jagada ambitsioon osadeks, mida organisatsioon suudab ühe aasta jooksul tegelikult hallata, tuleb esile igas sektoris ja seda käsitletakse eraldi selgituses ambitsiooni faseerimise kohta, kui see on ühe aasta jaoks liiga suur.
Küsimus, mis kõigi nende näidete taga peitub, ei ole see, kas AI suudab sellist tüüpi töö üldiselt üle võtta. Küsimus on see, milline konkreetne osa tööst selles konkreetses ettevõttes on tegelikult üle võetav, arvestades olemasolevaid andmeid, süsteeme ja inimesi. Sellele küsimusele vastatakse ülesande kaupa FTE TO AI töövaldkonna skaneeringuga, sõltumata sellest, milline on juhtkonna oma ettekujutus.
Ambitsioon muutub kasutatavaks alles siis, kui see on jaotatud osadeks, mida organisatsioon peab suutma, ja mis on kontrollitud selle vastu, mida ta juba suudab. Küsimus, kui kiiresti organisatsioon tegelikult sellistes punktides muutuda suudab, on ambitsioonist eraldiseisev küsimus ja seda käsitletakse eraldi käsitluses organisatsioonide tegeliku muutumistempo kohta.
Esimeseks sammuks on tasuta valmisoleku kontroll: kaheksa lühikest küsimust, üks igas mõõtmes, mis annavad ülevaate sellest, kus organisatsioon on kõige kaugemale jõudnud ja kus veel kõige vähem. Täielik ambitsioonitest, mis hõlmab nelja kihti visioonist sihtseisundini ja tõlgib need rollideks ja otsustusõigusteks, on ehitamisel.
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.