Jeg har været i branchen i mange år, nogle vil sige for mange år, og jeg oplever at produktionsvirksomheder investerer som aldrig før. Der investeres i alt fra AI til avanceret planlægning, “dashboards” eller dedikerede indkøbssystemer som forbedrer forecasts. Listen er lang, og ambitionerne er høje. Men der er et mønster, som går igen hos rigtig mange:
De digitale investeringer lander ovenpå et fundament, der ikke er så stabilt, som det ser ud på skærmen.
De fleste virksomheder har styr på det store billede. Strategien er klar, systemerne er på plads, og nogle steder er der sågar investeret i de rigtige teknologier. Alligevel opstår der problemer i hverdagen, som ingen rigtigt kan forklare. Produktionsplanen holder ikke, leverancer forskydes og materialer som burde ligge på lager, er der bare ikke. Og så rettes fokus ofte mod planlægningen, fordi det er det nemmeste sted at pege, trods at det sjældent er planlægningen der er kilden til problemerne.
Virksomheder investerer i AI for at blive klogere, og det første AI gør, er at pege på alle de steder hvor fundamentet ikke holder.
Verden er blevet mindre forudsigelig: og det afslører svaghederne
Det er spændende, geopolitiske tider vi lever i, og de giver selvfølgelig ustabile forsyningskæder og så lige svingende energipriser oven i hatten. Det har ændret spillereglerne for produktionsvirksomheder de seneste år. Det er ikke nyt. Men konsekvensen er, at den fejlmargin virksomheder tidligere kunne leve med i deres data og processer, efterhånden bliver mere signifikant.
Når alt kører stabilt, kan man måske klare sig med styklister der ikke er helt opdaterede, forældede planlægningsparametre og produktionsordrer der afviger en smule fra det, der faktisk sker på gulvet. I de fleste tilfælde udjævner disse småfejl sig over tid. Men i en verden hvor forstyrrelser i verdenshandlen er normen mere end undtagelsen, bliver de små afvigelser til større problemer. Og de viser sig typisk præcis der, hvor man mindst forventer det (og hvor man mindst har brug for det).
Produktionsordren ser rigtig ud. Det er den bare ikke.
Produktionsordrerne er oprettet, kapaciteten er planlagt, materialerne ser ud til at være på lager. Alt virker fornuftigt i Business Central og opsætningen er også korrekt. Men det holder alligevel ikke i praksis. Den helt store ordre venter på en komponent, der burde være ankommet. En levering flyttes, og planen justeres igen. Og det skubber sikkert også andre ordrer?
Det fristende er at konkludere, at planlægningen er problemet. Men det er ofte ikke tilfældet. Produktionsordren fungerer som den fælles reference for prioritering og styring, men den er kun så god som de data, den hviler på. Og det er her at det ofte går galt. En avanceret maskine kræver fine data.
I en produktion opstår der konstant ændringer. Materialer substitueres, rækkefølger tilpasses, og der skal tages praktiske beslutninger hele tiden for at holde flowet i gang, og vigtigst af alt skal forpligtelserne mod kunderne holdes. Sådan er det ved alle vores kunder som anvender produktionsstyring og planlægning, og det er helt naturligt. Det er jo sådan produktion fungerer i praksis. Udfordringen opstår, når ændringerne ikke registreres konsekvent. Over tid ser produktionsordren stadig korrekt ud, men den har reelt mistet forbindelsen til det, der faktisk sker.
Nu kunne jeg så kloge mig på change management og om uddannelse af alle brugere “på gulvet”, men min pointe er noget andet.
Planlægningen hviler på forventet forbrug, og når styklister ikke er opdaterede, eller forbrug registreres med forskellig timing, bliver materialebehov og reservationer upålidelige. Små ændringer i en stykliste kan få store konsekvenser andre steder i kæden. Eksempelvis er spild og afvigelser accepteret som en del af hverdagen, men den data bruges sjældent aktivt til at forbedre planlægningsgrundlaget.
