Wiedza musi być nieustannie rozwijana, kwestionowana i poszerzana, inaczej zanika. – Peter Drucker, specjalista ds.
zarządzania, pedagog, autor książek i wielu publikacji naukowych, które uformowały filozoficzne i praktyczne
podstawy organizacji nowoczesnych korporacji biznesowych. Drucker określany jest mianem „twórcy nowoczesnego zarządzania”.

Sukces predykcyjnego utrzymania ruchu (PDM) nie zależy jedynie od wyboru odpowiedniego narzędzia, ale przede wszystkim od narzędzia, które aktywnie wspiera użytkowników w ciągłym usprawnianiu procesów na każdym poziomie organizacji. Kluczowym elementem tego podejścia jest dynamicznie rozwijana baza wiedzy, zaangażowanie użytkowników oraz wsparcie ze strony sztucznej inteligencji (AI). W dalszej części przybliżymy, jak te trzy filary wzajemnie się uzupełniają, jakie pełnią role w procesie wdrażania PDM oraz w jaki sposób ich synergia przekłada się na wymierne efekty operacyjne i strategiczne. Należy podkreślić, że dalsza część artykułu nie zawiera opisu złożonych algorytmów utrzymania predykcyjnego opartych na modelach uczenia maszynowego. Przedstawiono w niej opis ogólnych wymagań stawianych współczesnym systemom utrzymania ruchu i narzędziom pozwalającym na ich spełnienie. 

Zarządzanie wiedzą

Baza wiedzy w produkcji to zbiór uporządkowanych informacji, danych i najlepszych praktyk wspierających procesy operacyjne. Jest to kluczowe narzędzie dla firm produkcyjnych, które chcą efektywnie udostępniać niezbędne informacje, poprawiać produktywność i wspierać innowacje. 

Baza wiedzy to scentralizowany system gromadzenia, przechowywania i udostępniania informacji związanych z: 

• procesami produkcyjnymi, 
• zarządzaniem zasobami, 
• technologiami, 
• procedurami operacyjnymi i bezpieczeństwa, 
• oraz dokumentacją techniczną. 

Platforma Smart RDM to zaawansowane narzędzie, które łączy funkcje zarządzania danymi operacyjnymi, wiedzą oraz raportowaniem w jednym, spójnym środowisku. Dzięki integracjom z różnymi źródłami danych i elastycznym mechanizmom przechowywania, użytkownicy mogą w prosty sposób gromadzić, organizować i analizować informacje kluczowe dla strategii utrzymania ruchu. 

Jednym z istotnych elementów Smart RDM jest możliwość przechowywania plików i dokumentów w repozytoriach lokalnych oraz chmurowych, takich jak OneDrive, Google Drive czy lokalne dyski sieciowe. Platforma obsługuje szeroką gamę formatów, od dokumentów tekstowych (PDF, DOC, TXT) i arkuszy kalkulacyjnych (CSV, XLS) po prezentacje multimedialne (PPT) oraz pliki graficzne (JPG, PNG). Dzięki temu użytkownicy mogą przechowywać w jednym miejscu zarówno dokumentację techniczną, procedury operacyjne, jak i raporty z analiz procesów.

Baza wiedzy jak każdy element procesu produkcyjnego musi być cały czas rozwijana
i bez pełnego zaangażowania użytkowników będzie to tylko kolejny zbiór danych nie dający
oczekiwanej wartości. – Dawid Pilc, CEO Connectpoint

Kontrola dostępu do zgromadzonych informacji odbywa się poprzez role zarządzane przez Administratora Biznesowego Systemu. Każdy użytkownik ma przypisane odpowiednie uprawnienia, które określają, jakie dane może przeglądać, edytować lub udostępniać. Taka struktura zapewnia nie tylko bezpieczeństwo, ale także przejrzystość w zarządzaniu wiedzą w organizacji.

Smart RDM pełni także rolę centralnego repozytorium raportów produkcyjnych, które zawierają kluczowe wskaźniki efektywności (KPI). Raporty te mogą być generowane i eksportowane w różnych formatach, takich jak PDF, TXT czy CSV, a następnie archiwizowane jako element bazy wiedzy. Użytkownicy mają możliwość łatwego dostępu do analiz wydajności maszyn, raportów dotyczących przestojów czy podsumowań kosztów utrzymania ruchu, co znacząco wspiera podejmowanie trafnych decyzji operacyjnych i strategicznych. 

Smart RDM to zatem nie tylko narzędzie do zarządzania danymi, ale także kompleksowa platforma do organizacji wiedzy, która wspiera użytkowników w codziennych zadaniach oraz długoterminowym planowaniu strategii utrzymania ruchu. Dzięki elastycznym metodom przechowywania i intuicyjnemu dostępowi do informacji, platforma stanowi fundament skutecznego zarządzania wiedzą w nowoczesnych przedsiębiorstwach. 

Poniżej zostaną opisane role użytkowników w korzystaniu bazy danych, AI które może być wsparciem w tym procesie i jak dobry wpływ zarządzanie wiedzą może mieć na ograniczenie awarii w przedsiębiorstwie. 

Rola użytkowników w tworzeniu bazy wiedzy  

Menedżerowie odgrywają strategiczną i organizacyjną rolę w tworzeniu, rozwijaniu oraz wykorzystaniu bazy wiedzy w przedsiębiorstwach produkcyjnych. Ich działania wpływają na kulturę organizacyjną, efektywność procesów i wykorzystanie zasobów wiedzy w codziennej pracy. Poniżej przedstawiono najważniejsze obszary ich działań. 

1. Tworzenie strategii zarządzania wiedzą: Menedżerowie opracowują polityki zarządzania wiedzą, wybierają odpowiednie narzędzie do zarządzania bazą wiedzy oraz definiują cele biznesowe związane z bazą wiedzy. 
2. Budowanie kultury dzielenia się wiedzą: Promują otwartość i współpracę między działami oraz zachęcają pracowników do rozwoju bazy wiedzy. 
3. Zarządzanie procesem gromadzenia wiedzy: Menedżerowie zapewniają systematyczny i efektywny proces gromadzenia wiedzy oraz monitorują jakość informacji wprowadzanych do bazy wiedzy. 
4. Analiza i wykorzystanie danych: Wykorzystują dane z bazy wiedzy do podejmowania lepszych decyzji biznesowych i optymalizacji działań.
5. Ułatwianie współpracy między działami: Organizują interdyscyplinarne zespoły odpowiedzialne za rozwój bazy wiedzy oraz tworzą mechanizmy wymiany informacji między działami. 
6. Inwestowanie w szkolenia i rozwój: Inwestują w szkolenia z obsługi systemów zarządzania wiedzą i rozwój umiejętności pracowników. 
7. Monitorowanie i ocena efektywności bazy wiedzy: Oceniają, czy baza wiedzy przynosi oczekiwane korzyści oraz regularnie aktualizują strategię zarządzania wiedzą. 

Platforma Smart RDM stanowi wszechstronne wsparcie dla menedżerów, umożliwia skuteczne wdrażanie strategii zarządzania wiedzą, centralizację zasobów informacyjnych oraz ich efektywne wykorzystanie w codziennych procesach operacyjnych. Dzięki Smart RDM menedżerowie mogą definiować i nadzorować polityki zarządzania wiedzą, a także monitorować realizację celów biznesowych związanych z jej rozwojem i utrzymaniem. 

Smart RDM aktywnie wspiera budowanie kultury organizacyjnej opartej na dzieleniu się wiedzą. Intuicyjne mechanizmy współdzielenia dokumentów i raportów zachęcają pracowników do aktywnego korzystania z platformy oraz do współtworzenia bazy wiedzy.  

Istotnym elementem funkcjonowania Smart RDM jest automatyzacja procesu gromadzenia danych z różnych źródeł, takich jak raporty produkcyjne czy dokumentacja techniczna. Platforma dba o wysoką jakość i spójność zgromadzonych informacji poprzez mechanizmy walidacji i kontroli danych. Dzięki temu menedżerowie mogą być pewni, że podejmują decyzje w oparciu o aktualne i wiarygodne informacje. Smart RDM oferuje także zaawansowane narzędzia analityczne, które przekształcają dane w czytelne raporty i wizualizacje KPI. Ułatwia to identyfikację obszarów wymagających optymalizacji oraz śledzenie skuteczności wdrażanych działań. 

Współpraca między działami jest kluczowym aspektem skutecznego zarządzania wiedzą, a Smart RDM ułatwia ten proces dzięki centralnemu repozytorium informacji. Platforma pozwala na precyzyjne zarządzanie uprawnieniami użytkowników, co zapewnia bezpieczeństwo danych i zgodność z politykami organizacji. Menedżerowie mają pełną kontrolę nad tym, kto ma dostęp do konkretnych dokumentów, raportów czy analiz, co zapobiega nieautoryzowanemu dostępowi i utracie poufności. 

Rozwój kompetencji pracowników to kolejny obszar, w którym Smart RDM wspiera menedżerów. Dzięki dostępowi do materiałów instruktażowych, dokumentacji technicznej i raportów analitycznych pracownicy mogą szybko zdobywać potrzebną wiedzę i rozwijać swoje umiejętności. Platforma umożliwia również monitorowanie aktywności użytkowników, co pozwala identyfikować obszary wymagające dodatkowych szkoleń oraz śledzić poziom zaangażowania poszczególnych członków zespołu. 

Operatorzy maszyn bezpośrednio zaangażowani w codzienne operacje, konserwację i rozwiązywanie problemów technicznych, na bieżąco zasilają bazę wiedzy. Ich doświadczenie, wiedza praktyczna i obserwacje stanowią cenne źródło informacji. Ich rolą w kontekście budowania bazy wiedzy jest zatem:

1. Dostarczanie wiedzy praktycznej: Operatorzy mają unikalną wiedzę na temat funkcjonowania maszyn i optymalnych parametrów pracy. 
2. Identyfikacja potencjalnych problemów: Wczesne wykrywanie nietypowych dźwięków, wibracji czy zmian w pracy urządzeń. 
3. Dokumentowanie procedur i najlepszych praktyk: Tworzenie instrukcji krok po kroku oraz zaleceń dotyczących bezpieczeństwa pracy. 
4. Wspieranie szkoleń: Baza wiedzy wzbogacona przez operatorów jest cenna dla nowych pracowników oraz w procesie prowadzenia szkoleń. 
5. Testowanie i weryfikacja informacji: Operatorzy pomagają w ocenie skuteczności procedur. 
6. Tworzenie danych w czasie rzeczywistym: Wprowadzanie danych dotyczących zdarzeń, parametrów i usterek. 

Smart RDM umożliwia operatorom efektywne dokumentowanie, analizowanie i wykorzystywanie zgromadzonych informacji, co przekłada się na lepszą wydajność pracy, minimalizację przestojów i skuteczniejsze rozwiązywanie problemów technicznych. 

Jednym z najważniejszych atutów Smart RDM jest intuicyjny interfejs użytkownika, który pozwala operatorom na szybkie wprowadzanie danych dotyczących parametrów pracy maszyn, usterek oraz wszelkich nietypowych zdarzeń. Dzięki temu informacje są rejestrowane w czasie rzeczywistym i mogą być natychmiast analizowane przez inne zespoły lub systemy zarządzania utrzymaniem ruchu. Platforma automatycznie strukturyzuje i kategoryzuje te dane, co eliminuje chaos informacyjny i ułatwia późniejsze wyszukiwanie konkretnych wpisów. 

Kolejną zaletą Smart RDM jest możliwość dokumentowania procedur i najlepszych praktyk w formie interaktywnych instrukcji lub załączników do bazy wiedzy. Operatorzy mogą tworzyć szczegółowe opisy procedur konserwacyjnych, instrukcje krok po kroku oraz rekomendacje dotyczące optymalnych parametrów pracy maszyn. Dzięki funkcjom dodawania zdjęć, filmów czy innych materiałów multimedialnych, dokumentacja staje się bardziej przejrzysta i przystępna dla nowych pracowników oraz innych członków zespołu. 

Monitorowanie parametrów w czasie rzeczywistym to kolejna funkcja, która znacząco wspiera operatorów. Smart RDM umożliwia śledzenie kluczowych wskaźników wydajności (KPI) maszyn oraz automatyczne generowanie alertów w przypadku wykrycia nieprawidłowości. Dzięki temu operatorzy mogą reagować na potencjalne problemy, zanim przerodzą się one w poważne awarie, co skraca czas przestoju i zmniejsza koszty napraw. 

