W przypadku wdrażania rozwiązań w obszarze procesów inżynierskich, prowadzone czynności są kontynuacją i rozszerzeniem wcześniejszych analiz, a w szczególności studium wykonalności. Pełna wersja tego dokumentu obejmuje analizy możliwości przeprowadzenia działań związanych z wdrożeniem konkretnych rozwiązań.
Działania związane z wprowadzaniem rozwiązań w obszarze procesów inżynierskich są w dużej mierze analogiczne do tych podejmowanych w przypadku wdrażania systemów informatycznych. Specyfika procesów inżynierskich sprawia, że większy nacisk jest położony na integrację z maszynami, czujnikami IIoT czy oprogramowaniem sterującym, ale same założenia, metodyki i etapy są bardzo podobne.
Możemy rozróżnić działania, które będą wykonane:
- jednokrotnie, a następnie będą doskonalone – dotyczą one m.in. wdrożenia podsystemów infrastruktury technicznej (np. czujników IIoT), infrastruktury do składowania i analizy danych, kultury pracy z danymi itd.;
- wielokrotnie, przy wdrażaniu każdego kolejnego działania – są to wszystkie czynności, które muszą być przeprowadzone przy wdrażaniu każdego kolejnego rozwiązania, które ma na celu transformację któregokolwiek z modeli biznesowych.
Niemniej proces wdrożenia składa się z kilku dość standardowych etapów:
- spotkanie inaugurujące projekt (ang. kick-off);
- opracowanie przypadków użycia;
- przegląd stanu aktualnego (ang. AS-IS);
- analiza wymagań biznesowych;
- definiowanie stanu docelowego (ang. TO-BE);
- aktualizacja mapy drogowej;
- wdrożenie podsystemów.
Krótka charakterystyka poszczególnych etapów została przedstawiona poniżej.
Spotkanie inaugurujące projekt
Na początku należy ustalić wspólne zasady oraz wypracować jednolite rozumienie terminologii niezbędnej do prowadzenia analizy wymagań projektowych i osiągania rezultatów. Wiąże się to z koniecznością zgromadzenia interesariuszy projektu na spotkaniu, podczas którego należy:
- upewnić się, że kluczowi interesariusze rozumieją podejście projektowe;
- uzgodnić cele projektu;
- uzgodnić role i obowiązki interesariuszy w projekcie;
- uzgodnić, co dokładnie wchodzi w zakres projektu, oraz co zostanie zrealizowane;
- ustalić kryteria sukcesu projektu;
- przeprowadzić dyskusję i odpowiedzieć na wszelkie pytania i wątpliwości.
Opracowanie przypadków użycia
W przypadku każdego z planowanych projektów związanych z danymi konieczne jest scharakteryzowanie przypadków ich użycia. Proces ten pomoże Ci ustalić priorytety projektów i określić, które z nich chcesz uwzględnić w swojej strategii. Pozostała część szablonu strategii w zakresie danych (ang. data strategy template) z wzorca mapy drogowej jest podzielona na różne wymagania, np.: niezbędne dane i technologie, w które należy zainwestować. Chodzi o to, aby zidentyfikować przekrojowe wyzwania, tematy, działania, problemy i cele w tych obszarach.
Przegląd stanu aktualnego (ang. AS-IS)
Ma na celu przyjrzenie się istniejącym, bieżącym rozwiązaniom: infrastrukturze i oprogramowaniu, źródłom danych, systemom raportowania i analizy, zarządzaniu danymi oraz wszelkim wcześniejszym istotnym zabezpieczeniom projektu. Wyniki analizy stanu bieżącego powinny zapewnić łatwy do zrozumienia przegląd przepływu danych od źródła do użycia biznesowego, w szczególności z perspektywy danych i analiz. Ważne jest, aby zrozumieć, w jakim stopniu istniejące w organizacji rozwiązania spełniają wymagania biznesowe. Często pomaga to zrozumieć, jakie działania są wykonalne z perspektywy aplikacji i danych, oraz zidentyfikować najważniejsze problemy.
Analiza wymagań biznesowych
Ten krok rozpoczyna się po przeglądzie stanu aktualnego, ponieważ aby rozwijać organizację w bardziej świadomy sposób musimy dobrze poznać jej stan obecny. Często zrozumienie ograniczeń istniejących systemów źródłowych jest pomocne w zarządzaniu oczekiwaniami, zwłaszcza jeśli pojawiają się wymagania biznesowe, które z punktu widzenia aktualnych źródeł danych są niemożliwe do spełnienia. Działania związane z analizą wymagań odbywają się iteracyjnie, ponieważ każde podjęcie nowego tematu daje początek pytaniom dotyczącym stanu bieżącego. Zbieranie i analiza wymagań biznesowych są idealnymi przykładami zastosowania metodyk zwinnych i kultury otwartych innowacji.
