A gyártó cégek vezetőit, főleg, ha az innovatívabb szegmensben, pl. autóipar környékén dolgoznak, már elérte a digitális cunami.
Minden hónapban újabb és újabb technológiák ugranak elő, új szolgáltatók ígérik, hogy az ő megoldásukkal soha nem látott hatékonyságnövelést lehet elérni. Napi szinten forognak az olyan varázsszavak, mint a mesterséges intelligencia (AI), a big data, az Internet of Things (IoT), a digitális gyártás, az ipar 4.0, az adatvezérelt szervezet...
Tudjuk persze, hogy használni kéne őket, de nagyon kevesen értik, hogy mit is jelentenek ezek a gyakorlatban. Pedig vállalatvezetési szempontból csupán ugyanolyan eszközök, amelyek új lehetőségeket adnak arra, hogy jobbak legyünk. Végül is mindegyikük egyetlen kérdés körül forog: hogyan lehet hasznosítani az adatvagyont, amely a cégnél elérhető, vagy elérhető lenne, ha egyáltalán gyűjtenénk?
Sok gyárban látjuk, hogy az eszközök szintjén gondolkodnak a digitalizáció kapcsán: "Vezessünk be MES-t!", "Legyen riporting-rendszerünk!", "Legyen a raktárban RFID-alapú a készletezés!", "Vegyünk egy másik robotot/új gépet!".
Mindezek lehetnek jó megoldások, de gyakran hiányzik belőlük a koncepció. Az olyan kérdésekre hiányzik a válasz, hogy "Miért pont ebbe vagy abba fektessünk be?", "Milyen irányba fejlesszük a termelést?", "Milyen akciók hozzák a legnagyobb termelékenység javulást?", "Milyen akciók adják a legnagyobb profitabilitást?"
Gyakran azt látjuk, hogy bevezettek már valamilyen ERP-rendszert, de a végeredmény csalódást okoz - egyszerűen azért, mert hiányzik a jó működtetéséhez kapcsolódó szemlélet. A titok nyitja egy szendvics-modell, amelynek többnyire a közepével foglalkoznak a vezetők, az aljával és a tetejével ritkán, pedig attól lesz igazán használható.
Forrás: Thinkstock
Az ERP-rendszer adhat egy egységes platformot, amelyben össze vannak vezetve az egyes területekről származó adatok - és így lehetővé válik az integrációjuk, a folyamatok egységes kezelése, standardizálása. De ahhoz, hogy az ERP igazán ki tudja használni a benne rejlő potenciált, szükség van két másik rétegre, amelyekbe sokkal kevesebb energiát fektetnek a cégek: az adatgyűjtés és integrálás szintjére, valamint az adatok használatának szintjére.
Alsó réteg - Adatgyűjtés: a SISO-probléma meghaladása
A "shit in - shit out" probléma (magyar fordításban rossz bemenő adat - rossz kimenő információ) számos ERP-bevezetést tesz eredménytelenné. Ez kiemelten igaz a gyártósorok adataira és azok integrálására a termelésirányításba, vagy a teljes vállalatirányításába. Rossz minőségű búzából a legjobb malom is rossz minőségű lisztet őröl. Ennek a problémának három fő szintje van:
1. Tudatos és gépi adatgyűjtés
A legtöbb üzemben, ahol lean módszertanokat bevezettek, elkezdték vezettetni az emberekkel az állásidőt, azok okait, a selejtszámokat. Sokszor ezeket viszik be (a nap végén) excelbe, vagy közvetlenül a MES/ERP valamely moduljába. A cél az, hogy elemezni lehessen az adatokat és azok alapján intézkedni.
Azonban a legtöbb esetben ehhez nagyon komoly fegyelem kell a munkatársak részéről. Ezt néha nagyon nehéz kikényszeríteni, hiszen csak lassítja a munkát. Így a termelési adatok, főleg az OEE (termelési eszköz hatékonysága) nagyon kevéssé mérhető, amiből következően az a nagyon fontos információ is rejtve marad, hogy mely fejlesztési beavatkozás hozná a legnagyobb eredményt (gépeket kell fejleszteni? Anyagellátást? Munkatársakat?)
