Digitalisering er et «buzzword» for å utnytte informasjonsteknologi (IT) for å «effektivisere». Men det kan være vanskelig å forstå hvordan denne effektiviseringen egentlig er tenkt gjennomført. Kan vi garanteres høyere effektivitet bare ved å digitalisere mer?

Digitalisering er egentlig ikke noe nytt; denne prosessen har pågått konstant siden 1950-tallet. Det har også dukket opp flere ulike politiske insentiver i mellomtiden for å øke investeringsgraden for IT i næringslivet. Men tidene forandrer seg og gårsdagens teknologier og arbeidsmetoder er utdaterte, og noen ganger kan de også være en belastning når det trengs nye, mer fleksible løsninger. I løpet av 1990-tallet handlet begrepet digitalisering å samle mest mulig informasjon i forretningssystemer for å lette datasøk mellom ulike tabeller. Store forretningssystemer er overalt i dag, og de har bidratt enormt med å øke effektivitet.

I dag akselererer markedet mer og mer, og hele kjeden fra design til ferdig produkt må stadig forkortes. I tillegg etterspør kundene mer tilpassede produkter, noe som stiller store krav til fleksibilitet. Derfor snakkes det om smidige systemer og organisasjoner med kortere beslutningsprosesser. Disse beslutningsprosessene involverer både mennesker og teknologi, og nøkkelbegrepet er å bygge desentraliserte og fleksible systemer.

Den organisasjonen som lykkes med å få fart på sine beslutningsprosesser ved å bygge desentraliserte systemer med smidige prosesser, anses å ha høyere digital modenhet – noe som fører til høyere effektivite.

 

Innenfor konseptet Industri 4.0 (et tysk nasjonalt program for å drive digitalisering, primært i produksjonsindustrien), som har fått stor utbredelse internasjonalt, har forskningsinstituttet Acatech utviklet ulike nivåer av digital modenhet. Vi bruker denne modellen som referanse for å diskutere hvordan man kan forstå ulike nivåer av digital modenhet, og hvordan organisasjon og teknologi henger sammen. Det finnes selvfølgelig andre modeller som fungerer på lignende måte og er mer eller mindre tilpasset ulike kontekster. Acatechs modell har seks ulike nivåer: databehandling, konnektivitet, synlighet, transparens, forutseendehet og tilpasningsevne.

 

 

IoT mognadstrappa

Bilde: Acatechs modenhetstrapp rundt digitalisering

1. Databehandling

Det første nivået, databehandling, betyr at digitale systemer eksisterer, men de er ikke sammenkoblet på noen måte. Det kreves mye manuell dataoverføring mellom disse systemene. For en organisasjon som er i denne modningsgraden gjelder en tradisjonell struktur med faste kommunikasjonskanaler fra topp til bunn.

2. Konnektivitet

Konnektivitet-nivået betyr at flere systemer og/eller prosesser er sammenkoblet på en eller annen måte. Digital kommunikasjon er for det meste basert på IP-protokollen. De mest grunnleggende systemene er også godt forankret i virksomhetens forretningsmodeller og arbeidsprosesser. En organisasjon på konnektivitet-nivå er mer utsatt for endring, for eksempel gjennom «kontinuerlig forbedring», men bygger fortsatt på en tradisjonell ledermodell.

3. Synlighet

Synlighet betyr at det er en synlighet av virksomhetens prosesser i en digital kopi, eller «skygge», som samles inn fra ulike systemer og sensorer. Her finnes det store utfordringer ved at det sjelden kun er én informasjonskilde, det er mange «sannheter». I tillegg kan det være vanskelig å vite hvem eller hvilke som trenger tilgang til spesifikk data, da det ofte oppstår synergieffekter av å kunne se ulike deler av organisasjonen. Bortsett fra datainnsamling har organisasjoner på dette nivået en tydelig plattform for informasjonsdeling mellom ulike deler av organisasjonen. Det handler om å bryte ned barrierer.

Kundecase Micropower: Samle data fra batterier og visualiser.

4. Transparens

Transparens handler om å forstå årsakssammenheng. Hvorfor gikk maskinen i stykker? Hvorfor var det en forsinkelse i leveringen? For å kunne gjøre dette trenger man en utviklet struktur for å kunne bygge opp kunnskap fra innsamlet data. Metadata (data om data) er nødvendig for å vite hvordan datapunkter er relatert til virkeligheten, et krav om å trekke viktige konklusjoner fra det. Program for dataanalyse og strukturerte rapporter er viktige verktøy her. For å virkelig forstå et komplekst hendelsesforløp, må også ulike ekspertiser samarbeide. Bedrifter som har for sterke vertikale grenser (siloer) kan aldri oppnå transparens.

Kundecase Carbex: Intelligente kullbørster for rotorer i vindkraftverk. Systemet analyserer data fra børstene og forutser levetiden til børstene.

Autentisering och auktorisering för IoT-system

Takket være i-BRUSH kan alle typer kullbørster overvåkes eksternt, og viktig informasjon presenteres lettforståelig på en datamaskin eller smarttelefon.

5. Förutseende

Alle som har kunnskap om hvordan data henger sammen og kan trekke konklusjoner fra det (transparens), kan med riktige verktøy og tilstrekkelig mengde data spille av ulike fremtidsscenarier og forutsi hva som kan skje i fremtiden (med en viss sannsynlighet). Dette kan gjøres ved å simulere ulike prosesser eller med maskinlæring. For å dra nytte av dette fremsynet, kreves det en ekstremt desentralisert og smidig organisasjon der enkeltpersoner kan ta raske beslutninger og tilpasse seg raske endringer.

Kundecase Östgötatrafikken: AI/Maskinlæring samler data fra ulike kilder og gjetter en ankomsttid for busser.

6. Tilpasningsevne

Det høyeste nivået av digital modenhet nås når systemer og organisasjoner tilpasser seg basert på det optimale framtidsscenarioet. Dette oppnås gjennom automatisk tilbakemelding fra analyseresultatene. For å vite at disse tilbakemeldingene faktisk fungerer, kreves det ytterligere nivåer av abstraksjon av målinger med datainnsamling, metadata og analyse. Innad i organisasjonen kreves det god generell systemforståelse og tillit for å akseptere eventuelle endringer.

Slutsats

Den uppmärksamme läsaren kan naturligtvis komma med många frågeställningar till (och kanske invändningar mot) att förenkla ett företags, ofta komplexa, sammansättning av organisation och teknik, till en siffra, och därmed definiera dess digitala mognad. För det första är modellen mer komplex än vad som beskrivits här, men framförallt är det just i förenklingen som styrkan finns. Det går att jämföra olika delar av en organisation för att se om det finns stora skillnader, vilket kan leda till ineffektiv kommunikation. Det ger även en möjlighet att reflektera över om investeringar i teknologi sammanfaller med organisationen. Har vi verkligen fått synbarhet av vår process efter införandet av en IoT plattform? Litar alla på resultatet från det nya simuleringsverktyget? Är det bristen på en bra kommunikationsplattform som begränsar samarbetet mellan våra agila team?

    IoT-expert

    Magnus Åkerman

    IoT-ekspert på Attentec

    Utdannelse: tekn. dr. ”Industri 4.0” (Chalmers Tekniska Högskola), tekn. magisterexamen ”Dator kommunikation” (Kungl. Tekniska Högskolan)
    Rolle: Hjelper kunder med arkitektur, behovsanalyse, prosjektledelse og implementering innenfor IoT.
    Bakgrunn: Lang erfaring med programvareutvikling i telekomindustrien og forskning på å bygge moderne IT-systemer for produksjonsindustrien.