Marcin Paszkiewicz

Blog

  • Szkolenia VR vs. e-learning w przemyśle: co mówią dane i kiedy warto wybrać VR

    Szkolenia VR vs. e-learning w przemyśle: co mówią dane i kiedy warto wybrać VR

    Symulator wirtualnej odlewni — środowisko VR szkoleń Krakodlew
    Krakodlew, Kraków — operator podczas szkolenia VR w wirtualnym odlewie. Błędy zdarzają się tutaj, nie przy piecu.

    2018 rok. Stoję przed zarządem jednej z największych polskich odlewni i tłumaczę, dlaczego wdrożenie szkoleń VR ma sens. Na sali siedzą ludzie, którzy szkolili pracowników przez 30 lat metodą „mistrz–uczeń” — i przez 30 lat to działało.

    Pytanie, które padło, było przewidywalne: „Po co płacić za wirtualną rzeczywistość, skoro mamy e-learning?”

    To dobre pytanie. Ale źle postawione.

    Bo problem nie leży w koszcie technologii — leży w tym, do czego jej używasz.

    Co mówią dane — PwC 2020

    W 2020 roku PwC opublikowało jedno z największych badań porównawczych szkoleń VR w środowisku korporacyjnym. 10 000 uczestników. Trzy metody: szkolenie w sali, e-learning, VR. Wyniki były jednoznaczne.

    Szybkość przyswajania wiedzy — indeks względem szkolenia w sali (PwC 2020, n=10 000)

    Uczestnicy VR ukończyli szkolenia 4× szybciej niż w sali i 2.7× szybciej niż przez e-learning. Źródło: PwC, 2020 VR Soft Skills Study

    Cztery razy szybciej to nie margines statystyczny. To różnica między szkoleniem trwającym tydzień a szkoleniem trwającym dwa dni.

    Pewność w zastosowaniu zdobytych umiejętności — wzrost vs. szkolenie w sali (PwC 2020)

    Uczestnicy VR wykazywali 275% wyższy poziom pewności w stosowaniu wiedzy niż po szkoleniu w sali. Źródło: PwC, 2020 VR Soft Skills Study

    Różnica między „wiem jak to zrobić” a „czuję, że potrafię to zrobić” — to właśnie ta 275%. I w środowisku przemysłowym ta różnica ma bezpośrednie przełożenie na wypadki, błędy i jakość.

    Widok z symulatora VR — wirtualna odlewnia
    Widok z symulatora — operator w wirtualnej odlewni. Każdy błąd jest informacją zwrotną, nie wypadkiem.

    Kiedy VR wygrywa z e-learningiem

    E-learning sprawdza się tam, gdzie chodzi o przekazanie informacji: procedury BHP, regulacje, wiedza produktowa. Można go zrobić tanio, szybko zaktualizować i uruchomić na każdym laptopie.

    VR wygrywa, gdy chodzi o zbudowanie odruchu i pewności w sytuacjach, których nie możesz bezpiecznie powtarzać w rzeczywistości.

    4×

    szybsze przyswajanie wiedzy niż w sali szkoleniowej
    275%

    wyższa pewność stosowania umiejętności vs. szkolenie w sali
    3.75×

    wyższe zaangażowanie emocjonalne niż przy klasycznym szkoleniu

    W odlewni scenariusze, które ćwiczyliśmy w VR, to sytuacje awaryjne przy piecu topielniczym — przegrzanie, wyciek metalu, nieprawidłowe odczyty temperatury. Żadnego z tych scenariuszy nie da się przećwiczyć „na żywo” bez ryzyka poważnego wypadku.

    VR nie zastępuje e-learningu. Rozwiązuje inny problem — tam, gdzie sama wiedza nie wystarczy i potrzebna jest reakcja ciała.

    Ekonomia: kiedy VR przestaje być drogi

    Główna obiekcja zarządów brzmi zawsze tak samo: „To jest drogie”. I to prawda — koszt tworzenia treści VR jest wyższy niż e-learningu. Ale to jest koszt jednostkowy tworzenia, nie koszt jednostkowy szkolenia.

