En planerare omvandlar en kundorder eller produktionsplan till en konkret arbetsorder: vilka specifikationer, vilka material, hur mycket tid är avsatt, och vilken operatör eller arbetsplats som utför ordern. Den arbetsordern går från ERP- eller planeringssystemet till MES på golvet. Det är ett led som återkommer dagligen, ofta tiotals till hundratals gånger, och som utgör bryggan mellan planering på papper och fysiskt utförande.
De uppgifter som behövs för att skapa en arbetsorder finns oftast redan fastställda: artikelnumret, stycklistan, bearbetningsordningen, standardtiderna per bearbetning. Om dessa uppgifter är ordentligt registrerade i ERP-systemet och översättningen till MES följer en fast struktur, blir sammanställningen av en arbetsorder en fråga om att kombinera och överföra data. Det är precis den typ av arbete som mjukvara är bra på: hög repetition, fasta fält, litet behov av tolkning. Volymen stödjer detta: vid tiotals order per dag ger automatisering märkbar tidsbesparing, och sannolikheten att en orderrad är identisk med en tidigare är stor.
Ett exempel: ett metallbearbetningsföretag med ett fast sortiment av hundra artiklar, där varje order är en kombination av kända bearbetningssteg. Här är skapandet av arbetsordern till stor del en kopiera-och-fyll-uppgift. RPA (robotic process automation) kan utföra den översättningen från planering till MES utmärkt, förutsatt att orderformallarna är standardiserade och kopplingen mellan de två systemen är väl inrättad.
Anledningen till att denna uppgift inte helt kan lämnas åt AI ligger i bedömningsutrymmet. Vid utfärdande av en arbetsorder måste ofta en avvägning göras: är denna operatör tillgänglig idag, har maskinen just blivit ledig på grund av en akutorder, passar denna bearbetning med det aktuella materiallagret, finns det en känd kvalitetsfråga hos denna kund som kräver extra uppmärksamhet? Det är beslut som kräver kunskap om golvet vid det aktuella tillfället, och den kunskapen är inte alltid fullständigt digitaliserad. Planeraren eller förmannen tittar på dagens praktiska verklighet, inte bara på gårdagens data.
Därutöver finns det fysiska elementet: en arbetsorder är i slutändan en instruktion för människor och maskiner som i den verkliga världen ska producera något. Ett fel i arbetsordern, till exempel ett felaktigt material eller en felaktig tidsuppskattning, leder inte till ett obemärkt kalkylbladsfel utan till stillestånd, spill eller en felaktig produkt. Det medför måttliga felkostnader: inga katastrofala konsekvenser som vid säkerhetskritiska processer, men ändå reella kostnader i tid och material om det går fel.
I branscher med certifieringskrav, tänk på livsmedel, medicintekniska produkter eller leverantörer till flygindustrin, måste en arbetsorder påvisbart följa fastställda procedurer och spårbarhet. Det gör uppgiften känslig för compliance: arbetsordern är en del av ett revisionsspår. Jämför detta med processen där man frågar om att föra ett revisionsloggbok över finansiella ändringar ska tas över: även där är dokumentation och spårbarhet viktigare än snabbhet. Vid arbetsorder med kundspecifika avtal spelar dessutom kundkontakt en roll; en order för en fast kund med särskilda önskemål kräver något mer uppmärksamhet än en standardorder för lager.
Slutsatsen är att AI, i form av RPA, idag kan stödja skapandet och vidarebefordran av arbetsorder, men inte kan ta över det på egen hand. Systemet kan utföra översättningen av planeringsdata till en arbetsorder-mall; bedömningen av om denna order vid detta tillfälle, med denna operatör och under dessa omständigheter, är lämplig, förblir mänskligt arbete med tillsyn som godkänner eller avslår med motivering. Det är en annan fördelning än exempelvis att ta över hanteringen av dokumentens undertecknandeprocess, där mindre operativ kontext krävs.
Denna bedömning gäller för en produktionsmiljö med ett måttligt standardiserat sortiment och en MES-koppling som ännu inte är helt i ordning. Hos ett företag med en mycket begränsad, fullständigt standardiserad produktportfölj och en strikt, realtidskoppling mellan ERP och MES kan andelen som kan ske automatiskt vara större: färre undantag, mindre bedömningsutrymme behövs. Omvänt, vid skräddarsydd produktion med stor variation per order, ligger balansen istället längre mot mänskligt arbete. Detta varierar även utanför industrin: vad som kan tas över inom affärstjänster eller inom detaljhandeln skiljer sig av samma anledning, nämligen graden av standardisering och volymen av repeterbara uppgifter. Det är precis varför en analys per företag, per uppgift, säger mer än ett generellt uttalande om en hel bransch eller funktion.
Om det gäller personalbeslut baserade på detta resultat, gäller därför egna lagkrav som denna sida inte tar ställning till.
Vill ni veta hur detta slår ut för er egen planerings- och produktionsprocess? Den kostnadsfria snabbanalysen från ftetoai består av tolv frågor, fungerar utan konto, och ger en indikation på hur stor del av timmarna i er profil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som går djupare in på enskilda uppgifter som denna, är fortfarande under uppbyggnad.
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.