Digitalisering är ett “buzzword” som syftar till att utnyttja informationsteknologier (IT) i högre utsträckning och därigenom “effektivisera”. Men det kan vara svårt att förstå hur denna effektivisering faktiskt är tänkt att realiseras. Kan vi bli garanterade högre effektivitet bara genom att digitalisera mera?!

Egentligen är inte digitalisering något direkt nytt utan den här processen har konstant pågått sedan 1950-talet. Det har också dykt upp flera olika politiska incitament under tiden för att öka investeringsgraden för IT i näringslivet. Men tiderna förändras och gårdagens teknologier och arbetssätt blir daterade och ibland kan de även vara en belastning när nya, mer flexibla lösningar skall till. Under 1990-talet innebar t.ex. begreppet digitalisering att samla så mycket information som möjligt i affärssystem för att underlätta datasökningar mellan olika tabeller. Stora affärssystem är idag ett faktum och de har naturligtvis ökat effektiviteten något oerhört.

Idag snabbas marknaden upp mer och mer, och hela kedjan från design till färdig produkt måste ständigt kortas ner. Dessutom kräver kunderna mer anpassade produkter, vilket ställer stora krav på flexibiliteten. Därför pratas det om agila system och organisationer med kortare beslutsprocesser. Dessa beslutsprocesser innefattar både människa och teknik och nyckelbegreppet är att bygga decentraliserade och flexibla system.

Den organisation som lyckas att snabba upp sina beslutsprocesser genom bygga decentraliserade system med agila processer anses ha en högre digital mognad, vilket leder till högre effektivitet. 

 

Inom begreppet Industri 4.0 (ett tyskt nationellt program för att driva på digitaliseringen inom framförallt tillverkningsindustrin) som fått stor internationell spridning har forskningsinstitutet Acatech tagit fram olika nivåer av digital mognadsgrad. Vi använder här den modellen som referens för att diskutera hur man kan förstå olika nivåer av digital mognad och hur organisation och teknologi hänger ihop. Men det finns såklart andra modeller som fungerar på liknande vis och är mer eller mindre anpassade till olika sammanhang. Acatechs modell har sex olika nivåer: datorisering, konnektivitet, synbarhet, transparens, förutseende och anpassbarhet.

 

IoT mognadstrappa

Bild: Acatechs mognadstrappa kring digitalisering

1. Datorisering

Den första nivån, datorisering, innebär att digitala system finns men de är inte sammanlänkade på något sätt. Mycket manuell flyttning av data krävs mellan dessa system. För en organisation som befinner sig på den här mognadsgraden gäller en traditionell struktur med fasta kommunikationskanaler uppifrån och ner.

2. Konnektivitet

Konnektivitetsnivån innebär att flera system och/eller processer är sammankopplade på ett eller annat sätt. Den digitala kommunikationen bygger mestadels på IP-protokollet. De mest grundläggande systemen är också väl förankrade i företagets affärsmodeller och arbetsprocesser. En organisation på konnektivitetsnivån är mer förändringsbenägen, tex. genom “ständiga förbättringar”, men bygger fortfarande på en traditionell ledarskapsmodell.

3. Synbarhet

Med synbarhet menas att det finns en synbarhet av företagets processer i en digital kopia, eller “skugga”, som samlas in från olika system och sensorer. Här finns stora utmaningar i att det sällan bara finns en informationskälla, det finns många “sanningar”. Dessutom kan det vara svårt att veta vem eller vilka som behöver tillgång till vilken data, då det inte sällan framkommer synergieffekter av att kunna se olika delar av organisationen. Förutom datainsamling har organisationer på denna nivå en tydlig plattform för informationsdelning mellan olika delar av organisationen. Det handlar om att bryta upp barriärer.

Kundcase Micropower: Samla in data från batterier och visualisera.

4. Transparens

Transparens handlar om att förstå orsakssamband. Varför gick maskinen sönder? Varför blev det en försening i leveransen? För att kunna göra det behövs en utvecklad struktur för att kunna bygga upp kunskap från insamlad data. Metadata (data om data) behövs för att veta hur datapunkter hänger ihop med verkligheten, ett krav för att dra viktiga slutsatser från den. Program för dataanalys och strukturerade rapporter är viktiga verktyg här. För att verkligen förstå ett komplext händelseförlopp behöver också olika expertiser samarbeta. Företag som har för starka vertikala gränsdragningar (silos) kan aldrig nå transparens.

Kundcase Carbex: Intelligenta kolborstar till rotorer i vindkraftverk. Systemet analyserar data från borstarna och förutsäger borstarnas livslängd.

Autentisering och auktorisering för IoT-system

Tack vare i-BRUSH kan alla typer av kolborstar övervakas på distans och väsentlig information presenteras bekvämt och överskådligt på en dator eller smart telefon.

5. Förutseende

Den som har kunskapen om hur data hänger ihop och kan dra slutsatser från det (transparens) kan, med rätt verktyg och tillräcklig datamängd, spela upp olika framtida scenarier och förutse vad som kan ske i framtiden (med en viss sannolikhet). Det kan göras genom att simulera olika processer eller med maskininlärning. För att dra nytta av denna framsynthet krävs en extremt decentraliserad och agil organisation där individer kan ta snabba beslut och anpassa sig till snabba förändringar.

Kundcase Östgötatrafiken: AI/Maskininlärning samlar data från olika källor och gissar en ankomsttid för bussar.

6. Anpassbarhet

Den högsta nivån av digital mognad nås när system och organisation anpassar sig baserat på det optimala framtidsscenariot. Det uppnås genom automatisk återkoppling från analysresultaten. För att veta att dessa återkopplingar faktiskt fungerar krävs ytterligare abstraktionsnivåer av mätningar med datainsamling, metadata och analys. Inom organisationen krävs här en god allmän systemförståelse och tillit för att acceptera eventuella förändringar.

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-expert på Attentec

    Utbildning: tekn. dr. “Industri 4.0” (Chalmers Tekniska Högskola), tekn. magisterexamen “Dator kommunikation” (Kungl. Tekniska Högskolan)

    Roll: Hjälper kunder med arkitektur, behovsanalys, projektledning och implementering inom IoT.

    Bakgrund: Lång erfarenhet av mjukvaruutveckling inom telekomindustrin samt forskning om att bygga moderna IT system för tillverkningsindustrin.

     

    Senaste nytt inom Internet of things