Jak AI podłączony do IFS lub Monitor ERP odpowiada planistom i brygadzistom bez otwierania raportów?

AI podłączone do systemu IFS lub Monitor ERP może odpowiadać na pytania planisty i brygadzisty w czasie rzeczywistym, bez generowania raportów i bez ręcznego przeglądania zleceń. Wyciągamy dane z zleceń produkcyjnych, marszrut, stanów magazynowych i danych o przestojach, a AI zamienia je w konkretne zdania: status zlecenia, ostrzeżenie o braku materiału, zestawienie kosztów. Technicznie robimy to przez połączenie z bazą danych lub API systemu, który firma już ma, bez zastępowania czegokolwiek, co działa.

Z których systemów wyciągamy dane i jak to wygląda w praktyce

IFS Applications, IFS Cloud i Monitor ERP to systemy produkcyjne, które przechowują dane strukturalne w relacyjnych bazach: IFS na Oracle lub SQL Server, Monitor ERP na Microsoft SQL Server. Każdy z nich daje się połączyć z zewnętrznymi narzędziami przez API lub widoki bazodanowe. Systemy MES, czyli warstwa zbierająca dane bezpośrednio z maszyn i linii produkcyjnych, przeważnie też siedzą na SQL Server albo eksportują dane w regularnych interwałach do pliku.

U większości klientów wygląda to tak: tworzymy połączenie tylko do odczytu, definiujemy uprawnienia do konkretnych tabel lub widoków i zaczynamy ciągnąć dane do warstwy AI. Żaden pracownik nie zmienia niczego w systemie produkcyjnym przez AI. Na starcie jest to wyłącznie odczyt i odpowiadanie na pytania.

Firmy korzystające z IFS mają tam zwykle wszystko: zlecenia, marszruty, koszty, stany magazynowe. Monitor ERP jest popularny w mniejszych i średnich zakładach, szczególnie w branży metalowej i mechanicznej. MES pojawia się tam, gdzie trzeba śledzić maszyny co do minuty, bo ERP nie notuje przestojów w takim granulowaniu.

Które pola i dokumenty trafiają do AI: konkretna lista z IFS i Monitor ERP

W IFS pracujemy przede wszystkim na tych obiektach:

• Shop Order Header: numer zlecenia warsztatowego, numer wyrobu, data wymagana (NEED_DATE), status (Released, Started, Reported), ilość planowana (PLANNED_QTY) i zaraportowana (REPORTED_QTY)
• Shop Order Operations: numer operacji, centrum robocze (WORK_CENTER_NO), czas planowany vs. zarejestrowany, postęp realizacji na każdej operacji z osobna
• Shop Order Materials: co jest potrzebne do zlecenia, jaka ilość, czy jest dostępna na stanie w momencie zapytania
• Inventory Part in Stock: pole ONHAND_QTY dla każdego indeksu materiałowego, lokalizacja magazynowa, ilość zarezerwowana pod inne zlecenia

W Monitor ERP odpowiedniki to:

• Zlecenie produkcyjne (Manufacturing Order): numer, numer artykułu, ilość planowana, status, termin realizacji
• Marszruta (Routing): operacje, centra robocze, normy czasowe dla każdego etapu
• Dysponowanie materiałem (Material Allocation): co jest zaalokowane, czego brakuje do pełnej realizacji zlecenia
• Stan magazynowy (Lagersaldo): ilość fizyczna, ile jest zablokowane pod inne zlecenia, ile dostępne

Z warstwy MES dochodzą dane, których w ERP po prostu nie ma: czas rzeczywistego przestoju maszyny z podziałem na przyczynę, liczba braków na zmianie, aktualny takt produkcji. To właśnie te dane sprawiają, że AI może powiedzieć nie tylko "zlecenie jest w trakcie", ale "zlecenie jest w trakcie, linia 3 stoi od 40 minut z powodu awarii formownicy na stanowisku P-07".

Co AI robi z danymi produkcyjnymi: od statusu do ostrzeżeń

Status zlecenia w jednym zdaniu. Planista pyta: "Gdzie jest SO-4521?" i dostaje: "SO-4521 na wyrobie 8810-A, operacja 30 (frezowanie), centrum robocze FR-02, zaraportowano 620 z 1000 sztuk, termin piątek." Bez logowania, bez klikania zakładek, bez czekania aż system się odświeży.

Ostrzeżenia o brakach materiału. AI codziennie sprawdza, dla których zleceń z terminem w ciągu pięciu dni brakuje pozycji z Shop Order Materials względem stanu magazynowego. U jednego klienta wdrożyliśmy to tak, że o 7:00 planista dostaje w Teams wiadomość: "3 zlecenia zagrożone brakiem: blacha S235 2mm, śruba M12x40, uszczelka NBR 50mm." Wcześniej wymagało to ręcznego przejrzenia kilku raportów dyspozycji przed każdą odprawą.

