Lesson Learned Explained: Zaawansowana cyfryzacja produkcji, AR/VR oraz HoloLens w branży farmaceutycznej

Wyzwanie: Zostać liderem innowacyjności
Firma z sektora farmaceutycznego postawiła sobie za cel zwiększenie swojej innowacyjności poprzez aktywne testowanie nowoczesnych technologii. Kluczowym wyzwaniem było umiejętne oraz efektywne zintegrowanie nowinek technologicznych z obszarem produkcji, aby zbierać i analizować dane w czasie rzeczywistym. Firma chciała pokazać, że jest w „ścisłym peletonie” cyfryzacji produkcji, co miało również na celu zwiększenie jej konkurencyjności na rynku.
Rozwiązanie: Integracja systemów i wykorzystanie AR/VR
Aby osiągnąć zamierzony cel, firma z pomocą ekspertów TT PSC wdrożyła rozwiązanie obejmujące pełną integrację z obszarem produkcji, aby gromadzić wszystkie dane pochodzące z procesu wytwarzania. Kluczowym elementem była wizualizacja danych z użyciem rzeczywistości rozszerzonej (AR)/wirtualnej(VR) z wykorzystaniem okularów HoloLens firmy Microsoft. Dzięki temu operatorzy mogli zobaczyć dane IIoT w czasie rzeczywistym. Rozwiązanie to miało poprawić efektywność oraz precyzję pracy operatorów, a także zwiększyć zaangażowanie pracowników w budowaniu pozycji firmy jako innowatora.
Problemy wdrożeniowe: Brak znaczącej przewagi AR/VR i HoloLens nad standardowym HMI
Pomimo imponującej prezentacji graficznej w aplikacji AR/VR na dedykowanych goglach, rozwiązanie nie przyniosło oczekiwanych rezultatów. Okazało się, że AR/VR nie wykazało wystarczającej przewagi nad standardowym interfejsem HMI (eng. Human-Machine Interface; dotykowy panel/ekran znajdujący się na maszynie) w codziennych operacjach. W rezultacie operatorzy nie chcieli nosić zestawów podczas wykonywania swoich obowiązków, co spowodowało, że technologia ta nie była wykorzystywana na co dzień.
Korekta: Redefinicja problemów biznesowych i dopasowanie technologii
W odpowiedzi na zidentyfikowane wyzwania, firma ponownie zdefiniowała rzeczywisty problem biznesowy i oczekiwany rezultat. Następnie dopasowano technologię do realnych potrzeb, co pozwoliło na bardziej efektywne wykorzystanie dostępnych narzędzi. Proces ten obejmował również konsultacje z operatorami, aby lepiej zrozumieć ich potrzeby i oczekiwania. Dzięki temu możliwe było stworzenie rozwiązania, które było bardziej praktyczne i użyteczne w codziennej pracy.
Rezultat: Skuteczna identyfikacja i rozwiązanie problemów
Początkowo wdrożone rozwiązanie AR/VR nie było wykorzystywane przez operatorów, ponieważ nie zapewniało dodatkowych możliwości ponad standardowy HMI. Dopiero po ponownej analizie i dostosowaniu technologii do rzeczywistych potrzeb, udało się stworzyć narzędzie, które było bardziej użyteczne i efektywne. Firma zrozumiała, że kluczowe jest dostosowanie technologii do specyficznych wymagań użytkowników końcowych, co pozwoliło na lepsze wykorzystanie dostępnych zasobów.
Wnioski
Na podstawie przeprowadzonych działań można wyciągnąć kilka wniosków:
- Nawet projekty pilotażowe powinny być realizowane z myślą o przyszłej skalowalności i wdrożeniach.
- Jasno określone cele biznesowe są kluczowe dla oceny wyników (Proof of Value zamiast Proof of Concept).
- Precyzyjnie zdefiniowany zakres techniczny jest niezbędny do kontrolowania budżetu i harmonogramu oraz zakończenia projektu z dobrym wskaźnikiem kosztów do wartości.
- Innowacyjność i fascynacja nowymi technologiami nie powinny być jedynymi motywacjami – łatwo utknąć w fazie pilotażowej.
- Lesson Learned Explained: Poprawa KPI w Branży FMCG dzięki automatyzacji i analizie danych z półautomatycznych linii produkcyjnych
- Lesson Learned Explained: Jak właściwe zbieranie i przechowanie danych okazało się kluczowe w predyktywnym utrzymaniu ruchu
- Lesson Learned Explained: Cyfryzacja procesów raportowania w branży produkcji opakowań szklanych
- Lesson Learned Explained: Pełna wizualizacja danych w procesie wytwarzania komponentów dla automatyki
- Lesson Learned Explained: Monitorowanie i poprawa stabilności produkcji oraz wzrost jakości wyrobów – branża motoryzacyjna
- Lesson Learned Explained: Integracja systemów i modelowanie danych dla poprawy jakości produkcji półprzewodników