Tag: Automatizacija

  • Lenkijos fabrikuose DI „mėnesį“ sutrumpino iki trijų dienų: kas stabdo robotizaciją

    Lenkijos įmonės vis dažniau mato, kad robotizacija ir dirbtinis intelektas (DI) gali drastiškai sutrumpinti gamybos bei naujų produktų diegimo laiką – kai kur darbai, anksčiau trukdavę mėnesį, telpa į tris dienas. Tačiau technologijos ne visada duoda norimą efektą: jei procesai neparuošti, investicija gali nuvilti.

    Apie tai „Nowy Przemysł“ apžvelgtoje diskusijoje „Robot, automat, agent AI“ kalbėjo „Forum Automatyki i Robotyki Polskiej“ vadovas Tomaszas Haidukas ir kiti pramonės atstovai. Jie pabrėžė, kad robotas pats savaime nepadidins našumo – prieš diegiant būtina susitvarkyti gamybos organizavimą, tiekimą ir žmonių kompetencijas.

    Tarptautinės robotikos federacijos (IFR) duomenimis, 2025 metais Lenkijos įmonėse veikė 28 135 robotai – 2 proc. daugiau nei metais anksčiau. Vis dėlto pagal robotų tankį Lenkija atsilieka nuo Čekijos: gamyboje Lenkijoje tenka 86 robotai 10 tūkst. darbuotojų – daugiau nei dukart mažiau nei kaimyninėje šalyje.

    Pašnekovai atkreipė dėmesį, kad šalies robotizacijos rodiklius gali stipriai „išpūsti“ viena pramonės šaka, pavyzdžiui, automobilių gamykla. Todėl mažesnis robotų skaičius nebūtinai yra silpnybė – tai gali būti ir galimybė greičiau persiorientuoti į naujus sprendimus, kol kiti rinkos dalyviai dar „atsidirbinėja“ senas investicijas.

    Robotai tinka ne tik masinei gamybai

    Diskusijoje pabrėžta, kad robotizacija nėra vien didelių serijų gamybos privilegija. Praktikoje ji gali pasiteisinti ir dirbant su trumpomis serijomis, jei sprendimas suprojektuotas taip, kad būtų lengvai pritaikomas skirtingiems gaminiams.

    „Dematec Polska“ automatikos padalinio vadovas Tomaszas Kielaras pasakojo apie atvejį, kai klientui įrengtos dvi darbo vietos apdirbo 70 skirtingų detalių, o mažiausia serija siekė 20 vienetų. Po kelių mėnesių įmonei naujų detalių įvedimas tapo toks paprastas, kad ji svarsto įsirengti papildomas stotis.

    Pašnekovai akcentavo dar vieną tendenciją: įmonės nori paprasto valdymo ir programavimo, kad įrangą galėtų prižiūrėti esama komanda. Tai aktualu tiek bendradarbiaujantiems robotams (kobotams), kurie paprastai programuojami lengviau, tiek pramoniniams robotams, kuriuos vis dažniau leidžia valdyti patogesnės HMI sąsajos.

    Prieš robotizaciją – „gamybos sveikatos patikra“

    Tomaszas Haidukas įspėjo, kad robotizavimas be pasiruošimo gali baigtis nusivylimu. Jo teigimu, pirmiausia būtina peržiūrėti gamybos organizavimą ir tik tada spręsti, kurios grandys iš tiesų turėtų būti automatizuojamos.

    Kaip pavyzdį jis minėjo suvirinimą: įsigijus robotizuotą suvirinimo vietą, bet neperorganizavus procesų, ji gali būti nepakankamai apkrauta ir neveikti taip, kaip tikėtasi. Be to, automatiniam surinkimui dažnai reikalingas gerokai didesnis komponentų tikslumas nei rankiniam darbui, kuriame žmogus gali „prisitaikyti“.

    „APA Group“ vadovas Arturas Pollakas pateikė konkretų atvejį iš autobusų gamybos: robotizavus grindų ir šoninių sienų gamybą, produktyvumas išaugo šešis kartus, tačiau pradžia buvo sudėtinga. Jis aiškino, kad kelių milimetrų tarpai, su kuriais žmogus susitvarko, robotui gali tapti kritine kliūtimi – galiausiai teko keisti tiekėjus, kad užtikrintų reikiamą kokybę.

    Pasak A. Pollako, robotizacijai reikia viso „ekosistemos“ – medžiagų kontrolės, tiekimo planavimo, įrangos priežiūros, saugos sprendimų ir paruoštų žmonių. Dėl to pats robotas gali kainuoti keliasdešimt tūkstančių zlotų, o visas diegimas – milijoną ar net pusantro milijono zlotų.

    DI fabrike: nuo gedimų prognozių iki greitesnių produktų

    Diskusijoje pabrėžta, kad pramonė atsargiai vertina didžiuosius kalbos modelius, nes gamyboje kritiškai svarbu paaiškinamumas ir pakartojamumas – kodėl priimtas vienas ar kitas sprendimas ir kodėl atsakymas nesikeičia. Todėl DI gamyklose dažniau diegiamas kaip priežiūros, kokybės kontrolės ir gedimų prognozavimo įrankis.

    Tomaszas Haidukas pasidalijo pavyzdžiu iš automobilių tiekimo grandinės: gumos gaminių gamintojas anksčiau atlikdavo daug bandymų, kol išgaudavo reikiamų parametrų tarpiklį. Tačiau jau ketverius metus įmonė naudoja vidinį, uždarą mašininio mokymosi modelį, „maitinamą“ duomenimis, kuris jau pirmu ar antru žingsniu parodo, kaip priartėti prie norimo rezultato – naujo produkto diegimas sutrumpėjo nuo mėnesio iki trijų dienų.