    Koszt szkolenia na uczestnika — e-learning vs. VR w zależności od skali (model szacunkowy)

    Koszt VR na uczestnika spada wraz ze skalą — przy 500+ osobach jest porównywalny z e-learningiem, przy jednoczesnie wyższej skuteczności. Model szacunkowy na podstawie danych rynkowych 2024.

    Do tego dochodzą koszty, których e-learning nie eliminuje: zatrzymanie linii produkcyjnej na czas szkolenia, dojazdy, sala, instruktor. VR można przeprowadzić przy stanowisku, w 20 minut, bez zatrzymywania produkcji.

    Symulator VR — procedury bezpieczeństwa w odlewni
    Symulator procedur bezpieczeństwa — operator ćwiczy reakcję na sytuację awaryjną bez zatrzymywania produkcji.

    Kiedy e-learning jest lepszym wyborem

    VR nie jest odpowiedzią na wszystko. Są sytuacje, gdzie e-learning jest obiektywnie lepszym wyborem:

    • Szybkie aktualizacje treści — zmiana regulacji, nowy produkt, aktualizacja procedury. E-learning można zmienić w dzień. Treść VR wymaga rekonstrukcji 3D.
    • Szkolenia czysto informacyjne — compliance, prawo pracy, onboarding ogólny. Nie potrzebujesz immersji żeby zapamiętać numer telefonu alarmowego.
    • Mała skala jednorazowa — jeśli szkolisz 5 osób raz w roku, koszt produkcji treści VR nie zwróci się.
    • Dostęp z każdego urządzenia — e-learning działa na telefonie w domu. VR wymaga sprzętu.

    Pytanie nie brzmi „VR czy e-learning” — lecz „który proces wymaga której metody”.

    Z praktyki: szkolenia VR w odlewni

    W Krakodlew wdrożyliśmy szkolenia VR dla procedur bezpieczeństwa przy piecach topielniczych. Wynik: skrócenie czasu wdrożenia nowych operatorów o ok. 40%, zero incydentów wynikających z nieznajomości procedur w pierwszych 6 miesiącach pracy. Wzorzec, który później zastosowałem w kolejnych wdrożeniach dla przemysłu.

    Praktyczna zasada decyzyjna

    Zanim zdecydujesz o metodzie szkolenia, odpowiedz na trzy pytania:

    • Czy błąd podczas szkolenia może być niebezpieczny lub bardzo kosztowny w rzeczywistości? → VR
    • Czy szkolenie dotyczy fizycznych czynności i procedur, a nie samej wiedzy? → VR
    • Czy będziesz szkolić tę samą treść dla 50+ osób przez kilka lat? → VR jest opłacalny

    Jeśli odpowiedź na wszystkie trzy to „nie” — e-learning jest mądrzejszym wyborem.

    Jakie szkolenia w Twojej organizacji byłyby najlepszym kandydatem do VR?

    Źródła: PwC — VR Soft Skills Study 2020 (n=10 000) | Brandon Hall Group — Learning & Development Research | Dane własne: wdrożenia Krakodlew 2018–2024

  • VR Training vs. E-Learning in Industry: What the Data Says and When VR Wins

    VR Training vs. E-Learning in Industry: What the Data Says and When VR Wins

    Virtual foundry simulator — VR training environment at Krakodlew
    Krakodlew foundry, Kraków — operator during VR training. Mistakes happen here, not at the furnace.

    It’s 2018. I’m standing in front of the board of one of Poland’s largest foundries, explaining why VR training makes sense. The room is full of people who have trained workers for 30 years using the master-apprentice method — and it worked for 30 years.

    The question that followed was predictable: „Why pay for virtual reality when we already have e-learning?”

    It’s a good question. But it’s the wrong one.

    Because the problem isn’t the cost of the technology — it’s knowing what you’re using it for.

