بازاندیشی نوآورانه در باب انقلاب صنعتی چهارم

چگونه می‎‎‌توان فرآیندهای نوآورانه را با هدف بهره‌برداری بهینه از پتانسیل انقلاب صنعتی چهارم تغییر داد؟ چگونه شرکت‎‌ها می‌‎توانند دامنه موضوعات خاص (یا فناوری) برگرداننده سایت‎‌ها یا حوزه‌‎های مختلف را با هدف تغییرات اساسی در صنایع مختلف شناسایی کنند؟ در ادامه به توضیح این موارد و تاثیرات فناوری‎‌ها و استراتژی‎‌های تجاری بر بهبود شرکت‌ها و کارخانه‎‌ها می‎‌پردازیم.

با ظهور انقلاب صنعتی چهارم و رشد فزاینده محصولات و مشاهده تغییرات در کل بازارها و مارکت‎‌ها بهبود در عملکرد بیش از هر زمان دیگری برای سازمان‎‌ها ضروری شده است. در دنیایی که توسعه و گسترش فرآیندی مداوم هستند، مدل‎‌های توسعه یافته و روش‎‌های مبتنی بر چرخه به‌روزرسانی و نگهداری ماه‎‌ها و حتی سال‎‌ها به صورت  ناکافی پیش می‎‌روند. به همین علت، انقلاب صنعتی چهارم خواستار تغییر نمونه‌‎هایی همچون محصولات، فناوری‎‌ها و راه‎‎‌حل‎‌های جدید ارائه شده در بازار به منظور همگام‌سازی با انتظارات مدیران و رهبران بوده است.

یکی از کلمات کلیدی و مهم این متن توسعه راه‎‌حل‎‌ها است. بسیاری از رهبران مشاغل مشتاقانه خواهان دیجیتالی کردن کارخانه‎‌ها یا سازمان‎‌های خود از شرکت‎‌های تولیدی به کمپانی‎‌هایی فعال در حوزه ارائه راه‌‎حل هستند. اما چرا مدیران این همه اشتیاق دارند؟ آیا مگر این همان مهندسی نیست؟ هنگامی که نوبت به همگام سازی یا حتی فراتر از آن منحنی انتظارات می‎‌رسد، چالش اصلی توسعه راه‌‎حل نیست. در این زمان چالش اصلی شناسایی مشکلات و مسائل بدخیمانه است. اگر بخواهیم رک به این مسئله بپردازیم: باید بگوییم هر کسب‌و‌کار موفقی قبل از اینکه راه‎‌حلی پیشنهاد دهد، باید مشکل خود را تعریف کند. در چارچوب انقلاب صنعتی چهارم، این به معنای آن است که فناوری‎‌های جدید بتوانند مزایای رقابتی را در مقایسه با سنت‎‌ها ارائه دهند. این‌گونه می‎‌توان به شناسایی ارزش اپراتورهای کارخانه و سود جدیدی برای تأمین‎‌کنندگان محصولات و خدمات صنعتی پرداخت.

اما همیشه حرف آسانتر از عمل کردن است. در جلسات هیئت مدیره درباره استراتژی‎‌های مهیج محصولات جدید دیجیتالی خبراتی سودمند ارائه می‎‌شود  و پس از مدتی این خبرها به سرعت به واکنش‎‌های واقعی برای وظایف مختلف تبدیل می‌‎شوند. در انتهای روز، آنچه واقعا ارائه می‎‌شود راه‎‌حل‎‌های استاندارد همچون نیروی چند اسب بخار برای محصولات و خدمات موجود در زیر سایه راه‌‎حل‎‌های دیجیتالی است. علاوه بر این، برخی از وظایف در مناطق خاص قابل اجرا هستند و نمی‌‎توان آنها را درجه‌‎بندی کرد.