Dostęp mobilny to kolejny aspekt, który usprawnia pracę operatorów. Smart RDM oferuje aplikację mobilną, dzięki której operatorzy mogą rejestrować zdarzenia i przeglądać dokumentację także będąc z dala od stanowiska operatorskiego. To szczególnie ważne w środowisku produkcyjnym, gdzie szybki dostęp do informacji może znacząco wpłynąć na czas reakcji i skuteczność podejmowanych działań. 

W dziale utrzymania ruchu pracownicy również maja ogromy wpływ na bazę wiedzy, szczególnie w kontekście zapewnienia ciągłości pracy maszyn i urządzeń produkcyjnych. Ich doświadczenie i działania są fundamentem efektywnego zarządzania wiedzą w zakładzie produkcyjnym. Do podstawowych zadań użytkowników z tej grupy należy: 

1. Dokumentowanie incydentów i usterek: Rejestrowanie szczegółów dotyczących awarii i tworzenie raportów poawaryjnych.
2. Tworzenie harmonogramów konserwacji: Wprowadzanie optymalnych terminów przeglądów technicznych. 
3. Monitorowanie stanu technicznego: Korzystanie z danych z czujników do analizy w czasie rzeczywistym. 
4. Standaryzacja procedur naprawczych: Tworzenie i aktualizacja standardowych procedur operacyjnych. 
5. Analiza i usprawnienia procesów: Prowadzenie analiz wydajności i niezawodności maszyn. 
6. Współpraca z operatorami: Analiza problemów zauważonych przez operatorów oraz ustalanie priorytetów napraw. 
7. Szkolenie i transfer wiedzy: Przekazywanie wiedzy innym członkom zespołu oraz tworzenie materiałów szkoleniowych. 

Jednym z głównych atutów Smart RDM jest możliwość dokładnego dokumentowania incydentów i usterek. Platforma umożliwia rejestrowanie szczegółowych informacji o awariach, takich jak czas wystąpienia, opis problemu, zastosowane środki zaradcze oraz osoby odpowiedzialne za naprawę. Raporty poawaryjne mogą być przechowywane w różnych formatach, w tym PDF, CSV czy DOC, co pozwala na ich późniejszą analizę i wykorzystanie w działaniach prewencyjnych. 

Smart RDM wspiera także tworzenie harmonogramów konserwacji. Dzięki funkcjom planowania i automatycznym przypomnieniom zespoły utrzymania ruchu mogą efektywnie zarządzać przeglądami technicznymi oraz unikać niespodziewanych awarii. Platforma analizuje również dane historyczne, co pozwala na identyfikację optymalnych terminów przeglądów oraz przewidywanie potencjalnych usterek. 

W obszarze monitorowania stanu technicznego maszyn Smart RDM integruje dane z czujników i systemów OT, umożliwiając zespołom utrzymania ruchu analizę parametrów pracy maszyn w czasie rzeczywistym. Platforma automatycznie generuje alerty w przypadku wykrycia odchyleń od normy, co pozwala na szybką reakcję i minimalizację skutków awarii. 

Standaryzacja procedur naprawczych to kolejny obszar, w którym Smart RDM przynosi wymierne korzyści. Platforma umożliwia tworzenie i aktualizowanie standardowych procedur operacyjnych oraz instrukcji konserwacyjnych. Dzięki centralnemu repozytorium dokumentów zespoły mają szybki dostęp do aktualnych wytycznych, co usprawnia działania naprawcze i minimalizuje ryzyko popełnienia błędów. 

Analiza danych zgromadzonych w Smart RDM pozwala na usprawnienie procesów konserwacyjnych. Zaawansowane narzędzia analityczne, wspomagane algorytmami uczenia maszynowego i modelami predykcyjnymi, umożliwiają identyfikację powtarzających się problemów, analizę niezawodności maszyn oraz wdrażanie działań mających na celu poprawę efektywności operacyjnej. Raporty KPI dostarczają klarownych informacji o wydajności poszczególnych urządzeń oraz skuteczności przeprowadzanych napraw. 

Bez udziału użytkowników nie ma szans na stworzenie wiarygodnej bazy wiedzy wspierającej
działanie w organizacji. Aby jednak cały proces mógł sprawnie działać należy rozpatrzyć
wykorzystanie najnowszych narzędzi wspierających wysiłek użytkowników. Od czasu pojawienia się
rozwiązań opartych na sztucznej inteligencji możliwości wykorzystania wiedzy w organizacji
wydają się nieograniczone i dostępne dla każdego. – Dawid Pilc, CEO Connectpoint

Smart RDM wspiera również procesy szkoleniowe i transfer wiedzy. Zespoły utrzymania ruchu mogą tworzyć materiały szkoleniowe, dokumentować najlepsze praktyki oraz udostępniać je nowym członkom zespołu. Dzięki temu platforma staje się centralnym punktem dostępu do wiedzy technicznej, co sprzyja szybszej adaptacji nowych pracowników oraz podnoszeniu kwalifikacji istniejącego zespołu. Dodatkowo daje możliwość dostępu do informacji w przypadku braku kluczowych pracowników, posiadających wiedzę w danym obszarze (choroba, wypadek losowy).

Baza wiedzy na sterydach 

Sztuczna inteligencja może znacząco wspierać proces tworzenia, rozwijania i zarządzania bazą wiedzy w przedsiębiorstwach produkcyjnych, zapewniając efektywność, dokładność i dostępność informacji. Oto kluczowe sposoby, w jakie AI może pomóc: 

1. Automatyzacja gromadzenia wiedzy

• Analiza danych w czasie rzeczywistym: AI może automatycznie przetwarzać dane produkcyjne, z systemów IT, raportów produkcyjnych i innych źródeł. 
• Wykrywanie wzorców: Algorytmy AI identyfikują wzorce w danych, takie jak powtarzające się awarie i sugerują najlepsze rozwiązania. 
• Przechwytywanie wiedzy eksperckiej: AI może wspierać digitalizację wiedzy operatorów maszyn i specjalistów utrzymania ruchu, np. poprzez analizę notatek. 

2. Organizacja i klasyfikacja wiedzy

• Automatyczna kategoryzacja: AI może porządkować i tagować dokumenty, raporty i inne informacje, dzięki czemu są one łatwe do odnalezienia. 
• Zwiększenie efektywności: Automatyzacja procesów zarządzania wiedzą redukuje czas i zasoby potrzebne do ich realizacji. 
• Lepsza dostępność informacji: Szybki i łatwy dostęp do dokładnych danych ułatwia pracę wszystkim działom firmy. 
• Redukcja kosztów: Szybki dostęp do wiedzy skraca czas rozwiązywania problemów. 
• Poprawa innowacyjności: Wykorzystanie danych wspiera rozwój nowych pomysłów i strategii. 
• Wzrost konkurencyjności: Firmy stosujące AI w zarządzaniu wiedzą zyskują przewagę na rynku. 
• Kultura organizacji: Możliwość szybkiego dotarcia ze standardami do pracowników, możliwość wielojęzykowego dostępu do wiedzy w raz zapisanej w bazie. 

3. Ułatwienie dostępu do wiedzy

• Wyszukiwanie kontekstowe: Dzięki technologii przetwarzania języka naturalnego (NLP), AI pozwala użytkownikom wyszukiwać informacje w sposób intuicyjny, np. za pomocą pytań w języku naturalnym. 
• Asystenci wirtualni: Chatboty  AI mogą odpowiadać na pytania pracowników, dostarczając im potrzebnych informacji w czasie rzeczywistym. 
• Mobilny dostęp: Baza wiedzy wspierana przez AI może być dostępna również z poziomu aplikacji mobilnej, co zapewnia operatorom i menedżerom natychmiastowy dostęp do informacji, także poza miejscem pracy. 

4. Wsparcie w szkoleniach i rozwoju pracowników

• Personalizowane programy szkoleniowe: AI analizuje umiejętności pracowników i sugeruje kursy lub materiały dostosowane do ich potrzeb. 

5. Zarządzanie jakością wiedzy

• Weryfikacja informacji: AI może identyfikować niespójności, błędy lub przestarzałe dane w bazie wiedzy i sugerować ich aktualizację. 
• Ocena efektywności: Algorytmy AI analizują, które elementy bazy wiedzy są najczęściej używane, a które wymagają ulepszeń. 
• Monitorowanie zgodności: AI może sprawdzać, czy dokumentacja i procesy spełniają wymagania norm i przepisów branżowych. 

W Smart RDM możemy udostępnić wsparcie AI dla wszystkich użytkowników. Przyjazny interfejs w formie czatu
umożliwia prowadzenie „dialogu” ze sztuczną inteligencją na temat zagadnień zgromadzonych w bazie wiedzy.
Jedną z zalet jest podział na pokoje tematyczne, dostosowane do różnych obszarów i poziomów uprawnień użytkowników.
Wdrożenie AI to jednak złożony proces, który wymaga starannego planowania. Nieprzemyślane podejście
może w najlepszym przypadku wywołać uśmiech politowania u operatorów, a w najgorszym – doprowadzić do chaosu. – Dawid Pilc, CEO Connectpoint

Dlaczego AI to nie rozwiązanie „z pudełka” 

Wdrożenie sztucznej inteligencji w przedsiębiorstwie to złożony proces, który wymaga ścisłej współpracy między organizacją a specjalistami. Gotowe, uniwersalne rozwiązania rzadko spełniają specyficzne potrzeby firm. Poniżej przedstawiono kluczowe powody, dla których AI nie jest gotowym rozwiązaniem „z pudełka”: 

• Dostosowanie do specyficznych potrzeb: Każde przedsiębiorstwo ma unikalne procesy, dane i wymagania, dlatego rozwiązania AI muszą być dostosowane do specyficznych kontekstów i celów biznesowych. 
• Wymóg danych wysokiej jakości: Skuteczność AI zależy od dostępu do dużych ilości danych o wysokiej jakości. Przed wdrożeniem często konieczne jest przeprowadzenie zaawansowanego procesu oczyszczania, klasyfikacji i strukturyzacji danych.
• Kompetencje pracowników: Wdrożenie AI wymaga obecności specjalistów, którzy rozumieją specyfikę organizacji i potrafią określić, w oparciu o jakie dane i scenariusze AI ma się uczyć oraz działać efektywnie.
• Jakość promptów i konfiguracji systemu: Skuteczność AI często zależy od odpowiedniego formułowania zapytań (promptów) oraz konfiguracji parametrów systemu. Bez tego AI może generować nieprecyzyjne lub nieużyteczne odpowiedzi. 
• Podział uprawnień i zarządzanie dostępem: Wdrożenie AI wymaga jasno określonych zasad dotyczących dostępu do danych i uprawnień użytkowników. Nieodpowiedni podział ról może prowadzić do błędów lub naruszeń bezpieczeństwa. 
• Ciągłe monitorowanie i optymalizacja: AI to dynamiczne narzędzie, które wymaga stałego nadzoru, aktualizacji modeli oraz dostosowywania do zmieniających się warunków biznesowych. 
• Zrozumienie kontekstu biznesowego: AI działa najlepiej, gdy jest wdrażane w ścisłej współpracy ze specjalistami, którzy rozumieją zarówno technologię, jak i specyfikę działalności firmy. 

Sztuczna inteligencja to potężne narzędzie, ale jej potencjał można w pełni wykorzystać tylko dzięki połączeniu technologii, odpowiednich zasobów ludzkich i strategicznego podejścia do zarządzania wiedzą i danymi. 

Jak baza wiedzy napędzana AI wspiera utrzymanie ruchu w produkcji 

Współczesne zakłady produkcyjne stają przed rosnącą potrzebą optymalizacji procesów i minimalizacji przestojów maszyn. Utrzymanie ruchu odgrywa kluczową rolę w zapewnieniu ciągłości produkcji, a jednym z narzędzi, które znacząco wspierają te działania, jest baza wiedzy napędzana sztuczną inteligencją, głównie w kontekście utrzymania predykcyjnego. W tym przypadku AI analizuje dane z maszyn w czasie rzeczywistym, co pozwala na przewidywanie potencjalnych awarii zanim one nastąpią. Algorytmy uczące się na podstawie danych historycznych mogą wskazywać, które części są najbardziej narażone na zużycie i kiedy należy je wymienić. Dzięki temu firmy mogą: 

• Zmniejszyć liczbę nieplanowanych przestojów. 
• Optymalizować harmonogramy konserwacji. 
• Obniżyć koszty napraw poprzez uniknięcie awarii krytycznych. 

Wykorzystanie bazy wiedzy przekłada się na: 

1. Szybsze rozwiązywanie problemów

Baza wiedzy napędzana AI może zawierać szczegółowe informacje o poprzednich awariach, krokach podjętych w celu ich naprawy oraz wynikach tych działań. Dzięki temu: 

• Technik może szybko odnaleźć informacje o podobnych problemach. 
• System może sugerować najbardziej skuteczne środki zaradcze. 
• Zmniejsza się czas potrzebny na diagnozę i naprawę. 

