Od Industry 4.0 do Innovation 4.0. Dojrzewanie organizacji do innowacji produktowej

Pomyślmy. Czy wdrożenie systemów ERP lub MES albo zakup robota przemysłowego oznacza, że przedsiębiorstwo stało się bardziej innowacyjne? Czy zastosowanie sztucznej inteligencji lub technologii przemysłowego Internetu rzeczy od razu prowadzi do innowacji? Nie każda nowa technologia tworzy bowiem nową wartość dla klienta.

Innowacja może dotyczyć produktu, procesu, organizacji czy sposobu działania przedsiębiorstwa. W myśleniu o cyfrowej transformacji szczególnie istotne jest rozróżnienie innowacji procesowej i produktowej. Ta pierwsza zmienia sposób funkcjonowania przedsiębiorstwa – to skrócenie czasu realizacji, poprawianie jakości, ograniczanie kosztów i zwiększenie produktywności. Innowacja produktowa z kolei dotyczy tego, co przedsiębiorstwo oferuje klientowi – nowy lub istotnie udoskonalony produkt, jego funkcjonalność albo wartość wynikająca z zastosowania.

Efektywność operacyjna może być rezultatem innowacji procesowej i stanowić istotną wartość dla przedsiębiorstwa. Nie oznacza jednak automatycznie innowacji produktowej. Przedsiębiorstwo może wdrożyć robotyzację, rozbudować środowisko systemowe, zwiększyć OEE, ograniczyć zapasy czy skrócić lead time, a jednocześnie nadal oferować klientowi ten sam produkt.

Stąd główne pytanie: czy cyfrowa transformacja służy wyłącznie poprawie efektywności, czy również zwiększaniu zdolności przedsiębiorstwa do innowacji?

Aby odpowiedzieć na to pytanie, przeanalizujmy, jakie nowe zdolności budują technologie cyfrowe. Przemysł 4.0 opiera się na integracji świata fizycznego z cyfrowym. Automatyzacja, robotyzacja, przemysłowy Internet rzeczy, systemy informatyczne, analityka danych czy sztuczna inteligencja pozwalają łączyć maszyny, systemy, procesy i dane.

Oznacza to możliwość zbierania danych z procesów w czasie rzeczywistym, komunikacji urządzeń i systemów, automatyzacji działań, analizowania zależności, prognozowania oraz szybszego podejmowania decyzji.

Najważniejszym rezultatem nie jest więc samo posiadanie technologii, lecz budowa nowych zdolności przedsiębiorstwa do zbierania i integrowania danych, monitorowania procesów, analizowania zależności, automatyzowania działań, przewidywania zdarzeń i szybszego reagowania na zmiany.

Większa liczba narzędzi cyfrowych nie oznacza jednak automatycznie lepszych decyzji. Mogą one dostarczać ogromnych ilości danych, ale dopiero ich integracja i właściwe wykorzystanie nadają im wartość z perspektywy całej organizacji.

Technologia nie jest celem transformacji cyfrowej, lecz narzędziem odpowiadającym na potrzeby procesów i organizacji: pozyskiwania danych, uczenia się, podejmowania decyzji i adaptacji do zmian. Wraz z rosnącą integracją informacje z różnych procesów i systemów przestają funkcjonować w izolacji. Tworzą zaś wspólny obraz przedsiębiorstwa i podstawę budowania wiedzy o jego funkcjonowaniu.

Cyfryzacja często dotyczy pojedynczych obszarów przedsiębiorstwa. Transformacja cyfrowa ma charakter procesowy – integruje dane, systemy i obszary organizacji w jeden spójny ekosystem.

To prowadzi do kolejnego elementu transformacji – pamięci operacyjnej przedsiębiorstwa.

Jednym z najważniejszych rezultatów rozwoju zdolności cyfrowych jest rozwój pamięci operacyjnej przedsiębiorstwa – strategicznego zasobu tworzonego przez połączone dane, informacje, wiedzę i doświadczenie powstające w trakcie realizacji procesów operacyjnych i strategicznych firmy. Pamięć operacyjna ma wartość, jeśli odpowiednia wiedza i zintegrowane informacje są dostępne, gdy zapadają decyzje (operacyjne i strategiczne).

Każda organizacja ma pewien zasób danych, wiedzy i doświadczenia. Sama jego obecność nie wystarcza. Dopiero zdolność do jego aktualizowania, łączenia, udostępniania i wykorzystywania w decyzjach oraz działaniu staje się kompetencją organizacyjną. Tę logikę dobrze opisuje model DIKW: dane nabierają znaczenia jako informacja, informacja buduje wiedzę, a wiedza staje się podstawą decyzji.

Model dojrzałości cyfrowej przedsiębiorstwa (rys. 1) pokazuje, jak organizacja przechodzi od rozproszonych danych do zdolności innowacyjnej i jak na kolejnych etapach rozwija się pamięć operacyjna przedsiębiorstwa.