در حقیقت، راه‎‌حل‎‌های دیجیتالی به کار برده شده متناسب با نیاز کارخانه‌‎ها و کمپانی‎‌ها برای تجارت خوب هستند و باعث خوشبختی بهره‎‌برداران و مدیران این بیزینس‎‌ها می‎‌شوند. اما آنها نه تغییراتی را در مراحل بهره‎‌وری بهبود می‎‌بخشند و نه باعث ایجاد درآمد جدید برای ارائه‌دهندگان راه‌‎حل‌‎ها می‎‌شوند. برای اینکه بتوان سهم قابل توجه‎‌‌ای از پیش بینی‌‎های چند میلیارد دلاری انقلاب صنعتی چهارم به دست آورد، باید کمپانی‎‌ها و شرکت‌‎ها فناوری‎‌ها و تکنولوژی‎‌های فعلی خود را به چالش بکشند. بنابراین، آنها از ابتدا شروع به شناسایی موضوعات خاص دامنه یا فناوری می‌‎کنند، موضوعاتی که در سایت‎‌ها یا دامنه‎‌ها با هدف خلق انقلاب در کل صنایع تکرار می‌‎شوند.

هر توسعه راه‎‌حل از طریق شناسایی مسئله و ارائه یک راه‎‌حل ارزشمند آغاز می‌‎شود. تنها پس از تکمیل مرحله دوم، یک کمپانی باید فرآیند نوآوری خود را ارائه کرده و اقدام به ارزیابی بهره‌‎ورانه و افزودن ارزش فناوری‌‎های جدید انقلاب صنعتی چهارم برای تجارت مشتریان خود کند.

وعده بزرگ مشکلات بغرنج و مسائل خطرناک

فرآیند کلی باید از کجا آغاز شود؟ یک نقطه شروع عالی استفاده از هسته تفکر طراحانه محبوب دنیای امروز است. پلنتر، مینل و لیفیر شرحی از این پنج محله را به این صورت توصیف کرده‌‎اند: ” تعریف مسئله (باز تعریف دوباره)، نیاز به پیدا کردن و معیارگذاری، ایده‌پردازی، ساخت، ارزیابی و آزمایش.” ممکن است این پروسه یک سیستم مشترک مربوط به دوره‌‎ها باشد به جای اینکه توالی مراحل منظمی همچون الهام و انگیزه، ایده‌پردازی و اجرای پروژه را در برگیرند. و یا ممکن است گروهی که بیش از یک بار ایده‌‎های خود را اصلاح کرده و در پی یافتن راه‎‌هایی به سمت مسیرهای جدید است، باشد.

تفکر طراحانه مخصوصا زمانی که هورست رایتل و ملوین وببر از این مسائل به عنوان “مشکلات بغرنج و مسائل خطرناک” یاد می‎‌کنند، مفید و کاربردی است. در واقع، خطر اصلی که ممکن است رخ دهد محدود کردن تفکر ما بر مشکلات کاملاً مشخص است. زیرا این مشکلات باعث دستیابی ما به راه‎‌حل‎‌هایی مبتنی بر قوانین استاندارد یا دانش فنی فعلی می‎‌شوند. ما تصمیم گرفتیم در ادامه بیشتر به این مسئله بپردازیم.

Johari window با هدف خودیاری گروه‌‎ها توسط روانشناسان خلق شده است.  Johari window، می‎‌تواند به مدیران برای شناسایی مشکلات پنهان، خلق و دستیابی به راه‎‌حل‎‌های جدید کمک کند. در اصل، Johari window به مدیران و افراد خلاق کمک می‎‌کند که بتوانند به راه‎‌حل‎‌های جدید دست پیدا کنند.

همانطور که در تصویر  ارائه شده می‎‌توان پنجره را به چهار قسمت اصلی برای دستیابی به راه‎‌حل مورد نیاز تقسیم کرد. اولین قسمت آن، افزایش راه‎‌حل‎‌ها است. به عنوان مثال، اگر مشکلی برای شما و یا کارکنان دیگر در صنعت شناخته شده‌‎ای که در آن فعال است پیش آید، شما می‌‎توانید انتظار رفع این مشکل و یا ایجاد تغییراتی در آن به واسطه فناوری‎‌های روز دنیا را داشته باشید.