    „Cloos Polska“ pardavimų direktorius Tomaszas Jastrzębskis taip pat lygino laiką prieš DI įrankių išpopuliarėjimą ir dabar: aplikacijos, kuriai sukurti anksčiau prireikdavo kelių mėnesių, šiandien gali būti parengtos per kelias dienas. Anot jo, tokie pokyčiai tampa realiu konkurenciniu pranašumu – ne dėl „stebuklingų“ mašinų, o dėl greičiau pasiekiamo rezultato.

    Mokesčių lengvatos – ne visada lemiamas argumentas

    Kalbėta ir apie tai, kas galėtų paspartinti robotizaciją. T. Jastrzębskio teigimu, robotizacijos mokesčių lengvata pirkimo sprendime dažniausiai atsiduria sąrašo pabaigoje – svarbesni yra tiesioginiai poreikiai, tokie kaip pakartojamumas, kokybė ir darbuotojų trūkumo mažinimas.

    T. Haidukas atkreipė dėmesį, kad lengvatos apskaita yra sudėtinga, o blogas mokesčių administratoriaus aiškinimas gali kelti rizikų. Be to, dalis gamyklų tam tikrais atvejais apskritai nemoka pelno mokesčio dėl naujų investicijų, todėl joms tokia lengvata tampa mažiau aktuali.

    T. Kielaro nuomone, įmonėms padėtų ilgesnės – ketverių ar penkerių metų – paramos programos, kurios leistų planuoti robotizuotų darbo vietų diegimą nuosekliai, o ne „vienkartiniais šuoliais“.

  • Tyrimas: mažos gamybos įmonės atsilieka automatizacijoje – padėti galėtų robotizacijos lengvata

    Technologinis atotrūkis tarp mažų ir didelių gamybos įmonių didėja – mažosios gerokai rečiau investuoja į automatizaciją, robotus ir dirbtinį intelektą. Tai reiškia didesnes gamybos sąnaudas ir silpnesnes konkurencines pozicijas ilgesnėje perspektyvoje.

    Kaip rodo ABB „Trends 2026/2027“ tyrimas, tik kas dvidešimta maža įmonė save laiko gerai automatizuota. Tuo metu 80 proc. mažų bendrovių automatizacijos lygį vertina kaip minimalų arba žemą, o robotus ir dirbtinį intelektą naudoja tik 5 proc.

    Vienas ryškiausių signalų – atsargus požiūris į investicijas. Tyrime nurodoma, kad mažų įmonių sprendimų priėmėjai per artimiausius 18 mėnesių yra mažiau linkę skirti kapitalo naujiems technologiniams sprendimams nei jų kolegos vidutinėse ir didelėse organizacijose.

    Automatizacija, anot tyrimo, artimiausio laikotarpio prioritetu įvardijama 18 proc. mažų ir 29 proc. didelių įmonių. Skirtumas rodo, kad investicijų tempai gali dar labiau išskirti skirtingo dydžio verslus.

    Ką reiškia mažesnė automatizacija

    ABB atstovo Sebastiano Skałos teigimu, technologinis atotrūkis yra reikšmingas ir didesnis, nei tikėtasi, o jo pasekmės – labai praktiškos: didesnės gamybos sąnaudos ir ilgainiui prastėjantis konkurencingumas. Pasak jo, klausimas susijęs ne tik su darbo kaštais.

    Be automatizacijos, anot jo, sunkiau efektyviai valdyti energijos vartojimą, didinti procesų našumą, taip pat mažinti gedimų ir žmogiškųjų klaidų riziką. Kitaip tariant, technologijos tampa ne prabanga, o vienu iš įrankių stabiliai veiklai užtikrinti.

    Papildomą kontekstą pateikia ir Europos Komisija: žemesnis mažų ir vidutinių įmonių automatizacijos lygis gali riboti mažųjų verslų produktyvumą ir inovatyvumą. Tai – dar viena priežastis, kodėl investicijos į modernizaciją vertinamos kaip strategiškai svarbios.

    Kodėl mažos įmonės nesiryžta investuoti

    Tyrime akcentuojama, kad mažesni verslai dažniau susiduria su finansiniais ir organizaciniais barjerais. OECD vertinimu, mažos ir vidutinės įmonės dažniau nei didelės patiria kliūtis dėl inovacijų kaštų ir riboto finansavimo prieinamumo.

    ABB tyrimo respondentai taip pat nurodo aiškias priežastis: pusei gamybos įmonių pagrindinė kliūtis technologinėms investicijoms yra biudžetas. Dar 23 proc. įvardija neapibrėžtumą dėl investicijų grąžos, o 22 proc. – vidinių kompetencijų ir specialistų trūkumą.

    Sprendimas, kuris gali sumažinti kaštus

    Euro-Funding Polska ekspertas Łukaszas Radoszas teigia, kad instrumentas, leidžiantis optimizuoti investicijų į robotus kaštus, yra robotizacijos lengvata. Jo vertinimu, sprendimas pratęsti lengvatos galiojimą galėtų padidinti susidomėjimą šiuo įrankiu.

    Ekspertas taip pat pažymi, kad lengvatą verta derinti su dotacijomis, pavyzdžiui, gamybos linijų modernizavimui ar įrangos įsigijimui. Pasak jo, sumanus abiejų instrumentų naudojimas gali reikšmingai sumažinti bendrą investicijų kainą ir kartu padidinti naudą, kurią duoda didesnis robotų įsitraukimas į gamybą.

  • Lūžis pramonėje: civilinės įmonės vis dažniau pereina į gynybos sektorių ir robotizuoja gamybą

    Pastaraisiais metais Europos pramonėje ryškėja aiški tendencija: dalis anksčiau tik civilinę produkciją gaminusių bendrovių vis aktyviau ieško vietos gynybos tiekimo grandinėje. Šį poslinkį skatina geopolitinė įtampa, didėjantys gynybos užsakymai ir siekis greitai didinti gamybos pajėgumus.

