Jak wybrać pierwszy przypadek użycia IoT w zakładzie
DBR77 Team · Opublikowano
Właściwy pierwszy przypadek użycia IoT to strata, która powtarza się co tydzień, można ją zmierzyć już dziś, ma jednego właściciela i można na nią zareagować w ciągu zmiany. Jeśli dane potrzebne do jej zobaczenia da się zdobyć w ciągu tygodni, a nie miesięcy, masz mocnego kandydata.
Dlaczego większość pierwszych projektów IoT utyka
Podczas panelu na ITM Industry Europe 2026 o tym, dlaczego AI w fabrykach kończy się na etapie pilotażu, Paweł Dera, CTO DBR77 IIoT, zwrócił uwagę, że większość projektów technologicznych i AI w fabrykach nie utyka dlatego, że model jest za słaby. Utyka, bo nikt nie określił decyzji, którą miał poprawić. Nagrania z panelu są dostępne po polsku.
Typowy projekt zaczyna się od hasła „chcemy działać bardziej w oparciu o dane”. Pół roku później nikt nie potrafi wskazać jednej decyzji, która się zmieniła. Model, który nie zmienia decyzji nikogo, to ładne demo.
W badaniu McKinsey, obejmującym ponad 700 ekspertów produkcji, mniej niż jedna trzecia przeniosła krytyczne przypadki użycia do wdrożenia na dużą skalę. Radzą zaczynać od wartości dla wyniku finansowego i dopiero od niej dochodzić do technologii. Z kolei studium Deloitte o inteligentnych fabrykach dodaje, że moment i sposób uruchomienia przypadków użycia mogą przesądzić o sukcesie.
Zacznij od spisania decyzji
Wartość pojawia się, gdy dane są podpięte do konkretnej decyzji z właścicielem. Zanim spojrzysz na maszyny, zapisz decyzję jednym zdaniem: „Gdy X wydarzy się na linii Y, rola Z robi to w ciągu N minut”.
Przykłady wystarczająco konkretne:
- Gdy zasilacz wąskiego gardła stoi dłużej niż 3 minuty, technik zmianowy dostaje zadanie z maszyną i przyczyną.
- Gdy przezbrojenie prasy 4 trwa 15 minut ponad normę, brygadzista decyduje, czy przesunąć następne zlecenie.
- Na początku każdej zmiany utrzymanie ruchu decyduje, które trzy maszyny sprawdzić najpierw, na podstawie wczorajszych postojów.
Każde z tych zdań nazywa wyzwalacz, osobę i ramy czasowe. Model, który skraca czas reakcji brygadzisty albo podpowiada utrzymaniu ruchu, na co patrzeć najpierw, daje wartość, którą można policzyć. „Lepsza widoczność” nie przechodzi tego testu, bo nie nazywa żadnego z tych trzech elementów.
Pięć kryteriów dobrego pierwszego przypadku użycia
Sprawdź każde zdanie o decyzji według pięciu kryteriów. Słabi kandydaci zwykle odpadają na właścicielu lub na stanie wyjściowym.
| Kryterium | Pytanie do sprawdzenia | Sygnał ostrzegawczy |
|---|---|---|
| Powtarzalna strata | Czy ta strata pojawia się co tydzień, najlepiej w każdej zmianie? | Zdarzyła się dwa razy w zeszłym roku, ale była kosztowna |
| Mierzalny stan wyjściowy | Czy da się zmierzyć obecny stan w ciągu dwóch tygodni? | „Myślimy, że to około godziny dziennie”, bez danych za tym |
| Jasny właściciel | Czy jest jedna nazwana rola, która na to reaguje? | Odpowiedź brzmi „produkcja i utrzymanie ruchu razem” |
| Krótka pętla reakcji | Czy ktoś może zareagować w tej samej zmianie? | Decyzja zapada raz w miesiącu na spotkaniu |
| Dane dostępne w ciągu tygodni | Czy sygnały można pozyskać z istniejących sterowników PLC lub prostych czujników? | Wymaga nowego MES, integracji z ERP lub sześciu miesięcy historii |
Pierwsze dwa chronią uzasadnienie biznesowe, a ostatnie trzy sprawiają, że ktoś może zareagować na dane jeszcze w tej samej zmianie.
Sprawdź z nami swoich kandydatów na przypadki użycia
Przynieś dwóch lub trzech kandydatów. Ocenimy ich razem i uzgodnimy stan wyjściowy, właściciela i kryteria sukcesu pilotażu na jednej linii.
Jak punktować kandydatów: przykład poglądowy
Oceń każdego kandydata od 1 do 3 punktów za kryterium, maksymalnie 15 punktów. Poniższe wyniki są poglądowe i dotyczą typowego zakładu średniej wielkości.
- Reakcja na postoje na linii wąskiego gardła: 14 z 15. Postoje zdarzają się w każdej zmianie, reakcją zarządza brygadzista, a sterownik PLC już raportuje stany pracy i postoju.
- Czas przezbrojenia na linii prasy: 12 z 15. Wyraźna strata tygodniowa i właściciel, ale początek i koniec przezbrojenia nie są jeszcze rejestrowane konsekwentnie.
- Złom na linii ekstruzji: 10 z 15. Realna, powtarzalna strata. Odpowiedzialność jest rozdzielona między jakość i produkcję, a liczby złomu wpisuje się ręcznie.