مرحله دوم با عنوان  low hanging fruits  شناخته می‎‌شود. در اینجا، مشکلات برای کارشناسان صنعت مانند بهره برداران کارخانه شناخته شده هستند، اما ارائه‌دهندگان راه‎‌حل هنوز هیچ اطلاعی از آنها ندارند. این قسمت را می‎‌توان در ورک‌شاپ‎‌ها و کارگاه‌‎های مشتریان که اغلب کارگاه‎‌های مشترک هم نامیده می‌‎شوند، ارائه داد. در این ورک‌شاپ‎‌ها ارائه‌دهندگان راه‎‌حل اقدام به درک چالش‌‎های پیش روی بهره برداران کارخانه می‌‎کنند تا بتوانند از کمک کارشناسان فنی خود برای ارائه راه‎‌حل‎‌ها استفاده کنند. در این ورک‌شاپ‎‌ها تبادل اطلاعات به منظور درک و دستیابی به راه‎‌حل‎‌هایی برای مسئله‌‎ای كه به خوبی تعریف شده و شانس زیادی برای رفع مشکلش وجود دارد، صورت می‌‎گیرد.

مرحله سوم، مرتبط با شرح عبارت‌‎های فرضی است. در این مرحله ریسک زیادی وجود دارد. زیرا ممکن است ارائه‌دهندگان راه‌‎حل مجبور به سرمایه‎‌گذاری زیاد در بخش توسعه بدون هیچ‌گونه اطمینانی از موفقیت آن باشند. علت این است که راه‎‌حل قطعی و یا ارزشمندی وجود ندارد.

و در آخر، به مرحله چهارم یعنی مشکلات بغرنج و مسائل خطرناک می‎‌رسیم.  این مرحله به صورت بالقوه به عنوان سوخت انقلاب صنعتی چهارم شناخته می‎‌شود. به طور قطع در این مرحله میزان ریسک زیاد است زیرا فرآیند تغییرات و نوآوری پیچیده است و احتمالا برخی از ایده‌‎ها در این مرحله شکست خواهند خورد. اما حل مشکلات بغرنج و مسائل بدخیمانه می‎‌تواند پیچیده باشند، و این به معنای آن است که راه‎‌حل‌‎های ارائه شده بیشترین شانس موفقیت را دارند.

چگونه ABB یک مشکل بغرنج را رفع کرد!

اخیراً، ABB با کمک یکی از مشتریان اصلی خود در صنایع شیمیایی به  رفع یک مشکل بغرنج کمک کرده است. این مشکل بغرنج مربوط به یکی از اپراتور کارخانه مشتریانش بود، وی با مقدار زیادی کف در فرآیند پیمانه‌ای کارخانه مواجه شد. در صنایع شیمیایی و دارویی، اصطلاح “فرایند پیمانه‌ای” به انجام مراحل تولید یک محصول نهایی طبق دستور‌العمل‎‌های دقیق اطلاق می‌‎شود. در نهایت کف کردن باعث مشکلات جدی شد، به گونه‌‎ای که در هفده ساعت کارخانه باید تخلیه و بازیافت می‎‌شد. علاوه بر این، مشکلاتی همچون تمیزکاری مخازن و لوله‎‌ها هم برای چندین ساعت پیاپی به وجود آمد.

فرآیندهای پیمان‌ه‎ای محصولاتی را که از استاندارد با کیفیت زیاد پیروی می‎کرده‌‎اند، هدف قرار داد. با این حال، با توجه به تعداد متغیرهایی که در این مسئله درگیر بوده‌‎اند، هیچ دو پیمان‌ه‎ای یکسان و مشابه نبوده‌‎اند. فاکتورهایی همچون کیفیت مواد ورودی، اندازه پیمانه، دما، رطوبت و دیگر عوامل محیطی برای خلق شرایط نا‌بهنجار با یکدیگر دست به یکی کرده بودند. علاوه بر این، فرآیند تولید اغلب شامل صدها متغیر با روابط پیچیده است.