    Suvirinimo ir metalo apdirbimo sektoriuje tai ypač matoma per robotizacijos ir automatikos plėtrą. Suvirinimo įrangos rinkoje dirbantys specialistai pastebi, kad tarp aktyviausiai investuojančių į automatizuotas linijas dabar išsiskiria gynybos ir transporto pramonės užsakovai.

    „Dalis įmonių, kurios anksčiau gamino tik civilinius produktus, vis dažniau prie pavadinimo prideda žodį defence ir bando bendradarbiauti su gynybos pramone“, – sakė CLOOS Polska pardavimų direktorius Tomasz Jastrzębski.

    Jo teigimu, matomas ir platesnis profilį keičiančių verslų ratas: po laikino sulėtėjimo kelių transporto sektoriuje kai kurios su juo susijusios įmonės ima ieškoti gamybos krypčių, kurios galėtų atverti duris į gynybos užsakymus. Kartu geležinkelių sektorius, tradiciškai turintis daug metalo konstrukcijų ir suvirinimo darbų, vis aktyviau domisi robotizacija.

    Tuo metu automobilių pramonė, ilgą laiką buvusi vienas didžiausių robotizacijos variklių, dalyje rinkų pristabdė investicijas. Tai nekeičia bendros krypties: robotizacijos paklausa persiskirsto, o augimo centrai vis dažniau siejami su gynyba ir infrastruktūros atnaujinimu.

    DI keičia suvirinimo procesus

    Reikšmingą postūmį suteikia dirbtinis intelektas, kuris leidžia automatizaciją taikyti ten, kur anksčiau trūko tikslumo ar duomenų. Praktikoje DI sprendimai gali padėti analizuoti ruošinį prieš suvirinimą, stebėti patį procesą realiu laiku ir vertinti siūlės kokybę po darbo.

    Tokios galimybės ypač svarbios gamybose, kuriose keliami aukšti atsekamumo ir kokybės reikalavimai. Gynybos užsakymuose tai neretai reiškia griežtesnę kontrolę, detalesnį dokumentavimą ir mažesnę toleranciją klaidoms, todėl automatizuotos patikros ir stabilus proceso kartojamumas tampa konkurenciniu pranašumu.

    „Anksčiau sakydavome, kad robotas be jutiklių yra tarsi aklas įrankis. Dabar, kai vaizdą ir duomenis galima analizuoti DI modeliais, atsiveria gerokai platesnės automatizacijos galimybės“, – sakė Tomasz Jastrzębski.

    Programinė įranga kuriama greičiau

    Pokyčiai susiję ne vien su įranga, bet ir su programinės įrangos kūrimo tempu. Pasak pašnekovo, DI įrankiai sutrumpina laiką, kurio reikia kurti individualiems projektams pritaikytą programinę logiką, integruojančią skirtingas stakles, robotus, kameras ir kokybės kontrolės sistemas.

    Anksčiau sudėtingiems, konkrečiam klientui pritaikytiems sprendimams parengti galėjo prireikti kelių mėnesių, o dabar tai vis dažniau telpa į kelias savaites ar net dienas. Dėl to gamintojai greičiau diegia automatizuotas linijas, o įmonėms paprasčiau persiorientuoti į naujus produktus ar užsakymus.

    Ekspertai pabrėžia, kad šis pramonės persigrupavimas nėra vien trumpalaikė reakcija į dabartines aplinkybes. Augant investicijoms į gynybą, Europoje stiprinant vietinę gamybą ir didinant tiekimo grandinių atsparumą, civilinių įmonių įsitraukimas į gynybos sektorių greičiausiai tik didės, o robotizacija ir DI taps vienu pagrindinių greito pajėgumų didinimo įrankių.

  • DI agentai ateina į Lenkijos įmones: nuo skolų priminimų iki ERP, žadama iki 115 000 eurų nauda

    DI agentai perima rutinas

    Lenkijos įmonėse vis dažniau diegiami DI agentai, kurie ne tik generuoja tekstus, bet ir atlieka veiksmus verslo sistemose. Jie tikrina sąskaitas, sudengia mokėjimus, atnaujina įrašus ERP aplinkoje ir net skambina klientams dėl pradelstų įsipareigojimų.

    Tokie sprendimai pristatomi kaip būdas paspartinti procesus, sumažinti klaidų riziką ir išlaisvinti darbuotojų laiką analizei. Praktikoje DI agentai pirmiausia nukreipiami į aiškiai apibrėžtas, pasikartojančias užduotis.

    „Comarch“ skaičiuoja pirmuosius rezultatus

    ERP sprendimų kūrėja „Comarch“ demonstravo DI agentą, skirtą vadinamajai minkštajai skolų išieškojimo daliai. Scenarijus paprastas: pradelsta sąskaita patenka į gautinų sumų sąrašą, o agentas susisiekia su kontrahentu, primena apie skolą ir pokalbio rezultatą fiksuoja sistemoje.

    Bendrovė teigia, kad prieš pasiūlydama įrankį klientams išbandė jį savo vidiniuose procesuose. Vertinimas apėmė tiek atsiskaitymo terminų laikymąsi, tiek pinigų srautų ciklo sutrumpėjimą.

    „Kai gegužę šį agentą paleidome viduje, laiku apmokamų sąskaitų dalis padidėjo 10 proc.“, – sakė „Comarch“ atstovas Zbigniewas Rymarczykas.

    Jo vertinimu, vien trumpesnis išieškojimo ciklas, atsižvelgiant į pinigų vertę laike, bendrovei gali reikšti apie 69 000–115 000 eurų didesnę sumą sąskaitoje. Tai nėra universali garantija visoms įmonėms, tačiau rodo, kodėl DI agentai pirmiausia diegiami finansų ir apskaitos grandyse.

    Kuo DI agentai skiriasi nuo įprasto DI?