Ostrzeżenia o opóźnieniach. AI porównuje NEED_DATE z aktualnym postępem i jeśli tempo produkcji wskazuje, że zlecenie nie zdąży na czas, generuje alert. Nie ocenia, dlaczego jest opóźnienie. To robi człowiek. AI wyłapuje rozbieżność i sygnalizuje ją odpowiedniej osobie.

Zestawienia kosztów i wydajności. Z IFS można wyciągnąć koszty rzeczywiste zlecenia: robociznę, materiały, kooperację. AI zestawia je z kosztami planowanymi i pokazuje, które zlecenia mają największe odchylenia. Bez eksportu do Excela, bez ręcznego wklejania kolumn.

Planista i brygadzista pytają po polsku, AI odpowiada bez raportów

To jest część, której ludzie w biurze planowania i na hali naprawdę chcą. Nie chcą nowego raportu. Chcą zapytać i dostać odpowiedź.

Przykładowe pytania, na które AI odpowiada mając dane z IFS lub Monitor ERP:

• "Ile mamy na stanie blachy 2mm S235?" (z Inventory Part in Stock lub Lagersaldo)
• "Które zlecenia mają termin w tym tygodniu i jeszcze nie są skończone?" (z Shop Order Header, filtr po statusie i NEED_DATE)
• "Na centrum FR-02, ile godzin mamy zaplanowane na jutro?" (z operacji zleceń i harmonogramu)
• "Jakie przestoje mieliśmy na linii 2 w ubiegłym tygodniu i z jakich powodów?" (z danych MES)
• "Które zlecenie ma największe odchylenie od kosztu planowanego w tym miesiącu?" (z kosztów rzeczywistych w IFS)

Brygadzista na smartfonie, przez Teams, pyta: "Co mi zostało na dziś do zrobienia na FR-02?" i dostaje listę operacji z numerami zleceń, ilościami i priorytetem. Bez logowania do systemu przez VPN ze środka hali produkcyjnej.

AI nie podejmuje decyzji. Mówi "brakuje materiału", ale nie zamawia go. Mówi "linia stoi", ale nie wydaje poleceń serwisantom. Decyzja zostaje przy człowieku, AI tylko dostarcza informacje szybciej.

Jak to technicznie spina się z systemem, który już macie

Połączenie tylko do odczytu z bazą IFS (Oracle lub SQL Server) lub Monitor ERP (MS SQL). Definiujemy widoki lub zapytania do konkretnych tabel: Shop Order Header, Shop Order Operations, Inventory Part in Stock i ich odpowiedniki w Monitor. Nikt nie dostaje dostępu do zapisu.

Dane odświeżamy co kilka minut albo przez wyzwalacze bazodanowe, zależnie od tego, jak "na żywo" ma działać system. Do większości zastosowań wystarczy odświeżanie co 5 do 15 minut. Jeśli ktoś pyta o stan maszyny w czasie rzeczywistym, podpinamy MES z krótszym interwałem.

Model językowy, na którym pracujemy (najczęściej Claude lub GPT-4o), dostaje dane kontekstowe i odpowiada na pytanie w języku naturalnym. Interfejs to Teams, własny czat w intranecie albo prosta aplikacja webowa. Pracownicy nie uczą się niczego nowego, bo Teams mają już na laptopie i telefonie.

Dla firm z MES jako osobnym systemem dodajemy drugi kanał danych. AI łączy informacje z obu źródeł i odpowiada spójnie. Typowo wystarczą dwie tabele z MES: zdarzenia przestoju z przyczyną i czasem trwania oraz raporty produkcyjne z podziałem na zmiany.

Od czego zaczynamy, gdy macie IFS, Monitor ERP lub MES

Zanim cokolwiek wdrożymy, sprawdzamy trzy rzeczy.

Jakie dane realnie są w systemie. Zdarza się, że klient ma IFS od lat, ale przestoje są notowane na kartce, a koszty rzeczywiste zleceń nigdy nie były uzupełniane przez pracowników produkcji. AI nie wyciągnie danych, których tam nie ma. To ważne ustalenie na starcie, bo od razu określa, co możemy zrobić, a czego nie.

Kto pyta i o co. Planista pyta o inne rzeczy niż kontroler produkcji, a brygadzista ma inne potrzeby niż właściciel zakładu. Definiujemy konkretnie: 5 do 10 pytań, na które system ma odpowiadać, i pod to budujemy integrację. Nie robimy "integracji ze wszystkim".

Uprawnienia i dostępy. Połączenie tylko do odczytu, jasne określenie co AI może widzieć, osobna analiza jeśli w danych pojawiają się informacje o pracownikach.

Pierwsze wdrożenia robimy warstwowo: najpierw status zleceń i stany magazynowe, potem ostrzeżenia o brakach materiałowych, potem zestawienia kosztowe. Każda warstwa daje konkretną wartość osobno. Nie trzeba czekać na całość, żeby zacząć korzystać.

Jeśli chcecie sprawdzić, czy dane w waszym IFS lub Monitor ERP nadają się do takiej integracji, zrobimy to razem podczas bezpłatnego audytu. Możecie też zobaczyć, jak wyglądają realne wdrożenia w firmach produkcyjnych, które przeszły przez ten proces.