Og så er der lageret. Lagerbeholdningen kan se korrekt ud i systemet, selv når produktionen mangler materialer. Materialer er måske fysisk flyttet uden at det er registreret i tide, reserveret til andre ordrer eller bundet i igangværende produktion. Resultatet er et lagerbillede der er teknisk korrekt, men fejlbehæftet som grundlag for en planlægning.
AI løser det ikke. AI afslører det.
En meget interessant delkonklusion er at større produktionsvirksomheder bruger i stigende grad AI og avancerede analyser til at understøtte planlægning, forudse flaskehalse og træffe rigtige beslutninger i hverdagen. Det er den rigtige ambition. Men AI arbejder med mønstre i data og ikke med erfaring eller intuition. Er dit genbestillingspunkt, eksempelvis, sat til 100 kolli på en vare med dalende behov, ved planlæggeren måske at linjen skal slettes når den kommer i kladden, og gør dette per automatik hver uge. Dette grundet et intuitivt kendskab til forretningen. Men en AI vil måske bestille på baggrund af genbestillingspunktet da data tages bogstaveligt.
Hvis produktionsordrer, styklister, ruter, materialeforbrug og lagerbevægelser ikke hænger konsistent sammen (og organisationen har lært at arbejde med dette i min. 6-12 måneder) vil AI’en bygge sine anbefalinger på det samme ustabile grundlag som planlægning uden AI. Resultatet er selvfølgelig dårligt. Man har investeret en god del i den type projekter, men i stedet for at træffe bedre beslutninger, risikerer AI at synliggøre problemerne hurtigere, end organisationen kan nå at reagere på dem. Og det er jo egentlig lidt ironisk. Virksomheder investerer i AI for at blive klogere, og det første AI gør, er at pege på alle de steder hvor fundamentet ikke holder.
Man kan vælge at se det som et problem. Jeg synes det er en mulighed.
Problemet stopper ikke ved produktionsgulvet
Typiske kendetegn på en velsmurt produktion, er ikke antallet af systemer eller størrelsen af deres IT-budget. Det er hvor godt tingene hænger sammen og hvor god data-disciplin man har oparbejdet. En integreret operationel rygrad, hvor ERP, supply chain, lager og økonomi fungerer som ét samlet miljø, giver ledelsen et fælles beslutningsgrundlag de faktisk kan stole på. Og det er forudsætningen for, at AI kan skabe reel værdi.
Min vinkel er, at det ikke handler om at købe mere teknologi. Stabil planlægning og pålidelig drift starter med at arbejde mere konsekvent med de forudsætninger, der allerede er i spil. Brug jeres system bedre. Opdater jeres data. Sæt tiden af til at rydde op og vedligeholde. Når ændringer i produktionen registreres løbende, styklister vedligeholdes som levende dokumenter, og lagerbevægelser afspejler virkeligheden, så bliver produktionsplanen et mere brugbart værktøj i stedet for, gentagne gange, at man skal rette de samme fejl.
Og i fase 2 kan AI faktisk begynde at levere det, den lover: Mønstergenkendelse, tidlig varsling og beslutningsstøtte der giver mening i praksis. Ikke fordi teknologien er blevet bedre, men fordi den endelig har noget ordentligt at arbejde med.
Hvis min pointe ikke er kommet frem endnu: Vi skal have hverdagen til at virke først. Business Central og endda Navision kan meget mere end du måske tror. Hvis vi starter der, så kan vi koble AI på i fase 2. Vi skal gå efter klarhed i data og klarhed i ansvar, og det giver klarhed i sammenhængen mellem det man planlægger og det man faktisk gør.
Det lyder altsammen lidt kedeligt? Det tror jeg nok! Men jeg har arbejdet med det i over 20 år, så ikke for mig 😊
Hvis du vil snakke om hvordan vi får styr på alt det kedelige og vigtige, så ræk ud…
