historia
pracownia badań nad dojrzałością i odpornościa organizacji
Pracownia została powołana w lipcu 2024 decyzją Rady Wydziału Inżynierii Zarządzania. Powstała żeby kreatywnie połączyć potencjał pracowników Wydziału zajmujących się zagadnieniami dojrzałości i odporności, zbudować platformę do prac badawczych i działań na rzecz otoczenia biznesowego.
Co robimy
W trakcie naszych wieloletnich badań wypracowaliśmy modele i metody oceny dojrzałości i odporności organizacji i procesów.
Model dojrzałości dla przedsiębiorstwa usługowego: Logistics Maturity Model for Service Industry (LMM4SI)
Autorzy modelu: K. Werner-Lewandowska i M. Kosacka-
-Olejnik.
Źródło: K. Werner-Lewandowska i M. Kosacka-Olejnik (2020a), Dojrzałość
logistyczna przedsiębiorstw usługowych, Instytut Naukowo-Wydawniczy
„Spatium”, Radom
Obszar oceny: logistyka przedsiębiorstwa usługowego.
Budowa modelu:
Sześć poziomów dojrzałości logistycznej odpowiadających poszczególnym
fazom rozwoju logistyki przemysłowej:
– poziom 1: fragmentaryzacja,
– poziom 2: konsolidacja,
– poziom 3: integracja,
– poziom 4: partnerstwo,
– poziom 5: globalizacja,
– poziom 6: automatyzacja.
Model dojrzałości w zakresie
zrównoważonego zarządzania logistycznego –
Sustainable Logistics Management Maturity (SLMM)
Autorzy modelu: K. Werner-Lewandowska i P. Golińska-
-Dawson.
Źródło: K. Werner-Lewandowska i P. Golińska-Dawson, 2021, Sustainable
Logistics Management Maturity – The Theoretical Assessment
Framework and Empirical Results from Poland. Sustainability, 13(9),
5102, https://doi.org/10.3390/su13095102.
Obszar oceny: zrównoważone zarządzania logistyczne.
Budowa modelu:
– pięć poziomów dojrzałości
Model dojrzałości w zakresie
odpowiedzialnego zarządzania zasobami –
Responsible Resource Management Maturity (RRM)
Autorzy modelu: P. Golińska Dawson, K. Werner-Lewandowska
i Monika Kosacka-Olejnik.
Źródło: P. Golińska-Dawson, K. Werner-Lewandowska i M. Kosacka-Olejnik,
2021, Responsible Resource Management in Remanufacturing-Framework
for Qualitative Assessment in Small and Medium-Sized Enterprises.
Resources, 10(2), 19, https://doi.org/10.3390/resources10020019.
Obszar oceny: odpowiedzialne zarządzanie zasobami w procesie.
Budowa modelu:
– poziom ML1 (bardzo niski): odpowiedzialne praktyki zarządzania
zasobami w procesie regeneracji nie są stosowane przez firmę lub są
stosowane w sposób niepełny,
– poziom ML2 (niski): odpowiedzialne praktyki zarządzania zasobami
w procesie regeneracji są stosowane ad hoc (np. w celu rozwiązania
bieżącego problemu lub spełnienia określonych wymagań klienta/
wymagań prawnych) w firmie, a procesy nie są sformalizowane,
– poziom ML3 (średni): praktyki odpowiedzialnego zarządzania zasobami
są sformalizowane, mierzone w placówce i są podejmowane
działania ad hoc,
– poziom ML4 (wysoki): praktyki odpowiedzialnego zarządzania zasobami
są na bieżąco formalizowane, mierzone i kontrolowane na
każdym etapie procesu/każdego stanowiska pracy oraz są podejmowane
działania doskonalące,
– poziom ML5 (bardzo wysoki): praktyki odpowiedzialnego zarządzania
zasobami są na bieżąco formalizowane, mierzone i kontrolowane
na każdym etapie procesu/każdego stanowiska pracy oraz
są podejmowane działania doskonalące w celu ciągłej optymalizacji.
Model dojrzałości cyfrowej procesów logistycznych –
Digital Logistics Process Maturity –
DITILOGPRO Maturity Model
Autorzy modelu: P. Golińska-Dawson, K. Werner-Lewandowska,
Karolina Kolińska i Adam Koliński.
