Podcast Przemysł Technologie Biznes

Przepis na skuteczną transformację cyfrową

Przez

25 października 2023

924

Transformacja cyfrowa nie jest szybkim wdrożeniem, a tym bardziej zastosowaniem pojedynczej technologii. Jest to wieloetapowy proces, który zazwyczaj obejmuje szereg projektów wpisanych w strategię rozwoju organizacji. Dodatkowo poprzeczkę trudności podnosi fakt, że nie ma tu jednego szablonu realizacji takich zmian. Każda firma, każda fabryka jest inna, co implikuje konieczność stworzenia dopasowanego do nich planu działań w zakresie cyfryzacji.

W rozmowie z Jakubem Kaczyńskim, dyrektorem w Transition Technologies PSC, omawiam strategię, plan wdrożeń, tematykę pozyskiwania, przetwarzania i analizy danych. Dyskutuję również, które podejście jest lepsze i bardziej popularne – od strony produkcji (OT) czy może od strony góry organizacji i działu IT, a także jaka jest rola komórek odpowiedzialnych za cyfryzację. Poruszamy też tematykę zarządzania zmianą i zagadnienia dotyczące adaptacji do zmian. Zdaniem mojego rozmówcy w omawianych wdrożeniach są one nawet istotniejsze niż wykorzystywane technologie.

Finalnie poruszamy dwa ważne zagadnienia – związane ze sztuczną inteligencją i jej możliwościami w przemyśle oraz zrównoważonym rozwojem (sustainability). Zapraszam do wysłuchania drugiego odcinka podcastu Przemysł Technologie Biznes. Odtwarzacz do wyboru.

Dostępny w platformach:Spotify, Apple Podcast, YouTube Podcast i Buzzsprout

Treść i znaczniki w podcaście:

0:01 Wstęp i przedstawienie gościa

1:30 Jak poznać, że jesteśmy w inteligentnej fabryce?

3:30 Strategia rozwoju inteligentnej fabryki

Cyfryzacja nie jest celem samym w sobie
Jakie cele obierają organizacje?

8:30 Dane to nie informacje – jaki mamy plan?

Demokratyzacja danych
Predictive maintenance, przestoje

14:10 Od strategii do konkretów

Amazon i backward thinking
Dobór technologii i rozwiązań do celów
Rola doradcy, integratora

26:20 OT czy IT – które podejście jest lepsze?

Komórki odpowiedzialne za cyfryzację, ich tworzenie, wymagane kompetencje
Ewangeliści Przemysłu 4.0

33:55 Etapowość wdrożeń, zarządzanie organizacyjne

Najtrudniejsze są adaptacja i zarządzanie zmianą
Początkowe etapy są kluczowe, liczą się małe inicjatywy
Cyfryzacja to zmiana sposobu myślenia i działania organizacji
Proof of Value

40:30 Sztuczna inteligencja

Jak zacząć? Jakie są przypadki użycia?
AI w przemyśle – czyli co?
Citizen Data Scientist
Warsztat AI to dobry pomysł
Chmura wspiera integrację

52:50 Sustainability i cyfryzacja

Wykorzystaj dane kompleksowo

57:25 Gdzie i jak zacząć?

Rola dobrych wzorców i sprawdzonych rozwiązań
Rola młodej generacji pracowników

Zobacz wszystkie podcasty – tutaj lub skorzystaj z serwisów:

.

Transkrypcja podcastu

Uwaga: transkrypcja została wykonana w sposób automatyczny, uwzględniono podstawowe poprawki. Tekst jest niedokładny, podajemy ze względu na kwestie indeksowania artykułu i w celach referencyjnych.

Jak przedsiębiorstwa produkcyjne rozwijają i wdrażają przemysł 4.0? Jak firmy dobierają projekty i przed jakimi pułapkami powinny się ustrzec? Jakie są najlepsze praktyki w zarządzaniu zmianą w organizacji? O przepisie na skuteczną transformację rozmawiamy dzisiaj z naszym gościem.

Witajcie w drugim odcinku podcastu „Przemysł Technologii Biznes”. Dzisiaj naszym gościem jest Jakub Kaczyński. Cześć!

Cześć

Bardzo się cieszę, że możemy porozmawiać. Słowo „gość” jest pewnym nadużyciem, bowiem faktycznie jesteśmy na twoim terenie. Spotykamy się w siedzibie firmy Transition Technologies PSC, gdzie jesteś dyrektorem. Zajmujesz się rozwiązaniami Internetu rzeczy, ale także przemysłem 4.0, generalnie cyfryzacją i transformacją cyfrową przedsiębiorstw. Zajmujesz się konsultingiem, pracą z klientami i oczywiście prowadzeniem zespołu. Wszystko się zgadza?

Wszystko się zgadza. Oczywiście każdy z tych elementów to osobna historia, którą można by opowiedzieć. Ale najistotniejszą częścią, która łączy wszystkie te elementy, jest przemysł 4.0 i podróż klientów w tym kierunku.

Tutaj często używacie hasła Smart Factory, co tak naprawdę czyni fabryka inteligentne? Jak poznać, że jesteśmy w tym inteligentnym zakładzie? W tym właśnie 4.0 bo tego przecież nie widać na pierwszy rzut oka.

Dokładnie jeżeli mówimy generalnie o przemyśle 4.0 możemy mieć oczywiście na myśli różne aspekty. Możemy mieć na myśli robotyzację, cyfryzację i o ile na przykład robotyzacja jest dosyć łatwa do zaobserwowania, o tyle ta inteligenta fabryka to jest taki koncept, który troszeczkę. Opiera się bardziej na ludziach, na podejściu, na kulturze organizacyjnej, na zainteresowaniu się danymi, które są możliwe do wykorzystania w celu podejmowania lepszych decyzji. Oczywiście możemy mówić o takimi takim ideale smart Factory inteligentnej fabryki, które jest gdzieś budowane, teoretyczne wyobrażenia.

Natomiast ja zawsze powtarzam. Są pewne wyobrażenia, które są takie idealistyczne i które są piękne, żeby oczywiście masowa customizacja była. Umożliwia ona i przepływ pracy zautomatyzowany tak, żeby sama na przykład ta inteligentna fabryka była w stanie ustawić produkcję i dobrać linie produkcyjne, które następnie automatycznie by te produkcje wykonywały. To jest taka idealistyczna wizja. Która jest oparta na automatyzacji wszystkim. Wpływów natomiast ona idealistyczna. Dlaczego? Dlatego, że mamy dziesiątki setki 1000 fabryk, które już istnieją i nie wejdziemy tam z dnia na dzień. Nie powiemy, że w tym momencie robimy stop i wprowadzamy inteligentną fabrykę, więc zmieniamy Wszystko od początku do końca. Wszystkie procesy wszyscy cały tą warstwę kultury organizacyjnej.

Jak to zrobić? To jak w takim razie zaczynacie pracę z klientami? Jaka jest strategia rozwoju w kierunku takiej inteligentnej fabryki?

Mam tutaj tak naprawdę dwie możliwości, które zazwyczaj idą równolegle, no z jednej strony musimy jako organizacja mieć wysp perspektywy. Oczywiście przedsiębiorstwa produkcyjnego musimy mieć jakąś straty. G jakąś wizję, więc tutaj jest bardzo duża praca do wykonania, aby zadecydować o tym, w którym kierunku chcemy, chcemy się rozwijać jako organizację, gdzie chcemy być w przeciągu 3 5 lat i to wymaga dużo pracy od wyższego numeru brylantu. Tak od zarządu słyszałem takie coś, że żeby zrobić cyfryzację, to nie trzeba myśleć o cyfryzacji, tylko jakby ta cyfryzacja ma być już którymś etapem następującym po tak naprawdę rozwoju. I strategii wizji. Zmian czy tak to czy? Tak to jest u was w projektach? Tak bo cyfryzacja to nie jest cel sam w sobie. Celem jest zawsze jakiś. Oczywiście wynik biznesowy i cyfryzacja to z pewna pochodna procesów, które prowadzą nas poprzez analizę przedsiębiorstwa, analizę procesów i dopiero jako tak jeden z późniejszych kroków. Nie chcę powiedzieć, że ostatni, bo to wcale nie jest ostatni krok, bo tam mamy całe jeszcze adaptację przystosowania kultur. A jest sporo pracy jeszcze później, ale jest jednym z kolejnych kroków na tej ścieżce, którą się zaczyna właśnie strategią biznesową przedsiębiorstwa, gdzie chcemy być za kilka lat. Jakie tak naprawdę? Jakie przewagi konkurencyjne chcemy osiągnąć, jak chcemy się pozycjonować względem naszych klientów, co możemy im jako organizacja produkująca do pewne dobra, co chcemy im zaoferować? Co nas wyróżnia na rynku?

