Комментарий эксперта:Будущее отходов в цифровом мире

Напрасно тратить. Это слово, с которым мы все знакомы в производственной отрасли, и задача, с которой мы постоянно сталкиваемся. Он бывает разных...

Напрасно тратить. Это слово, с которым мы все знакомы в производственной отрасли, и задача, с которой мы постоянно сталкиваемся. Он проявляется во многих различных формах, не только в сырье, компонентах или дефектных продуктах, которые никогда не попадают в руки платящих клиентов, но и в ресурсах, используемых на каждом этапе производственного процесса, таких как рабочая сила, энергия, хранение, транспортировка и активы, включая машины и оборудование, которые потребляются, но не способствуют общему доходу. Проще говоря, отходы — это затраты на ресурсы, которые не монетизируются, и, следовательно, результаты в плане эффективности, производительности, гибкости и качества — все это косвенные показатели потерь.

В то время как отходы стали более формализованным понятием в соответствии с философией бережливого производства, это проблема, которая пронизывает отрасль с момента зарождения современного производства. Когда Мэтью Бултон и его деловой партнер Джон Фотергилл открыли мануфактуру Сохо в Бирмингеме, Англия, в 1766 году, они положили начало концепции «массового производства», которая произвела революцию в неэффективной надомной промышленности того времени. В 1782 году они заменили свой прокатный стан с водяным приводом революционно новым источником энергии — паровой машиной Уатта — и так началась «война с отходами».

С тех пор мы постоянно изобретаем новые методы, методы, процессы и технологии для сокращения отходов. Когда появились крупные инновации, такие как паровой двигатель Уатта, наши предшественники осознали сейсмические преимущества эффективности и производительности, за которыми последовал период непрерывных улучшений и тонкой настройки. Это еще больше увеличило преимущества этих инноваций и продолжалось до тех пор, пока не появились следующие крупные инновации, такие как электричество, где электродвигатели заменили пар и позволили распределять энергию более эффективно, экономично и надежно. Затем сборочная линия открыла новую парадигму разделения и использования труда, а транзистор дал начало промышленному компьютерному управлению и автоматизации.

Каждая из этих основных вех имела первоначальный эффект, за которым следовал период непрерывной доработки и улучшения, при этом последовательные улучшения приносят все меньшую отдачу до тех пор, пока не произойдет следующий сейсмический сдвиг. При поиске областей для улучшения производственного процесса большинство организаций, как правило, сначала выбирают «самые низкие висящие плоды», прежде чем искать более сложные и тонкие улучшения, поскольку они постоянно стремятся найти новые способы устранения отходов. Однако вскоре они достигнут точки, когда затраты на устранение источника потерь станут равны или превышают полученную выгоду — увы, закон убывающей отдачи.

На этом этапе внесение этих улучшений просто становится нерентабельным, и в результате рост эффективности и производительности начинает стабилизироваться. Я считаю, что сегодня большинство производителей находится именно в этом, и это помогает частично объяснить так называемый парадокс производительности. Несмотря на инвестиции в новое оборудование, процессы и методы, рост производительности остается на прежнем уровне, потому что низко висящие плоды уже собраны, и предприятия застревают в цикле убывающей отдачи на единицу инвестиций. Парадокс производительности может быть нарушен только тогда, когда произойдет следующий сейсмический сдвиг, который приведет к значительному повышению производительности.

Как показала история, эти сдвиги не происходят в одночасье. Сначала их встречают со скептицизмом и часто с насмешками, прежде чем они переживают период ажиотажа, за которым следует разочарование, поскольку предполагаемые преимущества не материализуются. Этот переход часто может занять несколько лет, возможно, десятилетий, прежде чем постепенно начнут проявляться ощутимые преимущества благодаря тому, что ИТ-аналитическая компания Gartner называет «наклоном просветления» — четвертой фазой цикла ажиотажа. . Цифровизация, «умные фабрики», «фабрика будущего», «индустрия 4.0» и промышленный интернет вещей (IoT) — все это вариации одной и той же темы, представляющие собой корни этого следующего крупного цикла. Хотя на эти темы было и продолжает поступать много сообщений, все они основаны на использовании одного фундаментального ингредиента — информации, следующего критического оружия в войне с отходами.