    Ši DI kryptis dažnai apibūdinama kaip žingsnis nuo turinio generavimo prie užduočių vykdymo. Skirtumas tas, kad agentas neapsiriboja atsakymu ar pasiūlymu, o pagal taisykles ir teises pats atlieka veiksmus sistemoje, pavyzdžiui, priskiria dokumentą sąnaudų kategorijai ar sudengia įmoką su sąskaita.

    „Comarch“ atstovai pabrėžia, kad tokie agentai integruojami į ERP, kur sujungiami apskaitos, pardavimų, pirkimų, sandėlio, gamybos ir personalo procesai. Tai leidžia automatizaciją taikyti ten, kur duomenys jau yra struktūruoti ir kur daug taisyklių galima aprašyti iš anksto.

    „Pereiname nuo etapo, kai žmogus aptarnavo sistemą, prie situacijos, kai sistema dirba žmogui“, – sakė „Comarch“ technologijų vadovas Tomaszas Stachlewskis.

    Kontrolė lieka žmogui

    Nors DI agentai gali veikti gana savarankiškai, įmonės pabrėžia kontrolės mechanizmus. Praktikoje tai reiškia, kad administratorius nustato ribas, pavyzdžiui, minimalų pasitikėjimo lygį, nuo kurio leidžiama automatiškai sudengti mokėjimą, o atlikti veiksmai gali būti peržiūrimi ir atšaukiami.

    Toks modelis ypač svarbus apskaitoje ir mokėjimuose, kur klaidos kainuoja brangiai, o atsakomybė galutinai tenka žmogui. DI šiuo atveju traktuojamas kaip įrankis, o ne sprendimų priėmėjas.

    „Turime suteikti žmogui visišką kontrolę viskam, ką daro DI, nes galiausiai žmogus turi priimti atliktą darbą“, – sakė Zbigniewas Rymarczykas.

    Rinka auga, bet įsisavinimas nevienodas

    Agentinių sprendimų plėtrą skatina ne tik produktyvumo pažadai, bet ir darbo rinkos realybė, kai daliai pareigybių trūksta darbuotojų, o administracinės užduotys didina kaštus. „Comarch“ nurodo, kad agentais naudojasi tūkstančiai įmonių, o funkcijų iškvietimų skaičius jau skaičiuojamas milijonais.

    Kita vertus, DI diegimas smulkesnėms įmonėms neretai tampa atskiru projektu su biudžetu ir komanda. Todėl didelę reikšmę įgauna tai, ar agentai pateikiami kaip į jau naudojamą programinę įrangą įmontuota funkcija, kurią klientas įjungia sąmoningai ir valdo pagal savo taisykles.

    „Šiuo metu automatizuojame pavienius procesų elementus. Kitas žingsnis bus sujungti agentų užduotis į automatizuotus verslo procesus, o žmogus taps jų darbo dirigentu“, – sakė Tomaszas Stachlewskis.

  • Dirbtinis intelektas gamyboje nėra magija: be strategijos ir duomenų kokybės jis tik didina chaosą

    DI gamyboje: nuo tikslo, ne nuo mados

    Ekspertai, aptarę dirbtinio intelekto diegimą gamyboje pramonės konferencijoje, sutaria dėl vieno: DI nepadarys tvarkos ten, kur procesai jau dabar nevaldomi. Technologija gali duoti apčiuopiamą naudą, tačiau tik tada, kai sprendžiamas konkretus verslo uždavinys ir iš anksto sutvarkomas pasirengimas.

    Pagrindinė klaida, kuri kartojasi skirtingose įmonėse, yra noras diegti DI vien todėl, kad tai skamba moderniai. Praktikai pabrėžia, kad investicijos sėkmę reikia matuoti ne „DI panaudojimu“, o tuo, ar sumažėjo brokas, prastovos, planavimo klaidos, o sprendimai tapo greitesni ir patikimesni.

    Be duomenų ir žmonių pasiruošimo DI neveiks

    Viena dažniausių kliūčių gamyboje yra duomenų fragmentacija, kai informacija laikoma skirtingose sistemose, kurios tarpusavyje beveik nesusikalba. Tokiu atveju net geriausi algoritmai negali pateikti patikimų įžvalgų, nes „mato“ tik dalį realybės.

    Ne mažiau svarbus ir duomenų kokybės klausimas: jei duomenys netikslūs, nepakankami, neaprašyti kontekstu ar renkami nenuosekliai, DI pateiks klaidinančias išvadas. Ekspertai pabrėžia, kad duomenų valdymas tampa esminiu pamatu, o kai kuriais atvejais vien duomenų sutvarkymas duoda efektą net ir be DI.

    „Jeigu tikimės, kad dirbtinis intelektas pats išspręs visas problemas, tada jis neišspręs nė vienos“, – sakė vienas diskusijos dalyvių.

    Dar viena dažna spraga yra kompetencijos organizacijoje: strategijos dokumento nepakanka, jei jo nesupranta vadovai ir komandos. Kai DI laikomas „juodąja dėže“, sprendimų priėmimas tampa lėtesnis, o atsakomybė išsiskaido, todėl didėja rizika, kad projektas taps brangiu eksperimentu.

    Maži pilotai ir aiškūs rodikliai sumažina riziką

    Praktikai rekomenduoja pradėti nuo nedidelių pilotinių projektų, kurie leidžia patikrinti visą ciklą: nuo duomenų surinkimo ir paruošimo iki modelio testavimo, diegimo ir priežiūros. Tokie pilotai padeda suprasti, ko trūksta organizacijai, ir realistiškai įvertinti, kiek kainuos sprendimo palaikymas ilgainiui.

    Akcentuojama, kad DI projektas nesibaigia paleidimu: modelius dažnai reikia pertreniruoti, stebėti jų tikslumą ir prisitaikymą prie pasikeitusių sąlygų. Jei įmonė neturi žmonių, suprantančių šį procesą, strategija tampa teorinė, o rezultatai nepastovūs.

