12 مارس 2020- جیل جوسکو
برتری عملیاتی هرگز از مد نمی افتد و به درستی انجام می شود، فناوری های هوشمند تصمیمات بهتر و سریعتر را امکان پذیر می کنند.
این سوالی است که با نظم شگفت انگیزی پیش می آید: بعد از تولید ناب چه چیزی می آید؟ واقعاً این یک پرس و جوی عجیب است، زیرا به این معنی است که شما کار را “تمام” می کنید یا آن را به نفع چیز بزرگ بعدی کنار می گذارید. این نشان می دهد که ایده حذف ضایعات ، بهبود جریان و به حداکثر رساندن ارزش مشتری از مد افتاده است. تقریباً پیشنهاد می‌کند که ناب – اصطلاحی که در گذشته باستان ابداع شده است، به معنای بیش از 30 سال پیش – یک مفهوم قدیمی و بدون ارتباط فعلی است.
و اکنون در سال 2020 فن‌آوری‌های هوشمند در سطح کارخانه در حال گسترش هستند و به تولیدکنندگان قول داده‌اند که داده‌های بیشتر و بهتری برای تصمیم‌گیری هوشمندانه‌تر و همچنین واکنش‌های سریعتر به رویدادهای احتمالی خرابی ارائه دهند. آنها توصیفی، پیش بینی کننده و تجویزی هستند. آنها می توانند این کار را انجام دهند.
آیا فناوری‌های هوشمند بعد از تولید ناب «چه چیزی است»؟ آیا اکنون زمان آن است که ناب را کنار گذارید؟ چگونه ناب با این چشم انداز تولید دیجیتال به طور فزاینده متناسب می شود؟
همه سوالات خوب و برای برخی از تولید کنندگان، پاسخ واضح است.
Zohair Mehkri، XR و مدیر مهندسی شبیه‌سازی در Flex، یک ارائه‌دهنده خدمات تولید الکترونیک جهانی، می‌گوید: «من فکر می‌کنم اگر به ناب نگاه کنید، بسیاری از اصول اولیه آن بی‌زمان هستند. آنها واقعاً هرگز منقضی نمی شوند. آنها واقعاً هرگز منسوخ نمی شوند. از منظر فناوری، برای Flex یا هر شرکتی واقعاً داشتن یک پایه ناب بسیار مهم است.
بنابراین، ناب از بین نمی رود. در واقع، درست برعکس می شود.
«تولید ناب در واقع در مورد نمایان کردن مشکلات، رسیدگی به مشکلات و حل مشکلات است. باب آرگیل، مدیر ارشد مشتری در Leading2Lean، ارائه‌دهنده راه‌حل‌های فناوری که از پیاده‌سازی ناب پشتیبانی می‌کند، می‌گوید هر چیزی که بتواند به شما کمک کند آن را به طور موثرتر انجام دهید، خوب است. «فناوری‌های هوشمند که به درستی استفاده می‌شوند، واقعاً توانایی شرکت‌ها را برای اجرای تولید ناب و بهبود به‌طور گسترده افزایش داده یا تسریع کرده‌اند».
آرگیل برای در نظر گرفتن هر دو طرف معادله فناوری های ناب/هوشمند تا حدودی موقعیت منحصر به فردی دارد. او یک فعال 30 ساله در تولید است. او در تامین‌کننده خودرو Autoliv، تولیدکننده‌ای که پیوندهای قوی با تولید ناب دارد، کار می‌کند و تویوتا، مظهر یک اپراتور ناب و همچنین شرکتی که فناوری را در جایی که منطقی است، می‌پذیرد.
سپس ساموئل بوچارد، مدیرعامل و یکی از بنیانگذاران سازنده روباتیک Robotiq قرار دارد. بوچارد بسیار فراتر از پیشنهاد کار ناب و فناوری رفته است. او یک کتاب کامل به نام رباتیک ناب نوشت که روشی را برای ساده‌سازی استقرار سلول‌های رباتیک از طریق اصول ناب بیان می‌کند. فن آوری و ناب چقدر می توانند محکم تر در هم تنیده شوند؟ همانطور که بوچارد در اوایل اشاره کرد، رباتیک ناب به خودی خود در مورد فناوری نیست. او می نویسد: “هدف نهایی – مانند هر کاری که در شرکت خود انجام می دهید – ایجاد ارزش برای مشتریان و هدایت نتایج تجاری است.”
به همان اندازه جالب دلیلی است که بوچارد Lean Robotics را نوشت. همانطور که او توضیح می دهد، کمی تجزیه و تحلیل علت اصلی در مورد اینکه چرا او در فروش با مشکل مواجه بود به مشکلی اشاره کرد که مشتریان بالقوه با آن دست و پنجه نرم می کردند: یکپارچه سازی سیستم های رباتیک به سادگی بسیار پیچیده بود. روشی که تیم بوچارد ایجاد کرد، برای کاهش این پیچیدگی تلاش کرد.