W wielu przedsiębiorstwach problemem nie jest już sam brak danych, lecz ich rozproszenie, dezintegracja i opóźniony dostęp do informacji potrzebnych do podejmowania decyzji. Ma to bezpośrednie konsekwencje biznesowe: zwiększa zapasy, wydłuża czas realizacji, utrudnia planowanie, pogarsza wykorzystanie zasobów i może negatywnie wpływać na cash flow.

Dane zapisane w różnych systemach opisują poszczególne fragmenty rzeczywistości przedsiębiorstwa. Ich wartość rośnie, gdy przestają funkcjonować jako odrębne zbiory i pozwalają rozumieć zależności między popytem, planem, materiałami, zapasem, produkcją, jakością, kosztami i potrzebami klienta.

Pamięć operacyjna obejmuje jednak nie tylko dane zapisane w systemach. Jej elementem jest również doświadczenie pracowników, znajomość procesów, ograniczeń technologicznych, przyczyn wcześniejszych decyzji i sposobów rozwiązywania problemów. Dopiero dzięki połączeniu danych z tą wiedzą organizacja nie tylko rejestruje przeszłość, ale także rozumie, dlaczego coś się wydarzyło. Wraz z integracją rośnie dostępność wiedzy dla całej organizacji. Informacja znajdująca się dotychczas w głowie pracownika, arkuszu Excel lub jednym systemie zostaje powiązana z wiedzą z innych obszarów i wykorzystana szerzej.

Dobrym przykładem praktycznego wykorzystania pamięci operacyjnej jest S&OP. Proces ten nie działa bez połączenia danych ze sprzedaży, z produkcji, zakupów, magazynu, logistyki i finansów w jeden obraz sytuacji, który staje się podstawą wspólnych decyzji. Obszarem, w którym wykorzystujemy ten zasób, jest efektywność operacyjna.

Pierwszym naturalnym rezultatem cyfryzacji, integracji danych i rozwoju pamięci operacyjnej są korzyści operacyjne:niższe koszty, krótszy czas realizacji, niższy poziom zapasów, lepsze wykorzystanie zasobów i szybsze decyzje.

Dzięki automatyzacji, integracji systemów oraz dostępowi do danych dokładniej analizujemy OEE, przestoje i lead time, szybciej identyfikujemy odchylenia i zwiększamy stabilność oraz przewidywalność procesów. Dobrze widać to na przykładzie zarządzania zapasem, którego nie traktujemy już wyłącznie jako problemu magazynu, a postrzegamy jako rezultat decyzji podejmowanych w całym łańcuchu dostaw – dotyczących popytu, wielkości partii, dostępności materiałów, poziomu zapasu bezpieczeństwa i sposobu planowania produkcji, zakupów i dystrybucji.

Perspektywa end-to-end zmienia również akcenty odpowiedzialności za wynik. Zapas nie jest już lokalnym wskaźnikiem jednego działu, stając się wypadkową działania całego procesu. To realna i mierzalna wartość transformacji cyfrowej. Pozostaje jednak pytanie: czy poprawa efektywności powinna być jej celem?

Efektywność operacyjna jest potrzebna i może stanowić istotne źródło przewagi konkurencyjnej. Problem pojawia się wtedy, gdy staje się końcowym celem transformacji cyfrowej.

Pierwszym ograniczeniem jest granica ekonomiczna. Kosztów nie obniżymy w nieskończoność, a wraz z rosnącą dojrzałością operacyjną kolejne usprawnienia mogą przynosić coraz mniejszy efekt względem ponoszonych nakładów.

Drugim ograniczeniem jest łatwość replikacji technologii przez konkurencję. Systemy informatyczne, roboty, sztuczna inteligencja czy platformy analityczne może wdrożyć również firma z naszej branży. Znacznie trudniejsze do skopiowania jest to, jak przedsiębiorstwo łączy technologię z własnymi danymi, doświadczeniem, wiedzą procesową i znajomością klienta.

Trzecim ograniczeniem jest rynek. Przedsiębiorstwo może stawać się coraz efektywniejsze w wytwarzaniu produktu, którego rynek coraz mniej potrzebuje albo którego klient oczekuje już w innej formie. Efektywność odpowiada przede wszystkim na pytanie: jak robić to, co robimy, lepiej? Nie odpowiada jednak jeszcze na pytanie: czy nadal robimy właściwą rzecz i czego klient będzie potrzebował jutro?

Dlatego sama efektywność operacyjna nie wyczerpuje potencjału transformacji cyfrowej. Skoro te same zdolności służą doskonaleniu istniejącego działania oraz tworzeniu nowej wartości, kluczowe staje się pytanie o zmianę celu ich wykorzystania.

W tym miejscu następuje właściwe przejście od Industry 4.0 do Innovation 4.0. Nie jest to kolejny etap wdrażania technologii ani kolejna generacja systemów, lecz zmiana sposobu wykorzystania zdolności zbudowanych wcześniej przez cyfryzację i transformację cyfrową – z optymalizacji istniejących procesów w kierunku tworzenia nowej wartości.

Zbudowane wcześniej zdolności mogą być wykorzystywane w dwóch różnych kierunkach.

