Tillverkningsindustrin skiljer sig från tjänstesektorer på en punkt som direkt påverkar hållbarhetsdata: den största delen av miljöpåverkan finns inte i den egna verksamheten, utan i kedjan före och efter den. Råvaror, halvfabrikat, energiintensiva bearbetningssteg, transport mellan fabriker, avfallsströmmar på verkstadsgolvet — den egna verksamheten är ofta bara en liten del av helhetsbilden. Det betyder att en organisation i tillverkningsindustrin för en betydande del av sin rapporteringsskyldighet är beroende av data som uppstår någon annanstans: hos en underleverantör, en transportör, en energileverantör. Det beroendet liknar i mönster det som gäller i jordbrukssektorn, där kedjan före och efter det egna företaget också avgör en stor del av påverkan.
Inom de egna väggarna finns hållbarhetsdata utspridd över system som inte är utformade för detta. Energiförbrukning per produktionslinje finns i fastighetsförvaltningssystemet eller hos energileverantören, inte kopplad till produktionsvolymer. Maskindrifttider och stillestånd finns i MES-systemet eller i en Excel-översikt hos skiftledaren. Avfallsströmmar — skrot, restmaterial, kemiskt avfall — registreras ofta per viktsedel av avfallshanteraren, separat från det interna systemet. Vattenförbrukning mäts ibland centralt för hela anläggningen, utan uppdelning per process. För någon som behöver ett utsläppssiffra per produktionslinje innebär detta en sökning genom mätsystem som varje har sin egen logik och frekvens.
ERP-systemet innehåller inköpsvolymer, materialflöden och ibland leverantörsuppgifter, men sällan utsläppsfaktorer. MES-systemet känner till maskintider och output, men kopplar inte automatiskt detta till energi- eller materialförbrukning per producerad enhet. Mellan dessa två system finns ofta ett manuellt steg: någon som hämtar volymer från ERP, kombinerar maskindata från MES, och med en separat beräkningstabell kommer fram till en utsläppssiffra. Den beräkningstabellen — och antagandena i den — är precis den punkt där spårbarheten försvinner om ingen dokumenterar vilken källa, vilken faktor och vilket antagande som använts.
För scope 3 är tillverkningsindustrin starkt beroende av vad underleverantörer levererar. Den ena leverantören skickar en omfattande hållbarhetsrapport, den andra en uppskattning på en faktura, en tredje ingenting alls. Vissa företag arbetar med generella branschgenomsnitt eftersom leverantörsdata saknas; andra har primärdata för några stora leverantörer, men inte för resten av kedjan. Denna blandning av datakällor — primär, sekundär, uppskattad — måste dokumenteras någonstans med en anteckning om ursprunget, annars går det inte längre att i efterhand rekonstruera vilken siffra som bygger på vilket antagande.
Många tillverkningsföretag har redan certifieringar som ISO 14001 eller pågående energirevisioner. Dessa processer genererar värdefull data — energiförbrukning, förbättringsplaner, verifierade siffror — men resultaten hamnar ofta i ett separat arkiv hos kvalitetsavdelningen, fristående från hållbarhetsrapporteringen. Siffran som revisorn redan har verifierat samlas då in på nytt och separat för hållbarhetsredovisningen, med risken att de två siffrorna inte längre stämmer överens.
Vem är ansvarig för energisiffran för en produktionsanläggning: platschefen, fastighetsansvarig, eller hållbarhetskoordinatorn på huvudkontoret? Vem förvaltar de utsläppsfaktorer som tillämpas på transportdata: inköp, logistik, eller finans? I många tillverkningsföretag har detta ansvar aldrig uttryckligen tilldelats. Dataägarskap uppstår implicit, hos den som råkar ha tillgång till systemet, inte hos den som känner innehållet bäst eller kan kontrollera det.
Frestelsen är stor att köpa ett mjukvarupaket som automatiskt kopplas till ERP och MES och genererar snygga dashboards. Men ett verktyg som byggs på en oorganiserad grund producerar framför allt snabbare och mer övertygande utseende versioner av samma osäkra siffror. Innan ett system kan hämta data måste det vara fastställt vilken datapunkt som kommer från vilken källa, vem som äger den och vilken kvalitetsregel som hör till. Det gäller för tillverkningsindustrin precis som för sektorer med en helt annan kedjestruktur, såsom transportsektorn eller detaljhandeln, där datakällorna ligger annorlunda men ordningsproblemet är detsamma.
Data Readiness Scan upprättar för tillverkningsindustrin ett datapunktsregister: per utsläppskälla, per produktionslinje, per kedjelänk fastställs vilken datapunkt som behövs, var den uppstår — maskin, ERP, energileverantör, avfallshanterare, underleverantör — och via vilken väg den kommer till den slutliga rapporteringspunkten. Till detta läggs en ägare per datapunkt och en kvalitetsregel som avgör när en siffra är användbar och när den inte är det. Det är ingen rapport och inget ifyllt frågeformulär, utan den underliggande strukturen som gör det möjligt att vid varje tillfälle spåra en siffra tillbaka till sin källa. Denna struktur liknar det som behövs inom tjänstesektorn, där data också är utspridd över fristående system och kalkylblad, även om kedjan ser annorlunda ut där.
Verktyget som utför denna skanning är under uppbyggnad. Den som vill förbereda sin organisation för detta kan anmäla sig till väntelistan.
Så snart det är klart vilka datapunkter som finns, var de uppstår och vem som förvaltar dem, blir det också synligt hur mycket manuellt arbete som går åt till att samla in, kontrollera och skriva om dessa uppgifter. Detta arbete — att hämta data från flera system, spåra siffror till en källa, utföra kvalitetskontroller — består av separata uppgifter som inte alla kräver lika mycket mänskligt arbete. Arbetsanalysen från FTE TO AI beräknar per uppgift hur stor del av den som kan tas över av AI, så att det blir tydligt var automatisering ger mest tidsvinst och var mänsklig kontroll fortfarande behövs.
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.