Zakupy materiałów o dużej wartości, zmiennej cenie albo krytycznej specyfikacji powinny kończyć się zatwierdzeniem przez kupca, nawet jeśli propozycję przygotował system. Ten scenariusz pokazuje, dlaczego wdrożenie funkcji „Automatyczne zamawianie surowców” powinno być testowane na konkretnych zdarzeniach, a nie tylko na poprawnie wyglądającym pulpicie.
Problem operacyjny i oczekiwany rezultat
Celem nie jest samo zastosowanie modelu sztucznej inteligencji. Oczekiwany rezultat jest mierzalny: tworzy projekty zamówień zakupu, porównuje dostawców i pokazuje wpływ dostawy na termin zlecenia. Punkt wyjścia to dane obejmujące stan zapasów, prognozy popytu, zamówienia produkcyjne, minimalne partie zakupowe, cenniki dostawców i ich czasy realizacji. Bez tego system może tworzyć pozornie precyzyjne zestawienia.
Trzy kontrole przed automatyzacją
- Czy system wykrywa już złożone zamówienia?
- Czy kontrolujemy minimalną ilość zakupową i transport?
- Kto zatwierdza zmianę dostawcy?
Każdą kontrolę warto przetworzyć w warunek odbioru oprogramowania. Pracownik powinien móc sprawdzić nie tylko wynik, ale też dane wejściowe, zastosowaną regułę i identyfikator operacji.
Co robi algorytm, a co zatwierdza człowiek?
W trakcie pracy system tworzy projekty zamówień zakupu, porównuje dostawców i pokazuje wpływ dostawy na termin zlecenia. W sprawach niejednoznacznych pokazuje przyczynę i wymaga korekty lub akceptacji. Log zmian powinien zawierać czas zdarzenia, użytkownika, źródło danych i poprzednią wartość.
Połączenie z ERP, WMS, katalogów dostawców i skrzynki zakupowej należy przetestować również podczas przerwania komunikacji. Ponowione żądanie nie może bez kontroli tworzyć drugiego zamówienia, wpisu lub zadania.
Jak wykonać pilotaż?
- Zakres testu: 10 powtarzalnych surowców z jednym dostawcą podstawowym i zapasowym.
- Zbierz reprezentatywne przypadki zwykłe, graniczne i błędne, nie tylko kilka wygodnych przykładów.
- Równolegle wykonuj czynność dotychczasowym sposobem i porównuj rezultaty z nowym procesem.
- Udokumentuj odstępstwa oraz sposób ich poprawienia przed rozszerzeniem rozwiązania.
KPI i kryteria odbioru
Podstawowe miary: liczba braków surowców, czas przygotowania zamówienia, wartość nadmiernego zapasu. Trzeba również kontrolować liczbę ręcznych interwencji, czas potrzebny na obsługę wyjątku i odsetek działań poprawionych po zatwierdzeniu.
Nie należy deklarować stałego procentu oszczędności dla wszystkich zakładów. Inny wynik osiągnie firma z uporządkowanymi danymi, a inny organizacja z brakami w ewidencji.
Błąd, którego warto uniknąć
bez kontroli zatwierdzania system może wielokrotnie zamówić materiał po zmianie planu lub błędnej synchronizacji
Przykład decyzji do podjęcia
W zakładzie spada zapas blachy stalowej poniżej wartości potrzebnej na kolejne 12 dni. System przygotowuje zamówienie, ale pracownik sprawdza ceny, termin i zgodność gatunku materiału.
Po wdrożeniu warto przeanalizować pierwsze zgłoszone wyjątki wspólnie z planistą, operatorem lub działem jakości. To często źródło ważniejszych poprawek niż samo dostrajanie modelu.
Podsumowanie
Dobrze zaprojektowane automatyczne zamawianie surowców wymaga spójnych danych, jasnego podziału odpowiedzialności i mierzalnej kontroli. Dopiero po udanym pilotażu warto zwiększać liczbę maszyn, produktów lub wydziałów.
Chcesz przeanalizować ten proces w swoim zakładzie? JOFRA AI projektuje systemy dopasowane do sposobu pracy firmy, danych i dostępnych integracji. Opisz proces i skalę operacji: contact@jofraai.eu.
Opis pokazuje możliwy zakres wdrożenia. Ostateczne działanie, skuteczność i koszt zależą od danych, integracji oraz testów w konkretnym zakładzie.
Przeczytaj również: Automatyczne zamawianie surowców z AI: jak działa system?, Sztuczna inteligencja w przemyśle: 16 praktycznych zastosowań.