ضرب‌المثلی وجود دارد که به این خلاصه می‌شود: فناوری روند بد را اصلاح نمی‌کند، فقط یک فرآیند بد را تسریع می‌کند. به طور مشابه، توانایی فناوری هوشمند برای ارتقای یک پیاده‌سازی ناب بستگی زیادی به مهارت تیم ناب دارد. به عنوان مثال، جان کریر، استاد ارشد MIT Sloan، خاطرنشان می‌کند که اولین تأثیر مهم تحول دیجیتال «ارائه دید واقعی به بخش‌هایی از سیستم است که قبلاً نامرئی بودند». او می‌گوید که دید جدید، «روشنی را ارائه می‌کند که کدام مشکلات باید در مرحله بعدی حل شوند، و ارزشی که ایجاد خواهند کرد».
در تئوری، این کلمات برای یک سازمان ناب که هدف آن ایجاد سازمانی پر از حل‌کننده‌های مشکل است، خبر فوق‌العاده‌ای است. در عمل، تعداد کمی از سازمان ها در آن سطح ناب قرار دارند. بنابراین، در حالی که فناوری‌های هوشمند ممکن است در نهایت تلاش برای بهبود مستمر را افزایش دهند، در ابتدا می‌توانند لایه‌ای از پیچیدگی را اضافه کنند که یک پیاده‌سازی ناب ممکن است به اندازه کافی بالغ نباشد.
در واقع، “من می بینم که بسیاری از شرکت ها بین مرحله اول تحول دیجیتال (مشکلات را به جای حل آنها آشکار می کند) و عملکردهای ناب/شش سیگما، که اغلب سازمان های آموزشی هستند و نه حل کننده مشکل، ارتباط برقرار نکرده اند.”
به طور مشابه، معرفی فناوری‌های هوشمند نمی‌تواند جایگزین چالش‌هایی شود که تولید ناب همیشه در جبهه رهبری با آن مواجه بوده است. یعنی، بدون تعهد رهبری به تکیه – یادر واقع، هر ابتکار بهبود مستمر دیگری – در بدترین حالت روی درخت انگور پژمرده می شود . فناوری های هوشمند نمی توانند جایگزین رهبری متعهد شوند.
جان دایر، مشارکت‌کننده هفته صنعت و نویسنده کتاب The Façade of می‌گوید: «اگر مدیران شرکت محیطی مشترک و حمایت‌کننده برای کارگران ایجاد نکنند، اجرای همه آخرین روندها در تولید، نتایج مورد انتظار را به همراه نخواهد داشت.
در حالی که او اشاره می‌کند که نمایش بی‌درنگ داده‌ها، به‌عنوان مثال، گام بزرگی در جهت ایجاد بهبود است، اما تقریباً بی‌ارزش هستند، «اگر تیم‌هایی از کارمندان قدرت تصمیم‌گیری سریع و قاطع در مورد نحوه پاسخگویی به موارد غیرقانونی سیگنال های کنترلی را نداشته باشند..”
علاوه بر این، توانمندسازی بدون آموزش مناسب نیز یک شکست است – و این بر عهده رهبری است. اگر کارگران ابزار، دانش یا تجربه بهبود مستمر برای انجام کارهایی مانند دستیابی به ریشه مشکلات یا شناسایی و شکستن تنگناها را نداشته باشند، حتی مدرن‌ترین سیستم‌های تولیدی نیز به آرامی خراب می‌شوند و در نهایت با شکست مواجه می‌شوند.»
رهبران چه کاری می توانند انجام دهند؟ دایر می‌گوید: «با مربیگری، آموزش و راهنمایی تیم‌هایشان به منظور حمایت از انگیزه تعالی، یک فرهنگ مشارکتی ایجاد کنید».
ناب و هوشمند: یک رویکرد مشارکتی که کار می کند
Flex سازنده ای است که از رویکرد مشارکتی برای تعالی عملیاتی حمایت می کند. این یک فرآیند ساختاریافته برای حل مسئله ایجاد کرده است و از فناوری‌های هوشمند و همچنین سایر منابع مورد نیاز برای رسیدن به نتایج دلخواه استفاده می‌کند.
Prakash Subramaniam، نایب رئیس، تعالی کسب و کار جهانی و کیفیت شرکت، توضیح می دهدLean بیشتر روش حل مسئله است، و من این فناوری های هوشمند را به عنوان یک توانمند می بینم زیرا اطلاعات زیادی را به راحتی در دسترس قرار می دهد.” «ناب مواد زائد را از بین می برد. هوشمند سرعت حذف زباله را تضمین می کند و ما را قادر می سازد سریعتر به یک راه حل بهینه برسیم.
