Tootmistööstus ei ole kontorikeskkond, kuhu on lisatud masinad. See on sektor, kus füüsiline protsess — toorainest töötlemiseni toote valmimiseni — on juhtiv, ja kus digitaalsed süsteemid seda protsessi kas järgivad või peavad hoolitsema selle eest, et protsess jätkuvalt toimiks. Selline järjekord määrab, mida AI-küpsus siin tähendab. ERP-süsteem, MES, masinal olevad sensorid — need eksisteerivad füüsilise protsessi toetamiseks, mitte iseseisvalt funktsioneerimiseks. See on oluliselt teistsugune kui ärialaste teenuste sektoris, kus töö on juba iseenesest digitaalne ja andmed on lähtepunkt, mitte tuletatud suurus.
See kihilisus muudab küpsuse mõõtmise keerulisemaks. Tootmisettevõttel võib olla moodne planeerimisrakendus ja siiski puudub tal aimu, mida masin põrandal tegelikult teeb, kuna neid andmeid ei ole kunagi kättesaadavaks tehtud. Vastupidi, ettevõttel vananenud tarkvaraga võib olla hea ülevaade oma protsessist, kuna tootmispõrandal töötavad inimesed on juba aastaid täpselt registreerinud. Süsteemide küpsus ja moodsus ei käi siin automaatselt käsikäes.
Seitsme dimensiooni sees, mida küpsusmõõtmine kasutab, torkab tootmistööstuses tihti silma spetsiifiline muster. IT-infrastruktuur ja andmehaldus — kaks alusdimensiooni — näitavad regulaarselt suurt vahet tootmise ja kontori vahel. Põrandal töötavad süsteemid, mis on ehitatud usaldusväärsuse ja käideldavuse jaoks, mitte andmete jagamiseks. Kontoris töötavad süsteemid, mis on tehtud andmevahetuse jaoks, kuid mis ei ole alati ühendatud sellega, mis tehases toimub. Need kaks maailma kasutavad tihti sama termini erinevaid definitsioone, ja see toimub ilma, et kellelgi seda probleemina nimetataks, kuni AI-projekt sellele takerdub.
Organisatsioonidimensioonil on oma muster. Otsused tootmisprotsesside investeeringute kohta on sageli tehnilise taustaga inimeste käes, samas kui otsused andmestrateegia kohta on teiste käes. Kui need kaks rühma harva koos laua taga istuvad, tekib organisatsioon, mis paberil näib AI jaoks valmis, kuid praktikas järgib kahte eraldi tegevuskava. See on teistsugune hajuvus kui haridussektoris, kus vahe on tihedamini poliitika ja professionaali igapäevase praktika vahel, mitte kahe operatiivse samba vahel ühe ja sama ettevõtte sees.
Ploti-voor — kus mitmed inimesed hindavad üksteisest sõltumatult seitset dimensiooni — toob tootmistööstuses tihti esile terava kontrasti tootmisjuhtimise ja IT- või juhtkonna kihi vahel. Tootmisjuht hindab andmehalduse dimensiooni mõnikord kõrgelt, kuna masin registreerib täpselt, mis toimub. IT-juht hindab sama dimensiooni madalalt, kuna neid andmeid ei salvestata kuskil struktureeritult ega tehta analüüsiks kättesaadavaks. Mõlemad tähelepanekud on korrektsed; need vaatavad lihtsalt protsessi erinevat osa.
Selline hajuvus on funktsionaalne, mitte ebamugav. See näitab, kus organisatsiooni sees puudub ühine pilt, ja see on täpselt see teave, mida vajatakse enne, kui pilootprojektile midagi lisatakse. Pilootprojekt, mis toimib alusdimensioonidel — organisatsioon, infrastruktuur, andmed — ilma, et sellist hajuvust oleks tähele pandud, jookseb ohtu takerduda probleemi, mida keegi ei olnud nimetanud, kuna kellelgi ei olnud tervikpilti.
Kuna füüsiline protsess on juhtiv, on tootmistööstuses tihti kiusatus suunata AI otse operatiivsele probleemile: hoolduse ennustamine, kvaliteedi kontroll, planeerimise optimeerimine. Need on nähtavad, atraktiivsed rakendused sõltuvatel dimensioonidel. Kuid see, kas need töötavad, sõltub sellest, mis peab enne paigas olema: kas masina andmed on salvestatud kujul, mis on korduvkasutatav, kas on olemas kes vastutab nende andmete kvaliteedi eest, ja kas on olemas organisatsiooniline struktuur, kus tootmine ja IT jagavad samu definitsioone. Ilma selle aluseta jääb pilootprojekt isoleeritud eksperimendiks, ükskõik kui hea mudel ka on.
See järjekord ei kehti ainult siin. Transpordisektoris valitseb sarnane pinge operatiivsete süsteemide ja kesksete andmete vahel, ning põllumajandussektoris on füüsiline protsess — kultuur, loom, hooaeg — sama juhtiv selle üle, mida digitaalsed süsteemid saavad registreerida ja mõjutada. Tootmistööstus ei ole selles loogikas erand, kuid on sektor, kus vahelejäetud aluse tagajärjed muutuvad kiiresti nähtavaks põrandal.
Küpsusmõõtmine ei annas hinnangut tehasele või sektorile; see annab pildi viiest tasemest seitsme dimensiooni ulatuses, mille on täitnud mitmed inimesed organisatsiooni seest. See pilt näitab, kus alusdimensioonid juba on ja kus need veel puuduvad, ning kus ettevõtte sees arvamused lahknevad. See on teistsugune vestlus kui see, kas pilootprojekt on muljetavaldav; see on vestlus selle üle, kas organisatsioon saab pilootprojekti kanda.
Kui on selge, kus organisatsioon seisab dimensioonidel, mis peavad AI-d kandma, tekib teine küsimus: milline osa tööst ise on kõlblik AI-le üleandmiseks. See ei ole see, millele see mõõtmine vastust annab. Selleks on mõeldud FTE TO AI töövahend, mis arvutab iga ülesande jaoks, kui suur osa sellest on AI-le üle antav. Küpsusmõõtmine ja töövahend täiendavad teineteist: üks näitab, kas alus on paigas, teine näitab, mis sellel alusel eeldusel selles töös muutub. Kes ühendab mõlemad pildid, teab mitte ainult seda, kas organisatsioon on valmis, vaid ka seda, kus esimene muutus konkreetselt ilmneb.
hybridresourcing.com küpsusmõõtmine on ehitusjärgus. Kes soovib läbida ploti-vooru kohe, kui see kättesaadavaks muutub, saab liituda ootenimekirjaga.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.