A jakie są to typowe cele obierane przez organizację? No bo powiedziałaś kastomizacja – to jest takie fajne hasło, które się pojawia w przemyśle 4.0 ale z tego co wiem, to tak naprawdę te cele są oparte o biznes – czyli zwiększanie wydajności, oszczędność kosztów materiałów surowców…

I to jest właśnie ta druga. Drugi strumień. Powiedzmy pierwszy, to jest właśnie praca. Taka trochę wysoko poziomowa, strategiczna poziomie strategicznym, a drugi ten strumień działania bardzo często wychodzi po prostu z codziennej pracy i z codziennych problemów, z którymi się boryka przedsiębiorstwo, bo każda proszę się biorstwo. Oczywiście w każdym obszarze ma pewne problemy. Ma pewne palące bolączki, które chce rozwiązać i nie chce ich rozwiązywać na koniec etapu. Cyfryzacji po strategii po ułożeniu strategii po wykonaniu, bo po prostu ten problem pali już teraz. I to jest właśnie ten drugi wspierający kierunek. Gdzie staramy się zidentyfikować te problemy? Staramy się znaleźć na nie odpowiedzi właśnie jednym z najbardziej popularnych jest problem z przestojami. To. Jest cały czas. Trapi przemysł jeden z największych i najczęściej spotykanych, przynajmniej z mojego doświadczenia problemu z przestojami z czasem napraw z kosztem utrzymania i. Co jest istotne to, aby oczywiście adresując te problemy na bieżąco czekając na strategię i wykonanie długofalowego planu, mieć jednak z tyłu głowę, że te rozwiązania, które aplikujemy w tych poszczególnych problemach, że one w pewnym momencie powinien się spiąć, bo jednym z największych problemów, które mają organizacje w osiągnięciu tego kolejnego, takiego poziomu, powiedzmy. Silosy danych tak, czyli wyspy danych, gdzie tutaj mamy mesa, tutaj mamy jakieś historian, który zbiera dane historyczne, ale zazwyczaj z części z części tylko obszarów tam gdzieś mamy jakiegoś RPA i każdy. Każda próba zbudowania takiej inteligencji operacyjnej, czyli możliwości analizy jeszcze najbardziej idealnie to było w czasie rzeczywistym, ale generalnie analizy stanu obecnego i też możliwości takiego patrzenia w tym, co się stało. Patrzenia może w przód. W pewnym momencie to jest jednym z największych problemów. Właśnie jest to, że te systemy, te wyspy rannych ze sobą mnie rozmowa. No właśnie te dane to o tym się bardzo często mówi, że podstawą dane to jest podstawa wszystkiego, ale tu jest druga sprawa, ponieważ dane te nie informacje my chcemy wyciągać, pozyskiwać informacje, chcemy analizować dane, natomiast tych danych są miliony w przemyśle. No więc co tutaj zrobić? Tak każdy przedsiębiorca generuje ogromne ilości danych. Niektórzy już je zbierają, niektórzy dopiero będą trzeciej kategorii. Natomiast tak same dane same w sobie nie dają wartości. To, że one będą siedzieć w historia nie czy w bazie danych to nam nic nie daje. My musimy te dane, zawsze musimy je z kontekstu realizować. Musimy je też oczywiście wyczyścić pod kątem przyszłej analizy. A musimy je znormalizować i dopiero wtedy, kiedy zaczynamy te dane analizować. Oczywiście najpierw zazwyczaj pierwszym krokiem jest po prostu wizualizacja. Tak co w tym momencie dzieje się z moją produkcją?

To jest jeszcze etap przemysłu 3 0 powiedzmy sobie szczerze, no bo to już było tak SCADA i MES to znamy.

Tak natomiast przemysł 4.0 wprowadził takie nowum, . że mamy możliwość teraz zbierania i i wyświetlania tych danych w szerszej skali. Oczywiście SCADA i MES to umożliwiało, natomiast najczęściej były to rozwiązania, które dawały taki pogląd w ograniczonym obszarze. A tutaj mówimy o takim o takim udostępnianiu tych danych mamy takie ładne określenie. Demokratyzacja tak, czyli dostarczenie odpowiednich danych odpowiednim rolom w odpowiednim czasie i nie mówimy tutaj już tylko o jednej określonej roli, na przykład operatora. Tylko mówimy tutaj o każdej roli, która jest zaangażowana w. W proces jest tych ról oczywiście od groma i możliwość wyniesienia tych danych trochę wyżej. Tak, czyli poza poziom tej linii poza poziom obszaru możliwość zderzania tych danych ze sobą z różnych linii z różnych zakładów. Oczywiście porównywania benchmarkingu. Nawet i to jest ta, to pierwsze pierwszy krok po zebraniu danych ich po prostu wizualizacja, ale w takiej formie, która umożliwia nam trochę szersze spojrzenie niż. Niż wycinkowe w jednym w jednym miejscu. No to myśmy tak przeszli właściwie już do tego budowania przemysłu 4.0 tak do tworzenia tej fabryki natomiast jeszcze jedna pewna rzecz, która jest istotna jeśli chodzi o ten etap, właściwie poprzedza powinno poprzedzać ten etap, bo my musimy najpierw wiedzieć tak naprawdę co my chcemy pozyskiwać, komu udostępniać i tak dalej. Czyli tutaj też znowu potrzebna jest. No i chcę mówić na to strategia, ale pewien plan i odpowiednie przygotowanie do takich inicjatyw. To jest jeden z problemów błędów, nawet które, które było bardzo łatwo bardzo łatwo popełnić. Czasami zakładamy, że dane rozwiązanie się sprawdzi. Rozmawiamy na przykład z klientami, którzy przychodzą do nas i usłyszeli na przykład hasło Predictive Internet. No i jakby samo w sobie to hasło. Ten news jest bardzo, bardzo interesujący. Bardzo dużo przedsiębiorstw się nie interesuje. Natomiast, żeby dobrze do niego podejść, jest dosyć dużo firm, które tak. Z biegu próbują wprowadzić w ten predictive Indonezji, natomiast to nie. Do końca tak. Działa, ponieważ po pierwsze i najistotniejsze trzeba przeanalizować czy ten, czy ten i jeszcze ten przeniknięte nas konserwacja predykcyjna, jak to niektórzy tłumaczą redakcyjne utrzymanie ruchu, to może omówmy tutaj tak, bo tu chodzi generalnie o sytuację, gdzie korzystamy z danych i w inteligentny sposób podejmujemy decyzje. Widzimy, czy na przykład potrzebne jest serwisowanie wymiana jakiegoś komponentu urządzenia. Tak i przewidywanie, czyli zmiana modułu, działania utrzymania ruchu z reaktywnego. Czekamy, aż coś się wydarzy, reagujemy na proaktywny, czyli wiemy, że w przeciągu iluś godzin może nastąpić niezaplanowany przestój z powodu na przykład problemów mechanicznych, bo z łożyskiem na przykład jest coś nie tak, więc możemy to zaplanować. Więc nie wydarzy się to w środku, na przykład zlecenia produkcyjnego. No i ten case jest bardzo ciekawy, no bo on taki wydaje się fajny, taki zamknięty. I atrakcyjny pod względem efektu, tak dający możliwość szybkiego przełożenia na efekty na pewno jest duże zainteresowanie, bo rzeczywiście tak jak wspomniałem problem z przestani to jest jeden z głównych, które obserwujemy takich najbardziej palący predictive maintenance czy predykcyjne utrzymanie ruchu to jest tak? Takie wdrożenie, które wymaga już pewnej dojrzałości, które wymaga, żeby dane były zbierane. Odpowiednie dane, odpowiednie przygotowane i. Wskakiwanie pod Zero do pełnej prędkości właśnie w predykcyjne utrzymanie ruchu. Często zniechęca, bo okazuje się, że w środku projektu, że część danych przykład nie może być użyte części danych nie ma, a tak naprawdę to. Konkretnym przypadku konkretnych linii to tak naprawdę to predykcyjne utrzymanie. Ruchu nie będzie działać.