Ezeket az adatokat azonban nem csak kézzel, felírással lehet kinyerni, hanem gépileg is. A legtöbb PLC vezérelt gép magában is folyamatosan naplózza ezeket az eseményeket, csak ki kell nyerni belőle. De ha ez bármilyen okból nem lehetséges (túl öreg a gép, vagy nem férünk hozzá a naplózáshoz), akkor is fontos tudni, hogy már rengeteg olyan szenzoros megoldás van, amelyeket ráállítva egy-egy gép kimeneti eredményére olcsón lehet tényleges eredmény alapon mérni állásidőt, gyorsaságot. Azaz a gépek hálózatos, vagy vezeték nélküli kommunikációra bírásával kiküszöbölhető a legfontosabb probléma: az emberi adatgyűjtés bizonytalansága.
2. Gépek közötti tolmácsok bevezetése
Egy-egy gyártósor legtöbbször több gyártótól származó gépekből áll, amelyek ráadásul eltérő korúak. Ezért hiába kérünk adatokat tőlük, olyan, mintha egészen más nyelven beszélnének. Ez a tény sokszor meggátolja a vezetőket abban, hogy egyáltalán nekiálljanak felépíteni egy egységesen használható adatréteget.
Jó hír, hogy sok olyan szolgáltató van, amelyek arra specializálódtak, hogy egységes standardot építsenek különböző adatfolyamokra, legyenek azok szenzorok vagy különböző gépek. Ezzel máris megteremtettük az elemezhetőség alapját.
3. Integrált adatszint létrehozása
Tegyük fel, hogy képesek voltunk felépíteni az adatok folyamatosságát, megbízhatóságát és összevethetőségét. Ez már jó arra, hogy egy karbantartásszervezést, vagy leálláskezelést nézzünk, sőt az OEE is kimutatható vele. Azonban a problémák okainak elemzéséhez és a befektetési döntések támogatásához szükséges az is, hogy legalább a teljes sorok adatai, de ideálisan a teljes gyártás össze legyen vezetve. A legtriviálisabb probléma ezzel, hogy a sorba kötött gépek állásideje egymástól is függ. Ugyanakkor az integrált adatok megteremtése jól felépített adatrétegek segítségével, egy-egy célszoftver bevonásával tökéletesen elvégezhető.
A stabil adatréteg segítségével egészen más lehetőségei lesznek a vállalatnak, és valóban el tud kezdeni gazdálkodni az adatvagyonnal. Ebben tud rengeteget segíteni, ha elkezdünk a fentiek mentén tudatosan adatokat felhalmozni és az adatok minőségét és folyamatosságát megteremteni.
A rossz hír még várat magára: sem az adatgyűjtés, sem egy ERP-rendszer bevezetése nem elég ahhoz, hogy adatvezérelt szervezetté váljunk. Ahhoz az kell, hogy kérdezzünk is az adatoktól.
Felső réteg - Adathasználat: Néma vezetőnek ERP-je se érti a szavát
Az adatvagyon pont olyan, mint minden más vagyonelem. Teljesen értéktelen, ha nem használja a tulajdonosa. Sokszor túl sok adat van már egyébként is a szervezetben, nagyon sok eszköz, amivel így-úgy elemezni lehet őket, de mégis egy nagyon speciális gondolkodásmód kell ahhoz, hogy az adatok felhalmozásából adatvezérelt szervezet legyen.
