Planista przekształca zamówienie klienta lub plan produkcji w konkretne zlecenie produkcyjne: jakie specyfikacje, jakie materiały, ile czasu jest przewidziane oraz który operator lub stanowisko pracy wykonuje zlecenie. To zlecenie produkcyjne przechodzi z systemu ERP lub systemu planowania do systemu MES na hali. To ogniwo powraca codziennie, często dziesiątki do setek razy, i stanowi most między planowaniem na papierze a fizyczną realizacją.
Dane potrzebne do stworzenia zlecenia produkcyjnego są zwykle już ustalone: numer artykułu, lista materiałowa, kolejność operacji, standardowe czasy dla każdej operacji. Jeśli te dane są uporządkowane w systemie ERP, a przekład do systemu MES podąża za ustaloną strukturą, tworzenie zlecenia produkcyjnego jest kwestią łączenia i przenoszenia danych. To dokładnie rodzaj pracy, w którym oprogramowanie jest dobre: wysoka powtarzalność, ustalone pola, niewielka potrzeba interpretacji. Wolumen to wspiera: przy dziesiątkach zleceń dziennie automatyzacja przynosi wymierną korzyść czasową, a szansa, że wiersz zlecenia jest identyczny z poprzednim, jest duża.
Przykład: firma z branży obróbki metali z ustalonym asortymentem stu artykułów, gdzie każde zlecenie jest kombinacją znanych etapów obróbki. Tutaj tworzenie zlecenia produkcyjnego jest w dużej mierze zadaniem typu kopiuj-i-wypełnij. RPA (robotic process automation) może dobrze wykonać ten przekład z planowania do MES, o ile szablony zleceń są zestandaryzowane, a połączenie między obydwoma systemami jest dobrze skonfigurowane.
Przyczyna, dla której to zadanie nie może zostać całkowicie przekazane AI, leży w przestrzeni na ocenę. Przy wydawaniu zlecenia produkcyjnego często trzeba dokonać oceny: czy ten operator jest dostępny dzisiaj, czy maszyna właśnie zwolniła się przez zlecenie pilne, czy ta operacja odpowiada bieżącemu zapasowi materiałów, czy jest znany problem jakościowy u tego klienta wymagający dodatkowej uwagi? To decyzje wymagające wiedzy o hali produkcyjnej w danym momencie, a ta wiedza nie jest zawsze w pełni zdigitalizowana. Planista lub brygadzista patrzy na dzisiejszą praktykę, nie tylko na dane z wczoraj.
Oprócz tego jest element fizyczny: zlecenie produkcyjne jest w istocie instrukcją dla ludzi i maszyn, które muszą wyprodukować coś w rzeczywistym świecie. Błąd w zleceniu produkcyjnym, na przykład niewłaściwy materiał albo błędne oszacowanie czasu, nie prowadzi do niezauważonego błędu w arkuszu kalkulacyjnym, lecz do przestoju, odrzutów lub niewłaściwego produktu. To wiąże się z umiarkowanymi kosztami błędu: nie są to katastrofalne konsekwencje jak w procesach krytycznych dla bezpieczeństwa, lecz realne koszty czasu i materiału, gdy coś idzie nie tak.
W sektorach z wymogami certyfikacji, takich jak żywność, wyroby medyczne czy dostawy dla lotnictwa, zlecenie produkcyjne musi w sposób udokumentowany spełniać ustalone procedury i śledzenie. To sprawia, że zadanie jest wrażliwe na zgodność: zlecenie produkcyjne jest częścią śladu audytowego. Porównajmy to z procesem, w którym proszona jest AI o prowadzenie dziennika audytowego zmian finansowych: również tam rejestrowanie i możliwość odtworzenia są ważniejsze niż szybkość. Przy zleceniach produkcyjnych z ustaleniami specyficznymi dla klienta rolę odgrywa dodatkowo kontakt z klientem; zlecenie dla stałego klienta z szczególnymi życzeniami wymaga odrobinę więcej uwagi niż standardowe zlecenie na zapas.
Wniosek jest taki, że AI, w postaci RPA, może dziś wspierać tworzenie i przekazywanie zleceń produkcyjnych, lecz nie może przejąć tego samodzielnie. System może wykonać przekład danych planistycznych do szablonu zlecenia produkcyjnego; ocena, czy to zlecenie w danym momencie, z tym operatorem i w tych okolicznościach, jest rozsądne, pozostaje pracą ludzką z nadzorem, który zatwierdza lub odrzuca z podaniem przyczyny. To inny podział niż na przykład przejęcie zarządzania procesem podpisywania dokumentów, gdzie potrzeba mniej kontekstu operacyjnego.
Ta ocena dotyczy środowiska produkcyjnego z umiarkowanie zestandaryzowanym asortymentem i połączeniem z systemem MES, które nie jest jeszcze w pełni uporządkowane. W firmie z bardzo ograniczonym, w pełni zestandaryzowanym portfolio produktów oraz z ścisłym, działającym w czasie rzeczywistym połączeniem między ERP i MES udział zadań, które mogą przebiegać automatycznie, może być większy: mniej wyjątków, mniejsza potrzeba przestrzeni na ocenę. Odwrotnie, w produkcji na zamówienie z dużą zmiennością na zlecenie, równowaga przesuwa się właśnie bardziej w stronę pracy ludzkiej. To różni się także poza branżą przemysłową: to, co może zostać przejęte w usługach biznesowych lub w handlu detalicznym, różni się z tego samego powodu, czyli stopnia standaryzacji i wolumenu powtarzalnych zadań. Właśnie z tego powodu skan dla każdej firmy, dla każdego zadania, mówi więcej niż ogólne stwierdzenie o całej branży lub funkcji.
Jeśli chodzi o decyzje personalne na podstawie tego wyniku, obowiązują dla nich własne wymogi prawne, o których ta strona nie wypowiada się.
Chce Pan/Pani wiedzieć, jak to wypada w przypadku Państwa własnego procesu planowania i produkcji? Bezpłatny quickscan ftetoai składa się z dwunastu pytań, działa bez konta i daje wskazanie, jaka część godzin w Państwa profilu może dziś zostać przejęta przez AI. Pełny werkscan, który głębiej analizuje poszczególne zadania, takie jak to, jest jeszcze w budowie.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.