    Ne mažiau svarbu iš anksto apsibrėžti rodiklius, pagal kuriuos bus vertinama sėkmė. Gamyboje tai dažniausiai yra kokybės nuokrypiai, prastovų trukmė, planavimo tikslumas, atsargų lygis, pristatymų laiku dalis ar energijos sąnaudos, tačiau tinkami rodikliai priklauso nuo konkretaus proceso.

    Kada užtenka automatizacijos, o kada reikia DI?

    Diskusijoje pabrėžta, kad ne kiekviena problema reikalauja dirbtinio intelekto. Jei užduotis gali būti patikimai išspręsta aiškiomis taisyklėmis ar analitiniais metodais, paprastesnė automatizacija dažnai būna pigesnė, greitesnė ir lengviau prižiūrima.

    DI labiausiai pasiteisina ten, kur reikia apdoroti didelius duomenų kiekius, kurių žmogus negali efektyviai įvertinti, arba kai sprendžiami vaizdo analizės, anomalijų aptikimo, sudėtingo planavimo ir optimizavimo uždaviniai. Tokiais atvejais DI gali veikti ir „šešėliniu režimu“: sprendimas dirba lygiagrečiai su esamu procesu, o įmonė palygina rezultatus prieš priimdama sprendimą dėl pilno diegimo.

    Ypač dažnai kaip praktiškas pavyzdys įvardijama anomalijų identifikacija priežiūroje ir kokybės kontrolėje, kai sistema padeda pastebėti nukrypimus, o galutinį sprendimą priima žmogus. Toks modelis mažina klaidų tikimybę ir kartu padeda išlaikyti atsakomybę ten, kur ji svarbiausia.

    DI diegimas yra pokytis, o ne vien įrankis

    Ekspertai sutaria, kad sėkmingas DI diegimas gamyboje reiškia verslo pokytį: reikia peržiūrėti procesus, atsakomybes, duomenų surinkimą ir darbuotojų įgūdžius. Vien technologijos įsigijimas nekompensuoja neefektyvių darbo praktikų ir neapibrėžtų tikslų.

    Galiausiai akcentuojama, kad reikės vis daugiau tarpdisciplininių kompetencijų: gebėjimo dirbti su duomenimis, suprasti procesus, valdyti pokytį ir kritiškai vertinti rezultatus. Įmonėms tai reiškia nuolatinį mokymąsi, nes DI sprendimai ir jų taikymo praktikos sparčiai keičiasi.

  • Iš Lodzės į 70 rinkų: kaip „Gillette“ megafabrika Lenkijoje gamina kas trečią pasaulio skustuvą

    Lodzėje veikianti „Procter & Gamble“ (P&G) „Gillette“ gamykla per du dešimtmečius tapo vienu svarbiausių koncerno gamybos ir logistikos centrų Europoje. Iš čia skustuvai ir peiliukai keliauja į maždaug 70 rinkų penkiuose žemynuose, o pats kompleksas apima gamybą, pakavimą ir paskirstymą.

    Gamykla gamina apie 160 skirtingų P&G produktų variantų, tarp jų „Mach3“, „Fusion“, „Venus Embrace“ ir „Venus Olay“ serijas. P&G teigia, kad Lodzės padalinys yra vienintelis pasaulyje, kuriame gaminami „Venus Olay“ skustuvai.

    Ši gamykla įvardijama kaip didžiausias „Gillette“ prekės ženklo padalinys pasaulyje ir viena iš vadinamųjų P&G megagamyklų. Bendrovės skaičiavimu, būtent Lenkijoje pagaminamas maždaug kas trečias „Gillette“ skustuvas pasaulyje, o tai Lodzės regionui reiškia ir darbo vietas, ir aukštesnės pridėtinės vertės kompetencijas.

    Automatizacija ir DI gamyboje

    Pastaraisiais metais Lodzės gamykla sparčiai diegia automatizavimo sprendimus, kurie leidžia didinti pajėgumus ir užtikrinti stabilų kokybės lygį. Produktų kontrolėje naudojamos vaizdinės patikros sistemos, padedančios aptikti smulkiausius neatitikimus dar prieš gaminiui pasiekiant pakuotę.

    Logistikoje pritaikomi autonominiai vežimėliai, kurie mažina rankinio darbo apimtį ir standartizuoja judėjimą gamybos patalpose. P&G taip pat akcentuoja, kad dalis sprendimų kuriami vietoje ir vėliau pritaikomi kitose įmonės gamyklose.

    „Mūsų Lodzės gamykla rodo inovacijų kryptį, nuolat tobulindama gamybos procesus ir skaitmenines technologijas“, – sakė P&G „Gillette“ komplekso Lodzėje vadovas Christophas Reifas.

    Gamykloje veikia inžinerinė komanda, P&G pristatoma kaip vidinis automatizavimo centras, kuriantis naujus įrankius ir procesų patobulinimus. Tokia praktika atitinka platesnę pramonės tendenciją, kai gamyklos tampa ne tik gamybos vieta, bet ir technologijų diegimo laboratorija.

    Karjeros ir kompetencijų augimas

    Modernioms linijoms reikalingi aukštos kvalifikacijos specialistai, todėl P&G pabrėžia vidinį darbuotojų ugdymą ir karjeros galimybes. Įmonė teigia, kad dalis vadovų savo kelią pradėjo nuo praktikų ar jaunesniųjų pozicijų, o vėliau augo keisdami roles tarp skirtingų padalinių.

    Kompleksas taip pat akcentuoja įvairovę komandose: moterys dirba ne tik administracinėse, bet ir techninėse pareigose. Pasak P&G, moterys sudaro apie trečdalį darbuotojų ir daugiau nei 40 proc. vadovaujančių pozicijų, o tai gamybos sektoriuje išlieka reikšmingu rodikliu.