2. Zbieranie i zarządzanie wiedzą ekspercką

AI wspiera digitalizację wiedzy eksperckiej operatorów maszyn i specjalistów utrzymania ruchu. Poprzez analizę dokumentacji, notatek czy nagrań głosowych, system może: 

• Wychwytywać  i udostępniać nieformalną wiedzę, która często pozostaje niezapisana. 
• Tworzyć dostępną bazę wiedzy dla nowych pracowników. 
• Zmniejszać ryzyko utraty wiedzy przy odejściu kluczowych pracowników. 

3. Wsparcie dla operatorów i techników

Dzięki AI operatorzy i technicy mogą korzystać z zasobów, które dostarczają potrzebnych informacji na bieżąco: 

• Odpowiadać na pytania dotyczące obsługi maszyn. 
• Podpowiadać kolejne kroki w przypadku problemów. 
• Działać jako interaktywne przewodniki po procesach konserwacji. 

Podsumowanie 

Baza wiedzy napędzana AI jest potężnym narzędziem wspierającym utrzymanie ruchu w produkcji. Dzięki predykcji awarii, szybkiemu rozwiązywaniu problemów, zbieraniu wiedzy eksperckiej oraz integracji z innymi systemami, AI przyczynia się do znacznej poprawy efektywności i niezawodności procesów produkcyjnych. 

Smart RDM, dzięki integracji z technologią AI, nie tylko wspiera utrzymanie ruchu, ale również przyczynia się do optymalizacji całego procesu zarządzania produkcją. To kompleksowe rozwiązanie umożliwia efektywne zarządzanie zasobami, minimalizację przestojów i maksymalizację wydajności zakładów produkcyjnych. 

The post Wiedza wspierana narzędziami AI jako kluczowy czynnik predykcyjnego utrzymania ruchu appeared first on Connectpoint.

Decyzja o zakupie systemu predykcyjnego utrzymania ruchu (Predictive Maintenance, dalej PdM) wiąże się z unikalnymi wyzwaniami. Główną wartość tej technologii stanowi prewencja – zapobieganie awariom, których nabywca finalnie nie doświadczy. Ten specyficzny model korzyści, choć potwierdzony w literaturze, może budzić niepewność, szczególnie w obliczu trudności z początkowym oszacowaniem zwrotu z inwestycji (ROI). Niniejszy artykuł analizuje te wyzwania z perspektywy potencjalnego kupującego predykcyjne utrzymanie ruchu, przedstawia możliwe korzyści z wdrożenia oraz wskazuje strategie zwiększające pewność inwestycji i transparentność komunikacji wartości.

1. Wprowadzenie

Systemy PdM wykorzystują zaawansowaną analitykę danych, algorytmy uczenia maszynowego oparte na danych produkcyjnych w celu przewidywania potencjalnych awarii maszyn i urządzeń, zanim te rzeczywiście wystąpią (Carvalho et al., 2019; Lee et al., 2015). Choć w publikacjach naukowych wielokrotnie podkreśla się skuteczność i długofalowe korzyści PdM, z punktu widzenia przedsiębiorstwa rozważającego zakup pojawia się specyficzny problem: jak ocenić wartość rozwiązania, którego głównym atutem jest zapobieganie czemuś, co się nie wydarzy? 

Perspektywa potencjalnego nabywcy różni się od spojrzenia badaczy czy dostawców technologii. Kupujący oczekuje namacalnych dowodów, jasnej argumentacji i przekonujących danych. Problem ten przypomina sytuację branży ubezpieczeniowej czy cyberbezpieczeństwa, gdzie płaci się za prewencję ryzyka (Jimenez-Cortadi et al., 2019), a skuteczność rozwiązania przejawia się w braku negatywnych incydentów. Artykuł ten ma pomóc zrozumieć naturę korzyści PdM, przywołując wnioski z literatury naukowej i raportów wdrożeniowych oraz wskazując praktyczne strategie minimalizujące ryzyko i niepewność zakupową. 

1.1. Od Reaktywności do Predykcji – Ewolucja Strategii Utrzymania Ruchu

Utrzymanie ruchu odgrywa kluczową rolę w zapewnieniu niezawodności, wydajności i bezpieczeństwa systemów technicznych w przemyśle. Ewolucja strategii utrzymania ruchu od konserwacji reaktywnej, przez prewencyjną i proaktywną, aż po konserwację predykcyjną, odzwierciedla rosnące znaczenie danych, analityki oraz nowych technologii w zarządzaniu infrastrukturą przemysłową (Bocewicz et al., 2024). 

Konserwacja reaktywna (Reactive Maintenance) była najwcześniejszą formą zarządzania awariami. Jej celem jest przywrócenie funkcjonalności po wystąpieniu awarii. Charakteryzuje się brakiem planowania i wysokim kosztem napraw, a także ryzykiem uszkodzeń wtórnych i przestojów produkcyjnych. Konserwacja prewencyjna (Preventive Maintenance) wprowadziła regularne harmonogramy działań konserwacyjnych, mające na celu zmniejszenie ryzyka awarii. Jest to podejście czasochłonne i kosztowne, z ograniczoną elastycznością w dostosowaniu do rzeczywistego stanu technicznego urządzeń. Konserwacja proaktywna (Proactive Maintenance) stanowi krok naprzód, koncentrując się na identyfikacji przyczyn źródłowych usterek oraz ich eliminacji. Wykorzystuje wskaźniki zużycia, analizę środowiskową oraz prognozy pogody w celu skutecznego planowania działań naprawczych (patrz Tab. 1). 

Tab. 1 Tradycyjne strategie utrzymania ruchu (na podstawie Bocewicz, et al. 2024)

W miarę rozwoju technologii, konserwacja proaktywna zaczęła ustępować miejsca konserwacji predykcyjnej (Predictive Maintenance), która opiera się na analizie danych w czasie rzeczywistym oraz algorytmach uczenia maszynowego. W odróżnieniu od konserwacji proaktywnej, która koncentruje się na analizie historycznych przyczyn awarii, konserwacja predykcyjna umożliwia dynamiczne prognozowanie awarii na podstawie bieżących danych z czujników (patrz Tab. 2). 

Tab. 2 Różnice między konserwacją proaktywną (Proactive Maintenance) a predykcyjną (Predictive Maintenance)

2. Dlaczego trudno ocenić wartość PdM z perspektywy kupującego?

Ocena wartości PdM z perspektywy kupującego stanowi jedno z głównych wyzwań związanych z wdrożeniem tej technologii. W literaturze naukowej podkreśla się, że trudności te wynikają zarówno z charakteru oferowanej wartości, jak i złożoności procesu wdrożenia oraz analizy kosztów i korzyści. 

Najważniejszym źródłem niepewności w ocenie PdM jest niematerialny charakter korzyści, jakie oferuje to rozwiązanie. W tradycyjnych modelach utrzymania ruchu płaci się za konkretne usługi serwisowe, części zamienne lub prace naprawcze, które są łatwe do skwantyfikowania i oceny (Klees & Evirgen, 2022). PdM natomiast oferuje redukcję ryzyka kosztownych awarii, a sukces systemu polega na braku negatywnych wydarzeń, a nie na dostarczeniu konkretnego produktu lub widocznej interwencji. Taka sytuacja jest analogiczna do branży ubezpieczeniowej, gdzie wartość usługi ocenia się przez brak incydentów, a nie przez konkretne działania (Jimenez-Cortadi et al., 2019). 

Ocena zwrotu z inwestycji (ROI) dla PdM jest trudna do oszacowania, zwłaszcza w początkowej fazie wdrożenia. Lee et al. (2015) wskazują, że korzyści płynące z PdM ujawniają się w dłuższej perspektywie czasowej, kiedy dostępne są dane pozwalające na porównanie częstotliwości, kosztów i skutków awarii przed i po wdrożeniu systemu. Początkowo, przy ograniczonej ilości danych, trudno jest jednoznacznie wyliczyć korzyści finansowe. Firmy mogą mieć trudności w uzasadnieniu wysokich kosztów początkowych bez jednoznacznych wskaźników sukcesu. 

Tradycyjne metody utrzymania ruchu mają jasno określone kryteria oceny skuteczności, takie jak średni czas między awariami (MTBF) czy średni czas naprawy (MTTR). W przypadku PdM brakuje jednolitych standardów i powszechnie uznanych wskaźników pomiaru skuteczności. To komplikuje porównanie efektywności PdM z tradycyjnymi strategiami konserwacyjnymi oraz utrudnia ocenę uzasadnienia finansowego wdrożenia. 

Skuteczność PdM jest bezpośrednio związana z jakością zbieranych danych oraz zdolnością organizacji do ich skutecznej analizy. Dane zbierane przez czujniki i systemy IoT muszą być nie tylko dokładne, ale również odpowiednio analizowane przy użyciu zaawansowanych algorytmów. Organizacje bez doświadczenia w analizie danych mogą napotkać trudności w pełnym wykorzystaniu potencjału PdM, co z kolei prowadzi do niepewności co do rzeczywistych korzyści płynących z wdrożenia tej strategii. 

Analiza kosztów związanych z wdrożeniem PdM (Tab.3) wskazuje na istotne różnice między tą metodą a tradycyjnymi strategiami utrzymania ruchu. W literaturze naukowej podkreśla się, że koszty wdrożenia Predykcyjnego Utrzymania Ruchu (PdM) mogą być znacznie obniżone dzięki wykorzystaniu istniejących danych historycznych oraz odpowiednich metod analitycznych, co minimalizuje potrzebę dodatkowego opomiarowania maszyn. Tradycyjnie wdrożenie PdM wiązało się z koniecznością instalacji zaawansowanych czujników i systemów monitorujących, co generowało wysokie koszty. Jednakże, jak wskazują badania, możliwe jest zastosowanie metod analitycznych opartych na danych historycznych z dotychczasowych działań konserwacyjnych, co znacząco redukuje potrzebę dodatkowego opomiarowania. Analiza danych z wcześniejszych interwencji serwisowych oraz historii awarii pozwala na budowę modeli predykcyjnych bez konieczności inwestowania w nowe urządzenia pomiarowe. Takie podejście nie tylko obniża koszty wdrożenia, ale również skraca czas potrzebny na implementację systemu PdM. Zastosowanie zaawansowanych algorytmów analizy danych, takich jak uczenie maszynowe, umożliwia efektywne przewidywanie potencjalnych awarii na podstawie istniejących danych. Dzięki temu organizacje mogą wdrożyć PdM bez ponoszenia znaczących nakładów na nowe technologie pomiarowe, jednocześnie osiągając wyższy poziom efektywności operacyjnej i niezawodności infrastruktury technicznej. 

Tab. 3 Analiza kosztów związanych z wdrożeniem PdM

3. Potencjalne korzyści z wdrożenia PdM mimo początkowej niepewności

Tradycyjne podejście do utrzymania ruchu polega albo na prewencyjnym, albo reaktywnym naprawianiu lub wymianie sprzętu dopiero po jego awarii. PdM stanowi fundamentalną zmianę w strategiach utrzymania, opierając się na analizie danych, technologii sensorowej i algorytmach uczenia maszynowego w celu przewidywania awarii przed ich wystąpieniem, co umożliwia proaktywne planowanie działań konserwacyjnych (Carvalho et al., 2019; Poór et al., 2019; Wellsandt et al., 2016; Patel et al. 2023). Są to przede wszystkim:

• Redukcja kosztów awarii i napraw: Wczesne wykrycie potencjalnych problemów pozwala uniknąć poważnych uszkodzeń, które generowałyby wysokie koszty serwisowe.
• Zwiększenie niezawodności i dostępności urządzeń: Stabilna praca maszyn przekłada się na przewidywalność produkcji, ograniczenie przestojów oraz poprawę wykorzystania zasobów, co zaś zwiększa efektywność ogólną urządzeń (OEE).
• Wydłużenie cyklu życia infrastruktury: Ciągłe monitorowanie i prewencja skutkują mniejszym zużyciem elementów i maszyn, opóźniając konieczność modernizacji czy wymiany kluczowych zasobów (Maktoubian & Ansari, 2019).
• Poprawa bezpieczeństwa i jakości pracy: Zmniejszenie ryzyka nieoczekiwanych awarii to nie tylko mniejsze koszty, ale też zwiększone bezpieczeństwo pracowników i stabilizacja procesów.

