מצוינות וחדשנות — גיליון 13






מצוינות וחדשנות, גיליון 13


Lean Agile Israel
מצוינות וחדשנות
מה שמובילי מצוינות קוראים השבוע
גיליון 13  |  י”א באלול תשפ”ו  |  24 באוגוסט 2026

כיבוי כל ערב, הרכבה מחדש כל בוקר: איך ירד הפחת של קו הקפה ב-89%

מפעל הקפה של שטראוס-עלית בצפת עבד לפי כלל נוקשה: בסוף כל יום מכבים ומנקים את הקו במלואו, כי תקני האיכות לא מאפשרים אחרת, ובבוקר שאחרי בונים אותו כמעט מחדש. השגרה הזו יצרה פחת חומר גבוה, תקלות מכניות חוזרות, ושעות נוספות שהפכו קבועות בלוח העבודה.

צוות רב-תחומי, מפעילים, אחזקה, איכות ותפעול, מיפה את תהליך הכיבוי וההפעלה מחדש בעזרת VSM, ובנה סטנדרט חדש דרך אירוע קייזן. לא קנו ציוד חדש. פירקו את השגרה לשלבים ושאלו על כל שלב: מה חייב לקרות רק כשהקו עומד, ומה אפשר להכין מראש (לפי מתודולוגיית SMED). התוצאה עברה את היעד המקורי בהרבה, זמן הכיבוי ירד ב-68%, זמן ההפעלה ב-83%, ועלות הפחת בפועל צנחה ב-89%.

אף אחד בצוות לא המציא כלי חדש. הם עשו את מה שכל תהליך מיפוי דורש: מדדו כל דקה בתהליך שהיה נחשב מובן מאליו, ובדקו אם היא באמת הכרחית.

מקור: קייס לקוח, קפה עלית (שטראוס), בליווי Lean Agile Israel.

לקריאה מלאה ←

מהמחזור האחרון של הסמכת Green Belt בטאוור, ישר מהוואטסאפ, בלי עריכה.
”
מה שלקחתי מהסמכת Green Belt הוא שינוי תפיסה של ממש: במקום לחפש מהר “איך לפתור את הבעיה”, למדתי להתמקד קודם בשאלה “מה באמת הבעיה?”. התהליך לימד אותי להוביל אנשים לא רק אל הפתרון, אלא אל סיבת השורש, ושם נמצא בעיניי הקסם האמיתי. כשמזהים נכון את המקור, הפתרון בדרך כלל הרבה פחות מורכב ממה שנדמה.
ירין ביטון
בוגר מחזור Green Belt, טאוור, אוגוסט 2026

87% מהיצרנים כבר ניסו AI. רק אצל אחד מכל חמישה, הנתונים בפועל מוכנים לזה

לפי דוח שפרסמה Deloitte בתחילת 2026, 87% מהיצרנים כבר הריצו לפחות פיילוט אחד של AI גנרטיבי. אותו דוח מוצא שכמעט שלושה מכל ארבעה ארגונים מתכננים לפרוס AI אוטונומי (agentic AI) תוך שנתיים, אבל רק אחד מכל חמישה מהם דיווח שיש לו בפועל מודל מוכן ומיושם. גרטנר, מצדה, צופה שמעל 40% מפרויקטי ה-AI האוטונומי בייצור ייזנחו עד 2027, בגלל ערך עסקי לא ברור, עלויות עולות וקשיי יישום.

צ’נדרה סורבהאט, אנליסט ב-Altimetrik, מסביר את הפער בפשטות: AI אוטונומי עובד רק כשיש לו נתונים נקיים, עקביים והיסטוריים ללמוד מהם. ברוב סביבות הייצור בפועל, הנתונים האלה או שלא קיימים, לא מחוברים בין מערכות, או משתנים כל כך בין מפעל למפעל שאותו מודל לא אמין בכולם. זווית ה-OPEX כאן חדה: זה בדיוק אותו תנאי בסיס שכל תהליך Lean Six Sigma דורש, עבודה סטנדרטית ותיעוד עקבי, עוד לפני שמדברים על אוטומציה. מי שמדלג על השלב הזה לא מקבל AI גרוע, הוא מקבל AI שאי אפשר לסמוך עליו.

מקור: Manufacturing Dive, יוני 2026

לפני שמאמצים AI אוטונומי בתהליך, שאלו קודם: יש לנו עבודה סטנדרטית ותיעוד נתונים עקבי מספיק כדי שמודל בכלל יוכל ללמוד ממנו נכון?

לקריאה מלאה ←

מאסטר בהובלת מצוינות: המחזור הבא נפתח ב-25 באוקטובר

שני הסיפורים למעלה, קו הקפה של עלית וסיפור ה-AI, חולקים אותו לקח: התוצאה לא מגיעה מכלי חדש, היא מגיעה ממישהו שיודע להוביל תהליך שחושף מה באמת קורה בשטח, לא מה שנראה ברור מלכתחילה. זו בדיוק היכולת שתוכנית המאסטר בהובלת מצוינות (Lean Six Sigma Excellence Leadership) מכשירה.

מחזור 2026 נפתח ב-25-26 באוקטובר, וממשיך ב-1-2 בנובמבר. התוכנית משלבת ימי כיתה אינטנסיביים עם ליווי צמוד לאורך פרויקט גמר אמיתי בארגון שלכם, לא תרגיל תיאורטי.

מתאים למובילי תהליכים, מנהלי איכות ותפעול, ולכל מי שכבר עשה הסמכת Green Belt ומחפש את השלב הבא.

לפרטי המחזור ותאריכים ←


פוסטים דומים

כתיבת תגובה