V oblasti logistiky, výroby engineeringu se pohybuji přes dvanáct let. Měl jsem to štěstí, že jsem se dostal do různých firem včetně kalifornské Tesly, která se v té době potýkala s ohromnými problémy při výrobě modelu 3, nebo k projektovému managementu výstavby automatizovaného skladu přímo navázaného na nejpřísnější just-in-time a just-in-sequence procesy, které v automobilovém průmyslu poznáte.

Všechny tyto projekty měly společnou vlnu transformace, kterou dané podniky procházely. V současné době se ale v období bezprecedentních změn nachází celé odvětví.

Kde hledat další zvýšení efektivity

V automobilovém sektoru historicky vycházela většina metod z pro­duk­ční­ho systému japonské Toyoty a právě tyto postupy dovedly vý­rob­ní procesy ke zdánlivé dokonalosti. Tento systém vám vždy přinesl nějakou úsporu, ať už na straně potřeby manuální práce, nebo ve vá­za­ném materiálu, který jste pro plynulý provoz potřebovali. Nicméně pokud tato cvičení s cílem uspořit opakujete každý rok, nalezení neefektivity v procesech je čím dál tím těžší. Tlak se přitom stupňuje.

V době, kdy jsem vedl projekt výstavby automatizovaného skladu, byly mé cíle nastavené zejména na úspory v oblasti potřebného počtu zaměstnanců. Jednoduše nebyl dostatek kvalifikovaných lidí, kteří by tu práci dělali.

Jenže efektivní automatizace je v Čechách, kde počítáte návratnost investic proti českým mzdám, výrazně těžší než u našich západních kolegů, kde jsou mzdy výrazně vyšší. Proto jsem si lámal hlavu s tím, kde tyto neefektivity najít.

Inspirací pro mě tehdy byl interim ředitel, který se rozhodl jít do rizi­ka a výrobní linku navázanou na zákazníka řízeně zpomalil tzv. pod takt zákazníka, aby na celý proces výroby potřeboval méně lidí. Vy­chá­zel z dat, že zákazníka brzdí jiní dodavatelé, a jeho takt je tak po­ma­lej­ší než ten oficiálně komunikovaný. Jedním chytrým, ale risk­ant­ním rozhodnutím ušetřil desítky lidí potřebných pro zajištění procesu.

Najednou jsem viděl, jak důležité je chytře číst v datech. Rozhodnutí zafungovalo a cíle byly splněny.

Lék na všechny neduhy

Při řízení větších týmů a několika projektů zároveň jsou data na­pro­s­to nezbytná. Bez kvalitních dat totiž neřídíte proces. Když máte na starosti výrobní proces lakování a tým tří set lidí, velice rychle si uvědomíte důležitost správných informací pro vaše rozhodování.

V opačném případě se totiž jen velmi těžko dostáváte k relevantním informacím, protože na ně nemáte reporty nebo ty reporty nevychází ze správného datového základu. Pak se můžete dostat i do situace, kdy vám ERP systém ukazuje jeden výsledek, systém postavený nad tím něco jiného a pracovníci, kteří vám reportují, přijdou s něčím, co se neshoduje ani s jedním. Slovy jednoho z mých bývalých kolegů: „Tady už nepomůže přeskládávání beden.“

Lék na všechny uvedené neduhy se logicky nachází v IT. Zatímco dříve to ještě byla záležitost převážně manuální práce s daty, s přechodem do cloudu a boomem spojeným s generativní AI většina z výše uvedených problémů mizí daleko efektivněji.

Proč je zrovna cloud podmiňujícím faktorem této změny? Umožňuje vám výrazně rychleji do systému uvolňovat nové releasy funkcionalit, které váš byznys potřebuje. Výhoda těchto funkcionalit je, že nad rámec toho, co bylo možné dříve, už nefungují jen na malém písečku konkrétního výrobního či logistického úseku. Zohledňují minulé i budoucí procesy a optimalizují fungování celého IT ekosystému ve firmě.

Co to znamená? Představte si, že jste manažerem výroby a výrobní úsek, který předchází tomu vašemu, něco optimalizuje a šetří, přičemž vám to přidělá dvojnásobek práce s dvojnásobným nárokem na zdroje. Pro firmu je toto řešení v součtu nevýhodné, ale manažer úseku realizujícího úsporu sklidí pochvalu.

V současné době při správném funkčním pokrytí systémem tento problém mizí, protože už máte přehled o výrobě jako o celku. Pro management to znamená, že najednou pro rozhodnutí nebude důležité, jak silné slovo má ten který vedoucí. Manažeři se budou rozhodovat na základě faktů, případně velmi rychlých simulací, které jim ukážou scénáře, co by dané rozhodnutí znamenalo.

Výhody AI na správném základě

S AI začíná ta nejzábavnější část. Jestli je umělá inteligence v něčem opravdu silná, je to schopnost generovat smysluplné závěry z vel­ké­ho množství dat. Takové závěry, na které lidský mozek nestačí a ze své podstaty je ani nemůže vidět. Jde především o hledání nových synergií, kalkulace scénářů budoucího vývoje nebo komplexní reporting.

Na co jste dřív pro kvalifikované rozhodnutí museli čekat týdny, získáte nyní během několika minut. To oceníte mimo jiné i při identifikaci všech kritických bodů jednotlivých scénářů, které do budoucna zvažujete.

Benefity ale nesklízí pouze top management. Každý pracovník, který se běžnou řečí v textové a v budoucnu i hlasové podobě zeptá na výrobní postup pro daný díl nebo zadá jiný dotaz, získá odpověď od AI. Ta mu vygeneruje přehlednou návodku, které bude rozumět. Pracovník údržby, který si nebude jistý, co všechno je potřeba na výrobním zařízení zkontrolovat, se stejným způsobem zeptá a během chvilky dostane odpověď a doporučení pro budoucí postup.

Stále ale musíme začínat od základů, než se dostaneme k využití plného potenciálu AI. Při hledání dalšího zvýšení efektivity vnímejme každý proces jako součást celku a až pak přejděme k využívání nejmodernějších nástrojů.

Tomáš Soudský Autor článku je manažerem pro oblast výroby, logistiky a údržby ve společnosti SAP ČR.