Tab. 4 Korzyści I obawy związane z wdrożeniem Predictive Maintenance

4. Jak zmniejszyć niepewność i ryzyko inwestycji?

Z perspektywy kupującego, który waha się przed inwestycją w PdM, literatura naukowa wskazuje szereg kwestii pozwalających na zminimalizowanie niepewności związanej z wdrożeniem tego rozwiązania. Skuteczna implementacja PdM wymaga kompleksowego podejścia, które integruje aspekty technologiczne, organizacyjne oraz ludzkie. Kluczowe znaczenie ma zarówno właściwe zarządzanie procesem wdrożenia, jak i zaangażowanie wszystkich interesariuszy. 

Poniższa tabela prezentuje główne strategie, które według literatury naukowej odgrywają istotną rolę w sukcesie wdrożenia PdM. Każda z nich koncentruje się na innym obszarze zarządzania tym procesem, podkreślając kluczowe wyzwania oraz rekomendowane działania, które mogą znacząco zwiększyć efektywność i skuteczność implementacji. 

Tab. 5 Strategie wdrażania PdM

4.1. Integracja technologii, kultury organizacyjnej i kompetencji zespołów jako fundament skutecznego
wdrożenia

Fundamentem skutecznego wdrożenia PdM jest kompleksowa edukacja pracowników, którzy muszą zrozumieć zasady funkcjonowania tego systemu, korzyści płynące z jego implementacji oraz swoje role w całym procesie. Zarówno szkolenia teoretyczne, jak i praktyczne odgrywają kluczową rolę w podnoszeniu kompetencji personelu, umożliwiając im skuteczne rozpoznawanie potrzeb konserwacyjnych i szybkie reagowanie na potencjalne zagrożenia. 

Jednocześnie, z perspektywy zarządzania, sukces PdM w dużej mierze opiera się na zmianie kultury organizacyjnej. Konieczne jest stworzenie środowiska sprzyjającego współpracy między działami odpowiedzialnymi za utrzymanie ruchu, produkcję oraz IT. Takie podejście umożliwia lepszą koordynację działań oraz płynne wdrożenie modeli analitycznych. Jak wskazują badania, skuteczna integracja zespołów roboczych sprzyja wymianie wiedzy oraz pozwala na bieżące dostosowywanie strategii utrzymania ruchu do zmieniających się potrzeb organizacji. 

W kontekście badań nad modelem zarządzania działaniami konserwacyjnymi, kluczowe znaczenie ma wzajemny wpływ wydajności maszyn i wymagań jakościowych na proces produkcji. Badania wskazują, że zastosowanie algorytmów uczenia maszynowego pozwala menedżerom utrzymania ruchu oraz menedżerom produkcji planować działania konserwacyjne na podstawie monitorowania parametrów maszyn w czasie rzeczywistym oraz prognoz wskaźników jakości. Dzięki temu możliwe jest nie tylko zapewnienie ciągłości produkcji, ale również minimalizacja liczby produktów niezgodnych ze specyfikacją. 

Z perspektywy zarządzania, badania nad PdM podkreślają znaczenie oceny wzajemnych relacji między kosztami konserwacji a kosztami jakości. Włączenie tych dwóch obszarów w jeden spójny model zarządzania pozwala organizacjom na bardziej precyzyjną alokację zasobów i optymalizację procesów operacyjnych. Wdrożenie PdM nie tylko redukuje ryzyko awarii, ale również wspiera realizację długoterminowych celów biznesowych związanych z jakością i efektywnością produkcji. 

Na poziomie operacyjnym, PdM wymaga ciągłego monitorowania i optymalizacji. Organizacje muszą wdrożyć mechanizmy umożliwiające regularną ocenę skuteczności modeli predykcyjnych oraz dostrajanie algorytmów na podstawie aktualnych danych pochodzących z procesów produkcyjnych. Jest to proces dynamiczny, wymagający ścisłej współpracy pomiędzy wszystkimi zaangażowanymi działami. Tylko dzięki zintegrowanemu podejściu, obejmującemu zarówno technologię, jak i kulturę organizacyjną, możliwe jest pełne wykorzystanie potencjału PdM i osiągnięcie trwałych korzyści dla przedsiębiorstwa. 

4.2. Strategia stopniowego wdrażania a minimalizacja ryzyka i budowanie zaufania

Implementacja PdM w ograniczonym zakresie, na przykład na jednej linii produkcyjnej, stanowi efektywną strategię minimalizującą początkowe ryzyko oraz ułatwiającą ocenę efektów. Takie podejście pozwala na zebranie niezbędnych danych, identyfikację potencjalnych problemów oraz dostosowanie technologii do specyficznych warunków operacyjnych przedsiębiorstwa. Badania wskazują, że stopniowe wdrażanie PdM może być kluczem do zbudowania zaufania do tej technologii, zarówno wśród kadry zarządzającej, jak i pracowników operacyjnych. Przeprowadzenie pilotażowych programów PdM umożliwia demonstrację korzyści płynących z tej strategii, takich jak redukcja nieplanowanych przestojów, obniżenie kosztów utrzymania oraz zwiększenie efektywności operacyjnej. Dzięki temu organizacje mogą lepiej zrozumieć wymagania techniczne i organizacyjne związane z pełnym wdrożeniem PdM, co w konsekwencji prowadzi do bardziej świadomych decyzji inwestycyjnych i operacyjnych. 

W literaturze podkreśla się również znaczenie integracji narzędzi PdM z istniejącymi systemami IT oraz konieczność szkolenia personelu w zakresie nowych technologii. Stopniowe wdrażanie umożliwia lepsze zarządzanie tymi aspektami, minimalizując zakłócenia w bieżącej działalności przedsiębiorstwa i zapewniając płynne przejście do nowego modelu utrzymania ruchu. W efekcie, organizacje mogą stopniowo adaptować się do zmian, co zwiększa akceptację dla nowych rozwiązań i sprzyja ich efektywnemu wykorzystaniu w dłuższej perspektywie. 

Przykładem może być wdrożenie pilotażowego programu PdM w firmie produkcyjnej, gdzie zastosowano tę technologię na wybranej linii produkcyjnej. W wyniku tego pilotażu zaobserwowano znaczną redukcję nieplanowanych przestojów oraz optymalizację harmonogramów konserwacji, co przekonało zarząd do rozszerzenia PdM na pozostałe obszary produkcji. Takie podejście pozwala na stopniowe budowanie kompetencji w zakresie PdM oraz rozwijanie infrastruktury technicznej w sposób dostosowany do specyficznych potrzeb i możliwości organizacji.

4.3. Znaczenie przejrzystej komunikacji dostawców w implementacji

Przejrzysta i otwarta komunikacja ze strony dostawców technologii PdM odgrywa kluczową rolę w procesie decyzyjnym przedsiębiorstw rozważających wdrożenie takich rozwiązań. Dostawcy, którzy potrafią dostarczyć klarowne analizy, symulacje oraz odniesienia do udanych wdrożeń w podobnych środowiskach, znacząco zwiększają szanse na akceptację proponowanych systemów. Literatura naukowa podkreśla, że udokumentowanie wartości dodanej przez dostawców nie tylko buduje zaufanie, ale również ułatwia proces adaptacji nowych technologii w organizacjach, dzięki czemu decyzje o inwestycji mogą być podejmowane z większą pewnością. 

Przykładem potwierdzającym znaczenie takiej komunikacji jest raport McKinsey & Company, który wskazuje, że wdrożenie strategii PdM może przynieść oszczędności rzędu 10% do 40% kosztów związanych z utrzymaniem ruchu oraz zmniejszyć nakłady na inwestycje w sprzęt i maszyny o nawet 5%. Dane te, poparte konkretnymi analizami i studiami przypadków, stanowią solidną podstawę do podjęcia decyzji inwestycyjnych i przekonują kadrę zarządzającą o opłacalności implementacji PdM. 

Równie istotny jest aspekt edukacyjny. Dostawcy, którzy aktywnie angażują się w proces edukacji swoich klientów, oferując szkolenia i wsparcie techniczne w zakresie integracji systemów PdM z istniejącą infrastrukturą IT, mają kluczowy wpływ na efektywność wdrożenia. Jak wynika z badań, integracja narzędzi PdM z systemami zarządzania produkcją oraz odpowiednie przygotowanie personelu są fundamentem skutecznego funkcjonowania predykcyjnych systemów utrzymania ruchu w długim okresie. 

Na wartość współpracy z dostawcami wpływa również ich zdolność do przedstawienia udanych wdrożeń w środowiskach produkcyjnych o podobnych parametrach i wyzwaniach. Praktyczne przykłady zastosowania PdM pozwalają potencjalnym klientom lepiej zrozumieć zarówno możliwości, jak i ograniczenia tej technologii. Studia przypadków pełnią tutaj funkcję mapy drogowej, która nie tylko identyfikuje potencjalne wyzwania związane z wdrożeniem, ale również ilustruje osiągnięte korzyści i mierzalne efekty. W rezultacie organizacje mogą podejmować bardziej świadome i oparte na danych decyzje dotyczące implementacji PdM. 

4.4. Standaryzacja i zarządzanie danymi jako klucz do efektywnej analityki i precyzyjnego określenia
ROI

Współczesny świat opiera się na danych, które stały się nieodzownym elementem funkcjonowania organizacji. Jednakże, aby analityka danych była wiarygodna i przynosiła realne korzyści, konieczne jest zapewnienie ich wysokiej jakości. Bez odpowiedniej standaryzacji procesów zbierania, przechowywania i analizy danych trudno jest osiągnąć rzetelne wyniki, które skutecznie wspierałyby procesy decyzyjne na różnych poziomach zarządzania. 

Standaryzacja danych opiera się na ujednoliceniu formatów i struktur informacji pochodzących z różnych źródeł, co pozwala na ich efektywne porównywanie i analizę. Badania wykazują, że ujednolicenie tych procesów znacząco poprawia jakość decyzji biznesowych, umożliwiając konsolidację różnych źródeł informacji w spójną i jednolitą całość. W efekcie kadra zarządzająca oraz analitycy zyskują dostęp do bardziej precyzyjnych i kompletnych danych, co bezpośrednio przekłada się na lepsze decyzje strategiczne i bardziej efektywne zarządzanie zasobami. Równie istotnym elementem jest zarządzanie danymi, które obejmuje procesy ich gromadzenia, przechowywania, ochrony oraz analizy.  

Przejrzyste standardy dotyczące zbierania, przechowywania i analizy danych umożliwiają tworzenie długoterminowych baz porównawczych, które wspierają monitorowanie działań organizacji na przestrzeni czasu. Dzięki takim bazom możliwe jest identyfikowanie trendów oraz precyzyjne ocenianie efektywności wdrożonych strategii zarządzania. W kontekście analizy danych najlepsze praktyki koncentrują się na określeniu jasnych celów analizy, systematycznym gromadzeniu danych z różnych źródeł oraz ciągłym monitorowaniu i kontroli jakości informacji. Zapewnienie dokładności i rzetelności tych danych staje się fundamentem podejmowania skutecznych decyzji zarządczych. 

Ostatecznym celem tych działań jest precyzyjne określenie zwrotu z inwestycji (Return on Investment – ROI) w kontekście zarządzania danymi. Wysokiej jakości dane, które podlegają starannej analizie, stanowią podstawę rzetelnej oceny opłacalności inwestycji w technologie i narzędzia zarządzania danymi. Jak wskazują badania, proces zarządzania danymi, podobnie jak każdy inny projekt biznesowy, powinien mieć określony wskaźnik ROI. Rzetelna analiza opłacalności wymaga przejścia od ogólnych założeń do szczegółowych wskaźników efektywności, które pozwolą precyzyjnie określić korzyści wynikające z poprawy jakości danych. 

5. Podsumowanie

Z perspektywy potencjalnego nabywcy systemu predykcyjnego utrzymania ruchu pojawia się naturalny dylemat: jak zapłacić za wartość, której nie widać, i jak zaufać technologii, która obiecuje brak pewnych zdarzeń zamiast dostarczenia konkretnych produktów czy usług? Literatura naukowa, dotychczasowe wdrożenia oraz przykłady z innych sektorów sugerują, że choć początkowo trudno jest oszacować ROI, z biegiem czasu, wraz z gromadzeniem danych i doświadczeń, korzyści stają się wyraźne i mierzalne. 

Dzięki edukacji, stopniowemu wdrażaniu, transparentnej komunikacji ze strony dostawców oraz standaryzacji danych można znacząco zmniejszyć poczucie niepewności i ryzyka. W efekcie, inwestycja w PdM, choć oparta na prewencji i niewidocznych efektach, może okazać się jednym z najbardziej wartościowych i strategicznych posunięć dla przedsiębiorstw dążących do długoterminowej stabilizacji i konkurencyjności. 