Pamięć operacyjna zyskuje wartość strategiczną, gdy organizacja wykorzystuje zgromadzoną wiedzę w decyzjach i działaniu. Ta zdolność rozwija kompetencje organizacyjne i może zwiększać zdolność przedsiębiorstwa do systematycznego tworzenia innowacji.

Model operacyjny służy doskonaleniu istniejącego sposobu działania przedsiębiorstwa, czyli zwiększaniu efektywności, poprawie jakości, ograniczaniu kosztów i wspieraniu lepszych decyzji.

Model produktowy wykorzystuje te same zdolności do postawienia innego pytania, nie tylko:

• Jak robić to lepiej?

lecz również:

• Co nowego możemy dzięki tym zdolnościom stworzyć dla klienta?

To właśnie ten sposób wykorzystania zbudowanych wcześniej zdolności wyznacza przejście od Industry 4.0 do Innovation 4.0.

W modelu operacyjnym dane i pamięć operacyjna wspierają zarządzanie istniejącym modelem działania. W modelu produktowym ta sama wiedza zaczyna wspierać identyfikowanie nowych potrzeb, możliwości i kierunków rozwoju.

Sztuczna inteligencja, analityka, modele predykcyjne czy symulacje pozostają narzędziami pozwalającymi lepiej wykorzystać dane i wiedzę zgromadzoną przez organizację. Dojrzała transformacja cyfrowa powinna więc łączyć oba modele: operacyjny i produktowy.

Na tym etapie cyfrowe zdolności przedsiębiorstwa zaczynają wspierać nie tylko doskonalenie procesów, ale także pełny proces tworzenia nowych lub istotnie udoskonalonych produktów. Warunkiem nie jest jednak sama obecność technologii, lecz wcześniejsze zbudowanie zdolności organizacji do pracy na wiarygodnych zintegrowanych danych, wiedzy i doświadczeniu.

Punktem wyjścia jest potrzeba klienta lub możliwość rynkowa. Dojrzała transformacja cyfrowa pozwala zestawić je z wiedzą o rynku, produkcie, technologii i możliwościach przedsiębiorstwa.

Technologie Industry 4.0 pełnią w tym procesie różne funkcje: przemysłowy Internet rzeczy i integracja systemów wspierają pozyskiwanie danych, sztuczna inteligencja i analityka – ich interpretację, cyfrowy bliźniak i symulacje – testowanie wariantów, a druk 3D i elastyczna automatyzacja skracają drogę od koncepcji do wdrożenia. Cyberbezpieczeństwo pozostaje warunkiem bezpiecznego funkcjonowania całego środowiska cyfrowego.

Dzięki danym pochodzącym z różnych obszarów firmy lepiej oceniamy, jakiej zmiany oczekuje rynek i czy organizacja jest w stanie ją urzeczywistnić. Przykładowo wzrost zainteresowania określonym wariantem produktu, połączony z reklamacjami dotyczącymi konkretnej cechy, może wskazać kierunek rozwoju. Zestawiając te informacje z wiedzą o technologii, materiałach, kosztach i możliwościach produkcyjnych, ocenimy, czy taki wariant ma uzasadnienie i czy przedsiębiorstwo jest zdolne go wytworzyć. Te same dane, które wcześniej służyły do prognozowania sprzedaży, poprawy jakości czy zwiększania OEE, zaczynają więc wspierać odpowiedź na inne pytanie: jaki następny produkt powinniśmy stworzyć?

Na tej podstawie powstaje koncepcja produktu. Prototypowanie, symulacje, analityka oraz modele predykcyjne pozwalają testować warianty i ograniczać koszt eksperymentowania. Następnie przedsiębiorstwo ocenia wykonalność rozwiązania – technologiczną, materiałową, jakościową, kosztową i produkcyjną.

Jeśli koncepcja przejdzie tę weryfikację, może być wdrożona jako nowy lub istotnie udoskonalony produkt. Skrócenie czasu wdrożenia może być kluczowym elementem osiągnięcia określonego celu biznesowego.

Innowacja nie jest więc punktem startowym transformacji, lecz rezultatem stopniowego dojrzewania organizacji – od rozproszonych danych przez ich integrację i budowę wspólnej wiedzy aż do zdolności świadomego tworzenia nowej wartości dla klienta.

Innowacyjność nie jest więc skutkiem pojedynczego wdrożenia, lecz rezultatem dojrzewania całej organizacji. Im lepiej przedsiębiorstwo potrafi łączyć dane, wiedzę i doświadczenie oraz wykorzystywać je w decyzjach, tym większa staje się jego zdolność do tworzenia nowej wartości. To właśnie ten moment wyznacza przejście od Industry 4.0 do Innovation 4.0.

Technologie będą coraz dostępniejsze. Przewagę zbudują ci, którzy nauczą się lepiej wykorzystywać własne zasoby informacyjne i wiedzę organizacyjną. Pozostali będą jedynie nadrabiać dystans. Kluczowe staje się więc zrozumienie drogi, jaką organizacja musi przejść, aby zbudować tę zdolność.