با توجه به این فاکتورها، نظارت دقیق بر جزئی‎‌ترین مسائل به درک و مدیریت بهتر این فرآیند پویا بسیار کمک کرد. اما با اینکه مشتریان اطلاعات زیادی در دسترس داشته‌‎اند، این تجهیزات برای اتصال داده‌‎های بیش از 100 متغیر با سایر داده‎‌های تولیدی مانند مواد اولیه، مصرف برق و اندازه گیری‎‌های متغیر مجهز نیستند. به علت همکاری نزدیک ABB با مشتریان متخصصانی برای تجزیه و تحلیل داده‌‎های اصلی یا  Big Data به منظور تعیین مشکل اصلی به کار گرفته شده‎‌اند. کار آنها الگوهای مشکوکی همچون اوج مصرف برق را شناسایی و کشف کرد. سرانجام، آنها ایده پیش‌بینی ابداع کرده و به هشدارهای اولیه دقیقی حدودا 30 دقیقه قبل از وقوع حادثه کف دست یافتند. در طول این همکاری گروه از ABB’s BatchInsight  استفاده کرده بودند، محصولی که تلفیقی از تکنیک‌‎های هوش تجاری، آنالیز داده‎‌های کلاسیک و machine learning | یادگیری ماشین است. این محصول به منظور پشتیبانی کامل از متخصصان آنالیز فرآیند پیمان‌ه‎ای مورد استفاده قرار گرفت.

این مثال به ما اطلاعاتی درباره مشکلاتی که در راه تغییر توسعه رخ داده‌‎اند، ارائه کرد و سپس استفاده و اجرا فناوری‎‌های جدید انقلاب صنعتی چهارم را برای حل مشکلات بغرنج پیشنهاد داد. این فرآیند را می‎‌توان در موارد مختلفی اجرا کرد. به عنوان مثال، استفاده از آنالیز ریشه‌‎ای براساس هوش مصنوعی به منظور استخراج راه‎‌حل‎‌هایی که قبلاً به کار برده نشده‌‎اند. آنچه که برای شروع کاوش در داده‎‌ها و فناوری‎‌ها نیاز است، نیاز به ابتکار اولیه هست.

بنابراین یک نقطه شروع عالی، بازدید از کارخانه‎‌ها و کمپانی‎‌هایتان است. از خود بپرسید آیا سودمندی و یا موضوعات با کیفیتی وجود دارند که مدیران نتوانند آنها را شرح دهند. از اینجا به بعد شما می‎‌توانید تکنیک‎‌های پرسشی متنوعی مانند نمودار ایشیکاوا Ishikawa را برای بررسی علت و معلول‎ها به کار ببرید. علت اصلی پرسیدن این سوالات دستیابی به ریشه مسائل بدخیمانه و مشکلات بغرنج نیست. این تکنیک برای تعریف قلمرو داده‌‎های مورد نیاز به منظور جمع‎‌آوری و تعیین استفاده از فناوری مدنظر با هدف یافتن رابطه علت و معلولی است. در نهایت، در اینجا به سه مرحله دست پیدا می‎‌کنیم.

مرحله اول، هدف‌گذاری و اصلاح یا scoping است. در این مرحله هدف یافتن داده‌‎هایی به منظور بررسی ارتباطات آنها با یکدیگر است. (ممکن است قبلا این عوامل اصلا در نظر گرفته نشده باشند) در مرحله دوم، آخرین فناوری‎‌ها همچون machine learning یا یادگیری ماشین یا هوش مصنوعی، بر روی داده‌‎ها به منظور دستیابی به علل احتمالی ریشه‌‎ها اجرا می‎‌شوند. مرحله سوم، به خلق راه‎‌حل می‎‌پردازد. و در این مرحله همه چیز هیجان‌انگیز می‎‌شود. توسعه راه‌‎حل برای مشکلات بغرنج با مطالعاتی که بر مفاهیم متمرکز هستند همچون مدل‎‌های ساختمانی یا دوقلوهای دیجیتال همراه است. اینها به دلیل همراهی نتیجه الگوریتم‌‎های یادگیری ماشین با احتمالات که باید قبل از اجرا در یک فرآیند صنعتی واقعی ثابت شوند، ضروری هستند.