Bibliografia

Bocewicz, G., Frederiksen, R., Nielsen, P., Banaszak, Z. (2024). Integrated preventive–proactive–reactive offshore wind farms maintenance planning. Annals of Operations Research. 1-32. 10.1007/s10479-024-05951-4.

Carvalho, T. P., Soares, F. A. A. M. N., Vita, R., Francisco, R. D. P., Basto, J. P., & Alcalá, S. G. S. (2019).  A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137, 106024.

Jimenez-Cortadi, A., Irigoien, I., Boto, F., Sierra, B., & Rodriguez, G. (2019). Predictive maintenance on the machining process and machine tool. Applied Sciences, 9(21), 4506.

Klees, M., Evirgen, S. (2022). Building a smart database for predictive maintenance in already implemented manufacturing systems. Procedia Computer Science, 204, 14-21.

Lee, J., Ardakani, H. D., Yang, S., & Bagheri, B. (2015). Industrial big data analytics and cyber-physical systems for future maintenance & service innovation. Procedia CIRP, 72, 267–272.

Maktoubian, J., & Ansari, K. (2019). An IoT architecture for preventive maintenance of medical devices in healthcare organizations. Health and Technology, 9, 233–143.

Patel, M., Vasa, J., Patel, B. (2023) Predictive Maintenance: A Comprehensive Analysisand Future Outlook. 2023 2nd International Conference on Futuristic Technologies (INCOFT)Karnataka, India. Nov 24-26.

Poór, P., Ženíšek, D., & Basl, J. (2019). Historical overview of maintenance management strategies: Development from breakdown maintenance to predictive maintenance in accordance with four industrial revolutions. Proceedings of the International Conference on Industrial Engineering and Operations Management.

Wellsandt, S., Nabati, E., Wuest, T., Hribernik, K. A., & Thoben, K. D. (2016). A survey of product lifecycle models: Towards complex products and service offers. International Journal of Product Lifecycle Management, 9(4), 353-390. 

The post Czy warto zainwestować w predykcyjne utrzymanie ruchu? Analiza korzyści, obaw i sposobów na zmniejszenie ryzyka appeared first on Connectpoint.

„Muszę” jest źródłem poczucia bezradności.

Z pozoru wydaje się, że jest to obiektywne stwierdzenie faktu. Jeśli jednak chwilę się nad tym zastanowimy, to okaże się, że to tylko pewien skrót myślowy. Skrót o tyle niebezpieczny, że używając go, automatycznie ustawiamy się w pozycji osoby bez sprawstwa, zniewolonej i przymuszonej do przeżywania swego życia w określony sposób. To bardzo obciążające i frustrujące.

Martin Seligman, amerykański psycholog zajmujący się zagadnieniem poczucia sprawstwa, zwraca uwagę, że jego brak jest źródłem syndromu wyuczonej bezradności. To stan, w którym brakuje nam motywacji do działania, a w skrajnych przypadkach objawia się kompletną rezygnacją.

Język determinuje postrzeganie rzeczywistości.

Spróbujmy jednak zamienić słowo „muszę” na „wybieram” i okaże się, że nasza perspektywa nagle ulega zmianie. Zaczynamy dostrzegać, że tak naprawdę możemy wybrać jakąś inną możliwość, ale z jakichś powodów nasza podświadomość podsunęła nam ten wybór. Zauważamy, że alternatywa też ma jakieś ograniczenia i złe strony. W ten sposób zaczynamy świadome oglądanie możliwości i ograniczeń. Stąd już tylko krok do podjęcia świadomego wyboru.

Czasem okaże się, że nasza podświadomość wybrała to, co dla nas najlepsze w danym momencie. Zmiana na coś innego, co, na pierwszy rzut oka, może wydawać się bardziej korzystne, czasem jest zbyt trudna. Może pociągać zbyt wielkie koszty, niechciane konsekwencje lub po prostu możemy jeszcze nie być na nią gotowi. Jednak świadome dokonanie wyboru jest uwalniające i pozostawia ciągle otwartą furtkę na inne opcje.

„Muszę” odcina nas od naszych potrzeb.

Czasem otworzy się przed nami wachlarz możliwości, których istnienia nawet nie podejrzewaliśmy, bo nigdy się nad tym nie zastanawialiśmy, obezwładnieni przez jedno, nawykowe słowo „muszę”.

W niektórych przypadkach możemy nawet posunąć się dalej i zamiast „muszę” użyć „chcę”.

Z tym słowem może być trudniej, bo kulturowo jest ono napiętnowane. W szkole, w domu, w toku naszego wychowania i edukacji często słyszymy:” nieważne, czego ty chcesz, ma być tak jak mówię”. I tak oduczamy się używania słowa „chcę”, a w konsekwencji przestajemy zastanawiać się nad tym czego chcemy, a czego nie. Przestajemy nazywać i wypowiadać swoje potrzeby, z czasem przestajemy je zauważać, coraz rzadziej je zaspakajamy. Narasta w nas frustracja i deprywacja, a to nie są pomocne emocje.

Widać, że jedno małe słówko w naszym języku może narobić niezłego bałaganu. Może być źródłem poczucia zniewolenia i braku energii. Drobna z pozoru zmiana, może natomiast przywrócić nam, choć częściowo, poczucie kontroli nad własnym życiem.

I nie chodzi tu o to, aby popaść w skrajność i uważać, że panujemy absolutnie nad wszystkim, co nas dotyczy i za wszystko jesteśmy odpowiedzialni. Raczej, jak w tej znanej modlitwie:

„Panie daj mi siłę, abym zmieniał to, co mogę zmienić, pokorę, abym pogodził się z tym, czego nie mogę zmienić i mądrość, abym odróżnił jedno od drugiego”.

Odróżniajmy jedno od drugiego, ale nie zakładajmy sobie sami dodatkowych ograniczeń. Zawsze jest dobry moment, aby poćwiczyć i świadomie poprzyglądać się temu, jak mówię o swoim życiu. Wyłapać słowo „muszę” i tam, gdzie mi się uda, zamienić je na „wybieram”, a może i „chcę”.

Zobaczcie co z tego wyniknie. Może być ciekawie.

The post Jak „muszę” albo „nie mogę” blokuje nasze życie i odbiera motywację appeared first on Connectpoint.

Taka funkcjonalność może okazać się niezwykle pomocna w różnych branżach, np. dla mechaników samochodowych, lekarzy, fizjoterapeutów, makijażystek i wielu innych, gdzie zarządzanie grafikiem jest kluczowe. A grafik to rzecz święta! Ustalanie, odwoływanie, przesuwanie terminów… to wyzwanie, które potrafi spędzać sen z powiek.

Taka funkcjonalność może okazać się niezwykle pomocna w różnych branżach, np. dla mechaników samochodowych, lekarzy, fizjoterapeutów, makijażystek i wielu innych, gdzie zarządzanie grafikiem jest kluczowe. A grafik to rzecz święta! Ustalanie, odwoływanie, przesuwanie terminów… to wyzwanie, które potrafi spędzać sen z powiek.

Wykorzystując czas przeznaczony na rozwój, który zapewnia mi firma Connect Point, postanowiłem stworzyć prototyp sekretarki AI, która pomoże w zarządzaniu kalendarzem.
Do tego celu wykorzystałem framework LlamaIndex, który pozwala na tworzenie aplikacji AI integrujących modele językowe z prywatnymi danymi. Aplikacje tego typu nazywana jest: RAG (Retrieval-Augmented Generation) – czyli generowanie wspomagane wyszukiwaniem. Technika ta polega na połączeniu zdolności modelu językowego z zewnętrznymi źródłami danych, aby zapewnić bardziej precyzyjne i kontekstowe odpowiedzi. Dzięki temu AI może nie tylko generować tekst, ale również korzystać z danych dostarczonych przez użytkownika.

Założenia:

Chcąc stworzyć moją wersję sekretarki AI, postawiłem sobie kilka założeń:

1. Wgląd w Google Calendar
   Sekretarka powinna mieć dostęp do mojego kalendarza Google, aby móc zarządzać spotkaniami. Dzięki API Google Calendar mogłem zintegrować aplikację z kalendarzem, umożliwiając AI odczytywanie dostępnych terminów i tworzenie nowych wydarzeń.

2. Komunikacja za pomocą chatu
   Sekretarka będzie komunikować się z otoczeniem za pomocą chatu, co pozwala na naturalną interakcję z użytkownikiem. Skorzystałem z LlamaIndex, aby zintegrować model językowy z interfejsem chatowym, co zapewnia intuicyjną komunikację bez potrzeby korzystania z dodatkowych aplikacji.

3. Umawianie spotkań w sugerowanych terminach
   Sekretarka powinna umawiać spotkania w terminie zasugerowanym przez klienta. Aplikacja analizuje propozycje terminów i dopasowuje je do dostępnych okienek w kalendarzu.

4. Tworzenie wydarzeń w kalendarzu
   Jeśli termin jest dostępny, sekretarka tworzy nowe wydarzenie w kalendarzu. Jeśli termin jest zajęty, AI proponuje inne dostępne okienka czasowe.

Jak to działa

Każdy dostępny model LLM (Large Language Model) posiada ogólną wiedzę, która powstała w wyniku trenowania sieci neuronowej na dużych zbiorach danych. Najmniejsze modele, takie jak np. KingNish/Qwen2.5-0.5b-Test-ft, to pliki o wielkości około 1 GB. Z kolei największe ogólnie dostępne modele LLM (więcej tutaj) mogą zajmować setki gigabajtów i wymagają niezwykle wydajnych, a co za tym idzie, kosztownych komputerów do ich uruchomienia.
Najprostszym sposobem przekazania modelowi dodatkowych informacji jest użycie tzw. promptu. W tym artykule pomijamy bardziej zaawansowane techniki, takie jak fine-tuning (to temat na osobny wpis), i skupiamy się na metodzie RAG (Retrieval-Augmented Generation), która opiera się na promptach.
Prompt to nic innego jak tekst, którym rozpoczynamy interakcję z modelem. Aby model mógł zrozumieć prompt, przetwarza go na swój „język” poprzez konwersję tekstu na tzw. embeddings – numeryczne reprezentacje danych ułożone w logiczny sposób.

Oto przykład:

Zastosujemy dynamiczny prompt:
( funkcja JS która uzupełni treść o dane z kalendarz google za pomocą google calendar api za pomocą funkcji getFormattedDate() ):

Tokenizacja:

Biblioteka llamaindex dzieli dane na tokeny. Tą wartość można konfigurować per model
Nasza aplikacja korzysta z modelu OpenAI GPT 3.5 i dla takiego modelu zalecana jest wartość tak jak poniżej:

Pod tym linkiem można przetestować jak OpenAi tokenizuje zapytanie.

Należy pamiętać, że poniższy opis jest mocno uproszczony. Ale chodzi tutaj o podstawowe zrozumienie działania takich aplikacji.

Najpierw prompt dzielony jest na porcje chunki:

[„Two”, „##ja”, „rola”, „to”, „asystent”, … „.”]
(Znak „#” wskazuje na pod-słowo kontynuujące poprzedni token.)
Następnie odbywa się mapowanie tokenów na indeksy:
Każdy token jest zamieniany na unikalny identyfikator liczbowy zgodnie ze słownikiem modelu, który w praktyce wygląda tak:

Tworzenie embeddingów:
Każdy indeks jest mapowany na wektor liczb rzeczywistych (embedding). Na przykład:

Zapisane lokalnie dane w postaci embeddings w trakcie wykonywania zapytania są kojarzone z treścią pytania.
Skojarzone fragmenty są doklejane do pytania i przesyłane do modelu. Ten mechanizm pozwala finalnie na przekazanie szerszego kontekstu.

Aby podsumować i lepiej zobrazować ten proces posłużymy się diagramem:

Warto wiedzieć:

Każdy model językowy ma limit tokenów, które mogą być użyte w oknie konwersacji.
Ilość pytań w konwersacji powoduje sumarycznie zwiększenie liczy użytych tokenów co finalnie przekłada się na zwiększenie kosztów użytkowania, ale też na spadek jakości odpowiedzi. Dlatego bardzo ważna jest optymalizacja promptów.

Przekroczenie limitu: Gdy suma tokenów w rozmowie zbliża się do limitu, model najczęściej zaczyna usuwać najstarsze wiadomości z kontekstu, aby zrobić miejsce dla nowych. Dlatego często zdarza się że im dłuższa jest konwersacja tym mniej dokładne i spójne są informacje zwracane przez model językowy.

Przetwarzanie informacji na przykładzie aplikacji:

Tak więc embeddings są wejściem do sieci neuronowej, która przetwarza je w celu zrozumienia znaczenia zdania i wykonania odpowiedniego zadania.