Źródło: P. Golińska-Dawson, K. Werner-Lewandowska, K. Kolińska
i A. Koliński, 2023, Impact of Market Drivers on the Digital Maturity
of Logistics Processes in a Supply Chain. Sustainability, 15(4), 3120.
https://doi.org/10.3390/su15043120.
Obszar oceny: odpowiedzialne zarządzanie zasobami w procesie.
Budowa modelu:
– poziom ML1 (unikanie): częstotliwość wdrażania rozwiązań cyfrowych
o wysokiej inteligencji w procesach logistycznych jest bardzo
niska,
– poziom ML2 (odkrywanie): częstotliwość wdrażania rozwiązań cyfrowych
o wysokiej inteligencji w procesach logistycznych jest niska,
– poziom ML3 (adoptowanie): częstotliwość adaptacji rozwiązań cyfrowych
o wysokiej inteligencji dla procesów logistycznych jest średnia,
– poziom ML4 (doskonalenie): częstotliwość wdrażania rozwiązań
cyfrowych o wysokiej inteligencji w procesach logistycznych jest
wysoka,
– poziom ML5 (znakomity): częstotliwość wdrażania rozwiązań cyfrowych
o wysokiej inteligencji w procesach logistycznych jest bardzo
wysoka.
Model dojrzałości rozwiązań z zakresu Logistyki 4.0 –
Logistics 4.0 Maturity Model (L4MM)
Autorzy modelu: A. Stachowiak i J. Oleśków-Szłapka.
Źródło: A. Batz, J. Oleśków-Szłapka, A. Stachowiak, G. Pawłowski
i K. Maruszewska, 2020, Identification of Logistics 4.0 Maturity Levels in
Polish Companies – Framework of the Model and Preliminary Research,
[w:] K. Grzybowska, A. Awasthi i R. Sawhney (red.), Sustainable Logistics
and Production in Industry 4.0. EcoProduction, Springer, Cham,
Switzerland, Springer, s. 161–175.
Obszar oceny: rozwiązania z zakresu Logistyki 4.0 wykorzystywane
w przedsiębiorstwie w odniesieniu do zarządzania, przepływu materiałów
i przepływu informacji.
Budowa modelu:
– poziom 1: ignorowanie: przedsiębiorstwo nie dostrzega potrzeby
integracji przepływów i nie ma wiedzy o zaawansowanych rozwiązaniach
usprawniających przepływ materiałów i informacji,
– poziom 2: definiowanie: przedsiębiorstwo dostrzega potrzebę integracji,
ale nie wie, jak ją osiągnąć, posiada wiedzę o zaawansowanych
rozwiązaniach usprawniających przepływ materiałów i informacji,
ale ich nie wykorzystuje,
– poziom 3: adoptowanie: przedsiębiorstwo inicjuje integrację, wdraża
wybrane zaawansowane rozwiązania usprawniające przepływ
materiałów i informacji,
– poziom 4: zarządzanie: większość obszarów jest już zintegrowana,
przedsiębiorstwo wdrożyło liczne zaawansowane rozwiązani usprawniające
przepływ materiałów i informacji,
– poziom 5: integracja: integracja wszystkich obszarów i przepływów
daje efekt synergii, wszystkie możliwe do wdrożenia zaawansowane
rozwiązania usprawniające przepływ materiałów i informacji są
wdrożone.
Model dojrzałości zwinności –
Agility Maturity Model (AMM)
Autorzy modelu: A. Stachowiak.
Źródło: A. Stachowiak, I. Pawłyszyn, From Fragility through Agility to
Resilience: The Role of Sustainable Improvement in Increasing Organizational
Maturity, Sustainability 2021, 13, 4991, https://doi.org/10.3390/
su13094991.
Obszar oceny: zwinność organizacji.
Budowa modelu:
– poziom 1: organizacja nie wykazuje żadnych cech zwinności lub
poziom zwinności jest niski,
– poziom 2: organizacja wykazuje cechy zwinności, ale tylko w jednej
kategorii zwinności są na poziomie przynajmniej średnim,
– poziom 3: organizacja wykazuje cechy zwinności, ale tylko w dwóch
kategoriach są zwinności są na poziomie przynajmniej średnim,
– poziom 4: organizacja wykazuje cechy zwinności, przy czym w trzech
kategoriach zwinności są na poziomie przynajmniej średnim,
– poziom 5: organizacja wykazuje wszystkie cechy zwinności, we
wszystkich kategoriach zwinności są na poziomie przynajmniej
średnim, organizacja dąży do ciągłego doskonalenia.
