Od długu do innowacji. Cyfrowy model biznesowy przemysłu 4.0
W ostatnich latach płynność łańcuchów dostaw zakłócana jest mnogością wyzwań, z którymi mierzy się dzisiejszy świat.
Globalna pandemia COVID-19, wojna w Ukrainie, wstrząsy geopolityczne – wszystko to powoduje niestabilność biznesową niespotykaną od lat 70-tych. W rezultacie rosną koszty, opóźnienia, spada jakość i ilość produkcji. Zmienność popytu, inflacja i niepewność gospodarcza budzą obawy w całym przemyśle wytwórczym, powodując spadek przychodów i zysków. Tym samym branża zostaje zmuszona do ponownego przemyślenia długoterminowych strategii i priorytetów inwestycyjnych. Konkurowanie w tak dynamicznym środowisku – zwłaszcza w krajach takich jak Polska, gdzie branża wytwórcza stanowi największy udział PKB – skłania wielu producentów do ponownego przemyślenia podstawowych aspektów ich działalności i pomaga zdać sobie sprawę z roli strategii cyfrowej w drodze do sukcesu.
Od długu do innowacji
Producenci rozumieją to przejście jako podróż wypełnioną złożonymi wyzwaniami, które wpływają na postęp innowacyjności, wydajności i realizację celów biznesowych. Choć kryzys trwa już kilka lat, wciąż istnieją firmy, którym brakuje długoterminowej, wewnętrznej ekspertyzy w zakresie modeli biznesowych opartych na technologii cyfrowej, która równoważy krótko- i długoterminowe priorytety, zwłaszcza w niepewnym otoczeniu gospodarczym.
Aby stać się bardziej odpornym i innowacyjnym, producenci muszą stawić czoła wielu wyzwaniom nie tylko płynącym ze świata zewnętrznego, ale i z wewnątrz organizacji, m.in. zadłużeniu operacyjnemu w postaci ograniczonej możliwości projektowania produktów, przestarzałych systemów danych i niewydajnej infrastruktury.
Jak zauważa Paweł Worożyszczew, Service Delivery Manager z DXC Technology Polska, przezwyciężanie zadłużenia operacyjnego może być kosztowne, jednak jest to jedyny sposób na realizowanie założeń przemysłu 4.0. Aktualizacje do istniejących systemów mogą być wdrażane z czasem, jednak inwestycje w nowe to jedyne remedium na rosnący dług operacyjny. Stanowi on bowiem przeszkodę nie do przeskoczenia w szybkim gromadzeniu i analizie krytycznych danych, niezbędnych do podejmowania decyzji operacyjnych związanych z zarządzaniem liniami produkcyjnymi.
Perspektywy inwestycyjne
Świadomość potrzeby zwrócenia się ku cyfrowemu przemysłowi powoli kiełkuje. Zgodnie z danymi IDC (International Data Survey), w ciągu najbliższych pięciu lat ponad 40 proc. producentów branży wytwórczej zamierza zainwestować w sztuczną inteligencję i nauczanie maszynowe, 39 proc. w rozwiązania chmurowe i 29 proc. w urządzenia IoT (Internet of Things) do monitorowania danych operacyjnych.
Kluczem są dane
Większość producentów gromadzi znacznie więcej danych niż ostatecznie analizuje lub wykorzystuje. Każdy element wyposażenia wzdłuż linii produkcyjnej generuje ciągły strumień danych, które można wykorzystać i na ich podstawie optymalizować wydajność, synchronizować z innymi procesami oraz identyfikować problemy z jakością i potrzeby obsługi technicznej.
Możliwość przekształcenia produkcji w cyfrowy biznes, który zapewnia wyższy poziom produktywności i wykorzystanie nowych paradygmatów operacyjnych opartych na danych i technologii, sprawiły, że sztuczna inteligencja (AI – artificial intelligence) i uczenie maszynowe (ML – machine learning) stały się dla producentów priorytetowe spośród podejmowanych inwestycji.
Ze względu na powtarzalny charakter produkcji, środowisko to wydaje się być idealnym do automatyzacji danych. Początkowo AI i ML mogą służyć do identyfikacji nieoczekiwanych korelacji między różnymi procesami produkcyjnymi, pomagając zoptymalizować koszt, czas i jakość produkcji. W dłuższej perspektywie technologie te pozwolą wykorzystywać analizę danych w czasie rzeczywistym, przejąć różne aspekty podejmowania decyzji oraz przewidywać i reagować na czynniki pracy i zakłóceń – podkreśla Paweł Worozyszczew z DXC Technology Polska.
Producenci podążający tą ścieżką powinni przede wszystkim skupić się na zarządzaniu danymi, niezbędnym do zapewnienia sztucznej inteligencji i uczeniu maszynowemu wiarygodnych wyników. Automatyzacja zadań niższego szczebla dzięki AI i ML pozwala skupić się na strategicznych zadaniach wyższego poziomu i zmniejszyć liczbę błędów wynikających z czynnika ludzkiego.
Podsumowanie
Globalna ekonomia i wymagania rynku zmieniają środowisko produkcyjne szybciej niż kiedykolwiek. Wraz z upływem czasu, gdy branża godzi się z tą zmianą, organizacje, które równoważą koszty operacyjne, uwzględniając inwestycje w innowacje, odniosą największy sukces. Korzyści płynące z modelu biznesowego data-driven są obecnie zbyt ważne, by je ignorować, jednak wykorzystanie danych do podejmowania szybkich, skutecznych decyzji wymaga odpowiedniej podstawy cyfrowej, której obecnie brakuje wielu producentom.
Biorąc pod uwagę złożoność zarządzania rosnącą ilością danych, producenci powinni rozważyć współpracę z doświadczonymi partnerami, którzy mogą pomóc zmodernizować ich działalność i przekształcić inicjatywy przemysłu 4.0 w pełnoprawny, cyfrowy model biznesowy.
Znając wartość czasu klientów z sektora przemysłu, zbudowaliśmy i nadal rozwijamy modułową platformę z gotowymi akceleratorami, która wykorzystuje wiele technologii, od IoT i computer vision, po analitykę z wykorzystaniem sztucznej inteligencji i uczenia maszynowego. Tworzymy także integracje do systemów klasy ERP, MES czy SCADA, dając użytkownikom narzędzie do podejmowania sprawnych decyzji na bazie danych otrzymywanych w czasie rzeczywistym. To z kolei pozwala – bez względu na doświadczenie klienta w przemyśle 4.0 – zacząć lub dalej realizować zaawansowane działania długoterminowej strategii przy jednoczesnym skalowaniu istniejących osiągnięć – podsumowuje Paweł Worożyszczew.
Czytaj też: Pracownicy na bakier z polityką bezpieczeństwa
Mat.pras/KG