Do rzeczy … :

Tworzenie indeksu

Użyjemy LlamaIndex Dokument do stworzenia indeksu (VectorStoreIndex), który przechowuje informacje w sposób umożliwiający szybkie wyszukiwanie.

Retriever

Retriever jest tworzony z indeksu i jest odpowiedzialny za wyszukiwanie najbardziej podobnych informacji na podstawie zapytania użytkownika.

Silnik czatu

ContextChatEngine używa retriever do przetwarzania zapytań użytkownika. Silnik czatu analizuje zapytanie, wyszukuje odpowiednie informacje w indeksie i generuje odpowiedź. Dzięki indeksowi model językowy zna nasz kalendarz i wie, co ma z tymi danymi robić.

Interakcja z użytkownikiem

Użytkownik wprowadza zapytania, a silnik czatu przetwarza je, używając kontekstu przechowywanego w indeksie, aby wygenerować odpowiednie odpowiedzi.
Konwersacja przebiega w pentli while .. do chwili, kiedy użytkownik potwierdzi termin wpisując z klawiatury wpisując ‘TAK”

Interakcja z użytkownikiem

Potwierdzenie terminu “TAK” powoduje wyjście z pętli i utworzenie nowego kontekstu, czyli nowej rozmowy.

Finalnie powstała mała aplikacja w TypeScript i NodeJS, która po uruchomieniu pozwala użytkownikowi na komunikację z modelem LLM, który zna nasz kalendarz. Działanie aplikacji możesz zobaczyć tutaj:

Kod aplikacji znajdziesz tutaj:
https://github.com/Himmelbub/sekretarkaAi

Podsumowanie

Jak widać na powyższym przykładzie, wykorzystywanie modeli LLM w tworzeniu oprogramowania nie jest rzeczą skomplikowaną. Wykorzystując nowoczesne i szybko rozwijane frameworki, takie jak Llamaindex czy LangChain, jesteśmy w stanie w szybki sposób dodać integrację z AI. Do finalnego efektu ważne jest natomiast dogłębne przeanalizowanie tematów bezpieczeństwa oraz optymalizacji wyników zwracanych przez model.

The post Sekretarka AI z LlamaIndex i Google Calendar appeared first on Connectpoint.

Dawid Pilc: Odkąd pamiętam, moim marzeniem było założenie firmy i zbudowanie czegoś nowego, unikatowego. Zawsze miałem problem z podporządkowaniem się strukturom i byciem trybikiem w maszynie korporacyjnej. Przełożyło się to później na ConnectPoint, gdzie przez ponad 10 lat praktycznie nie mieliśmy struktur organizacyjnych, a formalizmy ograniczyliśmy do niezbędnego minimum. Działalność zaczęła się od pomysłu na budowanie sieci światłowodowych, ale ten projekt upadł. Zostały za to kontakty w branży i poszukiwanie nowego pomysłu, co trwało prawie 3 lata. 

Damian Jemioło: Dziś jesteśmy przodującym graczem w technologiach dla branży Manufacturing i Utilities. Pamiętasz kluczowy moment, w którym zapadła decyzja „idziemy w tym kierunku”? W końcu to nie był plan od samego początku. 

Dawid Pilc: To zaczęło się dość typowo. Klient miał potrzebę, a na rynku brakowało odpowiednich kompetencji. W tamtym okresie poznałem się z Jakubem Tomiczkiem i stwierdziliśmy, że budujemy firmę, której celem będzie łączenie świata OT z IT i dostarczanie organizacjom wiedzy na temat produkcji. Podpisaliśmy umowę partnerską z firmą OSIsoft, zaczęliśmy rozwijać naszą wiedzę branżową oraz budować zespół specjalizujący się w przetwarzaniu danych strumieniowych. 

Damian Jemioło: Oprócz szeroko rozwiniętej części usługowej rozwijamy też własne produkty. Szczególnie ważna jest dla Ciebie Platforma Smart RDM – „Twoje dziecko”. Jak powstał pomysł na to narzędzie i jak zmieniało się przez lata? 

Dawid Pilc: Teraz mamy więcej „dzieci” w ConnectPoint, które idealnie się uzupełniają i pozwalają na pokrycie większości potrzeb rynku utility. 

Smart RDM to już „dziecko” w pełni samodzielne. Produkt radzi sobie bardzo dobrze i jest rozwijany przez świetny zespół. Pomysł zrodził się u jednego z klientów, a nasz konsultant stwierdził, że można zrobić z tego coś dużo lepszego i po naszemu. Drugi klient podchwycił pomysł, a trzeci spowodował lawinowy rozwój. Pamiętam takie słowa: „Dajcie nam coś, co pozwoli na dostęp z jednego miejsca do wszystkich danych, chcemy mieć ich podgląd w czasie rzeczywistym, będziemy mogli je poprawiać i raportować do zarządu”. 

Obecnie mamy całą aplikację opartą o kontenery, w wersjach on-premise i cloud, wykorzystujemy zaawansowane algorytmy wspierające utrzymanie ruchu i ciągłość produkcji oraz oczywiście AI. 

Najważniejsze jest jednak to, że klienci nam zaufali i od lat pomagają nam w rozwoju produktu. 

Damian Jemioło: Obaj dobrze wiemy, że za sukcesem ConnectPoint, mimo ekspansji AI, nadal stoi człowiek. Jak nasz zespół rozwijał się przez te 15 lat? Są w końcu wśród nas osoby, które pracują z nami od prawie samego początku. I jak się w ogóle zmieniało zarządzanie zespołem z 10 do 140 osób? 

Dawid Pilc: Różnica jest ogromna, bo już nie ma czasu, żeby ze wszystkimi porozmawiać. Mamy spotkania integracyjne, które pozwalają na małą wymianę zdań, ale to, w połączeniu z wszechogarniającą modą na pracę zdalną, nie ułatwia zadania. Radzimy sobie z tym dzięki liderom zespołów. Większość osób została wyznaczona wewnętrznie, zna firmę i myślę, że dobrze sobie radzą z realizacją celów. 

Damian Jemioło: Nasza baza klientów przez lata się zmieniła. Masz jakieś szczególnie pamiętne historie związane z projektami lub współpracą z klientami? 

Dawid Pilc: Po tylu latach zebrało się kilka historii, ale zamiast nich podam dobre cytaty. 

• Duży projekt w energetyce: „Wina opóźnienia jest po dwóch stronach. Niestety nie przyłożyliśmy się po naszej stronie, ale ConnectPoint nie wziął pod uwagę naszej bezwładności”. 

• Duży projekt w utility: „Potrzebujemy firmy z pasją”. 

• Duży projekt w produkcji: „Nareszcie ktoś nam zrobił porządek z tymi Excelami”. 

Ja lubię szczególnie ten drugi. I cały czas zastanawiam się, jak utrzymać tę pasję w zespole wraz ze wzrostem. 

Damian Jemioło: Technologia przeszła ogromną transformację – AI, uczenie maszynowe, IoT… Jednak nadążamy za zmianami i wpisujemy się w nowe trendy. 

Dawid Pilc: To skomplikowane, bo to mocno względne, czy się nadąża, czy nie. Zasadniczo staramy się trochę wyprzedzać potrzeby rynku i to nie zawsze jest dobre; czasami klienci, zwłaszcza w Polsce, nie są na to gotowi. Robimy bardzo dużo dla firm zagranicznych i szczególnie w szeroko pojętej energetyce warto skorzystać z naszej wiedzy o zrealizowanych projektach. 

Damian Jemioło: „Ratujemy świat dzięki technologiom” – to hasło, które pasuje do ConnectPoint. Nasze rozwiązania pomagają w poprawie efektywności, ochronie środowiska i budowie zrównoważonej przyszłości. Kilka słów na ten temat? 

Dawid Pilc: Tak się historycznie ułożyło, że większość rzeczy, które robimy, służy jakiejś optymalizacji. Efektywność zawsze niesie za sobą obniżenie zużycia mediów, a co za tym idzie – wpływa na poprawę środowiska. To cieszy, że nasze rozwiązania w tym pomagają, ale przede wszystkim pozwalają klientom na ograniczenie kosztów i szybkie zwroty z inwestycji. 

Damian Jemioło: Było o przeszłości i teraźniejszości, a co z przyszłością? Jakie są plany ConnectPoint na kolejne lata? 

Dawid Pilc: Głównym celem jest podnoszenie jakości usług i satysfakcja pracowników – to zawsze prowadzi do zadowolenia klientów. Zamierzamy mocno zainwestować w ekspansję naszych usług i produktów na rynku, jeszcze mocniej zaistnieć za granicą, usamodzielnić produkty i zbudować sieć partnerską. Do tej pory, jak czegoś mocno chcieliśmy, to się udawało, więc w te plany też mocno wierzę. 

The post 15 lat innowacji – rozmowa z Prezesem firmy ConnectPoint o przeszłości, teraźniejszości i przyszłości technologii appeared first on Connectpoint.

CZY MNIE TO DOTYCZY? 

Jeżeli jesteś osobą, która angażuje się w pracę „całym sercem” i często bierze na siebie dobrowolnie dodatkowe obowiązki, jeżeli wysoko stawiasz sobie poprzeczkę, negujesz własne granice obciążenia, spychasz na dalszy plan osobiste potrzeby i interesy, to jesteś w grupie podwyższonego ryzyka. Takie osoby częściej niż inne doświadczają syndromu wypalenia zawodowego. 
Oczywiście to tylko predyspozycja i wypalenie nie musi cię dotknąć, ale jeśli rozpoznajesz u siebie takie zachowania, warto dokładniej przyjrzeć się temu, jak funkcjonujesz w pracy i jaki to ma wpływ na twoje samopoczucie, motywację, zmęczenie. 

JAK OBJAWIA SIĘ WYPALENIE? 

Wypalenie zawodowe to stan wyczerpania cielesnego, duchowego i uczuciowego. Pracownik traci wówczas motywację do pracy i satysfakcję z jej wykonywania.

Łatwo je zbagatelizować, ponieważ zwykle zaczyna się niewinnie i prawie niezauważalnie, a potem uderza w nas nagle z dużą siłą.

Zmęczenie, rozdrażnienie czy zniechęcenie to stany, które często towarzyszą nam w życiu i wcale nie muszą świadczyć o wypaleniu. 
Kryzysy są normalną sytuacją i zdarzają się każdemu. Zwykle po kryzysie dość szybko dochodzimy do siebie. Nawet jeżeli czujemy się zmęczeni czy zestresowani, może temu towarzyszyć poczucie spełnienia. Wypoczynek wystarcza, żeby dojść do siebie. 

Jeżeli jednak zmęczenie robi się chroniczne, zniechęcenie zamienia się w brak motywacji do pracy i niechęć do niej, to są już sygnały alarmowe. 

KIEDY TO JUŻ JEST GROŹNE? 

Jeśli stan zmęczenia i zniechęcenia towarzyszy nam praktycznie bez przerwy, to znak, że powinniśmy przyjrzeć się swojemu życiu nieco dokładniej. 
Wypaleniu towarzyszy obniżenie efektywności i kreatywności. Wycofujemy się i izolujemy od ludzi, ograniczamy kontakty społeczne. Pojawia się brak poczucia pewności siebie, czasem uczucie zawodu wobec siebie. Dodatkowo mogą wystąpić kłopoty z koncentracją, drażliwość, nerwowość aż po agresję. Na poziomie ciała pojawiają się bóle głowy, dolegliwości przewodu pokarmowego, częste przeziębienia i infekcje. 

CZAS DZIAŁAĆ. 

Kiedy obserwujemy powyższe objawy, to znak, że zaszliśmy naprawdę za daleko i czas sięgnąć po pomoc. Pierwszym krokiem mogą być rozmowy z coachem i konsultacja psychologiczna. Dzięki nim mamy możliwość przewartościowania swoich celów, zdystansowania do emocji i stanów, które nasilają niekorzystne objawy. Przerwanie izolacji społecznej i mówienie o problemie jest dobrym początkiem. 

Czasem wychodzenie z wypalenia będzie wymagało drastycznych zmian, ale zanim do tego dojdzie, warto przyjrzeć się, co można zmienić w swojej sytuacji bez rewolucji. Czasem zmiana projektu jako ucieczka od nudy i rutyny może być dobrym rozwiązaniem. Warto porozmawiać z liderem o zakresie swoich obowiązków, aby je nieco ograniczyć. Koniecznie trzeba przyjrzeć się planowaniu i zadbać o asertywność. 
To wszystko warto robić przy wsparciu coacha, który pomoże określić priorytety działań i zaplanować ścieżkę zmian. 

A MOŻE ZAPOBIEGAĆ? 