Model dojrzałości organizacji w kontekście
zrównoważonego zarządzania zasobami
Autorzy modelu: A. Stachowiak, A. Mazur i H. Gołaś.
Źródło: A. Mazur, A. Stachowiak i H. Gołaś, 2016, Research on the Level
of Organizational Maturity in the Context of Sustainable Resources Management,
3rd International Conference on Social Science (ICSS).
Obszar oceny: zrównoważone zarządzanie zasobami, zrównoważone
wykorzystanie zasobów.
Budowa modelu:
– poziom 1: eksploatacja zasobów. Zasoby są definiowane, przydzielane
do realizacji poszczególnych procesów organizacji w sposób
losowy, są eksploatowane dla osiągnięcia celów organizacji. Wykorzystanie
zasobów naturalnych nie jest planowane, a współpraca
z otoczeniem ma charakter doraźny;
– poziom 2: podejście endogeniczne i efektywność: Zasoby, w tym
naturalne, są planowane dla ich najbardziej ekonomicznego wykorzystania.
Brak oznak oceny wpływu interesariuszy zewnętrznych,
współpraca z dostawcami polega na bieżącej komunikacji bez dążenia
do integracji łańcuchów dostaw;
– poziom 3: stabilizacja i zgodność z wymaganiami obligatoryjnymi.
Planowanie zasobów jest skorelowane z celami organizacji, ale odnosi
się wyłącznie do obligatoryjnych wymagań prawnych. Uczestnicy
łańcucha dostaw są identyfikowani zgodnie z wynikami analizy
ryzyka oraz potrzebami strategicznymi. Wdrożone są procesy
mierzenia efektywności wykorzystania zasobów naturalnych i oceny
ryzyka ich niedoborów;
– pozom 4: doskonalenie. Proaktywne wykorzystanie zasobów. Egzogeniczne
podejście organizacji do zarządzania zasobami jest skuteczne
i efektywne, a ponadto prowadzona jest analiza ryzyka potencjalnego niedoboru zasobów, w tym naturalnych. Organizacja
dąży do integracji z otoczeniem, komunikacja potrzeb i strategii
współpracy jest otwarta;
– poziom 5: dojrzałość. Zrównoważone i długofalowe myślenie o wykorzystaniu
zasobów. Poszukuje się ciągłych możliwości doskonalenia
procesu zarządzania zasobami w organizacji (np. benchmarking).
Partnerzy i dostawcy są zaangażowani w sukces organizacji
i mają na niego wpływ. Organizacja potrafi udowodnić, że podejście
do wykorzystania zasobów naturalnych spełnia aktualne potrzeby
bez narażania na szwank potrzeb przyszłych pokoleń społeczeństwa.
Model dojrzałości narzędzi SI –
AI Tools Maturity Model
Autorzy modelu: A. Stachowiak, P. Niewiadomski,
Natalia Pawlak
Źródło: P. Niewiadomski, A. Stachowiak i N. Pawlak, 2019, Knowledge on
IT Tools Based on AI Maturity – Industry 4.0 Perspective, Procedia Manufacturing,
Vol. 39, s. 574–582, https://doi.org/10.1016/j.promfg.2020.01.421.
Obszar oceny: zastosowanie narzędzi sztucznej inteligencji w przedsiębiorstwach.
Budowa modelu:
– poziom 1: bardzo mała wiedza o narzędziach SI, narzędzia, aplikacje,
algorytmy, systemy informatyczne wykorzystujące sztuczną inteligencję
są praktycznie nieznane,
– poziom 2: mała wiedza o narzędziach SI, zasady, metody i narzędzia
wykorzystujące sztuczną inteligencję są słabo rozpoznane,
– poziom 3: wystarczająca wiedza o narzędziach SI, narzędzia, aplikacje,
algorytmy i systemy informatyczne wykorzystujące sztuczną
inteligencję są znane i używane, lecz istnieje możliwość doskonalenie
w tym zakresie,
– poziom 4: dość duża wiedza o narzędziach IS, narzędzia, aplikacje,
algorytmy i systemy informatyczne wykorzystujące sztuczną inteligencję
są znane i używane, wdrażane działania doskonalące w tym
zakresie,
– poziom 5: bardzo duża wiedza o narzędziach SI, bardzo wysoki poziom
wiedzy i zdolność użycia narzędzi, aplikacji, algorytmów i systemów
informatycznych wykorzystujących sztuczną inteligencję.