    What the data says — PwC 2020

    In 2020, PwC published one of the largest comparative studies of VR training in a corporate setting. 10,000 participants. Three methods: classroom, e-learning, VR. The results were unambiguous.

    Learning speed — index relative to classroom training (PwC 2020, n=10,000)

    VR learners completed training 4× faster than classroom and 2.7× faster than e-learning. Source: PwC, 2020 VR Soft Skills Study

    Four times faster isn’t a statistical margin. It’s the difference between a week-long training programme and a two-day one.

    Confidence in applying learned skills — increase vs. classroom training (PwC 2020)

    VR learners showed 275% higher confidence in applying skills than after classroom training. Source: PwC, 2020 VR Soft Skills Study

    The gap between „I know how to do this” and „I feel confident I can do this” — that’s the 275%. In an industrial environment, that gap translates directly to accidents, errors, and quality failures.

    VR simulator view — virtual foundry environment
    View from the simulator — operator inside the virtual foundry. Every mistake is feedback, not an accident.

    When VR beats e-learning

    E-learning works where the goal is information transfer: safety procedures, regulations, product knowledge. It’s cheap to produce, easy to update, and runs on any laptop.

    VR wins when you need to build a physical reflex and genuine confidence in situations you can’t safely repeat in reality.

    4×

    faster knowledge acquisition than classroom training
    275%

    higher confidence in applying skills vs. classroom
    3.75×

    higher emotional engagement than traditional training

    At the foundry, the VR scenarios we trained were emergency situations at the melting furnace — overheating, metal spillage, incorrect temperature readings. None of these can be practised live without serious accident risk.

    VR doesn’t replace e-learning. It solves a different problem — where knowledge alone isn’t enough and the body needs to learn too.

    The economics: when VR stops being expensive

    The main board-level objection is always the same: „It’s expensive.” And it’s true — VR content creation costs more than e-learning. But that’s a content production cost, not a per-trainee training cost.

    Training cost per participant — e-learning vs. VR at scale (estimated model)

    VR cost per participant drops sharply with scale — at 500+ people it becomes comparable to e-learning, while delivering significantly higher effectiveness. Estimated model based on market data 2024.

    Then add the costs e-learning doesn’t eliminate: stopping the production line for training, travel, room hire, an instructor. VR can be delivered at the workstation, in 20 minutes, without stopping production.

    VR simulator — safety procedures at the foundry
    Safety procedure simulator — operator practises emergency response without stopping production.

    When e-learning is the better choice

    VR isn’t the answer to everything. There are situations where e-learning is objectively the right call:

    • Fast content updates — new regulation, product change, procedure update. E-learning can be changed in a day. VR content requires 3D reconstruction.
    • Pure knowledge training — compliance, labour law, general onboarding. You don’t need immersion to remember an emergency phone number.
    • Small one-off groups — if you’re training 5 people once a year, VR content production costs won’t pay back.
    • Any-device access — e-learning works on a phone at home. VR requires hardware.

    The question isn’t „VR or e-learning” — it’s „which process needs which method”.

    From practice: VR training at a foundry

    At Krakodlew, we implemented VR training for safety procedures at melting furnaces. The result: approximately 40% reduction in new operator onboarding time and zero incidents caused by procedure gaps in the first 6 months on the job. A pattern I’ve applied across subsequent industrial implementations.

    A practical decision rule

    Before deciding on a training method, answer three questions:

    • Could a mistake during training be dangerous or very costly in reality? → VR
    • Does the training involve physical actions and procedures, not just knowledge transfer? → VR
    • Will you be training the same content to 50+ people over several years? → VR is cost-effective

    If the answer to all three is „no” — e-learning is the smarter choice.

    Which training in your organisation would be the best candidate for VR?

