Przemysł wytwórczy różni się od sektorów usługowych w punkcie, który ma bezpośredni wpływ na dane dotyczące zrównoważonego rozwoju: największa część wpływu na środowisko nie znajduje się we własnym obiekcie, lecz w łańcuchu przed i po nim. Surowce, półprodukty, energochłonne etapy przetwarzania, transport między zakładami, strumienie odpadów na hali produkcyjnej — własna działalność jest często tylko niewielką częścią całego obrazu. Oznacza to, że organizacja w przemyśle wytwórczym w znacznej części swojego obowiązku sprawozdawczego jest zależna od danych, które powstają gdzie indziej: u dostawcy, przewoźnika, dostawcy energii. Ta zależność jest pod względem wzoru porównywalna z tym, co ma miejsce w sektorze agrarnym, gdzie łańcuch przed i po własnej firmie również w dużej mierze determinuje wpływ.
Wewnątrz własnych murów dane dotyczące zrównoważonego rozwoju są rozproszone po systemach, które nie zostały do tego zaprojektowane. Zużycie energii na linię produkcyjną znajduje się w systemie zarządzania budynkiem lub u dostawcy energii, niepowiązane z wolumenami produkcji. Czasy pracy i przestoje maszyn znajdują się w systemie MES lub w arkuszu Excel kierownika zmiany. Strumienie odpadów — złom, materiał resztkowy, odpady chemiczne — są często rejestrowane na podstawie kwitów wagowych przez firmę zajmującą się przetwarzaniem odpadów, niezależnie od systemu wewnętrznego. Zużycie wody jest czasem mierzone centralnie dla całego terenu, bez podziału na procesy. Dla kogoś, kto potrzebuje wskaźnika emisji na linię produkcyjną, oznacza to poszukiwania wśród systemów pomiarowych, z których każdy ma swoją własną logikę i częstotliwość.
System ERP zawiera wolumeny zakupów, przepływy materiałów i czasami dane dostawców, ale rzadko współczynniki emisji. System MES zna czasy pracy maszyn i wydajność, ale nie łączy tego automatycznie z zużyciem energii lub materiałów na jednostkę produktu. Między tymi dwoma systemami znajduje się często ręczny krok: ktoś, kto pobiera wolumeny z ERP, łączy dane maszynowe z MES i za pomocą odrębnej tabeli obliczeniowej dochodzi do wskaźnika emisji. Ta tabela obliczeniowa — i założenia w niej zawarte — to właśnie punkt, w którym możliwość odtworzenia pochodzenia znika, jeśli nikt nie zapisuje, jakie źródło, jaki współczynnik i jakie założenie zostały użyte.
W przypadku zakresu 3 przemysł wytwórczy jest silnie zależny od tego, co dostarczają dostawcy. Jeden dostawca wysyła obszerny raport dotyczący zrównoważonego rozwoju, drugi szacunek na fakturze, trzeci nic. Niektóre firmy pracują z ogólnymi średnimi branżowymi, ponieważ brakuje danych od dostawców; inne mają dane pierwotne dla kilku dużych dostawców, ale nie dla pozostałej części łańcucha. Ta mieszanka źródeł danych — pierwotnych, wtórnych, szacowanych — musi zostać gdzieś zapisana z notatką o pochodzeniu, w przeciwnym razie nie da się później zrekonstruować, na jakim założeniu opiera się dany wskaźnik.
Wiele firm produkcyjnych ma już wdrożone certyfikacje takie jak ISO 14001 lub przeprowadza audyty energetyczne. Te procesy generują wartościowe dane — zużycie energii, plany usprawnień, zweryfikowane liczby — lecz wyniki często trafiają do osobnego archiwum działu jakości, oddzielonego od raportowania zrównoważonego rozwoju. Wskaźnik, który audytor już zweryfikował, jest następnie ponownie i niezależnie zbierany na potrzeby raportu zrównoważonego rozwoju, z ryzykiem, że te dwa wskaźniki nie będą się już zgadzać.
Kto jest odpowiedzialny za wskaźnik energetyczny lokalizacji produkcyjnej: kierownik zakładu, kierownik obiektu, czy koordynator zrównoważonego rozwoju w siedzibie głównej? Kto zarządza współczynnikami emisji stosowanymi do danych transportowych: zakupy, logistyka czy finanse? W wielu firmach produkcyjnych ta odpowiedzialność nigdy nie została wyraźnie przypisana. Własność danych powstaje niejawnie, u tego, kto przypadkiem ma dostęp do systemu, a nie u tego, kto najlepiej znajduje się w treści lub jest w stanie ją kontrolować.
Pokusa jest wielka, aby kupić pakiet oprogramowania, który automatycznie łączy się z ERP i MES i generuje z tego zgrabne panele kontrolne. Jednak narzędzie postawione na nieuporządkowanym fundamencie produkuje przede wszystkim szybsze i bardziej przekonujące wersje tych samych niepewnych liczb. Zanim system może pobierać dane, musi być ustalone, który punkt danych pochodzi z jakiego źródła, kto jest jego właścicielem i jaka reguła jakości mu odpowiada. Dotyczy to przemysłu wytwórczego w takim samym stopniu, jak sektorów o zupełnie innej strukturze łańcucha, takich jak sektor transportu czy handel detaliczny, gdzie źródła danych są inne, ale problem porządkowania jest ten sam.
Data Readiness Scan tworzy dla przemysłu wytwórczego rejestr punktów danych: dla każdego źródła emisji, każdej linii produkcyjnej, każdego ogniwa łańcucha dostaw ustala się, jaki punkt danych jest potrzebny, gdzie powstaje — maszyna, ERP, dostawca energii, firma przetwarzająca odpady, dostawca — i jaką trasą dociera do końcowego punktu raportowania. Do tego dochodzi właściciel każdego punktu danych oraz reguła jakości, która określa, kiedy wskaźnik jest użyteczny, a kiedy nie. To nie jest raport ani wypełniony kwestionariusz, lecz podstawowa struktura, która umożliwia w każdej chwili odtworzenie źródła danego wskaźnika. Ta struktura jest porównywalna z tym, co jest potrzebne w usługach dla biznesu, gdzie dane są również rozproszone po odrębnych systemach i arkuszach kalkulacyjnych, mimo że łańcuch dostaw wygląda tam inaczej.
Narzędzie, które przeprowadza ten skan, jest w budowie. Osoby, które chcą przygotować na to swoją organizację, mogą zapisać się na listę oczekujących.
Gdy staje się jasne, jakie punkty danych istnieją, gdzie powstają i kto nimi zarządza, widoczne staje się również, ile pracy manualnej wymaga zbieranie, kontrolowanie i przepisywanie tych danych. Ta praca — pobieranie danych z wielu systemów, odtwarzanie źródła wskaźników, przeprowadzanie kontroli jakości — składa się z odrębnych zadań, które nie wymagają wszystkie tyle samo pracy ludzkiej. Skan pracy FTE TO AI wylicza dla każdego zadania, jaką jego część można przekazać sztucznej inteligencji, dzięki czemu staje się jasne, gdzie automatyzacja przynosi najwięcej zysku czasowego, a gdzie nadal potrzebna jest ludzka kontrola.
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.