Projekt realizowany w ramach programu Sonata, edycja 11 Narodowego Centrum Nauki
Badanie dojrzałości logistycznej
Kierownik projektu: Dr inż. Karolina Werner-Lewandowska
Okres realizacji: 2017-02-08 – 2020-02-07
CEL PROJEKTU
Celem naukowym projektu było zbadanie poziomu dojrzałości logistycznej w przedsiębiorstwach usługowych w Polsce.
REZULTATY PROJEKTU
opracowany model – LMM4SI (Logistics Maturity Model for Service Industry): 6 poziomów, 5 obszarów, 65 narzędzi logistycznych
KLUCZOWE EFEKTY
2000 przebadanych polskich przedsiębiorstw usługowych
12 map drogowych dla 12 sekcji usług w PKD
1 model referencyjny
OPIS REZULTATÓW
10 publikacji
udział w 4 konferencjach międzynarodowych i jednej krajowej
1 nagroda Best Paper Award podczas” The 14 International Congress of Logistics and SCM System, Taiwan Tech, Taipei Taiwan, 19-22.08.2019r.
Projekt 2
tytuł projekt
opis projektu
CAMERA
Lorem ipsum dolor sit amet, consectetur adipisicing elit.
MUSIC CENTER
Lorem ipsum dolor sit amet, consectetur adipisicing elit.
MESSAGES
Lorem ipsum dolor sit amet, consectetur adipisicing elit.
CHANNELS
Lorem ipsum dolor sit amet, consectetur adipisicing elit.
Opinie i rekomendacje
Każda współpraca przynosi efekty – cieszymy się, że możemy się nimi dzielić
Jakaś opinia np partnerów projektowych
John Doe
Company name
Autorki z dużą starannością i konsekwencją prezentują wybrane modele dojrzałości organizacji opisując je w kontekście obszaru oceny, budowy modelu, procedury oceny dojrzałości, zasad kwantyfikacji poziomów dojrzałości, aby następnie przejść do ujęcia praktycznego prowadzonych rozważań (..)
Autorki swobodnie i z „pasją” posługują się terminologią naukową w przedmiotowym zakresie (..)
Monografia powinna być wykorzystana w teorii i praktyce zarządzania organizacjami. Z pewnością zainteresuje wykładowców wyższych uczelni oraz praktyków zarządzania (biznesu).
dr hab Dariusz Sobotkiewicz, prof. UZ
Uniwersytet Zielonogórski
opinia np współautorów publikacji
John Doe
Company name
NASZ ZESPÓŁ
zajmujemy się dojrzałościa i odpornościa organizacji i procesów. Dzielimy pasję, współpracujemy, budujemy doświadczenie i kreujemy wartość dodaną
dr hab. inż. Agnieszka Stachowiak, prof. PP
Kierownik pracowni
dr inż. Karolina Werner-Lewandowska
Kierownik
dr hab. inż. Łukasz Hadaś, prof PP
ekspert ds systemów produkcyjno-logistycznych
dr inż. Roma Marczewska-Kuźma
ekspert ds oceny ryzyka
dr hab. inż Katarzyna Grzybowska, prof PP
ekspert ds łańcuchów dostaw
mgr inż. Marek Walczyński
ekspert ds zarządzania zmianą
Aktualności
Dzielimy się wiedzą i doświadczeniem, uczymy się i zdobywamy nowe kontakty
Hello world!
Welcome to WordPress. This is your first post. Edit or delete it, then start writing!
Read moreSkontaktuj się z nami
Jeśli chcesz współpracować z nami i wspólnie realizować badania, projekty lub Twoja organizacji potrzebuje dignozy i wsparcia – skontaktuj się z nami
Formularz kontaktowy