    Sources: PwC — VR Soft Skills Study 2020 (n=10,000) | Brandon Hall Group — Learning & Development Research | Own data: Krakodlew implementations 2018–2024

  • Robotisation Potential Analysis in a Foundry: Why the Right Priority Is Rarely Obvious

    Robotisation Potential Analysis in a Foundry: Why the Right Priority Is Rarely Obvious

    Krakodlew foundry production hall
    Krakodlew foundry hall, Kraków — one of the places where this story began.

    2018. I’m at one of the largest Polish foundries. Rather than looking for an „obvious” robotisation candidate, I start by building a digital twin of the production hall — a model mapping individual process sections that allows evaluating automation potential without stopping the line.

    Each section is described through a set of parameters: operation frequency, OHS hazard level, process suitability for automation, estimated ROI. Data is collected at every workstation. Only then do I form a recommendation.

    Conceptual diagram — digital twin of the hall: section analysis by hazard level

    Zone A
    Casting cleaning
    ⚠ hazard: CRITICAL

    Zone B
    Melting furnaces
    ⚠ hazard: HIGH

    Zone C
    Quality control
    hazard: LOW

    Zone D
    Palletising
    hazard: LOW

    Conceptual model — the actual digital twin covered over a dozen production sections with full process parametrisation.

    The question from management: where do we invest first?

    The right question changes everything

    I don’t ask „what’s cheapest to automate”. I ask: „where is the human most at risk?”

    This isn’t sentimentality — it’s rational economics. Processes with the highest hazard levels also exhibit other characteristics: high staff turnover, sick leave, medical costs, accident risk with legal consequences. OHS and economics point in the same direction here.

    Analysis criteria, in order of importance:

    • Hazards to life and health (OHS) — does automation eliminate harmful factors: temperature, noise, dust, vibration, accident risk? This is the overriding criterion.
    • Process repeatability — can a robot perform the task identically, every time, without exceptions?
    • Return on investment (ROI) — when does the investment pay off and what are the risks?
    • Technical maturity — is the technology stable enough for a production environment?
    • Line resilience — what happens to production when the robot stops unexpectedly?

    Candidate evaluation — robotisation potential analysis (0–10, primary criterion: OHS)

    Higher score = higher robotisation priority. Primary criterion: OHS hazard level and impact on operator health.

    Recommendation #1: cleaning of large-format castings

    The most physically destructive work on the floor — grinding, heavy lifting, extreme heat, noise, dust, vibration. The operator is simultaneously exposed to all major harmful factors. No other analysed process showed such a cumulation of hazards.

    Harmful factors — large-format casting cleaning

    Temperature

    extreme
    Noise

    >100 dB
    Metal dust

    high
    Vibration

    continuous
    Load

    heavy

    This isn’t just ethics. Large-format casting cleaning also has characteristics that favour automation — high repeatability of large-casting geometry, no complex decision-making, measurable outcome (surface quality). Protecting people and economic logic point in the same direction here.

    Recommendation #2: temperature measurement in the furnace

    Foundry interior — melting furnaces
    Melting furnaces in the foundry — where temperature measurement accuracy directly affects casting quality and process safety.

    The second priority — equally non-arbitrary. Working at temperature measurement near the furnace involves direct exposure to thermal radiation and the risk of extreme thermal events. Additional argument: an incorrect measurement means a defective casting — a direct financial loss and quality risk for the client. High repeatability, zero error tolerance, clear ROI.

    Robotisation potential analysis is not a wishlist of what’s cheapest to implement. It’s a ranked argument for where technology creates the greatest value — for people and the process simultaneously.

    Poland vs the world: the scale of the challenge

    Data from the International Federation of Robotics (IFR 2024) shows where we stand:

    Robotisation density — robots per 10,000 manufacturing workers (IFR 2024)

    Source: International Federation of Robotics — World Robotics 2024

    Poland has 81 robots per 10,000 workers — almost 3× below the EU average and 5× below Germany (429/10,000). We’re the largest robotics market in Central and Eastern Europe, but the gap is enormous. That’s precisely why the quality of automation decisions matters so much here — there’s no room for expensive mistakes.

