Skip to main content
Home » Regiony dla biznesu » Przemysł 4.0 „po polsku” – gdzie my, a gdzie Europa?
regiony dla biznesu

Przemysł 4.0 „po polsku” – gdzie my, a gdzie Europa?

industry
industry

Industry 4.0 to nic innego jak transformacja firmy w kierunku korzystania z najnowszych technologii, które wpływają na poprawę wyniku finansowego i konkurencyjności.

Dorota Dębińska-Pokorska

Partner w PwC

Jednym z kluczowych elementów tej transformacji jest korzystanie ze zbiorów danych – danych pozyskiwanych z procesów produkcyjnych, a konkretnie z systemów automatyki przemysłowej.

Wiele firm gromadzi je od lat, ale z nich nie korzysta wcale lub korzysta w bardzo ograniczonym zakresie. A to w analityce danych kryją się rozwiązania, które poprawiają proces produkcyjny – czyli proces, który decyduje w dużej mierze o wyniku finansowym. Zwykle firmy jeżeli korzystają z danych z systemów produkcyjnych, to co najwyżej w celu przeanalizowania przyczyn awarii, która miała miejsce – czyli analizują przeszłość. Potęgą natomiast jest korzystanie z danych, aby przewidzieć przyszłość i wiedzieć kiedy awaria będzie by jej zapobiec.

Industry 4.0 w innych krajach Europy

Koncentrując się na aspekcie wykorzystania danych produkcyjnych, korzystanie z zaawansowanej analityki wkomponowało się w DNA wielu firm europejskich.

Powstają tam specjalne komórki organizacyjne, których jedynym zadaniem jest analiza zbiorów danych z procesów produkcyjnych, a także z procesów zarządzania łańcuchem dostaw i procesów klienckich. Katalizatorem ich rozwoju jest świadomość, że analityka generuje wartość. W pierwszym kroku firmy zwykle analizują dane produkcyjne z jednego z dwóch powodów – aby zapewnić standaryzację procesów i porównywalność wielu zakładów lub rozwiązać kluczowe problemy w produkcji, wpływające w znaczący sposób na wynik finansowy. Kolejny krok to już wkomponowanie analityki w codzienny rytm działania firmy i stworzenie z niej podstawy podejmowania wielu decyzji produkcyjnych.

Wykorzystują one dane produkcyjne, aby zapewnić komunikację pomiędzy ekspertami ds. produkcji, a tak zwanym „biznesem” – komunikację, która pozwala na kontrolę kosztów, jakości, umiejętności pracowników, co w konsekwencji przekłada się na poprawę wszystkich procesów i wykorzystania infrastruktury. Takie wydawałoby się proste funkcjonalności są szczególnie cenione przez firmy, które mają ośrodki produkcyjne w wielu lokalizacjach i często wielu krajach. Przykładem może być światowy producent wyrobów hutniczych, posiadający operację w kilkudziesięciu krajach świata. Dla niego kluczowe było, aby wszystkie zakłady produkcyjne „mówiły tym samym językiem”. Tylko wtedy jest możliwość porównania zakładów i zrozumienia dlaczego jeden zakład w zakresie produkcji jest lepszy lub gorszy od drugiego.

Wiodący producent części motoryzacyjnych stwierdził, że chcąc utrzymać pozycję lidera rynku musi pracować nad poprawą jakości i efektywności procesu produkcyjnego. Problemem były awarie oraz nadmiar prac konserwacyjnych. Analityka dostępnych wcześniej, ale dotąd niewykorzystywanych danych z sensorów maszyn pozwoliła, aby 99 proc. przypadków uszkodzeń urządzeń było do przewidzenia w czasie rzeczywistym.

Polskie firmy mają taki sam punkt startu w „industry 4.0” jak nasi sąsiedzi z Europy

Patrząc jedynie na aspekt analityki danych produkcyjnych, można powiedzieć, że pozycja startowa polskich przedsiębiorstw niczym się nie różni od pozycji naszych sąsiadów. Różnice mogą natomiast pojawić się w kolejnych 2-3 latach, kiedy my pozostaniemy pasywni, a sąsiedzi nie. Firmy z dojrzałych krajów Europy jak na przykład Niemcy, ale również z innych kontynentów jak na przykład Indie, są już bowiem po etapie uświadomienia, że analityka danych przynosi wartość firmie. W tym kontekście potrzeba większej aktywności polskich firm.

Dziś z analizy danych do podejmowania decyzji produkcyjnych korzystają głównie przedsiębiorstwa, będące częścią zagranicznych koncernów. Dane produkcyjne służą im między innymi do poszukiwania rozwiązań w zakresie minimalizacji produktów niskiej jakości, poprawy jakości wsadu czy przewidywania awarii kluczowych elementów ciągu technologicznego.

Next article