    P&G mastas Lenkijoje ir investicijos

    Lodzės „Gillette“ yra viena iš P&G gamybos ašių Lenkijoje, greta kitų bendrovės padalinių šalyje. P&G skelbia, kad per maždaug 30 metų Lenkijoje investavo daugiau nei 1 mlrd. JAV dolerių; perskaičiavus pagal pastarųjų metų tipinį kursą tai sudaro apie 900 000 000 eurų.

    Įmonė taip pat nurodo sukūrusi daugiau nei 5 000 darbo vietų, o gamybą papildo tiekimo grandinės, IT ir paskirstymo funkcijos. Tokia struktūra atitinka globalių gamintojų strategiją, kai viename regione telkiami ne tik cechai, bet ir planavimas, logistika bei skaitmeninės paslaugos.

    „Ši investicija yra pavyzdys, ką JAV įmonės atneša į Lenkiją: kapitalą, technologijas, inovacijas, modernias darbo vietas ir augimo galimybes darbuotojams bei tiekėjams“, – sakė JAV ambasadorius Lenkijoje Tomas Rose.

    P&G pabrėžia ir vietinį įsitraukimą Lodzėje: darbuotojai prisideda prie socialinių iniciatyvų, paramos projektų ir bendruomeninių veiklų. Bendrovės vertinimu, būtent globalių tiekimo srautų ir vietos ekosistemos derinys ir lemia, kad gamykla iš regioninio objekto per 20 metų tapo tarptautiniu centru.

  • DI gamyboje nėra magija: kodėl be aiškaus tikslo, duomenų ir žmonių pasirengimo įmonė tik įklimps

    DI gamyboje: nuo ko pradėti?

    Dirbtinis intelektas gamyboje gali duoti apčiuopiamą grąžą, tačiau jis neišsprendžia prastai suvaldytų procesų ir nekompensuoja chaotiško valdymo. Ekspertai, diskutuodami pramonės konferencijoje, pabrėžė, kad sėkmę lemia ne technologijos naujumas, o aiškiai apibrėžtas tikslas, patikimi duomenys ir pasirengę darbuotojai.

    Praktikų teigimu, vien DI įdiegimas dažnai tik padidina triukšmą organizacijoje: atsiranda naujų įrankių, bet neatsiranda bendro susitarimo, kokį verslo rodiklį jie turi pagerinti. Todėl pirmas klausimas turėtų būti ne kokį sprendimą pirkti, o kurią konkrečią problemą būtina išspręsti ir kaip bus matuojamas rezultatas.

    Duomenys ir procesai svarbiau už įrankį

    Gamybos įmonėse viena dažniausių kliūčių yra duomenų kokybė ir jų susiskaidymas tarp skirtingų sistemų. Kai informacija laikoma atskiruose „silosuose“ ir prastai suderinama, net pažangus DI modelis negali pateikti patikimų įžvalgų, o sprendimai tampa sunkiai paaiškinami darbuotojams.

    Ekspertai akcentuoja, kad vien strategijos dokumento neužtenka, jei organizacija jo nesupranta ir realiai nesilaiko procedūrų. Praktikoje neretai paaiškėja, kad didžiausią efektą duoda baziniai dalykai: procesų peržiūra, atsakomybių išgryninimas, tvarkingas duomenų surinkimas ir nuolatinis jų valdymas.

    Pasak specialistų, verta pradėti nuo klausimo, ar problema apskritai reikalauja DI. Kai kuriais atvejais greitesnį ir pigesnį rezultatą duoda paprasta automatizacija pagal taisykles arba darbo organizavimo pakeitimai, o DI tik padidina kaštus, nepadidindamas naudos.

    Maži pilotai ir darbuotojų pasirengimas

    Diskusijose dažnai kartojama „mažų žingsnių“ logika: nedidelis pilotinis projektas padeda įmonei suprasti visą diegimo ciklą. Tokie bandymai leidžia patikrinti, kokių duomenų trūksta, kaip juos paruošti, kas prižiūrės sprendimą ir kaip bus užtikrinamas nuolatinis modelių atnaujinimas.

    Ne mažiau svarbi dalis yra žmonės. Jei vadovybė ir darbuotojai DI suvokia kaip stebuklingą mygtuką, tikėtina, kad sprendimas bus nupirktas „dėl technologijos“, o ne dėl realios naudos, todėl po kelių mėnesių bus nusivylimas ir prarastas laikas.

    Ekspertai pabrėžia, kad DI diegimas yra organizacinė transformacija, todėl reikalingi mokymai, vidinė komunikacija ir aiškus susitarimas, kaip keičiasi kasdienis darbas. Be to, būtina užtikrinti, kad į DI iniciatyvas būtų įtraukti ne tik IT žmonės, bet ir gamybos bei verslo komandos, kurios geriausiai mato realias problemas.

    Kada DI pasiteisina labiausiai?

    Praktikoje DI dažniausiai pasiteisina ten, kur yra dideli duomenų srautai ir žmogui per sunku juos apdoroti. Tai gali būti vaizdų analizė kokybės kontrolei, anomalijų aptikimas įrenginių priežiūroje, taip pat gamybos planavimo ir tiekimo grandinės optimizavimas sparčiai besikeičiančiomis sąlygomis.

    Kaip pabrėžė pramonės atstovai, svarbu turėti aiškų vertinimo kriterijų: ar norime pakeisti žmogaus atliekamą užduotį, ją atlikti greičiau ir tiksliau, ar išspręsti uždavinį, kurio anksčiau išvis nebuvo įmanoma atlikti. Tik tada DI tampa įrankiu, kuris kuria vertę, o ne dar vienu papildomu sluoksniu ant netvarkingo proceso.