Załóżmy, że firma wie, co chce zrobić, ma plan ten nie tylko jakby w obszarze technicznym, ale popatrzyła szeroko organizacyjnie na swoje zasoby możliwości cele, czyli już robimy ten projekt. To jaką drogą sugerujecie tutaj, żeby rzeczywiście to wyszło?

Tutaj jest kilka istotnych kwestii z tego względu, że pochodną wysoko poziomowych strategii następnym krokiem tak naprawdę jest ich skonkretyzowanie, czyli zaplanowanie, jakie inicjatywy, w jakiej kolejności, w jakim czasie powinny się odbyć, żeby ten cel osiągnąć. I wtedy jak już mamy taki plan, możemy zająć się już konkretnymi inicjatywami, projektami, które będą miały jakby cele cząstkowe, które razem złożywszy zestaw tych inicjatyw, bo to nigdy nie jest jedna inicjatywa, dadzą nam efekt. Końcowe wtedy z konkretyzują, to jesteśmy w stanie. Zaplanować poszczególne kroki i zawsze jednym z pierwszych kroków to jest właśnie planowanie, przygotowanie się do każdej z tych inicjatyw, czyli zebranie informacji o głównych z tego interes o głównych interesariuszy. Zebranie informacji od głównych użytkownika. Czyli nie tylko nie tylko sponsorów, ale też tych głównych użytkowników, którzy będą z tego z tego rozwiązania będą w ramach tej inicjatywy głównymi odbiorcami rezultatu, czyli żeby wdrożyć to, co oni potrzebują. To jest ten element. Jeżeli wsłuchamy się w głos tych osób. Rzeczywiście, które, które codziennie pracują w danym obszarze, to jesteśmy w stanie wyłuskać bardzo dużo istotnych pomysłów.

Co można zrobi? Żeby ich praca była bardziej efektywna, zapewniała ją im większą wartość, ale również większe zadowolenie z tej. Pracy bo tutaj? Często się to pomija, że przy tym w tym czasie, kiedy mamy problem z tak naprawdę z tymi doświadczonymi pracownikami i ich odbiór ich adaptacja do tych rozwiązań, ich wsparcie tymi rozwiązaniami, a nie dodawanie im kolejnych obowiązków, to jest bardzo istotny. Element, który wpływa na to, że oni chcą rzeczywiście zostać zdolną. No więc zebranie tych informacji od nich pozwala na dobre przygotowanie się odnośnie tego, jak takie rozumowanie powinny wyglądać.

Z mojego doświadczenia w tym kontekście, o którym mówisz, to jest właśnie ten wyróżnik przemysłu 4.0 czyli nie, że my wstawiamy nową maszynę i teraz ona będzie tutaj. No nie wiem, szkolimy pracownika i tak dalej. To nie jest ta kolejność to powiedziałeś o kolejności na odwrót. To jest ten wyróżnik, moim zdaniem.

Jedno z największych przedsiębiorstw na świecie. Amazon jest jedną z rzeczy, z których jest słynny. To jest takie podejście do innowacji, które jest nazywane Backward Thinking, czyli myślenie od tyłu. I to jest dosyć charakterystyczne właśnie dla Amazona, że pierwszym krokiem jest zwizualizowane rezultatu, czyli jak mielibyśmy. Jakich, żeby, jaki był efekt końcowy i w tym zauważmy, że w przypadku produkcji efektem lub końcowym zazwyczaj takich inicjatyw są nasi pracownicy, którzy pracują bardziej efektywny sposób. Ta praca jest dla nich lżejsza. Lepsza łatwiejsza, bo to się łączy tak efektywność pracy łączy się również z motywacją z podejściem do pracy. To się to jest bardziej złożona kwestia. Natomiast wówczas, kiedy mamy te ten zwizualizowane, ten efekt końcowy, musimy zastanowić się, czego nam brakuje, co musimy zrobić, żeby do tego efektu dojść, więc musimy też zastanowić się, co mamy w tym w tej chwili i zidentyfikować tę lukę i zastanowić się, w jaki sposób tę lukę wypełnić. Czasami i oczywiście będą to rozwiązania cyfrowe, ale to nie musi wcale tak być. No akurat w tym podcaście rozmawiam głównie o cyfryzacji, więc docelowo duża część z tych inicjatyw będzie kończyła się wdrożeniem jakiegoś rozwiązania. Ale znowu musimy uwzględniać naszych entuzjastów użytkowników końcowych.

Dobrze, to jakby złapmy tutaj ten moment, gdzie jesteśmy, bo mówimy o jakiejś drodze. Mówimy o jakimś procesie, który obejmuje wiele inicjatyw, ma wiele celów cząstkowych. Załóżmy, że wiemy, co jakie dane chcemy pozyskiwać umiem. Umiemy je filtrować, normalizować i tak dalej. I co teraz, bo tutaj jest jeszcze dużo przestrzeni na różne rozwiązania technologii. Gdybyś mógł tutaj powiedzieć, gdzie tutaj, jakby kierować swój wzrok?

Jestem bardzo gorącym zwolennikiem podejścia biznes first, czyli musimy wyjść od celu czy celu cząstkowego i obecnej sytuacji. I do tego. Dobierać rozwiązania bardzo często błędem jest wyjście od Tech. A to jest to różnie się może skończyć. Oczywiście może skończyć się spektakularnym sukcesem, ale również z większym ryzykiem. Może się z zdarzyć, że dana technologia nie będzie dobrana. Dobrze do tego celu, który chcemy osiągnąć, więc zaczynamy od celu biznesowego i jeżeli mamy cel biznesowy, wiemy jaki mamy, jaki mamy otoczenie, jakie, jak wyglądają procesy. Mamy też informacje od użytkowników końcowych. Wtedy możemy zastanowić się. Kolejnym krokiem i jak powinno wyglądać rozwiązanie, które nam te procesy usprawnienie?

Jak już mamy pewną wizję, koncepcję funkcjonalną, tego możemy zastanowić się, jakie technologie pozwolą nam na realizację tego najlepszy, efektywny sposób. To jest też jak dla mnie przynajmniej kolejna różnica pomiędzy 3.0 a 4.0 bo Owszem 3 0 też mamy różnorodność maszyn, robotów, instalacji technologicznych, natomiast tutaj jest jeszcze większe. Ta paleta tak naprawdę i jeszcze większa potrzeba. Takiego doboru do rzeczywistych wymagań, do rzeczywistych potrzeb zakładu klienta, procesu produktu. Tak tak tutaj możliwości jest bardzo dużo i tak naprawdę to jest też trochę przekleństwo czasów o nowożytnych owocnych, że z jednej strony to jest świetne, że mając pewien problem, wiedząc co chcemy osiągnąć. Bądź mamy mnogość rozwiązań, co efektywnie pomaga nam w doborze dobrego narzędzia, bo tak jak przed chwilą wspomnieliśmy zmiany technologiczne sprawiają, że pewne rzeczy po prostu stają się opłacalne albo możliwe chmura choćby chociażby chmura, chociażby tak Internet rzeczy, uczenie maszynowe i sztuczna inteligencja. Efektywnie ona umożliwia nam osiągnięcie pewnych rezultatów, które jeszcze 10, 15, 20/30 lat temu. Były albo bardzo kosztochłonne, albo wręcz niemożliwe te rezultaty tam na przykład mogą być związane z analityką danych. Uzyskiwanie pewnych informacji z danych tak dokładnie też musimy uwzględnić rozwój samej koncepcji przemysłu 4.0 no też cały czas cały czas modyfikuje się cały czas ewoluuje na bazie doświadczeń Kolektywnych dość. Całej społeczności, która się zajmuje wdrażaniem przemysłu 4.0 na całym świecie natomiast no to też ma swój swój swoją ciemną stronę z tego względu, że tam mnogość rozwiązań sprawia część klientów, z którym rozmawiamy może zaobserwować u siebie takiego takie analizy, że bierze się źle, jeżeli mamy problem. Już zidentyfikowany, wiemy, co chcemy zrobić i zaczynamy szukać rozwiązań technologicznych czy czy produktów, które nam pomogą i tych produktów znajdujemy 5 10 od firm vendorów wielkich ogromnych międzynarodowych korporacji poprzez startupy, które też mają pewną swoją specyfiki. Udostępniałem często bardzo specyficzne rozwiązania, takie już naprawdę, które adresują bardzo konkretne problemy. Nawet część, czasami bardziej konkretne, czyli dla danego typu maszyn dla maszyn, na przykład co jest samo w sobie.