    A warning: when the „obvious choice” costs billions

    GIFA 2019 trade fair in Düsseldorf
    GIFA 2019 in Düsseldorf — the world’s largest foundry industry trade fair. This is where we presented our first VR implementation for industry.

    Tesla’s 2017–2018 story is a textbook example of a mistake that happens across every industry. Tesla installed hundreds of industrial robots to produce 5,000 cars per week. The result? It couldn’t produce even 2,500.

    Elon Musk publicly acknowledged: „Excessive automation was a mistake. Humans are underrated.”

    2,500

    cars/week instead of the planned 5,000 — despite full automation
    1–3 yrs

    typical ROI timeframe — simpler applications (cobots, palletising) under a year
    6–36 mo.

    ROI depends on project: simple cobots under a year, complex systems 2–3 years

    Robots perform repetitive tasks in stable environments — and they excel at it. Humans remain irreplaceable where flexibility and judgment in exceptional situations are required. Hybrid solutions are optimal — not full automation.

    What actually gets automated

    Most commonly automated processes in manufacturing (% of companies, Windward Studios 2024)

    Operator during VR training
    Operator during VR training at Krakodlew — technology supporting humans, not replacing them.

    Global statistics show the dominance of palletising and material handling — processes with clear ROI and low hazard. In a foundry environment, where harmful factor accumulation is exceptionally high, the analysis starts from a different place.

    Conclusion: potential analysis, not a wishlist

    After this analysis in 2018, I returned to management with a recommendation that surprised many. They expected me to point to a cheaper, faster-to-implement target. The argument was simple: if we can’t justify prioritising robotisation where the stakes are an operator’s health and life, we can’t justify it anywhere.

    Robotisation potential analysis is not a political document. It’s a ranking in which protecting people and creating lasting process value go hand in hand — because only such projects make sense in the long run.

    Have you ever seen a process at your facility that „everyone knew should be automated” — but nobody calculated the true cost of not automating it for the people doing it?

    Sources: IFR — World Robotics 2024 (ifr.org) | B. Büchel, D. Floreano, IMD Case Study: Tesla 2018 | S. Gibbs, The Guardian, 16.04.2018 | AutomatykaOnline.pl — ROI of automation | pro-assem.pl — industrial robot applications | CentrumMaszynCNC.pl — process selection criteria | Photos: personal archive, Krakodlew / GIFA 2019

  • Analiza potencjału robotyzacji w odlewni: dlaczego właściwy priorytet rzadko jest oczywisty

    Analiza potencjału robotyzacji w odlewni: dlaczego właściwy priorytet rzadko jest oczywisty

    Hala odlewnicza Krakodlew
    Hala odlewnicza Krakodlew, Kraków — jedno z miejsc, gdzie zaczęła się ta historia.

    2018 rok. Jestem w jednej z największych polskich odlewni. Zamiast szukać „oczywistego” kandydata do robotyzacji, zaczynam od stworzenia digital twin hali produkcyjnej — modelu odwzorowującego poszczególne odcinki procesu, który pozwala oceniać potencjał automatyzacji bez zatrzymywania linii.

    Każdy odcinek opisuję przez zestaw parametrów: częstotliwość operacji, poziom zagrożeń BHP, podatność procesu na automatyzację, szacowany ROI. Dane zbieramy przy każdym stanowisku. Dopiero po tej analizie formułuję rekomendację.

    Schemat koncepcyjny — digital twin hali: analiza odcinków wg poziomu hazardu

    Strefa A
    Oczyszczanie odlewów
    ⚠ hazard: KRYTYCZNY

    Strefa B
    Piece topielnicze
    ⚠ hazard: WYSOKI

    Strefa C
    Kontrola jakości
    hazard: NISKI

    Strefa D
    Paletyzacja
    hazard: NISKI

    Model koncepcyjny — rzeczywisty digital twin obejmował kilkanaście odcinków produkcji z pełną parametryzacją procesów.