Wiadomo, że profilaktyka jest lepsza i łatwiejsza niż leczenie. Podobnie jest w przypadku wypalenia zawodowego.
Działania profilaktyczne możemy zacząć bardzo wcześnie. Istnieją pewne etapy rozwoju naszej postawy w stosunku do pracy. Zaraz po zatrudnieniu przeżywamy tak zwany honeymoon – okres miesiąca miodowego. Wszystko wydaje nam się idealne. To okres zauroczenia pracą i pełnej satysfakcji z osiągnięć zawodowych; dominują w nim energia, optymizm i entuzjazm. 
Naturalną koleją rzeczy jest, że nadchodzi okres drugi, tzw. awaking – przebudzenie, czas, w którym zauważamy, że idealizujemy pracę i nasza ocena jest nierealistyczna. Wtedy często się zdarza, że próbujemy za wszelką cenę utrzymać ten idealistyczny obraz i zaczynamy pracować coraz więcej. To prosta droga do etapu trzeciego: burnout – wypalenia. 

Ale to jest właśnie moment, w którym możemy wypaleniu przeciwdziałać. Zamiast próbować za wszelką cenę podtrzymywać idealistyczną wizję firmowego świata, warto świadomie dostrzec rzeczywistość. To, że nie jest idealna, nie znaczy jeszcze, że jest nie do zaakceptowania. Ale tylko świadome określenie ograniczeń i barier pozwoli na poszukiwanie narzędzi do zarządzania tą sytuacją, na podejmowanie działań, które będą przynosiły nam poczucie sprawstwa, a to ono jest jednym z kluczowych elementów przeciwdziałania wypaleniu. Kiedy świadomie godzimy się na rzeczywistość, przeżywamy inne emocje i przede wszystkim nasze „muszę” zamienia się na „wybieram”, a to pozwala z większym spokojem podchodzić do trudności. 

W zapobieganiu wypaleniu duże znaczenie ma również podnoszenie swoich kompetencji, co zwiększa poczucie własnej wartości i pomaga uświadamiać sobie, że jednak odnosimy sukcesy. Bo odwoływanie się do faktów jest też jednym z narzędzi, które pomagają uspokoić mózg i obniżać poziom stresu. 

Zawsze jednak powinniśmy zaczynać od rozmowy z liderem czy z coachem, aby zyskać nową perspektywę i zastanowić się, jakie działania będą najsensowniejsze w naszym przypadku. Nie bagatelizujmy zmęczenia, znużenia, braku motywacji, jeśli trwają zbyt długo, szukajmy pomocy, aby nie zabrnąć za daleko i nie skończyć z pełnym wypaleniem zawodowym, bo to już naprawdę głębokie zaburzenie, a leczenie jest długotrwałe i wymaga dużego wysiłku. 

The post Co zrobić, żeby wypalenie zawodowe nie odebrało nam radości z życia i chęci do pracy  appeared first on Connectpoint.

Amsterdam

Wizytówka miasta – kanały (Grachten). 

Kanały, które przecinają Amsterdam, są wpisane na listę UNESCO. Można je podziwiać podczas rejsów łodzią lub spacerów.  

3 nieoczywiste miejsca warte odwiedzenia w Amsterdamie. 

NDSM Werf: Dawna stocznia przekształcona w centrum sztuki z pracowniami i galeriami. Ten postindustrialny teren na północy Amsterdamu przyciąga wszystkich, którzy chcą poznać jego alternatywne oblicze. Odbywają się tu festiwale, koncerty i targi.

Hortus Botanicus: Jeden z najstarszych ogrodów botanicznych na świecie, ze wspaniałymi szklarniami. Perełką wśród egzotycznych roślin z różnych zakątków świata jest słynna palma, która rośnie tu od ponad 300 lat. 

Amsterdamse Bos: Duży las na obrzeżach miasta, idealny na długie spacery i przejażdżki rowerowe – w lesie jest wytyczonych wiele ścieżek. Miejsce jest chętnie wybierane na pikniki – brzegi malowniczych stawów są wprost stworzone do błogiego relaksu. 

Berlin

Wizytówka miasta – Brama Brandenburska (Brandenburger Tor). 

To najbardziej rozpoznawalny zabytek Berlina, symbolizujący zarówno podział, jak i zjednoczenie Niemiec. Zlokalizowana w centrum miasta, stanowi obowiązkowy punkt programu dla turystów. 

 3 nieoczywiste miejsca warte odwiedzenia w Berlinie. 

Tempelhofer Feld: Kiedyś lotnisko, teraz ogromny park, chętnie odwiedzany przez lubiących aktywności na świeżym powietrzu. Przestrzeń jest tak rozległa, że można tu nawet uprawiać lądowy kitesurfing.  

Klunkerkranich: Bar na dachu parkingu w dzielnicy Neukölln, ze świetnym widokiem na miasto. Można tu wpaść coś zjeść albo posłuchać muzyki – wydarzeń artystycznych tu nie brakuje. 

Werkbundarchiv – Museum der Unerhorten Dinge: Mało znane muzeum przedmiotów – archiwum Niemieckiego Związku Twórców. Można tu oglądać zwykłe-niezwykłe przedmioty codziennego użytku, produkowane na masową skalę w XIX i XX wieku.

Budapeszt

Wizytówka miasta – Parlament (Országház). 

Jeden z najpiękniejszych budynków parlamentarnych na świecie. Imponująca architektura i położenie czynią go najbardziej charakterystycznym symbolem miasta. 

3 nieoczywiste miejsca warte odwiedzenia w Budapeszcie. 

Földalatti Vasút Múzeum: Muzeum pierwszej na kontynencie europejskim linii metra. Zachowane eksponaty, w tym oryginalne wagony, zapraszają do podróży w przeszłość – do czasów, gdy budowa metra była nowatorskim przedsięwzięciem. 

Szimpla Kert: Pierwszy i najbardziej znany „ruin bar” w Budapeszcie, znajdujący się w dawnej fabryce. Pełno tu artystycznych instalacji, mebli retro i zaskakujących dekoracji, które tworzą wyjątkowy klimat. 

Szent Iván-barlang: Jaskinia na górze Gellért, nazywana Jaskinią Świętego Iwana. Obecnie, po latach przerwy, ponownie jest siedzibą klasztoru Zakonu Paulinów, a turystów przyciąga zarówno położenie, jak i atmosfera tego miejsca.

Lublana

Wizytówka miasta – Most Smoka (Zmajski Most).  

Most zdobią cztery rzeźby smoków. To smoki z legendy o Jazonie i Argonautach, którzy rzekomo przepłynęli przez Lublanę w drodze po Złote Runo. Smoki znajdują się również w herbie Lublany. 

3 nieoczywiste miejsca warte odwiedzenia w Lublanie. 

Nebotičnik: Wieżowiec z lat 30. XX wieku, który kiedyś był najwyższym budynkiem w Lublanie i jednym z pierwszych wieżowców w Europie. Na szczycie znajdują się kawiarnia i taras widokowy, skąd można podziwiać panoramę miasta, w tym Zamek Lublański.

Narodowa Galeria Słowenii: Miejsce znane, uznane, ale pomijane na rzecz innych atrakcji turystycznych. Galeria mieści bogatą kolekcję sztuki słoweńskiej – od średniowiecza po XX wiek. Dla tych, którzy chcą zapoznać się z historią słoweńskiej sztuki i zobaczyć dzieła znanych artystów słoweńskich – miejsce obowiązkowe. 

Muzeum Etnograficzne: Można w nim między innymi spotkać Kurenta. To postać symbolizująca słoweński karnawał – Słowianie, przebrani w futrzane kostiumy, chodzą wówczas po wsiach od domu do domu, trzepiąc dzwonkami przyczepionymi do pasów, a gospodynie częstują ich jedzeniem.

Praga 

Wizytówka miasta – Most Karola (Karlův most). 

Jeden z najstarszych i najpiękniejszych mostów w Europie, łączący Stare Miasto z Małą Straną. Most Karola jest jednym z najważniejszych zabytków Pragi. 

3 nieoczywiste miejsca warte odwiedzenia w Pradze. 

Vyšehrad: Historyczna twierdza, miejsce pełne legend i tajemnic, które imponuje architekturą. Spacerując po murach obronnych, można poczuć ducha średniowiecznej Pragi. 

Vojanovy Sady: Jeden z najstarszych ogrodów w mieście, w dzielnicy Mala Strana. Mało uczęszczany przez turystów, idealny do spokojnych spacerów, zwłaszcza późną wiosną, gdy kwitną magnolie i rododendrony.  

Tancici dum: Tańczący dom znajduje się w dzielnicy Nowe Miasto, a jego nazwa pochodzi od kształtu – niektórzy widzą w nim wirującą w tańcu parę. Składa się z 99 betonowych płyt, o różnych kształtach, okna są rozmieszczone na różnych wysokościach.

The post Długi weekend – czas start!  appeared first on Connectpoint.

Anna: W branży muzycznej złote płyty przyznaje się za liczbę egzemplarzy sprzedanych płyt. Przyszło mi do głowy, że gdyby w Waszej pracy – wszyscy jesteście programistami – spróbować odnieść tę nagrodę do liczb, mogłaby to być liczba linijek napisanego kodu. Bardziej tysiące czy już raczej miliony linijek? 

Remigiusz: Raczej miliony, ale w moim przypadku tych linijek już nie przybywa w takim tempie jak kiedyś. Gdy zaczynałem pracę, zajmowałem się przede wszystkim czystym programowaniem. W tej chwili na zaglądanie do kodu zostaje mi już niewiele czasu, skupiam się głównie na zadaniach organizacyjnych i architektonicznych. Myślę, że Grzegorz i Adam mają podobną sytuację.  

Grzegorz: Nadal jestem programistą, jednak moje obecne zadania skupiają się głównie na utrzymaniu istniejących procesów oraz pracach administracyjnych. 

Adam: Ja mam nawet na to swoje określenie: od klepacza kodu do klepacza gębą. Nie, no nie piszcie tego. Podobno więcej gadam, ale nie powiedziałbym, że to dobrze. 

Anna: Czy wyczuwam tu tęsknotę za pisaniem kodu i wcześniejszymi obowiązkami?  

Adam: Wraz z rozwojem kariery zmieniają się też obowiązki, to normalne.  

Anna: Czy po 10 latach pamiętacie swój pierwszy projekt?  

Grzegorz: Oczywiście, tym bardziej, że wiele z nich funkcjonuje on do dziś. Jednym z nich było stworzenie od podstaw procesu pod nazwą Backfilling – polega on na uzupełnianiu bazy danych w oparciu o wartości pomiarowe z turbin wiatrowych z różnych źródeł. 

Remigiusz: Dobrze pamiętam początki, bo były bardzo ciekawe i w pewnym sensie „zleciały na lataniu”. Nasza pierwsza umowa z klientem z branży energetycznej zakładała 50% czasu pracy na miejscu u klienta. I faktycznie – przez parę ładnych miesięcy lataliśmy co drugi tydzień do Essen, gdzie mieliśmy nawet wynajęte mieszkanie. 

Anna: 10 lat to „kawał” czasu. Czy spodziewaliście się, że zostaniecie w ConnectPoint tak długo? 
 
Adam: Jestem chyba ostatnią osobą, która miała wtedy plany na kolejne 10 lat. 

Remigiusz: Raczej nie, nie spodziewałem się. W dzisiejszych czasach nie jest to standard, żeby pracować tyle czasu w jednej firmie. Natomiast fakt pracy w różnych projektach, o różnej specyfice i w różnych rolach sprawił, że czuję się, jakbym tak naprawdę tę pracę parę razy już zmienił.  

Grzegorz: Moje obowiązki w zakresie wykorzystywanych technologii pozostały zasadniczo niezmienione; doszły nowe, związane z technologią chmurową, więc „dużo się dzieje”. A co do Twojego pytania, czy spodziewałem się, że zostanę tu tak długo. Szczerze mówiąc, nie zastanawiałem się nad tym, ale cieszę się z tego faktu. 

Anna: W takim razie – co powoduje, że „jesteś na tak”? Co wyróżnia naszą firmę? 

Grzegorz: Przede wszystkim dobra atmosfera i możliwość samorozwoju. Oczywiście, kwestia finansowa również jest dla mnie bardzo ważna – w połączeniu z całą resztą sprawia, że chcę tu pracować. 

Remigiusz: Dla mnie atrakcyjne jest uczestniczenie w procesie zmiany – możliwość doświadczania, jak kilkuosobowa firma rośnie i przekształca się do obecnych rozmiarów. Gdy dołączałem do firmy, było w niej dosłownie kilka osób, teraz w ConnectPoint pracuje ponad 140 osób. Przyjazna i przyjacielska atmosfera też robi robotę, swego czasu grywaliśmy z Dawidem w piłkę, a z Kubą biegaliśmy w sztafecie maratońskiej. ;)   

Anna: Wyjaśnię czytelnikom, że Dawid i Kuba to nasz zarząd. Adam, a co dla Ciebie jest ważne?  