Oczywiście ciekawą możliwością, ale postawieni przed tego. Przed tym problemem przed tym faktem tą mnogością osoby, które decyzyjne często mają problem, bo nie wiedzą, które z tych rozwiązań po prostu będzie dla nich najlepsze w ich konkretnej sytuacji. I oczywiście od każdego dolara od każdego dostawcy usług. Usłyszałem, że to ich rozwiązanie jest najlepsze, po czym kończą z właśnie takim koszykiem 5 10 rozwiązań, które są porównywalne. No dobrze, to co zrobić, bo rozmawialiśmy o tym, że albo wiedzą. Nie tajemną jest to, że każdy zakład jest inny, każdy te wdrożenie powinno być dostosowane tak naprawdę do tego zakładu do tych pot. Tak a jednocześnie chcielibyśmy zwiększyć bezpieczeństwo. Tak naprawdę tych projektów, czyli no niech iść w stronę jakiegoś ten play’ów z stronę stosowania, no najlepszych praktyk w danej branży. Może to jest Twoja wasza rola po prostu, aby jednak jakby złapać te wszystkie parametry, które które jest, zidentyfikowaliście dokładnie tak i dlatego też mogę tak ze swadą opowiadać o tych problemach, bo to są rzeczywiście problemy, z którymi się spotykają nasi partnerzy, nasi klienci i. Często właśnie wtedy wchodzimy my. Jako integratorzy i często słyszymy od klientów to wy macie nam doradzić, które rozwiązanie będzie dla nas najlepsze wokół określonej sytuacji? Dzięki temu, że rzeczywiście jako integratorzy mamy dostęp mamy w, współpracujemy z wieloma różnymi firmami z różnych branż, czyli one mają różne problemy, różne specyficzne potrzeby. To daje taki ogląd szerszy, który umożliwia nam doradzenie.

Na bazie naszych doświadczeń bardzo często, jak rozmawiam z klientami, to to właśnie jest takie oczekiwanie, że przychodzimy do was jako integratora właśnie po to, żebyście skorzystali z tego doświadczenia i powiedzieli, co jest najlepsze w mojej sytuacji, wiedząc, jak dalej zwykle toczą się te projekty, bo to, że my wejdziemy i tutaj trochę nawiązuje, bo do tej mnogości rozwiązań, gdzie gdzie mamy na przykład rozwiązania bardzo specyficzne, to one bardzo często. Dobrze, no rozwiążemy ten problem. Ale stworzą kolejnym wyspę. Kolejne wyizolowane rozwiązanie, nie rozmawiający zresztą nie dające możliwości wykorzystania tych danych, żeby budować to znowu powtórzę inteligencji operacyjną i to jest bardzo częsty też problem, z którymi się spotyka, z którym się spotykamy. I to jest nasza rola jako integratora właśnie, żeby te wszystkie różne wątki połączyć i bardzo często już na dalszym etapie zbudować tę warstwę taką poziom wyżej. Ponad tymi pojedynczymi rozwiązaniami? Zbudować warstwę najpierw zazwyczaj, która zbiera dane właśnie w jednym miejscu, je łączy czyści kontekstu. Realizuje następnie udostępnia widok tych danych, a potem wykorzystuje je do dalszego dalszej, jak to ładnie mu się mówi monetyzacji, czyli do wykorzystania, żeby zbudować z tych danych zbudować wiedzę. No to jest. Cele za chwilę porozmawiamy o tej najwyższej warstwie, bo tam będzie sztuczna inteligencja, do której bym chciał dojść, która jest super dzisiaj popularna, więc porozmawiamy o tym, jak to jest w przemyśle.

Natomiast zanim jeszcze o tym to takie pytanie. OT czy IT? W sensie czy to podejście takie z góry nazwijmy to tudzież od strony danych od strony IT jest lepsze. Czy może jednak trochę racji mają dostawcy automatyki, którzy rozbudowują to swoje portfolio o komponenty? Powiedzmy wychodzące w stronę IT tak czyli. Z której strony tą taką przestrzeń ona już są już z jest zasypane dosyć, ale z której strony lepiej podchodzić do tego tematu?

Oba podejścia mają swoje oczywiście plusy i minusy. Natomiast zapytam trochę przekornie, Dlaczego nie z obu stron. My jako szef technologii w Polsce jesteśmy firmą globalną, więc mamy tę wygodną sytuację, że możemy do Polski przynosić nasze doświadczenia z innych regionów, które które już troszeczkę wcześniej powiedzmy zaczęły te te te. I bardzo często możemy zaobserwować. W firmach zachodnich w Polsce też już się to pojawia, że tematem tej digitalizacji czy cyfryzacji zajmują się dedykowane komórki i wtedy tak pojawia się problem. Czy ta komórka jest bardziej IT, czy jest bardziej OT i gdzie jest umiejscowiona też w po prostu hierarchii hierarchii organizacyjnej? Czy ona jest po? Z mojego punktu widzenia jest mojego doświadczenia jest po prostu wydzielanie komórki, w której w wejdzie przedstawiciel albo przedstawiciele obu światów. Łącząc te doświadczenia potrzeby bolączki, specyfikę świata outy. Skąd tak naprawdę, gdzie, gdzie z tego rzeczywiście świata blisko produkcji? Bardzo często wychodzą wymagania funkcjonalne. A z drugiej strony doświadczenia świata i TW dostarczaniu utrzymywaniu tych rozwiązań, bo to też jest istotne, że te rozwiązania cyfrowe oczywiście dostarczamy, natomiast potem jeszcze jest kwestia tej ich utrzymania i bieżącej obsługi. Stworzenie takiej komórki wymaga pewnej dojrzałości organizacji. Dlaczego? Dlatego, że po pierwsze musi być dojrzałość, żeby tę taką komórkę powołać i dojrzałość, żeby odpowiednio ją wyekwipować w możliwości bardzo łatwo jest stworzyć teoretyczne twór, które ma wspaniałe plany, ale Zero decyzyjności i zero tak naprawdę przełożenia na realia. A z drugiej strony też dojrzałości tych przedstawicieli, czy też tych światów.

W świecie OT najistotniejszą rzeczą jest utrzymanie produkcji, więc w chwili, kiedy pojawia się problem wszystkie siły, cała energia idzie w rozwiązanie tego konkretnego problemu jak najszybciej i jak najefektywniej, no bo tam są pieniądze, bo tam są pieniądze i to spojrzenie oczywiście jest bardzo na kierunkowe na biznes, ale brakuje mu tego spojrzenia takiego szerszego jak. Wdrożenie danego rozwiązania na. Przykład będzie miało wpływ na cały całe otoczenie IT. I właśnie na utrzymanie później tego rozwiązania na obsługę na wdrożenie, na adaptację. Z drugiej strony świat i t bardzo często jest bardzo skupiony na bezpieczeństwie i na tak zwanym compliance zgodności z wymaganiami z normami. Gdzie dział IT nie bierze na siebie takiej odpowiedzialności za wdrażanie i za wspieranie innych działów biznesowych swoimi umiejętnościami i możliwościami technicznymi tylko na tym, że że na przykład kiedyś pow. Włożeniu pendriva do komputera był problem z bezpieczeństwem, więc odetnijmy na przykład z możliwości korzystania z pendriva i wtedy działa i też nie jest wyekwipowany i przygotowany do tego, żeby pociągnąć temat. Którym też musi grać taką rolę wspierającą biznes, gdzie tak naprawdę na pierwszym powtórzę się, ale to jest bardzo istotne. Na pierwszym miejscu jest to wartość biznesowa, która pochodzi od działów biznesowych. Te wymagania te potrzeby zazwyczaj wychodzą od działów biznesowych, więc generalnie powiedziałbym, że z obu działów.