    Pytanie, które postawił zarząd: gdzie inwestujemy jako pierwsze?

    Właściwe pytanie zmienia wszystko

    Nie pytam „co jest najtańsze do zautomatyzowania”. Pytam: „gdzie człowiek jest najbardziej zagrożony?”

    To nie sentimentalizm — to racjonalna ekonomia. Procesy z najwyższym poziomem hazardu mają też inne charakterystyki: wysoka rotacja pracowników, absencja chorobowa, koszty medyczne, ryzyko wypadków ze skutkami prawnymi. BHP i rachunek ekonomiczny wskazują tu w tym samym kierunku.

    Kryteria analizy, w kolejności od najważniejszego:

    • Zagrożenia dla życia i zdrowia (BHP) — czy automatyzacja eliminuje czynniki szkodliwe: temperaturę, hałas, pył, drgania, ryzyko wypadku? To kryterium nadrzędne.
    • Powtarzalność procesu — czy robot może wykonywać to zadanie identycznie, za każdym razem, bez wyjątków?
    • Czas zwrotu (ROI) — kiedy inwestycja się zwróci i jakie są ryzyka?
    • Dojrzałość techniczna — czy technologia jest wystarczająco stabilna na środowisko produkcyjne?
    • Odporność linii — co się dzieje z produkcją, gdy robot stanie nieoczekiwanie?

    Wynik oceny kandydatów — analiza potencjału robotyzacji (0–10, kryterium główne: BHP)

    Wyższy wynik = wyższy priorytet robotyzacji. Kryterium nadrzędne: poziom zagrożeń BHP i wpływ na zdrowie operatorów.

    Rekomendacja #1: oczyszczanie odlewów wielkogabarytowych

    To najbardziej fizycznie wyniszczająca praca na hali — szlifowanie, ciężkie dźwiganie, wysoka temperatura, hałas, pył, drgania. Operator narażony jest jednocześnie na wszystkie główne czynniki szkodliwe. Żaden inny analizowany proces nie wykazywał takiej kumulacji hazardów.

    Czynniki szkodliwe — oczyszczanie odlewów wielkogabarytowych

    Temperatura

    ekstremalna
    Hałas

    >100 dB
    Pył metaliczny

    wysoki
    Drgania

    ciągłe
    Obciążenie

    ciężkie

    To nie tylko kwestia etyki. Oczyszczanie odlewów wielkogabarytowych ma też cechy sprzyjające automatyzacji — wysoka powtarzalność geometrii dużych odlewów, brak złożonej decyzyjności, mierzalny efekt (jakość powierzchni). Ochrona człowieka i rachunek ekonomiczny wskazują tu w tym samym kierunku.

    Rekomendacja #2: pomiar temperatury w piecu odlewniczym

    Wnętrze odlewni — piece topielnicze
    Piece topielnicze w odlewni — obszar, gdzie dokładność pomiaru temperatury ma bezpośredni wpływ na jakość odlewów i bezpieczeństwo procesu.

    Drugi priorytet — i równie nieprzypadkowy. Praca operatora przy pomiarze temperatury w piecu wiąże się z bezpośrednim narażeniem na promieniowanie cieplne i ryzykiem ekstremalnych zdarzeń termicznych. Dodatkowy argument: błędny pomiar to wadliwy odlew — bezpośrednia strata finansowa i ryzyko jakościowe dla klienta. Wysoka powtarzalność, zerowa tolerancja błędu, klarowny ROI.

    Analiza potencjału robotyzacji to nie lista życzeniowa dotycząca tego, co jest najtańsze do wdrożenia. To uszeregowany argument o tym, gdzie technologia tworzy największą wartość — dla człowieka i dla procesu jednocześnie.