Jednym z często używanych sposobów, które pozwalają wyobrazić sobie cyfrowy model biznesowy, identyfikację celów i KPI oraz ocenę, jakie dane przetwarzane są na kolejnych etapach, jest rozpoczęcie od spojrzenia zorientowanego na klienta i dążenie do poprawy jego doświadczeń. Metodyką pozwalającą lepiej zrozumieć konsumentów, w tym ich zachowania i motywacje, jest tzw. podróż klienta (ang. customer journey), czyli dogłębna, sukcesywna analiza doświadczeń, przez które przechodzi konsument, korzystając z określonego produktu lub usługi.
Definiowanie stanu docelowego (ang. TO-BE)
Mapa drogowa jest podstawowym sposobem na przekazanie wizji kolejnych etapów rozwoju organizacji w zakresie transformacji cyfrowej. Szczegółowym dokumentem określającym stan docelowy jest studium wykonalności wdrożenia. Studium to powinno przedstawiać szczegóły z zakresu planowanych do wprowadzenia systemów. Dokument ten pozwala na określenie kryteriów potrzebnych do spełnienia wymagań technicznych, wariantów wdrożenia i ich kosztów. Warianty wdrożenia powinny uwzględniać różne zakresy danych niezbędnych do monitorowania procesów i wybranych KPI oraz autonomiczność wdrażanych wariantów/podsystemów. Jeśli obejmuje to plan projektu, jest to również odpowiedni moment, aby rozważyć oceny i rekomendacje platformy danych oraz zestawów narzędzi analitycznych, nawet jeśli nie jest to projekt, którego głównym celem jest wdrożenie wspomnianej platformy.
Aktualizacja mapy drogowej
Jesteś teraz w punkcie, w którym rozumiesz stan obecny i masz jasny obraz stanu docelowego. Celem tego kroku jest zaprojektowanie (lub aktualizacja) mapy drogowej, która będzie ukazywała kolejne etapy cyfrowej transformacji. Zakres i charakter wybranych projektów w ramach mapy drogowej zaczyna się krystalizować podczas każdego kolejnego wdrożenia, które realizujemy.
Wdrożenie podsystemów
Jest to etap, który odbywa się w fazach. Studium wykonalności powinno opisywać wszystkie niezbędne działania, a mapa drogowa transformacji cyfrowej powinna być aktualizowana przy okazji przeprowadzania studiów wykonalności poszczególnych projektów. Do kolejnych kroków w tym procesie wdrażania zalicza się:
- Instalacja infrastruktury i wdrożenie aplikacji /systemu /platformy – Wdrożenie rozwiązania klasy utrzymanie ruchu, planowanie produkcji, cyfrowy bliźniak, tj. MES (ang. manufacturing execution system), EAM (ang. enterprise asset management), CMMS (ang. computerised maintenance management system), CAx (ang. CAD – Computer Aided Design, CAM – Computer Aided Manufacturing, CAE – Computer Aided Engineering) czy w końcu cyfrowy bliźniak (ang. Digital Twin). Osobnym projektem jest zakup i instalacja infrastruktury wraz z oprogramowaniem systemowym i platformą składowania danych i/lub zakup usług hostingu w centrum regionalnym lub operatora chmury. Zaprojektowanie hurtowni danych do składowania danych.
- Integracja wdrażanego systemu z innymi rozwiązaniami – Wdrożenie mechanizmów integracyjnych, których zadaniem jest wymiana danych z wyżej wymienionych systemów, na przykład MES/EAM/CMMS, z innymi elementami infrastruktury i przesyłanie danych i dokumentów do systemu składowania danych.
- Wdrożenie systemu raportowania – Zaprojektowanie raportów i kokpitów managerskich, które pozwolą analizować wyniki, monitorować procesy i analizować wartości KPI.
- Zasilenie podsystemów – Analiza możliwości korzystania z danych składowanych dotychczas w przedsiębiorstwie; zasilenie podsystemów danymi historycznymi; parametryzacja narzędzi raportujących i kokpitów menadżerskich.
Walidacja i trenowanie silnika analitycznego
Po zrealizowaniu lub aktualizacji prac związanych z platformą danych i analityką powinno się przeprowadzić walidację działania narzędzi służących do monitorowania zidentyfikowanych procesów oraz KPI. Na wstępnym etapie należy przeprowadzić ocenę, korektę i kontrolę działania oraz efektów, dzięki której można zidentyfikować słabe punkty zastosowanych rozwiązań oraz je wyeliminować.
Bardziej złożoną kwestią jest trenowanie silnika analitycznego, zwłaszcza jeśli na platformie danych i analityki korzysta się z bardziej zaawansowanych narzędzi, np. uczenia maszynowego (ang. machine learning) należącego do obszaru sztucznej inteligencji. W tym przypadku konieczne jest zastosowanie technik projektowania oraz uczenia modeli, a także automatycznego znalezienia zestawu danych, który najlepiej dopasowuje dane wyjściowe modelu do rzeczywistych wyników. Operacje kalibracji i uczenia modelu można przeprowadzić, kiedy dysponuje się odpowiednią ilością danych. Po zakończeniu uczenia modelu może on posłużyć do prowadzenia symulacji działania wybranych nowych technologii i modeli biznesowych.