    „Jei tikimės, kad dirbtinis intelektas pats išspręs visas problemas, greičiausiai jis neišspręs nė vienos“, – sakė vienas diskusijos dalyvių.

    Galutinė rekomendacija gamybos įmonėms išlieka paprasta: pradėti nuo proceso ir tikslo, pasiruošti duomenis, investuoti į kompetencijas ir tik tada rinktis technologiją. Tokia seka sumažina riziką, kad DI diegimas taps brangiu eksperimentu, kuris vietoj efektyvumo atneša dar daugiau chaoso.

  • Rinkos lūžis: civilinės įmonės vis dažniau pereina į gynybos pramonę, o DI keičia gamybą

    Europoje stiprėjant gynybos finansavimui ir keičiantis saugumo situacijai, vis daugiau anksčiau civilinę produkciją gaminusių įmonių ieško nišų gynybos pramonėje. Praktika paprasta: plečiamas produktų portfelis, kuriami dvigubos paskirties sprendimai ir mezgami ryšiai su tiekimo grandinėmis, kurios anksčiau buvo uždaros.

    Tarptautinių suvirinimo technologijų ir pramonės renginių kontekste šią kryptį pastebi ir gamybos įrangos tiekėjai. Pasak CLOOS Polska pardavimų vadovo Tomaszo Jastrzębskio, robotizacijos ir automatizacijos tempą šiuo metu dažniausiai diktuoja dvi sritys – gynyba ir transportas.

    „Įmonės, kurios anksčiau dirbo tik civilinei rinkai, vis dažniau prie savo pavadinimų prideda žodį defence ir ieško bendradarbiavimo su gynybos sektoriumi“, – sakė Tomasz Jastrzębski.

    Pašnekovas atkreipia dėmesį, kad kartu matomas ir transporto sektoriaus persiorientavimas, ypač po ankstesnio sulėtėjimo kelių transporto segmente. Dalis su transportu susijusių verslų pradeda investuoti į gamybą, kuri galėtų būti pritaikyta gynybos pramonei, taip mažindami priklausomybę nuo vienos rinkos ciklų.

    Tuo pat metu keičiasi ir robotizacijos varikliai: ilgą laiką automatizacijos statistiką Europoje reikšmingai „tempė“ automobilių pramonė, tačiau pastaraisiais metais jos investicijos kai kuriose rinkose sulėtėjo. Dėl to gamintojų dėmesys vis labiau krypsta į sektorius, kur užsakymai stabilizuojami valstybės ilgalaikiais pirkimais ir modernizavimo programomis.

    DI atveria naują automatizacijos etapą

    Gamybos automatizacijoje vis ryškesnį vaidmenį ima vaidinti DI, ypač ten, kur svarbi kokybės kontrolė, tikslumas ir atsekamumas. Suvirinimo ir metalo apdirbimo procesuose DI įrankiai leidžia geriau „matyti“ tai, ko anksčiau robotai negalėdavo įvertinti be papildomos jutiklių infrastruktūros.

    DI pritaikymas apima detalių analizę prieš suvirinimą, proceso stebėseną realiuoju laiku ir pagamintos siūlės kokybės vertinimą po darbų. Toks požiūris didina automatizacijos lygį, mažina broko riziką ir padeda suvienodinti rezultatą, kai gamyba plečiama arba dirbama keliomis pamainomis.

    „Anksčiau sakydavome, kad robotas be jutiklių yra tarsi aklas įrankis, o dabar, taikant DI sprendimus, atsiveria praktiškai neribotos galimybės analizuoti procesą ir rezultatą“, – sakė Tomasz Jastrzębski.

    Nuo mėnesių iki savaičių

    Pokyčiai siejami ne tik su technine įranga, bet ir su programinės dalies kūrimu, kuri yra kritiškai svarbi integruojant robotizuotas linijas. Gamybos įmonėms vis dažniau reikia ne atskiro roboto, o visos sistemos, kuri „susikalba“ su staklėmis, matavimo įranga, kokybės moduliais ir duomenų rinkimo sprendimais.

    Pašnekovo teigimu, DI įrankiai sutrumpino individualizuotos programinės įrangos kūrimo ir pritaikymo terminus: tai, kas anksčiau trukdavo kelis mėnesius, dabar gali būti padaroma per kelias savaites ar net dienas. Verslui tai reiškia greitesnį diegimą, trumpesnes prastovas ir spartesnį investicijų atsipirkimą.

    Šie procesai rodo platesnę tendenciją: gynybos užsakymų augimas ir technologijų šuolis gamyboje skatina civilines įmones ieškoti dvigubos paskirties produktų. Kartu DI tampa praktiniu įrankiu, kuris leidžia greičiau pritaikyti gamybą naujiems standartams ir užsakymų specifikai.

  • Automatyzacija ir DI gamyklose ne visada atsiperka: kur dažniausiai stringa diegimai ir kodėl

    Naujos technologijos pramonėje dažnai pristatomos kaip greitas kelias į didesnį našumą, mažesnes sąnaudas ir stabilesnę kokybę. Tačiau praktika rodo, kad automatizacija ir dirbtinis intelektas ne visada duoda lauktą efektą, o daliai įmonių tampa papildomu rizikų ir kaštų šaltiniu.

    Apie tai kalbėta diskusijoje apie ateities gamyklą, kur pabrėžta, kad pramonė po ketvirtosios pramonės revoliucijos bangos juda į naują etapą. Šiame etape vis daugiau dėmesio skiriama ne tik skaitmeninimui, bet ir žmogaus vaidmeniui, kompetencijoms, atsparumui bei tvarumui.

    Kodėl diegimai nuvilia?

    Automatizacijos projektai dažniausiai veikia tada, kai aiškiai apibrėžta problema, turimi kokybiški duomenys ir paskirtos atsakomybės. Jei įmonė diegia technologiją vien dėl mados ar bendro tikslo skaitmenizuotis, sprendimas gali sustiprinti esamas bėdas, pavyzdžiui, sukurti daugiau trikdžių, nei jų panaikina.