    Polska kontra świat: skala wyzwania

    Dane Międzynarodowej Federacji Robotyki (IFR 2024) pokazują, gdzie jesteśmy:

    Gęstość robotyzacji — liczba robotów na 10 000 pracowników w produkcji (IFR 2024)

    Źródło: International Federation of Robotics — World Robotics 2024

    Polska ma 81 robotów na 10 000 pracowników — to prawie 3× poniżej średniej UE i 5× poniżej Niemiec (429/10 000). Jesteśmy największym rynkiem robotyki w Europie Środkowo-Wschodniej, ale przepaść jest ogromna. I właśnie dlatego jakość decyzji o automatyzacji jest tu szczególnie ważna — bo pieniędzy na błędy nie ma.

    Przestroga: kiedy „oczywisty wybór” kosztuje miliardy

    Targi GIFA 2019 w Düsseldorfie — przemysł odlewniczy
    Targi GIFA 2019 w Düsseldorfie — największe targi przemysłu odlewniczego na świecie. Tutaj prezentowaliśmy nasze pierwsze wdrożenie VR dla przemysłu.

    Historia Tesli z lat 2017–2018 to podręcznikowy przykład błędu, który zdarza się w każdej branży. Tesla zainstalowała setki robotów przemysłowych, żeby produkować 5 000 samochodów tygodniowo. Efekt? Nie mogła wyprodukować nawet 2 500.

    Elon Musk przyznał publicznie: „Nadmierna automatyzacja była błędem. Ludzie są niedoceniani.”

    2 500

    aut/tydzień zamiast planowanych 5 000 — mimo pełnej automatyzacji
    1–3 lata

    typowy czas zwrotu — prostsze aplikacje (coboty, paletyzacja) poniżej roku
    6–36 mies.

    czas zwrotu zależy od projektu: proste coboty poniżej roku, złożone systemy 2–3 lata

    Roboty wykonują powtarzalne czynności w stabilnym środowisku — i robią to doskonale. Ludzie pozostają niezastąpieni tam, gdzie wymagana jest elastyczność i decyzja w sytuacji wyjątkowej. Optymalne są rozwiązania hybrydowe — nie pełna automatyzacja.

    Co faktycznie się automatyzuje

    Najczęściej automatyzowane procesy w produkcji (% firm wg Windward Studios 2024)

    Operator podczas szkolenia VR
    Operator podczas szkolenia VR w Krakodlew — technologia wspierająca człowieka, nie zastępująca go.

    Globalne statystyki pokazują dominację paletyzacji i obsługi materiałów — procesów z jasnym ROI i niskim hazardem. W środowisku odlewniczym, gdzie kumulacja czynników szkodliwych jest wyjątkowo wysoka, analiza zaczyna się od innego miejsca.

    Wniosek: analiza potencjału, nie lista życzeń

    Po tej analizie w 2018 roku wróciłem do zarządu z rekomendacją, która zaskoczyła wielu. Spodziewali się wskazania tańszego, szybszego w implementacji celu. Argument był prosty: jeśli nie możemy uzasadnić priorytetyzacji robotyzacji tam, gdzie stawką jest zdrowie i życie operatora, nie możemy jej uzasadnić nigdzie.

    Analiza potencjału robotyzacji nie jest dokumentem politycznym. Jest rankingiem, w którym ochrona człowieka i tworzenie trwałej wartości procesowej idą w parze — bo tylko takie projekty mają sens długoterminowo.

    Czy widziałeś kiedyś w swoim zakładzie proces, który „wszyscy wiedzieli, że trzeba zautomatyzować” — ale nikt nie liczył prawdziwych kosztów jego braku automatyzacji dla ludzi?

    Źródła: IFR — World Robotics 2024 (ifr.org) | B. Büchel, D. Floreano, IMD Case Study: Tesla 2018 | S. Gibbs, The Guardian, 16.04.2018 | AutomatykaOnline.pl — ROI automatyzacji | pro-assem.pl — zastosowania robotów przemysłowych | CentrumMaszynCNC.pl — kryteria wyboru procesów | Zdjęcia: archiwum własne, Krakodlew / GIFA 2019