כולם מדברים היום על AI.

מנהלי מפעלים רוצים להבין כיצד בינה מלאכותית תשפר תפוקות, תצמצם עלויות, תזהה תקלות מראש ותייעל את קבלת ההחלטות. ספקי טכנולוגיה מציגים יכולות חדשות כמעט מדי שבוע, והתחושה היא שהמהפכה כבר כאן.

אבל בתוך כל ההתלהבות סביב AI, יש שאלה אחת חשובה הרבה יותר:

האם המפעל באמת מוכן ל-AI?

יותר נתונים לא בהכרח יוצרים יותר ערך

מרבית המפעלים אינם סובלים ממחסור במידע.

להפך.

הם מוקפים בנתונים המגיעים ממערכות ERP, ציוד אוטומציה, מערכות איכות, מערכות תחזוקה, מערכות אנרגיה, גיליונות Excel ומקורות נוספים.

האתגר האמיתי הוא לא איסוף המידע, אלא היכולת להבין אותו בתוך ההקשר התפעולי שבו הוא נוצר.

AI  אינו זקוק רק לנתונים.

הוא זקוק להבנה של הקשרים.

הוא צריך לדעת כיצד אירוע איכות השפיע על ביצועי קו ייצור, כיצד תקלה במכונה השפיעה על תפוקה, או כיצד חומר גלם מסוים השפיע על תוצאות הייצור.

כאשר המידע מפוזר בין מערכות שונות, גם האלגוריתמים המתקדמים ביותר מתקשים לייצר תובנות בעלות ערך אמיתי.

הפער בין מידע לבין החלטה

אחת הבעיות המרכזיות בתעשייה היא הפער בין מה שהמערכות יודעות לבין מה שהארגון מסוגל לעשות עם הידע הזה.

במפעלים רבים ניתן למצוא עשרות דוחות, מאות מדדים ואלפי נקודות מידע.

ועדיין, כאשר מתרחשת חריגה בתהליך הייצור, נדרשים אנשים לעבור בין מערכות שונות, לבצע הצלבות ידניות ולנסות להבין מה באמת קרה.

במציאות כזו, זמן התגובה מתארך, קבלת ההחלטות הופכת מורכבת יותר, והיכולת לשפר תהליכים באופן עקבי נפגעת.

MES כמערכת העצבים של המפעל

כדי ש-AI יוכל לייצר ערך אמיתי, הוא זקוק לתשתית תפעולית שמחברת את כלל מרכיבי הייצור.

זה בדיוק התפקיד של MES.

מערכת MES אינה רק כלי לניהול הייצור. היא מהווה את שכבת החיבור בין התכנון לבין הביצוע, בין המכונות לבין האנשים, ובין האירועים המתרחשים ברצפת הייצור לבין ההחלטות הניהוליות.

כאשר כלל המידע התפעולי מנוהל במסגרת אחת, נוצר רצף מידע מלא המאפשר להבין לא רק מה קרה, אלא גם מדוע זה קרה.

זהו הבסיס שעליו AI יכול לפעול בצורה אפקטיבית.

כשה-AI מקבל הקשר

הערך המשמעותי ביותר של AI אינו ביכולת לנתח נתונים, אלא ביכולת לספק המלצות, לזהות דפוסים ולסייע בקבלת החלטות.

אבל כל אלה תלויים באיכות ההקשר שהוא מקבל.

כאשר מערכת הייצור מספקת תמונה מלאה של תהליכים, חומרים, ציוד, איכות וביצועים, ה-AI מסוגל לזהות קשרים שלא תמיד גלויים לעין האנושית.

הוא יכול להצביע על גורמים המשפיעים על ירידה בתפוקה, לזהות מגמות לפני שהן הופכות לבעיה, ולהציע דרכי פעולה המבוססות על כלל המידע התפעולי.

ככל שהתמונה רחבה ומדויקת יותר, כך גם איכות ההמלצות.

ממפעל דיגיטלי למפעל אינטליגנטי

העשור האחרון התמקד בדיגיטציה.

העשור הקרוב יתמקד באינטליגנציה.

ההבדל בין השניים משמעותי.

דיגיטציה מאפשרת לארגון לאסוף מידע.

אינטליגנציה מאפשרת לארגון להבין אותו ולפעול על פיו.

המעבר הזה אינו מתחיל בהטמעת עוד כלי AI.

הוא מתחיל ביצירת תשתית תפעולית אחודה, שבה כלל התהליכים מנוהלים באופן עקבי ומחובר.

רק כאשר התשתית הזו קיימת, ניתן למצות את מלוא הפוטנציאל של הבינה המלאכותית.

מבט קדימה

בשנים הקרובות נראה יותר ויותר מפעלים המאמצים יכולות AI כחלק בלתי נפרד מהפעילות היומיומית שלהם.

אך הפער בין ארגונים שיצליחו לממש את ההבטחה הזו לבין אלה שיתקשו בכך לא ייקבע לפי סוג האלגוריתם שבו ישתמשו.

הוא ייקבע לפי איכות התשתית שעליה האלגוריתם פועל.

בסופו של דבר, הדרך למפעל על סטרואידים מבוסס AI לא מתחילה ב-AI.

היא מתחילה ב-MES.

אודות הכותבת:

לאה תרשיש היא מנכ"ליתTrunovate , חברה המתמחה בפתרונות MES  וניהול רצפת ייצור, יצרנית מערכת PlantSharp MES לתעשייה בארץ ובעולם.