Narůstající náklady a tržní tlak nutí společnosti optimalizovat obchodní procesy a jednat rychleji, přesněji a efektivněji na základě neustále se měnících a nových informací. Díky propojení systémů řízení výroby na úrovni automatizace a řízení výroby (MES), se systémy ERP (enterprise resource planning) a business intelligence (BI) lze ukazatele nákladů a výkonnosti procesů (např. lhůtu mezi zadáním a vyřízením objednávky, spolehlivost dodání) propojit s monitoringem výkonu v celé společnosti. Výrobní inteligence (production intelligence) tyto ukazatele výkonu shromáždí a prezentuje v uživatelských prostředích (cockpits, dashboards) a grafických výstupech přizpůsobených pro specifické cílové skupiny v dané společnosti.

Co je výrobní inteligence?

Řešení typu business intelligence (BI) se používají ke zlepšení podnikových procesů s cílem dosáhnout maximálního výkonu a přizpůsobit tyto procesy podnikové strategii. Ve výrobním průmyslu se věnovalo značné úsilí zlepšení výrobních a logistických procesů, například pomocí konceptů Lean, TQM, TPM, Six Sigma nebo Just-in-time (JIT). Jenže informace z podnikového hospodářství i z výrobních/logistických procesů je obtížné zkombinovat. Tuto propast musí překlenout výrobní inteligence (obr. 1). Podívejme se na význam výrobní inteligence ze tří hledisek:

• Data z administrativních procesů, jako je zpracování objednávek nebo služby zákazníkům, jsou zkombinována a zkonsolidována s daty z provozních procesů, jako je výroba, logistika nebo údržba. Umožňuje to přizpůsobit výrobní provozy obchodní strategii, a to pokud jde například o kvalitu, výkonnost strojů nebo lhůty mezi zadáním a vyřízením objednávek. Abychom získali skutečně ucelený obrázek, je třeba zkombinovat údaje finanční i nefinanční povahy.
• Provozní údaje tvoří ve většině případů informace v reálném čase. Zatímco obchodně zaměřené BI informace se aktualizují během dnů nebo měsíců, koncepce výrobní inteligence vyžaduje interval aktualizace v sekundách nebo minutách, a umožní tak rychlou reakci na provozní události a chyby.
• Výrobní inteligence je krokem k řízení podniku v reálném čase. Zkonsolidovaná a vyhodnocená data automaticky spouští provozní akce na základě obchodních pravidel odvozených z obchodní strategie a taktiky. Tento systém je rovněž znám jako datový sklad s uzavřenou smyčkou. Typickým využitím by mohla být automatická objednávka údržby vycházející z on-line stavu strojů a statistického řízení procesů (SPC).

Obr. 1: Návrh hodnot výrobní inteligence v podnikovém kontextu
Cílem řešení výrobní inteligence je zlepšit výkon podniku průběžnou kontrolou a změnou procesů ve výrobě a logistice i v příslušných administrativních procesech.

Změříte-li to, dokážete to zlepšit

Aby si výrobní podniky zajistily udržitelný úspěch, potřebují:

• systematickou metodu identifikace ukazatelů výkonu a metriku na všech úrovních společnosti – schopnost kvantifikovat výkon a informovat o něm,
• zhodnocení výkonu založené na skutečných údajích o výkonu spíše než na subjektivních odhadech a vyjádřené ve formě klíčových ukazatelů výkonu (key performance indicators, KPI) – transparentní, změřitelná a variabilní kritéria výkonu pro zaměstnance,
• systematické a stálé shromažďování cílových/skutečných odchylek – využít odchylky jako základ pro průběžné učení a zlepšovací procesy,
• monitoring výroby, který není založen výhradně na zprávách zaměřených na náklady, ale i na relevantních procesních ukazatelích – efektivní řízení výrobních a logistických činností.

Projekty výrobní inteligence zahrnují dvě oblasti s různými dovednostmi a jazyky: na jedné straně svět IT a obchodních procesů a na druhé straně svět výrobního provozu a automatizace výroby. Proto je při zavádění výrobní inteligence potřeba mít znalosti jak o informačních technologiích, tak i o výrobě, a disponovat manažerskými dovednostmi pro projektový tým. Ty jsou pro úspěch projektu klíčové, protože v mnoha společnostech stále chybí integrovaný pohled na výrobní IT. To vede k izolovaným řešením řízeným výrobou, ale mimo kontrolu oddělení informačních technologií. Často se proto stává, že IT řešení ve výrobním prostředí nedokáží splnit očekávání výroby. Podstatné je zjistit, který rozhodovací subjekt potřebuje které informace. Kombinace analytických dat s plánovanými a skutečnými procesními údaji pak dokáže ukázat odchylky aktuálního stavu od plánu nebo optimálního stavu.