حالا ممکن است برایتان سوال پیش آید آیا هر اپراتور کارخانه، ارائه دهنده سیستم یا سازنده دستگاه می‎تواند این وظایف را به تنهایی انجام دهد؟ برای پاسخ باید گفت احتمالا نه. اما یک مدل عالی برای حل مسئله این مشکلات استفاده از فرآیند سه مرحله‌‎ای Why-What-How ، چراـ چگونه ـ چطور است. البته فراموش نکنید، باید سعی در حل مشکلات به شیوه مشارکتی داشته باشید.

حل مشکلات بغرنجانه از طریق ابتکارات مشترکانه

با کلمه پرسشی “چرا” کار خود را آغاز کند. سعی کند به درک عمیق از نیازها، اهداف و تمایزات مشتریان به حل مسائل و مشکلات بپردازید. بدون پرسیدن این کلمه فقط خطر اجرای اصلاحات فنی و راه‌‎حل‎‌های جزئی باقی می‎‌ماند. به عبارت دیگر، گروه می‎‌تواند فرآیندهای تولید کارخانه هدف را درک کرده، زنجیره ارزش‎‌ها را در نظر گرفته و نحوه تأثیر آن بر بهره‌‎وری کارخانه و محصولات تولید شده را درک کند. تنها پس از استفاده از دانش دامنه و جدیدترین فناوری‌‎ها مانند آنالیز Big Data یا یادگیری ماشین machine learning می‎‌توان به شناسایی علت اصلی این مسئله و در نتیجه درک اینکه “چگونه” باید چیزی را تغییر داد، دست یافت.

مرحله سوم پرداختن به “چگونگی” است. این مرحله همچون هسته اصلی تغییر الگو از همکاری به ابتکار مشترکانه است. این فرآیند ضروری است زیرا هدف تعمیر فوری یک کارخانه یا منطقه عملیاتی خاص نیست، بلکه استفاده از فناوری‎‌های ارائه شده در انقلاب صنعتی چهارم مانند هوش مصنوعی و مفاهیم سیستم خودمختار به منظور خلق تغییرات با هدف بهبود سودآوری و بهره‌‎وری کارخانه و یا ویژگی‌‎های تولید شده آن است.

در کل، توسعه راه‎‌حل‎‌هایی برای رفع مشکلات بغرنج امروزی با احتمال استفاده از پتانسیل‎‌های موجود در فناوری‎‌های جدید انقلاب صنعتی چهارم همراه است. علاوه بر این، استفاده از این راه‎‌حل به طور مداوم برای محیط صنعتی باعث بهبود توانایی machine learning یادگیری ماشین می‎‌شود. در آخر، این فرایند به توانایی ارزیابی راه‌‎حل‎‌هایی که مستلزم دانش digital twins دوقلوهای دیجیتال نیازمند است، می‌‎پردازد. و با کمک این فناوری‌‎ها داده‌‎هایی که به بهبود بنیان توسعه سیستم‌‎های خودمختار آینده کمک می‎‌کنند، را خلق می‎‌نماید. به عبارت دیگر، ابتکارات مشترکانه به حل و رفع مشکلات بغرنج و مسائل بدخیم با استفاده از پتانسیل فناوری‎‌های جدید کمک می‎‌کنند. به همین علت، صنایع به سطحی بهتر از بهره‎‌وری با کمک فناوری‎‌های امروز می‎‌رسند.

منبع

 

 

نظری دهید

آدرس ایمیل شما منتشر نخواهد شد.