- Monitoring energii w całym zakładzie: 7 z 15. Łatwe dane, ale nikt nie jest właścicielem decyzji na poziomie zmiany, a pętla reakcji trwa miesiąc.
- Predykcyjne utrzymanie ruchu sprężarki głównej: 6 z 15. Awarie są rzadkie i brakuje historii awarii, z której model mógłby się uczyć.
Zwycięża pierwszy kandydat, a jego stany maszyn i przyczyny postojów stają się historią, której potrzebują kolejne przypadki użycia. Strona z przypadkami użycia pokazuje, gdzie zwykle pasuje każdy z nich.
Przypadki użycia, które wyglądają atrakcyjnie, ale są słabym pierwszym wyborem
Brzmią mocno na prezentacji dla zarządu. Większość z nich sprawdza się jako drugi lub trzeci krok.
Predykcyjne utrzymanie ruchu. Predykcja wymaga czystej historii stanów, postojów i awarii, której większość zakładów z istniejącą infrastrukturą jeszcze nie ma.
Dashboardy dla całego zakładu. Podłączenie wszystkiego naraz nie pozostawia linii, na której można udowodnić wynik. Badanie McKinsey dotyczące IoT zauważa, że nie ma jednego uniwersalnego przypadku użycia, a IoT musi opierać się na wynikach biznesowych.
AI na nieuporządkowanych danych. Jeśli przyczyny postojów zgadywane są na koniec zmiany, model uczy się na tych zgadywaniach. Nasz artykuł o CMMI i dojrzałości danych wyjaśnia, dlaczego dyscyplina procesowa jest na pierwszym miejscu.
Zobacz też 7 błędów, które popełniają firmy przy wdrażaniu IoT.
Co zrobić, gdy już wybierzesz
Zanim pierwsze urządzenie zostanie zainstalowane, uzgodnijcie:
- stan wyjściowy z dwóch tygodni danych, na przykład czas reakcji i udział przestojów bez przyczyny,
- kryteria sukcesu, na przykład czas reakcji poniżej 10 minut do ósmego tygodnia,
- kto decyduje, co dzieje się po pilotażu, i do kiedy.
Na jednej linii do produkcji opakowań z tektury falistej pilotaż skupiony na reakcji na postoje przebiegał właśnie według tego schematu. Średni czas reakcji spadł z 24 do 9 minut, a OEE wzrosło z 61% do 70%. Vorne zauważa, że większość producentów działa bliżej 60% OEE, więc punkt wyjścia był typowy.
Następnie zamień przypadek użycia w uzasadnienie biznesowe dla IoT i zaplanuj pierwsze 30 dni.
Najczęstsze pytania
Czy pierwszy przypadek użycia IoT powinien dotyczyć linii wąskiego gardła?
Zwykle tak, bo każda minuta odzyskana tam to produkcja zyskana dla całego zakładu. Wyjątkiem jest wąskie gardło bez brygadzisty gotowego wziąć na siebie projekt. Mniej krytyczna linia z zaangażowanym właścicielem szybciej udowodni wartość.
Od ilu przypadków użycia zacząć?
Od jednego, na jednej linii. Drugi może ruszyć, gdy pierwszy ma stan wyjściowy, właściciela i zmierzony wynik. Przy kilku naraz trudno stwierdzić, który z nich wygenerował wartość.
Ile czasu trzeba czekać, by wiedzieć, czy przypadek użycia działa?
W przypadku czasu reakcji pierwszy sygnał pojawia się w pierwszym tygodniu, bo każdy postój i każda reakcja mają znacznik czasu. Na ocenę wpływu na OEE warto poczekać sześć do ośmiu tygodni.
Czy predykcyjne utrzymanie ruchu to dobry pierwszy przypadek użycia?
Rzadko. Wymaga czystej historii stanów maszyn i awarii. Większość zakładów buduje tę historię dopiero wtedy, gdy działa już monitoring na żywo.
Podsumowanie
W przykładzie punktacji wygrała reakcja na postoje na linii wąskiego gardła, bo postoje zdarzają się w każdej zmianie, reakcją zarządza brygadzista, a sterownik PLC już raportuje stany pracy i postoju. Jeśli któryś z Twoich kandydatów wygląda podobnie, najpierw zapisz dla niego zdanie o decyzji, a potem zbierz dwa tygodnie danych o czasie reakcji jako stan wyjściowy, zanim zostanie zainstalowane pierwsze urządzenie.
Zaplanuj pierwszy przypadek użycia na jednej linii
Pomagamy wybrać przypadek użycia, ustalić stan wyjściowy i kryteria sukcesu oraz podłączyć linię bez zatrzymywania produkcji.
Źródła
- DBR77, nagrania z konferencji ITM Industry Europe 2026 (po polsku), 2026
- McKinsey & Company, How digital manufacturing can escape "pilot purgatory", 2018
- McKinsey & Company, IoT value set to accelerate through 2030, 2021
- Deloitte Insights, Driving value from smart factory technologies, 2019
- Vorne, World-Class OEE, 2026
- DBR77, CMMI and data maturity, 2026
- Dane z pilotażu DBR77 IIoT, linia do produkcji opakowań z tektury falistej (klient anonimowy), 2026