Subramaniam و Mehkri نمونه ای از نحوه عملکرد فناوری های ناب و هوشمند در سازمان خود به اشتراک گذاشتند. در این مثال، فلکس در حال راه اندازی یک خط تولید جدید در یکی از امکانات خود برای پشتیبانی از یک مشتری جدید است. تیم ناب در مورد چگونگی راه‌اندازی خط یا خطوط تولید بحث می‌کند، به مواردی مانند تعداد ایستگاه‌ها و افراد مورد نیاز، زمان تاکت مورد نیاز برای برآورده کردن تقاضا، سرعت تامین مواد به خطوط، رسیدگی می‌کند. با ایجاد این اصول، گروه Mehkri به طور فعال درگیر ارائه یک شبیه‌سازی از طرح پیشنهادی از طریق فناوری شبیه‌سازی رویداد گسسته (DES) می‌شود.
توانایی نمایش بصری و شبیه‌سازی مفهوم تولید مورد بررسی به تیم Flex این فرصت را می‌دهد تا قبل از ایجاد خط فیزیکی، اشکالات را برطرف کند. اعضای تیم می توانند سناریوهای “چه می شود اگر” را آزمایش کنند، گلوگاه های بالقوه را کشف کنند و برنامه های تولید را در یک محیط مجازی بهینه کنند. هر دو مرد می گویند توانایی تکرار سریع راه حل های بالقوه نمونه ای از این است که چگونه فناوری های ناب و هوشمند مکمل یکدیگر هستند.
در غیاب آموزش، پتانسیل تأثیر ناب بر سازمان محدود است. به همین سادگی است، و توضیح می‌دهد که چرا شرکت‌هایی که متعهد به ناب هستند، کارکنان خود را در مورد اینکه ناب چیست، چگونه کار می‌کند، آموزش می‌دهند، و همچنین توضیحی درباره ابزارهای ناب مختلف ارائه می‌دهد. همین تفکر برای شش سیگما، شش سیگما ناب و سایر روش‌های بهبود مستمر صادق است.
با توجه به هجوم داده‌هایی که با سرعت بیشتری در پی فناوری‌های هوشمندتر به دست می‌آیند، شرکت ارائه‌دهنده راه‌حل‌های تولیدی Jabil Inc. رویکرد آموزشی مشابهی را برای علم داده اتخاذ می‌کند. این شرکت یک برنامه علمی داده اجرایی و شهروندی را اجرا کرده است، دو تلاش طراحی شده برای آموزش ابزارها و روش های علم داده به رهبران و کارکنان Jabil، و همچنین نحوه به کارگیری این دانش برای حل مشکلات.
Candy Mitchell، مدیر علوم داده و هوش مصنوعی در Jabil توضیح می دهد که این برنامه ها برای هر کسی که علاقه مند به یادگیری مهارت های علم داده است، آزاد است. مسیر رهبری یک رویداد یک روزه است که معمولاً یک کارگاه آموزشی در آن ضمیمه شده است. از سوی دیگر، برنامه علوم داده شهروندی، سه هفته از آنچه که جبیل آن را «کمپ بوت» می‌نامد، طی یک دوره سه ماهه است. دانش‌آموزان دوره را با ارائه یک راه‌حل علم داده برای مشکلی که می‌خواهند حل کنند، به پایان می‌رسانند.
جبیل همچنین در حال بررسی یک گزینه آموزشی دیگر است، این یکی صرفاً حول محور آگاهی. این بیشتر یک نوع آموزش یک روزه برای درک زبان است. میچل می گوید، درست مانند زبان Lean Six Sigma، فناوری های هوشمند زبان خاص خود را دارند: یادگیری ماشین، بینایی کامپیوتر، علم داده. او توضیح می‌دهد: «و سپس افرادی که علاقه بیشتری دارند می‌توانند آموزش بیشتری ببینند.
میچل در نقش خود بر برنامه های علم داده شرکت نظارت می کند و در مورد موارد استفاده در سراسر سازمان مشاوره می کند.او یک کمربند مشکی استاد ناب شش سیگما است، او همچنین از پذیرش و استفاده از Lean Six Sigma در Jabil پشتیبانی می کند.
میچل تاکید می کند که آموزش علم داده فقط برای پرسنل فناوری اطلاعات نیست. در واقع، تمرکز بر روی پرسنل سمت کسب و کار است، با هدف، در نهایت، رشد مجموعه مهارت های هر فردی که علاقه مند به یادگیری است.
او می‌گوید: «ما می‌خواهیم فراگیر باشیم، زیرا داده‌ها افراد را در همه عملکردها و عناوین لمس می‌کنند. علاوه بر این، به حل مشکلات در سراسر سازمان، از دفتر پشتیبان گرفته تا طبقه تولید کمک می کند . میچل می گوید که اصول ناب و فناوری های هوشمند اگر به درستی انجام شوند، بهبود مستمر را تسریع می کنند.
“ما داده ها را سریعتر دریافت می کنیم. ما می توانیم تجزیه و تحلیل را سریعتر انجام دهیم. می‌توانیم تحلیل‌های «چه می‌شد» انجام دهیم. میچل می‌گوید، این به افراد درون کسب‌وکار قدرت می‌دهد تا از ابزارها و پلتفرم‌های جدید برای انجام این کارها استفاده کنند. “این واقعاً در مورد فناوری هوشمند و همکاری ناب است.”
