Fremstillingsindustrien adskiller sig fra servicesektorer på et punkt der direkte påvirker bæredygtighedsdata: den største del af miljøpåvirkningen ligger ikke i den egen bygning, men i kæden før og efter. Råmaterialer, halvfabrikater, energiintensive bearbejdningstrin, transport mellem fabrikker, affaldsstrømme på gulvet — den egen drift udgør ofte kun en lille del af det samlede billede. Det betyder at en organisation i fremstillingsindustrien for en væsentlig del af sin rapporteringsforpligtelse er afhængig af data der opstår et andet sted: hos en underleverandør, en transportør, en energileverandør. Denne afhængighed er mønstermæssigt sammenlignelig med det der gør sig gældende i landbrugssektoren, hvor kæden før og efter den egen virksomhed også bestemmer en stor del af påvirkningen.
Inden for de egne mure ligger bæredygtighedsdata spredt over systemer der ikke er designet til dette formål. Energiforbrug pr. produktionslinje findes i bygningsstyringssystemet eller hos energileverandøren, uden kobling til produktionsvolumener. Maskindriftstider og stilstand findes i MES-systemet eller i et Excel-overblik hos skifteholdslederen. Affaldsstrømme — skrot, restmateriale, kemisk affald — registreres ofte pr. vejeseddel af affaldsbehandleren, uafhængigt af det interne system. Vandforbrug måles nogle gange centralt for hele anlægget, uden opdeling efter proces. For en person der har brug for et emissionstal pr. produktionslinje, betyder dette en søgning gennem målesystemer der hver har deres egen logik og frekvens.
ERP-systemet indeholder indkøbsvolumener, materialestrømme og nogle gange leverandørdata, men sjældent emissionsfaktorer. MES-systemet kender maskintider og output, men kobler det ikke automatisk til energi- eller materialeforbrug pr. produktenhed. Mellem disse to systemer er der ofte et manuelt trin: en person der henter volumener fra ERP, kombinerer maskindata fra MES, og med et separat regneark kommer frem til et emissionstal. Dette regneark — og forudsætningerne i det — er præcis det punkt hvor sporbarheden forsvinder, hvis ingen registrerer hvilken kilde, hvilken faktor og hvilken forudsætning der er anvendt.
For scope 3 er fremstillingsindustrien stærkt afhængig af hvad underleverandører leverer. Den ene leverandør sender en omfattende bæredygtighedsrapport, den anden et estimat på en faktura, en tredje slet ingenting. Nogle virksomheder arbejder med generiske branchegennemsnit fordi leverandørdata mangler; andre har primærdata for nogle få store leverandører, men ikke for resten af kæden. Denne blanding af datakilder — primær, sekundær, estimeret — skal registreres et sted med en note om oprindelsen, ellers kan man efterfølgende ikke rekonstruere hvilket tal der bygger på hvilken forudsætning.
Mange produktionsvirksomheder har allerede certificeringer som ISO 14001 eller energiaudits i gang. Disse processer genererer værdifulde data — energiforbrug, forbedringsplaner, verificerede tal — men resultaterne ender ofte i et separat arkiv hos kvalitetsafdelingen, uafhængigt af bæredygtighedsrapporteringen. Tallet som auditøren allerede har verificeret, bliver så indsamlet igen og separat til bæredygtighedsrapporten, med risiko for at de to tal ikke længere stemmer overens.
Hvem er ansvarlig for energitallet for en produktionslokation: plantlederen, facilitetslederen, eller bæredygtighedskoordinatoren på hovedkontoret? Hvem administrerer de emissionsfaktorer der anvendes på transportdata: indkøb, logistik, eller finans? I mange produktionsvirksomheder er dette ansvar aldrig blevet eksplicit tildelt. Dataejerskab opstår implicit, hos den der tilfældigvis har adgang til systemet, ikke hos den der bedst kender indholdet eller kan kontrollere det.
Fristelsen er stor til at købe en softwarepakke der automatisk kobler til ERP og MES og ruller pæne dashboards ud. Men et værktøj der placeres på et uorganiseret fundament, producerer primært hurtigere og mere overbevisende udseende versioner af de samme usikre tal. Før et system kan hente data, skal det være fastlagt hvilket datapunkt der kommer fra hvilken kilde, hvem der er ejer af det, og hvilken kvalitetsregel der hører til. Det gælder for fremstillingsindustrien lige såvel som for sektorer med en helt anden kædestruktur, som transportsektoren eller detailhandelen, hvor datakilderne ligger anderledes, men struktureringsproblemet er det samme.
Data Readiness Scan opretter for fremstillingsindustrien et datapunktregister: pr. emissionskilde, pr. produktionslinje, pr. kædeled fastlægges hvilket datapunkt der er nødvendigt, hvor det opstår — maskine, ERP, energileverandør, affaldsbehandler, underleverandør — og via hvilken rute det kommer til det endelige rapporteringspunkt. Dertil kommer en ejer pr. datapunkt og en kvalitetsregel der bestemmer hvornår et tal er anvendeligt og hvornår ikke. Det er ikke en rapport eller et udfyldt spørgeskema, men den underliggende struktur der gør det muligt at spore et tal tilbage til sin kilde på ethvert tidspunkt. Denne struktur er sammenlignelig med det der er nødvendigt i den forretningsmæssige service, hvor data også er spredt over isolerede systemer og regneark, selv om kæden ser anderledes ud der.
Værktøjet der udfører denne scan, er under udvikling. Den der vil forberede sin organisation på dette, kan tilmelde sig ventelisten.
Så snart det er klart hvilke datapunkter der findes, hvor de opstår og hvem der administrerer dem, bliver det også synligt hvor meget manuelt arbejde der går til indsamling, kontrol og genindtastning af disse data. Dette arbejde — data der hentes fra flere systemer, tal der spores tilbage til en kilde, kvalitetskontroller der udføres — består af separate opgaver der ikke alle kræver lige meget menneskeligt arbejde. Arbejdsscanningen fra FTE TO AI beregner pr. opgave hvor stor en del der kan overtages af AI, så det bliver klart hvor automatisering giver den største tidsbesparelse, og hvor menneskelig kontrol stadig er nødvendig.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.