Materiaali myöhästyy, työvaihe venyy tai kone rikkoutuu, ja yksi muutos heijastuu muihin tilauksiin kuukausien päähän. Suuri valmistavan teollisuuden yritys suunnitteli yhdessä Qalmarin kanssa tuotannonsuunnittelun AI-agentin, joka arvioi muutoksen vaikutukset muihin tilauksiin, työpisteisiin ja varastoon heti, kun muutoksesta ilmoitetaan. Näin puutteet ja liukumat huomataan ajoissa, ja niihin ehditään reagoida ennen kuin tuotanto pysähtyy.
Tavoitteena on korvata käsin tehtävä jäljitys ja Excel-kierto muutostilanteissa ja vähentää huomattavasti ERP:n tehottomasta käytöstä syntyvää toimihenkilötyötä. Samalla tavoitellaan parempaa toimitusvarmuutta, vähemmän ylimääräisiä ostoja, logistiikkakuluja ja sopimussakkoja sekä sujuvampaa viestintää sidosryhmille.
Lähtötilanne
Yritys valmistaa vaativia tuotteita, joiden toimitus- ja valmistusajat ovat pitkiä. Valmistavassa teollisuudessa tieto tuotannon muutoksista on usein olemassa, mutta se ei kulje sinne, missä sitä tarvitaan. Tässäkin yrityksessä muutokset kulkivat palavereissa, Teamsissa ja puheluissa, eikä yhtenäistä tilannekuvaa muodostunut.
Tarvittavien muutosten tekeminen ERP:iin oli työlästä ja jokainen vaihe piti muokata erikseen. Järjestelmän käyttöä pyrittiin välttämään, ja tilalle keksittiin muita keinoja kiertää käsityötä. Muutosten vaikutukset jäljitettiin käsin Excelissä. Kokonaiskuvan ylläpitäminen oli työlästä, joten pieniä muutoksia jätettiin toisinaan tekemättä ja suunnitelma erkani todellisuudesta. Pitkät toimitus- ja valmistusajat vaikeuttivat tilannetta entisestään, sillä viikon näkymästä ei näe, mitä muutos tarkoittaa kuukausien päästä.
Mitä teimme?
Työntekijöitä
1000+
Työpajoja
2
Tunnistettuja käyttötapauksia
19
Ratkaisu
Ratkaisu suunniteltiin yhdessä asiakkaan kanssa kahden työpajan QoreAI-esiselvityksessä.
Käyttötapaukset käytiin läpi tuotannonsuunnittelijan arjen kautta, ja selvitettiin, miten tieto kulkee suunnittelijalle muilta rooleilta, kuten työnjohtajalta, ostajalta ja tuotannon johdolta. Keskustelu rajattiin niihin ongelmiin, joihin tekoäly voi vastata.
Lopputuloksena syntyi suunnitelma AI-agentista, vaiheistettu tiekartta ja kustannusarvio.
Näin agentti toimii ja laajenee vaiheittain
Suunnitelmassa muutoksista ilmoitetaan agentille vapaamuotoisesti Teamsissa, jossa tieto jo liikkuu. Agentti kohdistaa ilmoituksen oikeisiin tilauksiin ja arvioi vaikutukset. Se käyttää järjestelmiä MCP-palvelimen kautta, jossa sen oikeudet on rajattu tarkasti, ja esimerkiksi tilausten poistaminen on estetty. Laskenta tehdään ohjelmalogiikalla, kielimalli jäsentää ilmoitukset ja sanoittaa vaikutukset, ja päätökset tekee ihminen.
Ensimmäisessä vaiheessa agentti lukee ERP:n olemassa olevaa dataa, joten sen voi ottaa käyttöön ilman muutoksia ERP:iin. Tiekartassa on jo seuraavat askeleet. Agentti alkaa viedä hyväksytyt muutokset suoraan ERP:iin, jolloin yksi hyväksyntä korvaa useita kirjauksia. Lisäksi se vertaa toteutuneita työ- ja toimitusaikoja suunniteltuihin ja ehdottaa, miten suunnittelussa käytettäviä vakioaikoja ja oletustoimitusaikoja kannattaa päivittää. Näin tulevat suunnitelmat osuvat paremmin oikeaan.
“Tarinapolku oli hyvä, meillä oli selkeä case, josta lähteä keskustelemaan. Oli hyvä, että keskustelu oli rajattu, koska määrittelyvaiheessa se voi helposti lähteä laukalle.”
– Asiakkaan palaute työpajoista
Hyödyt
Jokaisen käyttötapauksen hyöty kirjattiin niin, että niihin voidaan kiinnittää asiakkaan omat volyymi- ja aikaluvut. Käyttöönoton alussa mitataan lähtötaso. Sen jälkeen seurataan agentin käyttöastetta ja sen tuottaman tilannekuvan ja ERP:n välisiä poikkeamia. Näin vaikutus voidaan todentaa jälkikäteen eikä sitä tarvitse arvioida fiiliksellä.
Jos tieto on teilläkin hajallaan järjestelmissä, palavereissa ja Exceleissä, ota yhteyttä, niin selvitetään yhdessä, missä tekoäly toisi teillä eniten hyötyä.