    Diskusijoje remtasi ir MIT tyrimų išvadomis, kad didelė dalis DI diegimų įmonėse nepasiekia tikslų. Tokiais atvejais problema dažnai būna ne pats DI, o pasirengimo lygis: nepakankamai sutvarkyti duomenys, per silpnos procesų disciplinos, per mažai laiko pokyčių valdymui.

    DI nėra universalus vaistas

    Gamyboje DI nauda paprastai akivaizdžiausia ten, kur tikslas pamatuojamas tiesiogiai, pavyzdžiui, sumažinti rankinio darbo apimtį, broką ar prastovas. Tačiau DI, taikomas palaikomosiose funkcijose ar biuro procesuose, ne visada sukuria aiškiai išmatuojamą investicijų grąžą, todėl lūkesčiai neretai prasilenkia su realybe.

    „Pirmiausia reikia tiksliai įvardyti problemą ir parinkti tinkamą technologiją. DI daugeliu atvejų tiesiog netinka, todėl būtina įvertinti, kokią konkrečią vertę jis sukurs ir ar bus realių sutaupymų“, – sakė diskusijos dalyvis Grzegorzas Pondelis.

    Duomenų daugėja, bet vertė neatsiranda savaime

    Automatizacija ir DI beveik visada reiškia daugiau sensorių, daugiau matavimų ir daugiau ataskaitų. Vis dėlto didesnis duomenų kiekis nebūtinai padeda, jei įmonė neturi aiškaus plano, ką su jais daryti, kokius rodiklius laikyti svarbiausiais ir kas priima sprendimus remdamasis analitika.

    Dalies gamyklų patirtis rodo, kad didžiausią praktinę naudą duoda perėjimas nuo analizės po fakto prie realaus laiko stebėsenos. Kai duomenys vertinami iškart, sprendimai priimami greičiau, o reakcija į nukrypimus tampa operatyvi, tačiau tai reikalauja ir procesų, ir žmonių pasirengimo.

    Kita vertus, net ir vėliau panaudojami duomenys gali būti vertingi mokant DI modelius. Jie gali padėti prognozuoti gedimus, aptikti paslėptus kokybės dėsningumus ar pasiūlyti, kur koreguoti režimus, tačiau modeliai nėra neklystantys, todėl svarbi žmogaus kontrolė ir aiškūs kokybės kriterijai.

  • Kinijoje atidaryta pirmoji robotų mokykla: keturi DI „absolventai“ jau išsiųsti dirbti

    Kinijoje atidaryta pirmoji robotų mokykla: keturi DI „absolventai“ jau išsiųsti dirbti

    Kinijos Hangdžou mieste pradėjo veikti vadinamoji Hangzhou Robot School – projektas, kurį jo kūrėjai pristato kaip pirmą pasaulyje mokyklą, skirtą praktiniam robotų parengimui realiam darbui. Ji įkurta 2026 metais kaip Future Island of Embodied Intelligence iniciatyvos dalis, bendradarbiaujant vietos valdžiai ir Džedziango universiteto Robotikos institutui.

    Pagrindinis tikslas – ne parodymams skirti triukai, o stabilus, prognozuojamas darbas tikrose aplinkose. Robotai čia mokomi konkrečių įgūdžių, testuojami ir sertifikuojami taip, kad būtų aišku, kokias užduotis jie pajėgūs atlikti fabrikuose, sveikatos priežiūros įstaigose, kultūros erdvėse ar sporto industrijoje.

    Pirmoji laida jau baigė pradinį ciklą: keturi robotai gavo patvirtinimą apie įgytas kompetencijas ir buvo nukreipti į realias darbo vietas, įskaitant muziejų bei „Nestlé“ padalinį. Skelbiama, kad tai tik pradžia, o dalis priimtų robotų dar tęsia mokymus.

    Į pirmąją mokyklos grupę buvo priimta 30 robotų iš 16 įmonių. Ne visi jie judės tuo pačiu tempu: kai kuriems užduotims parengti gali pakakti kelių mėnesių, o sudėtingesniam darbui mokymai gali trukti metus ar ilgiau.

    Kaip vertinami robotų gebėjimai

    Mokykla taiko penkių lygių L1–L5 sistemą, kur aukščiausias lygis reiškia maksimalų savarankiškumą ir gebėjimą dirbti be nuolatinės žmogaus priežiūros. Kiekvienas robotas, sėkmingai išlaikęs vertinimus, gauna unikalų kodą, patvirtinantį jo pasiektą lygį ir kompetencijas.

    Vertinimas apima keturias bazines sritis: aplinkos suvokimą, situacijos supratimą, sprendimų priėmimą ir veiksmų atlikimą. Tokia struktūra atspindi vieną didžiausių šiuolaikinės robotikos iššūkių: robotui neužtenka mokėti judėti ar atlikti įspūdingus veiksmus, jis turi patikimai atlikti darbą kintančiomis realaus pasaulio sąlygomis.

    Kodėl tokios mokyklos tampa aktualios

    Pastaraisiais metais robotikos sektorius sparčiai juda nuo demonstracinių prototipų prie praktinių sprendimų, ypač logistikoje, gamyboje ir paslaugose. Dėl to auga poreikis standartizuoti robotų parengimą ir aiškiai apibrėžti, ką konkreti platforma iš tiesų gali atlikti saugiai ir stabiliai.

    Hangdžou projektas iš esmės veikia kaip bandymų ir kvalifikavimo poligonas: jei robotas nepasiekia reikalavimų, jis gali būti grąžinamas gamintojui tobulinimui. Tokia atranka leidžia mažinti rizikas darbdaviams ir greičiau perkelti DI valdomas mašinas iš laboratorijų į kasdienes darbo užduotis.