Proizvodna industrija sastoji se od posla koji se teško sažima u jednu vrstu zadatka. Postoji posao planiranja: raspoređivanje naloga, usklađivanje protoka materijala, raspodjela kapaciteta po strojevima i smjenama. Postoji posao kvalitete: pregledavanje, mjerenje, procjenjivanje odstupanja i dokumentiranje. Postoji posao održavanja: dijagnosticiranje kvarova, naručivanje dijelova, planiranje preventivnog rada. I postoji administrativni posao oko svega toga: certifikati, naknadna kalkulacija, izvještavanje prema klijentima i nadzornim tijelima.
Ove vrste posla znatno se razlikuju po tome koliko su predvidljive. Zadatak planiranja s fiksnim pravilima i povijesnim podacima podložan je automatizaciji na drugačiji način nego procjena zavarenog spoja koji tek malo izlazi izvan norme, ali je vjerojatno ipak u redu. Ta se posljednja procjena temelji na iskustvu, na kontekstu koji nije zapisan u sustavu i na odgovornosti koju netko mora moći nositi. Ta razlika u velikoj mjeri određuje koja je ambicija realna za koji dio posla.
Kroz cijelu proizvodnu industriju provlači se ista podjela na tri dijela. Jedan dio može preuzeti AI: repetitivne kontrole na temelju podataka senzora, sastavljanje standardnih izvještaja, prepoznavanje poznatih obrazaca kvarova. Jedan dio djelomično, s čovjekom koji odobrava ili odbija: procjene kvalitete gdje algoritam daje prijedlog, a operator ili djelatnik kvalitete potvrđuje ili ispravlja odluku, uz razlog. I jedan dio ostaje ljudski posao: rješavanje kvara koji nitko prije nije vidio u tom obliku, pregovaranje s dobavljačem o odstupajućoj isporuci, preuzimanje odgovornosti kod sigurnosnog incidenta.
Ono što danas u jednoj fabrici već spada u prvu kategoriju, u drugoj fabrici još je potpuno u trećoj. Ta razlika rijetko potječe od same tehnologije. Potječe od toga jesu li podaci dostupni, mjere li senzori pravilne stvari, vjeruju li djelatnici sustavu dovoljno da mu prepuste nešto, i postoji li osoba koja može odobriti rezultat bez da proces zastane u čekanju na potpis.
Uprava koja kaže "želimo AI-vođenu kontrolu kvalitete" time i govori nešto o organizaciji koja to mora moći podnijeti. Mora postojati osoba koja procjenjuje poruke o greškama sustava, ne samo teoretski nego u svakodnevnoj smjenskoj praksi. Mora biti jasno tko može poništiti odbijanje sustava i na temelju čega. I mora postojati slobodan kapacitet za postavljanje i održavanje sustava, kapacitet koji je često već potpuno raspoređen na tekući posao.
Ovdje se zapinje mnogo ambicija u proizvodnoj industriji: ne na pitanju može li tehnologija to, nego na pitanju je li organizacija već popunila ulogu oko toga. Tko odlučuje kad sustav sumnja? Tko je dostupan kad klijent ima pritužbu na proizvod koji je prošao AI-vođenu inspekciju? Ta pitanja dotiču odgovornosti unutar zaposlenika, a za odluke koje iz toga slijede vrijede posebni zakonski zahtjevi; ta procjena nije predmet ovoga teksta.
Dvije fabrike sa sličnim strojevima i sličnim proizvodima mogu se znatno razlikovati u tome što AI stvarno preuzima od njihova posla. Jedna je godinama prikupljala i strukturirala podatke senzora, druga ima iste senzore, ali podaci nestaju u logovima koje nitko nikada nije pročistio. Jedna ima timove za kvalitetu koji tjedno imaju vremena procjenjivati odstupanja i usklađivati sustav, druga ima taj tim potpuno zauzet tekućom proizvodnjom. Nijedna od tih situacija nije pogrešna, ali određuje koliko je ambicije ove godine ostvarivo, a koliko sljedeće.
Ove razlike nisu jedinstvene za proizvodnu industriju. Ista napetost između ambicije i spremnosti javlja se u sektoru transporta, gdje planiranje i odabir ruta postavljaju slična pitanja, i u poslovnim uslugama, gdje nadzor nad ishodima savjetovanja ima sličnu ulogu kao kontrola kvalitete na proizvodnoj traci. Također se pitanje kako ambiciju podijeliti na dijelove koje organizacija stvarno može obuhvatiti u jednoj godini vraća u svakom sektoru, i posebno je obrađeno u objašnjenju o faziranju ambicije koja je prevelika za jednu godinu.
Pitanje koje stoji iza svih ovih primjera nije može li AI općenito preuzeti ovakav posao. Pitanje je koji specifičan dio posla u ovoj specifičnoj tvrtki stvarno može biti preuzet, s obzirom na podatke, sustave i ljude koji trenutno postoje. Na to se pitanje odgovara po zadatku pomoću radne analize (werkscan) tvrtke FTE TO AI, neovisno o tome kakvu sliku o tome ima uprava.
Ambicija postaje uporabljiva tek kad je razdijeljena na ono što organizacija mora moći, i provjerena u odnosu na ono što već može. Koliko brzo organizacija stvarno može promijeniti se na takvim točkama, pitanje je odvojeno od same ambicije i posebno je obrađeno u razmatranju o stvarnom tempu promjene organizacija.
Kao prvi korak postoji besplatna provjera spremnosti: osam kratkih pitanja, jedno po dimenziji, koja daju sliku o tome gdje je vaša organizacija najdalje, a gdje najmanje. Potpuna provjera ambicije, sa četiri slojeva od vizije do ciljanog stanja i prijevodom u uloge i ovlasti odlučivanja, još se izrađuje.
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.