1. Találjuk ki, hogy mit akarunk kérdezni az adatoktól
Talán ez a legnehezebb: pontosan tudni, hogy mit akarunk megtudni. El kell kezdeni azzal a fejjel gondolkodni, hogy mik azok az üzleti szempontok (legyenek azok aprók, mint állásidők, vagy nagyok, mint befektetési összehasonlításhoz költségkalkulációk), amelyeket adatokkal lehet alátámasztani. Ez attól olyan nehéz, hogy az eddig intuícióból meghozott döntéseinkkel szemben kell alázatosnak lenni és megpróbálni őket validálni. A legegyszerűbb, ha egy-egy döntésnél mindig feltesszük magunknak a kérdést, hogy vajon ezt meg tudja-e alapozni valamilyen adat. Onnantól kezdve, hogy ez a kérdés rutinná válik, elkezdjük egészen más szemmel nézni az adatgyűjtési folyamatot, annak értelmét és felmérni a kincsestárat, amin ülünk.
2. Építsük be az adatok megkérdezését a döntéshozatali folyamatba
Ha már tudjuk, hogy milyen adatokra vagyunk kíváncsiak, akkor bizony le kell ülni és rá kell nézni. Egy meetingen ki kell nyitni a BI toolt, az excelt, be kell hívni az adatelemzőt, a kontrollert és mélyen megérteni, hogy mit mondanak az adatok az adott kérdésben. Ezt gyakran természetesnek veszik vezetők, hogy ha valaki elvégezte az adatok elemzését, akkor azt csak rendszeresen meg kell hallgatni. Ennél többről van szó. Energiát kell tenni abba, hogy megértsük, hogy mit is jelent mindaz, amit kaptunk.
3. Tegyük transzparenssé az adatokat
Az adatvezérelt szervezetek működtetésének leghatásosabb módja, ha minél több fronton, minél vizuálisabban megjelennek a legfontosabb mutatószámok, amelyek az adott embereknek szükségesek. Legyen az egy ledes kijelzőn az OEE egy gyárban, a tervekhez képesti értékesítés a folyosón, vagy az átlagos várakozási idő és az aktuális várakozók száma egy ügyfélszolgálaton, mindenképp segít fókuszálni az emberek figyelmét és bevinni a hétköznapokba, hogy a ténylegesen mért, valid adatokról beszélgessünk.
Sajnos jellemző, hogy a szendvics alja és teteje, az információgyűjtésbe és az adatok kérdezésébe tett energia egy ördögi körbe kerül: nem annyira alátámasztottak az információk, ezért értelmezhetetlen dolgok jönnek ki az aggregált adatokból, ezért a vezetők nem látják értelmét az adatok megkérdezésének, ezért nem fektetnek energiát az információs réteg megszilárdításába.
Másként mondva: mivel az eredmények nehezen látszanak nem is tudják elképzelni, hogy mit hozhatna a konyhára.
Viszont ha megtörjük ezt a ciklust, és energiát teszünk abba, hogy először csak egy-egy döntési helyzethez kapcsolódóan (pl. gépvásárlás) felépítsük a szükséges adatréteget, akkor megtapasztalhatjuk, hogy milyen biztonságérzetet ad, ha adatvezérelten döntünk. És akkor az ördögi varázsszavak máris elérhető eszközöket jelenthetnek számunkra a gyakorlatban.
A szerzőkről:
Kulcsár Alexandra a Norex ERP technológia- és szállító független informatikai tanácsadó oldal tulajdonosa, a Computerworld online ERP blogját vezető szakértője, a Magyar Startup Kézikönyv társszerzője. 20 év alatt mintegy 100 ERP projektben szerzett tapasztalatait magyar és nemzetközi tulajdonú termelő és szolgáltató cégeknél hasznosítja. Kérdése van? Írjon az info@norexerp.hu e-mail címre.
Szertics Gergely a Digital Transformation Consulting szakmai vezetője, szakterülete a digitális iránytű elkészítése szervezeteknek. Korábban egy mesterséges intelligencia alapú tudásmenedzsment rendszert fejlesztő startup ügyvezetőjeként maga is hozzájárult a digitalizációs eszköztár bővítéséhez. Ha kérdése van írjon emailt a gergely.szertics@digitalcompass.hu címre.