Adam: Atmosfera, stabilność, rozwój i nowe wyzwania.  

Anna: Wszyscy podkreślacie znaczenie atmosfery. Firma się rozrosła, ale atmosfera się nie zmieniła. Zatrzymajmy się przy tym na chwilę, bo to ważny wątek. Gdy firma się rozwija, nietrudno gdzieś po drodze zgubić tego firmowego „dobrego ducha”. 

Remigiusz: Na czele stoją cały czas Dawid z Kubą, więc myślę, że to właśnie dlatego duch i wartości firmy aż tak się nie zmieniły.  

Grzegorz: I dzięki temu nie ma u nas tych wszystkich napięć, które są w korporacjach. 
Wraz z rozwojem firmy rośnie ryzyko, że one się pojawią. A przecież jeśli spojrzymy na ConnectPoint tylko z perspektywy liczb i struktur, to zdecydowanie nie jest ta sama firma co 10 lat temu. Kiedy zaczynałem, było nas tylko czterech (Dawid, Kuba, Maciek – odchodzący wtedy z firmy i ja). W ciągu ostatniej dekady pojawili się nowi pracownicy, nowi klienci i nowe wyzwania. Zmiany w organizacji firmy objęły wprowadzenie systemów zarządzania czasem i projektami oraz działów odpowiedzialnych za poszczególne projekty. 

Adam: Mój zespół jest większy niż firma, gdy zaczynałem w niej pracować – to też dobrze odzwierciedla skalę zmian. 

Anna: Ja dołączyłam do ConnectPoint dwa lata temu i mogę powiedzieć, że spora część tych zmian wydarzyła się właśnie w ciągu tych dwóch lat. A jak Wy się zmieniliście na przestrzeni 10 lat? 

Grzegorz: Trudno mi ocenić, jak się zmieniłem. Na pewno nieco przytyłem (hahaha). Zawodowo – nadal staram się dostarczać rozwiązania na najwyższym poziomie i odpowiedzialnie realizuję swoje zadania. 

Remigiusz: Praca w ConnectPoint nie była moją pierwszą, ale dalej określiłbym to jako zawodowe początki. Byłem wówczas na pewno bardziej idealistyczny i doświadczyłem pewnego zderzenia. To było zderzenie dwóch światów: teoretycznego, uniwersyteckiego świata maszyn Turinga z nieskończoną ilością taśm i świata biznesu, z jego użytkownikami i z nieskończoną ilością wymagań do zaimplementowania. Co sprawiło, że dzisiaj jestem zdecydowanie bardziej pragmatyczny w podejściu do wytwarzania oprogramowania.  

Adam: A ja powtórzę: podobno więcej gadam, ale nie powiedziałbym, że to dobrze. 

Anna: Jakimi radami możecie podzielić się z nowymi pracownikami, którzy dołączają do ConnectPoint? 

Adam: Nie bójcie się zadawać pytań. Braki techniczne zawsze można nadrobić. Jeżeli przeszliście rekrutację, to znaczy, że macie potencjał. 

Grzegorz: Kompetencje można nabyć, wszystkiego można się nauczyć. Najważniejsze jest bycie uczciwym. Podchodźcie do swojej pracy najlepiej, jak potraficie, korzystajcie ze szkoleń, bądźcie pogodni i życzliwi. 

W rozmowie udział wzięli: 

Grzegorz Adamek: programista, odpowiada za tworzenie procesów BI (SSIS, SSRS) na potrzeby przetwarzania i ekstrakcji danych oraz tworzenie zautomatyzowanych raportów.  

Adam Golian: Solution Architect&Team Leader, Data&AI Team. 

Remigiusz Mytyk: zaczynał od stanowiska programisty Java, obecnie lider zespołu Digital Platforms w unicie Software House. 

Dział HR reprezentowała Anna Sawicka. 

The post Rozmowa na 10-lecie appeared first on Connectpoint.

Jesteśmy na wysokości ok. 42 m n.p.m. Gdzie okiem sięgnąć, wszędzie piach. „Tylko piach! Suchy piach!” Kto pamięta piosenkę Bajmu „Nie ma wody na pustyni”, z łatwością może sobie wyobrazić taką scenerię. Prawie jak pustynia, a jesteśmy nad Bałtykiem, w okolicach Łeby, w Słowińskim Parku Narodowym.  
Największą atrakcją tego terenu są ruchome wydmy. Najbardziej rozległe zajmują obszar nawet kilkuset hektarów, a najwyższa spośród nich, ponad 40-metrowa, nazywa się Łącka Góra. Jak można się domyślać – nie są to wartości precyzyjne i podane raz na zawsze. Piasek przemieszcza się już przy wietrze, który wieje z prędkością 5 metrów na sekundę, wydmy wędrują więc co roku kilka metrów na wschód.  
To piękne, ale i groźne zjawisko, bo po drodze zasypują nie tylko lasy czy bagna, ale także tereny zamieszkane, zwłaszcza wiosną i jesienią, podczas sztormów na Bałtyku.  

A tak przy okazji, czy są tu miłośnicy najnowszej ekranizacji „Diuny”? Byliście w Łebie? Jeśli tak, mamy do Was pytanie. Czy z wierzchołka Łąckiej Góry można gdzieś w oddali, na horyzoncie, zobaczyć czerwia pustynnego?  

“Czerwia nie widziałem, ale i tak czułem się tam jak na pustyni” – wspomina Damian, nasz HR-owiec, który poleca okolice Łeby na krótkie wypady i długi urlop.  

Znad morza kierujemy się na Podlasie. W okolice Białegostoku, do Supraśla, zabiera nas Asia, liderka zespołu Scrum Masterów.  

„Piękna architektura, ciekawa historia tego miejsca, wspaniała restauracja, teatr, który mieści się w małej drewnianej chatce, kładka turystyczna Szuszalewo – Jałowo – Nowy Lipsk…” – Asia wymienia jednym tchem, co przyciąga ją w te okolice.  

Idźmy zatem tropem Asi i zacznijmy od architektury: jej miłośnicy mogą tu podziwiać m.in. prawosławny monaster, jeden z pięciu takich w Polsce. Jedną z ciekawszych budowli jest również okazały secesyjny Pałac Buchholtzów, który był siedzibą znanej rodziny tutejszych fabrykantów.  
Ale w mieście są też „cuda” architektury, od których nie bije wielki przepych, a mimo to urzekają. To drewniane domy tkaczy z XIX wieku, takie jak na przykład Domek Ogrodnika. W takim drewnianym, stuletnim domu kilka lat temu otwarto teatr – to najmniejszy teatr w Polsce, z widownią liczącą zaledwie 10 miejsc. Będąc w Supraślu, można też wybrać się do drugiego teatru – mają tu swoją siedzibę „Teatr Wierszalin” i grupa teatralna o takiej nazwie. 
I wreszcie coś dla tych, którzy kochają przyrodę, także tę bardziej dziką: jeśli wybierzecie się na spacer kładką turystyczną Szuszalewo – Jałowo – Nowy Lipsk, nie będziecie zawiedzeni, rozkoszując się urokami doliny górnej Biebrzy, widokiem bagien i rozlewisk. Przed Wami również jedyna w swoim rodzaju przeprawa promowa.  

Z Podlasia ruszamy na Mazowsze, w okolice Warszawy. Ale nie zatrzymujemy się w Warszawie, jak podkreśla Andrzej, jeden z naszych „bazodanowców”. Andrzej ma kontrpropozycję dla tych, którzy lubią spacery w przypałacowych parkach, w Warszawie. „Łazienki albo Wilanów to dość oczywisty wybór. Ja polecam Radziejowice. To zaledwie kilkadziesiąt kilometrów od Warszawy, a jest tu i piękny pałac, i piękny park.”  

W Radziejowicach bywają znani literaci czy filmowcy, mieści się tu bowiem Dom Pracy Twórczej. Można tu zatrzymać się na nocleg, rozkoszować się przysmakami w restauracji w pałacowej jadalni, zwiedzać sale muzealne, galerię wystaw czasowych, podziwiać rzeźby w alejkach parkowych.  
Ale można tu odpocząć także „na spontanie”, na pełnym luzie – tak jak Andrzej, który przyjeżdża do Radziejowic ze swoim nieodłącznym czworonożnym towarzyszem Luckym. „Rozkładamy koc na trawie, opalamy się, a potem idziemy na obiad, do pierogarni, kilometr od pałacu. Bierzemy też oczywiście pierogi na wynos.” 

Czy można zachwycać się ruinami? Damian, programista z Unitu Smart RDM zapewnia, że tak i zaprasza nas na wycieczkę do Olsztyna koło Częstochowy, zwłaszcza na wycieczkę rowerową po okolicy.

Główny punkt programu to oczywiście ruiny tutejszego zamku: są naprawdę „zjawiskowe” i robią wrażenie już z oddali. Olsztyński zamek to jedna ze średniowiecznych fortyfikacji, wzniesionych na wapiennych skałach na szlaku Orlich Gniazd, na Wyżynie Krakowsko-Częstochowskiej. Wybudowane z polecenia króla Kazimierza Wielkiego, miały strzec Krakowa przed najazdem wojsk czeskich. Na szlaku, liczącym ponad 160 km, znajduje się kilkanaście zamków – będących niegdyś zamkami królewskimi, jak i prywatnymi. Zamek w Olsztynie był zamkiem królewskim, w 2006 roku hucznie obchodzono jego 700-lecie. 
Jak na ruiny zamku przystało, również i te mają swoją legendę i swojego ducha. Ponoć więziony był tu wojewoda poznański, niejaki Maćko Borkowic, który zorganizował spisek przeciwko królowi.

Czy nasz kolega Damian spotkał ducha wojewody? „Nie potwierdzam i nie zaprzeczam” – odpowiada. – „Przekonajcie się sami, czy gdzieś tu się błąka.”

W naszej podróży z północy na południe docieramy w kolejne miejsce. Najpierw trochę liczb. 365 pomieszczeń, 99 wież i wieżyczek, 8 tys. m kw powierzchni, kubatura – 65 tys. m sześciennych. Do tego stuhektarowy park, a w nim przepiękne rododendrony. „Moja żona mówi, że czuje się tu jak w bajce” – opowiada Mateusz, programista z Unitu Software House.  

Jesteśmy w Pałacu w Mosznej na Opolszczyźnie. Barokowa rezydencja często nazywana jest „bajkowym pałacem” – przywodzi na myśl klimaty niczym z Disneya. Pałac wzniesiono prawdopodobnie w XVIII wieku, należał m.in. do niemieckiego rodu Tiele -Wincklerów, bywał tu podobno cesarz Wilhelm II. Pałac przetrwał niejedną „zawieruchę”, m.in. ogromny pożar. Kręcono tu filmy, rezydencja znalazła się na okolicznościowej monecie wyemitowanej przez NBP.  
Co prawda zwiedzać można tylko część pałacu, nie ma więc raczej szansy, żeby zobaczyć 365 pomieszczeń, ale, jak zapewnia Mateusz, wystarczy spacer po udostępnionej części, aby poczuć klimat tego miejsca. 

Na zakończenie naszej podróży zapraszamy Was – razem z Asią, naszą programistką z Unitu Smart RDM – na polany. „Dlaczego tu przyjeżdżam? Bo jest pięknie, spokojnie i cicho. Dla mnie to wymarzone miejsce na odpoczynek i relaks”.

Patrząc niewprawnym okiem na zdjęcia tych okolic, być może zadamy sobie pytanie: „Czy to aby nie szkockie wrzosowiska?” To jednak nie wrzosy, ale krokusy, które zakwitają tu wiosną na polanach. Jesteśmy w Gorczańskim Parku Narodowym, a kwitnące fioletem polany to jedna z jego „wizytówek”. Z polan roztacza się widok na Tatry, Pieniny, Beskid Wyspowy i Sądecki.  
Polany mają ciekawą historię. Zawdzięczamy je Wołochom – pasterzom przybyłym z Półwyspu Bałkańskiego. Powstały w wyniku wypalania lasu, a następnie poszerzano je poprzez wyręby. Wypasanie i koszenie zapobiegało ich zarastaniu. 

Dajcie znać, czy wyruszyliście na wycieczkę śladem naszych poleceń! A już wkrótce druga część naszego weekendowego cyklu. Bądźcie z nami! 

The post Pozdrowienia z długiego weekendu  appeared first on Connectpoint.