Popis řešení

Oproti klasické BI, která operuje s historickými daty, výrobní inteligence kombinuje skutečná procesní data s historickými a analytickými údaji (obr. 2). Překlenuje propast mezi analytickým a provozně-obchodním monitoringem procesů. Proto získává data z nejrůznějších zdrojů, například ze systému SPC, MES, z řídicích systémů nebo z plánování podnikových zdrojů (ERP). Tyto údaje podle jednotlivých témat shromáždí KPI pro různé rozhodovací subjekty. Jakmile jsou data k dispozici pro rozhodování, mohou být také použita k automatickému výpočtu vhodné akce. Kombinace skutečných údajů a historických záznamů pomůže odvodit nejvhodnější výrobní parametry a ručně nebo automaticky je zadat zpět do operačních systémů.


Obr. 2: Základní koncepce řešení výrobní inteligence
Hlavní charakteristika výrobní inteligence:

• vertikální a horizontální integrace provozních a administrativních podnikových procesů,
• standardní rozhraní, architektura orientovaná na služby,
• rychlá reakce na události a chyby,
• větší transparentnost,
• jednoduché a názorné výstupy uzpůsobené konkrétní roli.

Podle činitelů, které pohánějí podnikání zákazníka, můžeme rozlišit dva základní modely výrobní inteligence:

• První řešení je orientováno shora dolů a výrobní inteligence se soustředí hlavně na obchodní úroveň. Propojení s výrobním provozem je pouze prostředkem k získání výrobních dat časově blízkých k vysokoúrovňovým systémům a hrubého přehledu o dané výrobní situaci. Klíčová je historická analýza a zpracování shromážděných dat. Podpořeny jsou rozhodovací subjekty, které monitorují dlouhodobé uzavřené smyčky.
• Druhý přístup nazýváme přístup zezdola nahoru. Důraz koncepce výrobní inteligence je samozřejmě kladen na provozní podporu výrobního provozu tak, aby bylo dosaženo konektivity výrobních přístrojů a obchodních systémů nižší úrovně s provozními daty. Podstatná je podpora krátkodobých a střednědobých uzavřených smyček s ohledem na velký počet osob zapojených do procesů a přidávajících hodnotu (obsluha strojů, manažeři jakosti, vedoucí údržby a dělnické profese atd.). Oproti výše uvedenému případu jsou od kontrolní úrovně potřeba mnohem přesnější data.

Výrobní inteligence v praxi

Společnost Siemens vytvořila soubor metodik pro projekty výrobní inteligence, který pokrývá jednotlivé fáze projektu – definici KPI, návrh konceptu integrace, datového modelu a UI (obr. 3).


Obr. 3: Vertikální integrace prostřednictvím výrobní inteligence
Prototypové řešení na bázi informačního systému SAP (obr. 4) integruje a konsoliduje data z hlavních a podpůrných obchodních procesů ve výrobě, logistice a finanční oblasti. Ukazuje, jakým způsobem neplánované události (např. poruchy strojů) a doby prostojů během výrobního procesu ovlivňují výkon společnosti. Informační architektura poskytuje pohled jak na údaje o výkonu logistiky, tak o výkonu společnosti v manažerském rozhraní. Rozdíl oproti stávajícím manažerským rozhraním (cockpity, dashboardy) je ve skutečnosti, že vliv nehod a dob prostojů na finanční výkon se měří během dob tvorby zpráv a že se zobrazují společně s oficiálně uváděnými a rozpočtovými (plánovanými) hodnotami. V tomto řešení je pamatováno na procesy, jako je plánování výroby v systému ERP (SAP ERP modul PP), provedení výroby a potvrzení stavu výroby (SAP MII). Informace o nákladech a finančních údajích (SAP ERP moduly FI/CO) se použijí v komponentech analytiky (SAP BI a SAP Netweaver Visual Composer, Portal).


Obr. 4: Architektura řešení výrobní inteligence společnosti Siemens

Autor je vedoucím konzultantem ve společnosti Siemens IT Solutions and Services.