Ja się absolutnie z tym zgadzam i miałem możliwość obserwowania od wewnątrz zakładów, które przechodzą transformację. W każdym w każdym była taka komórka, różnie umiejscowiona, jakby podlegająca pod różne działy. Komórka interdyscyplinarna…

Tak jak dokładnie jak mówisz, to jest pewien wydaje mi się, no nie chcę mówić standard, bo każda firma musiała sama do tego dojść. Natomiast jest to prawdopodobnie ta najlepsza metoda rozwoju przemysłu 4.0 bowiem w takim dziale można zintegrować kompetencje z różnych obszarów, które to kompetencje są wymagane, aby taką transformację przeprowadzić. Dokładnie tak to zazwyczaj jest całkiem pokaźna komórka, nawet jeżeli. Jeżeli nie zdecydujemy się, żeby, żeby ta komórka była samodzielna w tym rozumieniu, że że przedstawiciele działa działu out IT, przedstawiciele biznesu do tej komórki się przenoszą, tylko na przykład uczestniczą w pracach, pozostając w swoich działach macierzystych. To nawet uwzględniając taką możliwość, ta komórka będzie pokaźna, bo będą przedstawiciele powinny być, powinni być przedstawiciele a i t, przedstawiciele out, przedstawiciele działów biznesowych, produkcja, planowanie supply chain to są Wszystko obszary, które mają i powinny mieć głos. Do tego dodajmy jeszcze zazwyczaj sponsora, który mniej lub bardziej będzie aktywnie uczestniczył jako zazwyczaj przedstawiciel zarządu. W pracach może niecodziennych, ale. Bez tego wsparcia sponsorów ta komórka po prostu też może być ciałem doradczym jedynie a. A chodzi o to, żeby była efektywna, więc żeby też moja możliwości oczywiście działania decydowania, więc często w działaniach takiej komórki po prostu sponsor działa dosyć aktywnie, żeby wiedzieć w którym kierunku te działania się dalej będą prowadzi. Jeszcze zauważyłem, że w takiej komórce tudzież przy tej komórce pojawia się taka jedna osoba, którą, którą ja określiłem, ale chyba to też jest określenie znane. Ewangelista przemysłu 4.0, który te ewangelista niesie jakby to już na późniejszym etapie, kiedy to już tak naprawdę mówimy po wdrożeniu lub w trakcie wdrażania, ale on jakby przekonuje do wykorzystywania tych rozwiązań, które są wdrażane, żeby ten projekt się udał, żeby to nie było coś wdrożone jako ma. Natomiast, żeby z tego korzystano, no i tak naprawdę, żeby to wtedy dawało tę wartość, no i trudniejszym etapem i elementem każdego wdrożenia jest część techniczna z mojego doświadczenia wynika, że marginalna, naprawdę na granicy błędu statystycznego liczba projektów nie jest kończona sukcesem z powodów technicznych. Pierwszy naj najistotniejszym elementem jest to, co następuje. Później ja to nazywam adaptacją rozwiązania, czyli właśnie umożliwienie kluczowym użytkownikom i całej organizacji odpowiednie przystosowanie się do innego urząd do danego rozwiązania i oczywiście jest tu cała seria różnych. Które wpływają na na łatwość lub. Trudność tej adaptacji, bo tak naprawdę oni musimy myśleć już od samego początku. To jest jeden z elementów tego przygotowania. Na przykład część z klientów bardzo często decyduje się na wykorzystanie ułożenia ekranów zaczerpnięte z rozwiązań, które wcześniej były wykorzystywane po to, żeby ta adaptacja, czyli przystosowanie się kluczowych użytkowników do tego, gdzie dana informacja jest, w jaki sposób ją do niej dotrze. Żeby zminimalizować te frakcje i wtedy to wtedy też, jeżeli oczywiście wykorzystujemy do tego, co powinniśmy zrobić. UX-designerów, czyli osoby, które odpowiedzialne są za zaprojektowanie tego tych ekranów w ten sposób, żeby one były jak najbardziej intuicyjne, jak najbardziej przyjazne użytkownikowi końcowemu. Jeżeli to połączymy, to pewnym momencie. To pozwoli zbudować nam pewien standard, który później wdrażając kolejne inicjatywy, można wykorzystać, budując, co często widać w szczególnie w większych organizacjach, które mają już trochę więcej doświadczenia w cyfryzacji standardowy. Te spójny zestaw ekranu. Czy kryteriów, które muszą być spełnione, żeby one rozwiązaniu mogą być wdrożą. Tak i chyba to jest ważne, żeby na te ten w ramach tej drogi tej transformacji całej ważne, żeby szczególnie się te pierwsze projekty udały i żeby one były wykorzystywane, no bo to to pozwala budować zaufanie dokładnie zaufanie i taką wiarę w to, że to jest dobry kierunek. Tak ja zauważyłem, że w wielu organizacjach jest taki strach przed porażką. No i oczywiście to, co mówisz jest bardzo istotne, bo tak pozwala to zbudować wiarygodność. Pozwala to zbudować wiarę i pozwala to już na od pierwszego projektu budować taką zmianę w organizacji w podejściu w kulturze organizacyjnej, która polega na tym, że zmiany są czymś naturalnym. To oczywiście wymaga odpowiedniej komunikacji od góry komunikacji, celu zarządzania zmianą po prostu. Niemniej jednak ja mam takie wrażenie, że właśnie to też częściowo paraliżuje te. Taki strach przed porażką tyle jest tych rozwiązań różnego rodzaju. Tyle wdrożenie takich inicjatyw jest wcale nie nie łatwe. Wymaga to bardzo różnego skillsetu i to powoduje, że bojąc się, że że ta inicjatywa nie skończy się sukcesem, ona jest odkładana przesuwana. Nigdy nie jest tak, że organizacja jako całość jest gotowa od pierwszego dnia na taką zmianę w sposobie myślenia, bo tak naprawdę cyfryzacja to jest zmiana sposobu myślenia organizacji.

Zmiana z podejścia reaktywnego, no podejście proaktywne zmiana z decyzji podejmowanych równa czuja trochę pochodzących z doświadczenia na decyzje podejmowane na bazie danych. To już samo w sobie jest proces dosyć długi. Ale jeżeli dane przedsiębiorstwo chce, to z powodzeniem realizować trochę większą wizję niż rozwiązanie jednego małego problemu. To jest jedna z jedna z rzeczy, które są bardzo istotne, czyli rzeczywiście przełamanie takiego strachu przed porażką. Rozpoczęcie od małych inicjatyw, które nawet jeżeli się nie powiodą, to nie będzie to ogromna, ogromna strata. Ewentualnie zainwestowanie w takie rozwiązania, które rzeczywiście w takich partnerów, którzy rzeczywiście dane. Dane procesy już widzieli dane doświadczenie już mają wdrażali podobne rozwiązanie i wtedy to to rzeczywiście uczenie się od takiego partnera. Powiedziałaś małe, małe inicjatywy małe P. Jak te małe projekty nie oznaczają nie zaplanowanych projektów. W sensie one też są elementem tego całej tej całej transformacji tej drogi. Małe projekty czy małe inicjatywy bardzo często ewoluują, bo na bazie doświadczeń wynikających z małego projektu na bazie informacji zwrotnej od użytkowników na bazie dalszej analizy bardzo często, bardzo często jest tak, że powstaje na przykład dalsza, bardziej rozbudowana. Wersja danego rozwiązania.