СМОТРИТЕ ТАКЖЕ:

• Вышел мартовский выпуск журнала Manufacturing Global
• Женевский автосалон:основные тенденции автомобильных технологий, которые нельзя пропустить
• Siemens собирается приобрести новую энергию KACO для расширения своих производственных возможностей.
• Bray International:изменение мышления производителей клапанов посредством цифровой трансформации

Снижение эффективности и производительности от существующих производственных технологий, таких как автоматизация и методологии повышения производительности в автономном режиме, такие как шесть сигм, достигли пресловутого стеклянного потолка. Возьмем, к примеру, показатель общей эффективности оборудования (OEE), обычно используемый для оценки того, насколько эффективно используются производственные операции. OEE, равный 100 %, указывает на идеальную производственную среду, когда только качественная продукция производится максимально быстро и без простоев. Достижение такого уровня OEE, возможно, невозможно, однако общие исследования по широкому кругу исследований показывают, что производители мирового класса стремятся к OEE на уровне около 80–85 %, при этом 50–60 % являются более типичными, а 30–40 % — нет. необычный. Это не только показывает, что еще есть значительные возможности для улучшения с точки зрения эффективности и производительности, но также показывает, что наши усилия по повышению производительности очень редко «сдвигают иглу с места». Вместо этого производители полагаются на кульминацию большого количества небольших, а иногда и дорогостоящих улучшений, чтобы добиться реального эффекта.

Чтобы пробить этот стеклянный потолок, нам необходимо использовать информацию и активы данных, развивая более высокий уровень оперативности, чем мы имеем сегодня. В физических системах у нас всегда будет определенный уровень естественной изменчивости и непредсказуемости, но мы не должны продолжать использовать это как оправдание неоптимальных производственных процессов. Вместо этого нам нужно использовать эту информацию, чтобы понять, когда и где они происходят (в реальном времени или почти в реальном времени), и иметь механизмы для реагирования и смягчения этой изменчивости и непредсказуемости «по мере того, как это происходит». или еще лучше «до того, как это произойдет».

Это непросто и требует постоянного понимания и мониторинга многих переменных, причем не только в отношении одного измерения, характеристики процесса или продукта, но и в отношении всего причинно-следственного ландшафта. В производственной среде процессы редко полностью изолированы, так как производительность одного процесса, вероятно, будет вызвана множеством других воздействий — как прямых, так и окружающих. Это часто называют «проклятием размерности» — чем больше у нас измерений, тем больше данных нам нужно и тем труднее становится получить ценную информацию. К сожалению, человеческий мозг не предназначен для работы с таким уровнем сложности, поскольку мы пытаемся понять выводы в очень небольшом количестве измерений и в очень малоподвижном темпе.

К счастью, несколько новых технологий объединяются и совершенствуются, чтобы сформировать основу для следующего сдвига в эффективности и производительности производства. Стоимость и миниатюризация передовых датчиков позволяют организациям любого размера непрерывно собирать невообразимые объемы данных из своих цепочек спроса и поставок или даже встроенных в сами продукты. В зависимости от их уровня сложности это может обеспечить автономные вычислительные операции с использованием передовых алгоритмов, встроенных непосредственно в датчики (известные как граничные вычисления), для работы напрямую с другими датчиками и устройствами в замкнутом цикле (Machine-to-Machine). Из-за появления повсеместных сетей связи (тенденция, которая снова изменится, когда новый стандарт 5G станет основным), эти датчики могут передавать собранные данные на высокой скорости из любой точки мира.

Эти потоки данных требуют огромных объемов хранилища данных и вычислительных ресурсов, способных фильтровать, сортировать и анализировать информацию с такой скоростью, чтобы можно было генерировать идеи в реальном времени, и это обеспечивается большими данными и облачными вычислениями, которые быстро отделяют коммерческая ценность данных и информации из дорогостоящей локальной инфраструктуры. Наконец, анализ и выводы, полученные из этих данных, должны быть доступны в нужном месте и в нужное время для выполнения эффективных действий, всегда доступных практически на любом устройстве, в наглядной и интуитивно понятной форме, которую работники могут легко интерпретировать и действовать. на. Это стало возможным благодаря развитию облачных интерфейсов «программное обеспечение как услуга» (SaaS) и многофункциональных веб-приложений (RWA), которые сегодня становятся популярными

Цифровизация фабрики, цеха и цепочки поставок позволит производителям быстро выявлять и устранять отходы способами, которые ранее были невозможны или экономически нецелесообразны, и это откроет новую эру эффективности и производительности. После того, как низко висящие плоды будут сорваны, мы продолжим развивать технологии и методы, чтобы найти новые и инновационные способы еще большего сокращения отходов, пока законы убывающей отдачи не начнут кусаться, и мы будем ждать следующего большого сдвига к появляться. Однако, как напоминает нам гуру искусственного интеллекта (ИИ) Эндрю Нг, беспокоиться об этом сейчас все равно, что беспокоиться о перенаселении Марса.

InfinityQS - ведущий поставщик  Статистический контроль процессов (SPC)  программное обеспечение и услуги производителям по всему миру. Его решения автоматизируют сбор и анализ данных во время производственного процесса, чтобы принимать решения по улучшению процесса в режиме реального времени и предотвращать дефекты до их возникновения. Решения InfinityQS, разработанные промышленными статистиками с использованием проверенных методологий анализа и контроля качества, ежегодно экономят ведущим производителям миллионы долларов.