A gyáripar egy olyan ponton különbözik a szolgáltató ágazatoktól, amely közvetlen következményekkel jár a fenntarthatósági adatokra nézve: a környezeti hatás legnagyobb része nem a saját telephelyen keletkezik, hanem az azt megelőző és követő láncban. Nyersanyagok, félkész termékek, energiaigényes megmunkálási lépések, gyárak közötti szállítás, hulladékáramok a munkaterületen — a saját működés gyakran csak egy kis részét képezi a teljes képnek. Ez azt jelenti, hogy a gyáripari szervezet jelentéstételi kötelezettségének jelentős részéért olyan adatoktól függ, amelyek máshol keletkeznek: egy beszállítónál, egy szállítmányozónál, egy energiaszolgáltatónál. Ez a függőség mintázatában hasonló ahhoz, ami az agrárszektorban zajlik, ahol a saját vállalat előtti és utáni lánc szintén jelentős részét határozza meg a hatásnak.
A saját falakon belül a fenntarthatósági adatok olyan rendszerek között oszlanak meg, amelyeket nem erre a célra terveztek. A gyártósoronkénti energiafogyasztás az épületfelügyeleti rendszerben vagy az energiaszolgáltatónál található, nem a termelési volumenekhez kapcsolva. A gépek üzemidejét és állásidejét az MES-ben vagy a műszakvezető Excel-táblázatában rögzítik. A hulladékáramokat — fémhulladék, maradékanyag, vegyi hulladék — gyakran a hulladékkezelő regisztrálja tömegjegyenként, a belső rendszertől függetlenül. A vízfogyasztást néha központilag mérik a teljes telephelyre, folyamatonkénti bontás nélkül. Aki egy adott gyártósor kibocsátási számára kíváncsi, annak olyan mérőrendszerek között kell keresgélnie, amelyek mindegyike a saját logikáját és gyakoriságát követi.
Az ERP-rendszer tartalmazza a beszerzési volumeneket, az anyagáramokat és néha a beszállítói adatokat, de ritkán tartalmaz kibocsátási tényezőket. Az MES ismeri a gépidőket és a kibocsátást, de ezt nem kapcsolja automatikusan az egységnyi termékre eső energia- vagy anyagfogyasztáshoz. E két rendszer között gyakran egy kézi lépés áll: valaki kigyűjti a volumeneket az ERP-ből, kombinálja a gépadatokat az MES-ből, és egy külön számítási táblázattal jut el egy kibocsátási számhoz. Ez a számítási táblázat — és a benne rejlő feltételezések — pontosan az a pont, ahol a visszakövethetőség elvész, ha senki nem rögzíti, melyik forrást, melyik tényezőt és melyik feltételezést használták.
A scope 3 tekintetében a gyáripar erősen függ attól, amit a beszállítók szolgáltatnak. Az egyik beszállító részletes fenntarthatósági jelentést küld, a másik egy becslést egy számlán, a harmadik semmit. Egyes vállalatok általános ágazati átlagokkal dolgoznak, mert hiányoznak a beszállítói adatok; mások néhány nagy beszállítóra vonatkozóan rendelkeznek elsődleges adatokkal, a lánc többi részére viszont nem. Ezt a keveréket az adatforrásokból — elsődleges, másodlagos, becsült — valahol rögzíteni kell egy eredetmegjelöléssel, különben utólag már nem lehet rekonstruálni, melyik szám melyik feltételezésen alapul.
Sok gyáripari vállalatnál már folynak olyan tanúsítási folyamatok, mint az ISO 14001, vagy energiaauditok. Ezek a folyamatok értékes adatokat generálnak — energiafogyasztás, fejlesztési tervek, ellenőrzött számadatok — de az eredmények gyakran a minőségügyi osztály külön archívumában landolnak, elszigetelve a fenntarthatósági jelentéstételtől. Az a szám, amelyet az auditor már ellenőrzött, ezután újra és ettől függetlenül kerül összegyűjtésre a fenntarthatósági beszámolóhoz, azzal a kockázattal, hogy a két szám már nem egyezik meg.
Ki felelős egy termelési telephely energiaadatáért: az üzemvezető, a létesítménygazdálkodási vezető, vagy a székhelyen dolgozó fenntarthatósági koordinátor? Ki kezeli a szállítási adatokra alkalmazott kibocsátási tényezőket: a beszerzés, a logisztika, vagy a pénzügy? Sok gyáripari vállalatnál ezt a felelősséget soha nem osztották ki egyértelműen. Az adatgazdaság hallgatólagosan alakul ki, annál, akinek éppen hozzáférése van a rendszerhez, nem pedig annál, aki a tartalmat a legjobban ismeri vagy ellenőrizni tudja.
Nagy a kísértés, hogy valaki megvásároljon egy szoftvercsomagot, amely automatikusan összekapcsolódik az ERP-vel és az MES-sel, és rendezett irányítópultokat állít elő belőle. Ám egy olyan eszköz, amelyet szervezetlen alapra helyeznek, elsősorban gyorsabb és meggyőzőbbnek tűnő verzióit fogja előállítani ugyanazoknak a bizonytalan számoknak. Mielőtt egy rendszer adatokat gyűjthetne, rögzíteni kell, hogy melyik adatpont melyik forrásból származik, ki a tulajdonosa, és milyen minőségi szabály tartozik hozzá. Ez ugyanúgy igaz a gyáriparra, mint az egészen más láncszerkezetű ágazatokra, például a közlekedési szektorra vagy a kiskereskedelemre, ahol az adatforrások máshol helyezkednek el, de a rendszerezési probléma ugyanaz.
A Data Readiness Scan a gyáripar számára egy adatpont-nyilvántartást állít fel: kibocsátási forrásonként, gyártósoronként, láncszemenként megállapítja, milyen adatpontra van szükség, hol keletkezik — gép, ERP, energiaszolgáltató, hulladékkezelő, beszállító —, és milyen útvonalon jut el a végső jelentési ponthoz. Ehhez társul egy tulajdonos minden adatponthoz, valamint egy minőségi szabály, amely meghatározza, mikor használható egy szám, és mikor nem. Ez nem jelentés és nem kitöltött kérdőív, hanem az az alapul szolgáló struktúra, amely lehetővé teszi, hogy egy szám bármikor visszavezethető legyen a forrásáig. Ez a struktúra hasonló ahhoz, ami az üzleti szolgáltatásokban szükséges, ahol az adatok szintén különálló rendszerek és táblázatok között oszlanak meg, még ha a lánc ott másképp is néz ki.
Az ezt a felmérést végző eszköz jelenleg fejlesztés alatt áll. Aki fel akarja készíteni erre a szervezetét, feliratkozhat a várólistára.
Amint egyértelművé válik, milyen adatpontok léteznek, hol keletkeznek, és ki kezeli őket, az is láthatóvá válik, mennyi kézi munka jár az adott adatok gyűjtésével, ellenőrzésével és átírásával. Ez a munka — adatok lekérése több rendszerből, számok visszavezetése egy forráshoz, minőségellenőrzések elvégzése — különálló feladatokból áll, amelyek nem mindegyike igényel egyforma mértékű emberi munkát. Az FTE TO AI munkafelmérése feladatonként kiszámítja, mekkora részét lehet átvenni AI-val, így egyértelművé válik, hol hozza a legtöbb időmegtakarítást az automatizálás, és hol marad szükség emberi ellenőrzésre.
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.