A czy rollout na przykład w jednym zakładzie i później przenoszenie tego do innych zakładów? Ja zdaję sobie sprawę, że to jest to nie jest małe projekt. Natomiast jest to też pewien sposób budowania już w dużej organizacji przemysłu 4.0, czyli też sprawdzanie na początek czy to działa tu i teraz i później. No nie chcę mówić kopiowania, ale wzorowania się na tym co już umiemy i co zadziałało u nas. Bo zazwyczaj zaczyna się właśnie w ograniczonym zakresie…

Czyli mówimy tutaj, my to nazywamy proof of value. Unikamy stwierdzenia pływów, koncept, bo on jest bardzo mało nastawiana na ten efekt, który powtarza się po raz kol. My pierwsze najistotniejszym elementem jest wartość biznesowa i wyjście od tego, co chcemy osiągnąć, czyli małe wdrożenie, które pokazuje nam, że tak dane rozwiązanie jest w stanie przynieść wartość i wówczas potwierdzenie tego jesteśmy w stanie wykonać. Rollout najpierw w ramach zaczynamy zazwyczaj. Na przykład jednej. Linii 2 linii pewnego obszaru w zależności od oczywiście od danego projektu. Ale później następuje rola aut na inne linie w w ramach danego zakładu i to już daje pewną wiedzę tej organizacji też, która dokonuje rola aut. W jaki sposób go wykonać, ale również co trzeba zrobić, żeby adaptacja przeszła pozytywnie. I wówczas taki zespół, który zajmuje się danym projektem, jest wyekwipowany w doświadczenia, które pozwalają przenieść te rozwiązania na inne zakłady. Wcześniej powiedziałem, że wrócimy do tematu sztucznej inteligencji. Ona trochę nam została w tej w tej omawianiu tej drogi. Jeśli chodzi o technologie o cyfry. Bo sztuczna inteligencja jest w przemyśle. Przynajmniej to jest taki, no nie chcę mówić dodatek, ale to jest ten punkt. Tak mi się wydaje taki trochę docelowy dla tych danych, bo tam te dane, które widzimy możemy coś z nimi zrobić i analizujemy je już w jakiś podstawowy sposób. One są tym paliwem dla tej sztucznej inteligencji. Jakie są tutaj doświadczenia twoje jeżeli chodzi o przemysłu 4.0 widzimy, że największy skok wartości największy przyrost tej wartości pojawia się, kiedy zaczynamy. Żeby wygrać właśnie sztucznej inteligencji czy uczenia maszynowego. W obliczu ilości tych danych ogromną ilości tych danych, które przedsiębiorstwa na bieżąco zbierają możliwość efektywnej analizy jest bardzo ograniczona. Nawet jeżeli weźmiemy komputery przemysłowe, które właściwie urządzenia krawędziowe, które już wykonują jakąś analizę. Nawet wtedy tak, bo ludzka percepcja nie jest w stanie przetworzyć ogromnych ilości ogromnych zbiorów danych. Zresztą często nie ma czasu na to, żeby ta analizę wykonać. Natomiast algorytmy sztucznej inteligencji, mają czas, mają możliwości, więc Dlaczego nie oddać tej żmudnej pracy, gdzie danych po prostu algorytmu? No tak, ale musimy wiedzieć czego szukamy, czy może nie musimy do końca wiedzieć. Bardzo często firmy chcą wykorzystać, bo wiedzą, że rzeczywiście w uczeniu maszynowym jest wartość.

Z naszego doświadczenia jednak wynika, że niewiele firm jest gotowych, żeby od razu pierwszego czy drugiego. Ja to uczenie maszynowe wdrożyć. Chociażby dlatego, że nie wie, czy ma te dane zbierane w sposób odpowiedni odpowiednio trzymane odpowiednio przygotowane do tej analizy, a drugi problem wynika z tego, że często właśnie nie wie, jakie przypadki użycia może wykorzystać. Co tak naprawdę z tymi danych może wyjść, dlatego budują za tym doświadczeniu. Bardzo często rozpoczynamy tę ścieżkę taką uczenia maszyn. Rozpoczynamy z naszymi klientami od przeprowadzenia po prostu warsztatów. Oczywiście nie to nie jest jeden warsztat. Seria warsztatów, które polegają na tym, że siadamy do danych, które już klient ma, które już są wybrane z produkcji i innych obszarów i pracujemy wspólnie z klientem, uwzględniając jego aspiracje długoterminowe, analizując, sprawdzając te dane, czy one są zbierane, czy one są kompletne, czy one są odpowiednio przygotowane. A z drugiej strony pracując nad tą warstwę biznesową, czyli analizując, co z tych danych możemy wyciągnąć, bo tych możliwości jest bardzo dużo i się nie da zamknąć w takim prostym katalogu, w którym jest przed Internetem predictive Quality, który ostatnio też święci swoje triumfy, tam jest o wiele więcej możliwości.

Sztuczna inteligencja jest takim tworem bardzo często pojawiające się w przestrzeni publicznej, natomiast jak w praktyce naprawdę to wygląda? Czy to jest czy mówimy tu o oprogramowaniu o modułach oprogramowania o algorytmach w ramach oprogramowania i jak to w twoim przypadku w waszym przypadku wygląda?

Generalnie jest to silnik sztucznej inteligencji, rzeczy, silnik uczenia maszynowego, który przy zadaniu określonych. Celów jest w stanie przeanalizować zbiór danych i wyciągnąć pewne wnioski. Oczywiście te wnioski mogą być różnego rodzaju, bo mamy również do czynienia z różnego typami typu algorytmami. Czasami będą to wnioski, które polegają na wychwycenie pewnych, pewnych patern ów, na przykład skoordynowaniu, że przy danych wartościach czy danym zachowaniu pewnych parametrów następuje wzrost prawdopodobieństwa na przykład problemów z danym maszyną. Później te silniki, które są trenowane do treningów. Tymi są uruchamiane na danych? Właściwych analizując inni zwracają w ten rezultat, którego my oczekujemy, znaczy to może robić Użytkownik. Czy to jest super zaawansowany temat, który integrator robi dostawca w sensie czy to jest wiedza tajemna, czy już jesteśmy na etapie takim, że no możemy z tego korzystać prawie tak jak korzystamy tak jak robimy? Nie wiem, wykres w excelu jest trend takiego Citizen Data Scientist i polega on na tym, że udostępnione są różnego rodzaju narzędzia, różni vendorzy że udostępniają narzędzia. Które pozwalają wykorzystać możliwości płynące z uczenia maszynowego. Tego z wykorzystaniem pewnych, wygodnych ekranów użytkownika, gdzie po prostu konfigurując, wybierając określone opcje, jesteśmy w stanie wystartować najpierw nauczyć potem wykorzystać dane dany silnik natomiast zawsze takie narzędzia są w pewien sposób ograniczone. One nigdy nie dają takie pełnej możliwości, jeżeli chodzi o to tę analizę danych, to te prace wykonują najpierw tzw. Data Engineers, którzy zajmują się czy. Normalizację danych przygotowywaniem tych danych do ich wykorzystania, a następnie Data Scientists, którzy są w stanie przygotować ten algorytm, przygotować ten silnik uczenia maszynowego do pełnienia swojej roli i coraz więcej organizacji ma takie osoby u siebie. Tutaj mamy do czynienia z takim taką samą sytuację jak w przypadku tego trendu laut tych platform, które pozwalają nam budować rozwiązania bez znajomości programowania. Z ograniczoną umiejętnością programowania tutaj jest dokładnie taka sama specyfika. To znaczy przy założeniu pewnych ograniczeń te rozwiązania są dobre, bo przyspieszają umożliwiają nie programistą czy nie, żeby rzeczywiście dane rozwiązanie przygotować czy dane dane za analizować natom. Jeżeli chcemy wykorzystać pełen potencjał, czy dokonać bardziej złożonej analizy danych, wymagane są osoby, które rzeczywiście są w stanie tę pracę wykonać. No właśnie, jakieś przykłady, energia wydaje mi się takim ciekawym obszarem, aby analizować i odkrywać, jak można oszczędzać energię. Oczywiście algorytmy sztucznej inteligencji czy uczenia maszynowego możemy wykorzystać w każdym obszarze działania, począwszy od bardzo wczesnych, jak na przykład przewidywanie popytu poprzez optymalizację planowania produkcji bardzo. Często rozmawiając z klientami wiemy, że ich proces planowania jest wciąż manualny, oparty o o wiedzę, doświadczenie planistów. Dlaczego nie wesprzeć ich algorytmami, które są w stanie w szybki sposób połączyć różne elementy są w stanie połączyć nie tylko przewidywania popytu nie tylko na przykład dostępność maszyn czy efektywność operacyjną maszyn. Nie tylko informacje z systemów hr dotyczących certyfikatów, możliwości umiejętności pracowników, ale również na przykład wykorzystać dane o magazynowe dane o tak. Zwanym shelf life. Komponentów, czy czy półproduktów i uwzględniając to Wszystko, mając zadane optymalizację pod zadaną optymalizację pod konkretnym kątem, na przykład kar, które wynika. Więc niezrealizowania zamówienia w określonym czasie. To Wszystko pokazuje nam. Że tych możliwości jest bardzo dużo i tak naprawdę w każdym przedsiębiorstwie w każdej branży będzie to zupełnie inaczej wyglądało, bo specyfika branży specyfika produkcji, specyfika danego typu produkcji powoduje, że pewne rozwiązania maszyny learningowe, które. Są efektywne w jednym przedsiębiorstwie zupełnie nie sprawdzą się w drugim, dlatego ta to przy znowu to przygotowanie taki warsztat, który w którym rzeczywiście przyjeżdżamy do klienta siadamy. Analizujemy dane, analizujemy, jak wyglądają jego procesy. Jesteśmy w stanie dać jasną informację, tak wykorzystując te dane da się lub nie da się w chwili obecnej zrealizować danych danych i jakie te newsy są, które są takim zazwyczaj zaczynamy od tych tak zwanych nisko. Kloców tych, które efektywnie efektywny sposób pozwolą realizować już tę wartość jak najszybciej.

To, co mówisz, odbieram jako taki kolejny poziom integracji, bo w przemyśle 4.0 no takimi taką ideą jest ta integracja pionowa, o której rozmawialiśmy. No i teraz, która się pojawiła pozioma tak, czyli w ramach łańcucha tworzenia wartości. Ale tutaj mówimy jeszcze o jakimś innym rodzaju, ja to przynajmniej tak to odbieram o takim. Powiem o jakiejś chmurze, takich różnych parametrów, różnych interesariuszy, danych, miejsc, firm i tak dalej i można to na różne sposoby łączyć, korzystając właśnie ze sztucznej inteligencji. Ja to tak odbieram.

Przemysł 4.0 to dziedzina interdyscyplinarna. I tak też trzeba podchodzić do do tych inicjatyw. One nie są takie sztampowe, jeżeli chcemy, żeby, żeby były one jak najbardziej efektywne, mamy teraz do czynienia z takim trendem. Mówimy o budowaniu ekosystemów, czyli rzeczywiście wspomniałeś tutaj o o wychodzeniu, nawet poza jakby swój obszar działania, czyli nawiązywanie to szczególnie widać. Najbardziej to widać w Automotive. Wychodzenie poza swój zakład z tymi rozwiązaniami poza swoje przedsiębiorstwo, aby synchronizować pewne przepływy, aby synchronizować zapotrzebowanie na przykład z dostawcami z możliwością dostawców i budować właśnie rozwiązania, które pozwalają na integrację i bardziej efektywne, bardziej efektywny przepływ pracy, bo szczególnie właśnie w branżach automotive, gdzie mamy bardzo konkretne. Terminy bardzo ścisłe wymagania. Tak ta koordynacja zawsze była problematyczna. Ta koordynacja zawsze wymagała bardzo dużo uwagi, aby w efekcie zbudować działający działające auto. Wymagała koordynacji dziesiątek, jeżeli nie setek dostawców, aby wszystkie komponenty, które są niezbędne, trafiły w odpowiednim czasie w odpowiednie miejsca i przy takim założeniu wykorzystanie chmury. Który pozwala na różne obszary działania nie tylko wewnątrz, ale również udostępnić na zewnątrz i uczenia maszynowego, które pozwoli analizować jeszcze więcej danych, bo uwzglę, spójrzmy na to działając w jednym zakładzie mamy dane pochodzące. Z jednego zakładu. Działając na takim poziomie orkiestrując na przykład łańcuch dostaw mamy do czynienia. Z dziesiątkami setkami 1000 danych pochodzących już nie z jednego zakładu, tylko z kilku przedsiębiorstw, z których każdy ma swoje zakłady, ale mówimy o realnych rzeczach.

Czy to jest jakaś idea taka na przyszłość i już są rozwiązania, które takie możliwości dają?

Są to oczywiście rozwiązania budowane z konkretnym przedsiębiorstwem. Na myśli mamy doświadczenia jednej z głównych europejskich firm z branży Automotive, która w oparciu o chmurę właśnie. No taki systemu, który pozwala jej integrować i właśnie synchronizować dostawy zakupy pomiędzy tą firmą a dostawcami. Nie była to mała inicjatywa, bo wymagała również synchronizacji przy wdrożenia do aplikacji znowu nie jednego zakładu, tylko całych przedsiębiorstw, ale w chwili obecnej przynosi ogromne rezultaty.

Właściwie tutaj bardzo naturalnie przejdziemy do jednego z ostatnich tematów, bo chciałem Cię spytać o zrównoważony rozwój, bowiem ten temat jest. Zaraz już będzie bardzo ważny właściwie dla całej branży produkcyjnej. Najpierw dla dużych firm, później dla mniejszych. Tutaj mi chodzi w szczególności o sprawozdawczość i ESG. Tak, czyli raportowanie dotyczące środowiska tego wpływu społecznego i takie korporacyjne raportowanie branża Automotive, właśnie pozostając na tym rynku. Zaraz wszyscy poddostawcy będą musieli raportować do większych firm, a tym pod dostawcom ci mniejsi też będą musieli raportów. Czy to nie będzie takim sposobem na przekonanie tych resztek nieprzekonanych, że jednak ta cyfryzacja jest, że nie chce mówić z cyfryzuj się albo zgiń, ale jest koniecznością.

Jeżeli mówimy o sprawozdawczości, to mamy 2 modele reagowania. Po pierwsze będzie ktoś dedykowany, kto będzie zbierał dane, tworzył z nich raporty i wówczas często nie jest to nawet jedna osoba. Czasami całe są to całe komórki odpowiedzialne za tylko i wyłącznie zbieranie danych do raportowania. Dziesiątki aspektów, które musimy zebrać, przeanalizować, zebrać dane, przeanalizować je, sformułować wnioski. Natomiast drugie podejście mówi, dlaczego inwestować w godziny w zbieranie danych, które tak naprawdę i tak powinniśmy zbierać, bo możemy je wykorzystać nie tylko po to, żeby zrealizować obowiązek sprawozdawczy. I to jest często taka koncepcja, którą obserwuję. Rozmawiamy w żadnej firmami i wdrażają one rozwiązanie po to, żeby zrealizować obowiązek sprawozdawczy. Natomiast brakuje takiego zastanowienia, w jaki sposób dodatkowo można wykorzystać. Dodane, żeby nie tylko być zgodnym z wymogami, wymogami regulacyjnymi, ale również żeby wykorzystać te dawcą optymalizacji w celu wyciągnięcia wniosków. Jeżeli mogę coś doradzić, to żeby spojrzeć na ten problem trochę szerzej, że to nie jest jedynie oczywiście to jest wymóg, który jest narzucony, ale nie jedynie to jest również okay. Ja, żeby zastanowić się, co z tymi danymi zrobić na użytek przedsiębiorstwa, żeby bardziej efektywny sposób prowadzić tę transformację energetyczną w bardziej efektywny sposób wykorzystywać zasoby. Tutaj mówimy tylko o energii, ale oczywiście mówimy o innych zasobach. Jesteśmy w stanie nagle. Okazuje się, że na przykład poznać komponent energetyczny w całkowitym koszcie wytworzenia produktu, czego do tej do tej pory część. Sądów po prostu nie robiła albo szacowała, uwzględniając zazwyczaj tych produktów jest jeden typ, a kilka i nie jest to jedna linia produkcyjna, a kilka zrób urządzeniami maszynami z różnym stopniem też efektywności. To okazuje się, że ta ten koszt potrafi być diametralnie różny, taki, który wpływa na tak naprawdę na zyskowność bądź nieprodukowane danego produktu. I to są takie bardzo konkretne oczywiście. Ale sytuacji, w których można połączyć zasady ability i profitability, to jest bardzo istotne, bo dzięki temu możemy po prostu wdrażać tę inicjatywę. Jeździ, a w sposób bardziej efektywny, z mniejszym oporem organizacji. No i nie ukrywajmy zwiększą zyskiem dla siedliska.

To, co mówisz, to ja to tak odbieram, że najlepiej, aby zarówno przemysł 4.0 zarówno optymalizacja czy też analiza pod względem energetyczna. Krytycznym to raportowanie i tak dalej, żeby to się znalazło w strategii pod hasłem nie chcę mówić cyfryzacja, bo określiliśmy, że to jest za wąskie, ale…

Transformacja, transformacja organizacji jest wykorzystaniem technologii cyfrowych. Transformacja w sposób no inteligentny w sposób, który obejmie wszystkich interesariuszy, który będzie tak naprawdę cyklem projektów wdrożeń, przy czym to nie musi być ciągle ten przemysł 4.0 tutaj jakby właśnie dochodzimy do takiego szerszego rozumienia tematu. Ale jednak ta czapa na Górze taka jest strategiczna. Tak to jest po prostu innowacyjność. To jest takie podejście, które pozwala nam budować przewagę konkurencyjną, oferować nowe, lepsze produkty, inwestować w nowe modele biznesowe, czy też otwierać nowe możliwości dla dla przedsiębiorstwa nowych kanałów, sprzedaży czy nowych obszarów, które mogą sprawić za kilka lat, że dane przedsiębiorstwo albo będzie konkurencyjne albo nie.

No i właśnie w takim razie to gdzie zacząć?

Jakby czy dobrym pomysłem jest poszukanie dobrych wzorców, po prostu spojrzenie co inni. Robią czy może to jest błąd, bo później będziemy chcieli przenosić te rozwiązania do nas pozycjonują się względem konkurencji i tak i nie, ponieważ nie odejdziemy i nie powinniśmy odchodzić od szukania dobrych wzorców, szczególnie w tak dynamicznym obszarze, jakim jest przemysł 4.0 szukanie sprawdzonych rozwiązań to jest rzecz naturalna, uwzględniając dynamikę tej dziedziny i tak jak rozmawialiśmy wcześniej to, że gdzieś trzeba złapać i zacząć budować. Z uwzględnieniem tego, że później na razie też trochę prace domową odrobić i przeanalizować, czy zastosowanie danego rozwiązania będzie miało w mojej sytuacji sens, bo jeżeli współpracujemy z integratorem, który tworzy dostosowane rozwiązania do potrzeb klientów do konkretnej. Sytuacji to wtedy analiza takiego sensu i analiza właśnie specyfiki działania danego przedsiębiorstwa pozwoli zaplanować wdrożenie takiego rozwiązania w wersji dostosowanej, która rzeczywiście pozwoli realizować tę wartość. No tak, jak wspomniałam, nie ma tutaj szablonu, który wszędzie zadziała. Zawsze trzeba uwzględnić specyfikę danej branży, specyfikę danej działalności to będzie też zależało od wielkości i od wewnętrznej struktury, trochę też od kultury organizacyjnej.

Bardzo dużo elementów, które trzeba uwzględnić przy planowaniu takich. Inicjatyw ale wydaje mi się, że to całkiem elementem, jednak wspólnym dla tego wszystkiego jest to, że to jest to pewna podróż, w którą po pierwsze trzeba wyruszyć, nie bać się tego, poza tym oczekiwać, że to będzie fajna podróż.

To będzie podróż ze zmianami z problemami pewnymi, ale też doprowadzi nas do miejsca, które którego możemy nawet sobie. Dzisiaj nie wyobrażać jeszcze. Jest to podróż z mojego doświadczenia wynika, że to jest naprawdę bardzo fascynująca. Owszem, jest są pewne wyzwania wymaga poświęcenia się i i rzeczywiście skupienia swojej uwagi, natomiast potrafi dawać ogromną radość z wdrażania nowych rozwiązań. Rozmawiałem z jednym z klientów ze przedsiębiorstwu z Portugalii i rozmawialiśmy o ich planach na. Powiedzieli jedną rzecz, która bardzo rezygnowała. Pewnie jest to brane. Jest to firma, która działa w branży, która jest bardzo wymagająca. Praca operatora. Cały utrzymania ruchu jest wymaga bardzo dużo siły. Bar jest bardzo męcząca, to jest przemysł, przemysł szklany, więc wysokie temperatury i bardzo duże skupienie. Na jaką. Osoby, z którymi współpracujemy, które prowadzą te projekty cyfryzacji Line powiedziała Szalenie istotną rzecz zależy im, żeby w perspektywie kilku lat umożliwić pracownikom, którzy w chwili obecnej pracują w ciężkich warunkach, żeby zaczęli pracować na danych, wykorzystać ich potencjał. Ich wiedzę na temat procesu. Natomiast specyfiki. Aby mogli pracować z nami, żeby jeszcze dalej prowadzić te inicjatywy kontynuacji improvement. Te inicjatywy, które pozwalają poprawić działanie, poprawić procesy, poprawić efektywność, ale pracując nie na pierwszej linii, bo to mogą zrobić roboty. Ale żeby te dokładnie te same osoby pracowały w komfortowych warunkach z wykorzystaniem rozwiązań cyfrowych i w ten sposób wykorzystać. Potencjał są świadomi, że w perspektywie kilku lat ten problem z wykwalifikowaną siłę roboczą będzie tylko narastał, więc przez te zmiany podejścia to jest to jest zupełna zmiana podejścia organizacyjnego do kultury, do własnych pracowników. Przez tę zmianę podejścia wierzą, że to pozwoli zainteresować, przyciągnąć te talenty, które później pozwalają na rozwój przedsiębiorstwa. No i też nowe pokolenie tak naprawdę. Tak nowe pokolenie, dla którego wykorzystanie rozwiązań sztucznej inteligencji. Często nawet bez świadomości, że jest to sztuczna inteligencja dla tego młodego pokolenia. Wykorzystanie tych dość tych rozwiązań to jest coś zupełnie naturalnego dla nich nieintuicyjne jest, że nie ma rozwiązania, które pomoże im rozwiązać problem. Czy wesprze ich w codziennej pracy i więc ten opór taki trochę mimowolny przed nowymi inicjatywami przed nowymi rozwiązaniami, które często gdzieś u doświadczonych osób można. On będzie musiał być przełamany, żeby rzeczywiście zainteresowana. Choć pracą w firmach produkcyjnych młodego pokolenia. Dziękuję ci za ten przykład, bo on był ciekawy. No i taki wątek dotknęliśmy w wątku, który wcześniej nie wybrzmiał, a też jest elementem transformacji, no nie już jednego przedsiębiorstwa, ale tak naprawdę całego przemysłu transformacja organizacyjna tak jest, a ja chciałem życzyć tobie w takim razie jak najwięcej satysfakcjonujących projektów na przyszłość, które będą na tą radość przynosiły i wam i klientom waszym dziękuję bardzo, to zawsze jest fascynująca podróż.

Dziękuję ci za rozmowę. Pozdrawiam.

Dziękuję bardzo.

Zobacz wszystkie podcasty – tutaj lub skorzystaj z serwisów: