Максимизация производственной эффективности: проверенные техники оптимизации производства и процессов

Техники улучшения процессов необходимы для оптимизации производственных задач. И когда это сделано правильно, эти оптимизированные процессы ведут к большей эффективности. Но в чем связь? И почему оптимизация процесса так критична для достижения большей эффективности?

Ответ кроется в эффективности деятельности. Недостаточно просто производить много вещей. Задачи, проверки, регулировки и движения, необходимые для производства готовых товаров, должны быть оркестрованы для нахождения пути с наименьшим количеством входа.

Многие компании описывают это как «путь к непрерывному улучшению». И в случае большинства производственных операций этот путь центрируется вокруг станка. Люди — операторы, механики, техники — взаимодействуют со своими станками из привычки и обучения. Большинство их усилий направлено на обеспечение максимального аптайма. Но будь данные ручными или электронными, важна эффективность их действий. И акт внесения корректировок, делающих это взаимодействие более эффективным, называется оптимизацией процесса.

Что такое оптимизация производства?

Оптимизация производства — это набор действий, разработанных для увеличения продуктивности в производственной системе. Она отделена от оптимизации процесса, где усилие по оптимизации фокусируется на сделать готовый продукт более эффективным в своих этапах.

Оптимизация производства использует модели, анализ, приоритизацию и измерения для увеличения продуктивности. Эта оптимизация включает оборудование, зоны стейджинга, протоколы инвентаря, планировку объекта, транспортировку и более.

Оптимизация производства — тактика, используемая в отраслях с большим футурпринтом: нефтедобыча, газовая строительная отрасль. Но оптимизацию можно использовать в большинстве производственных операций для почти любого производственного процесса для доставки большей ценности.

По мере зрелости IoT-технологий компании открыли, что информация, доставляемая анализом данных в реальном времени, позволяет им понимать меняющиеся условия и поток системы и как это можно использовать для повышения продуктивности. Компании должны использовать эти инсайты для оптимизации производственных темпов во всем производственном процессе.

Примеры зон, где инсайты могут привести к оптимизации производства и большей ценности:

1. Work in Process (WIP) / Незавершенное производство — Многие компании, фокусирующиеся на технологиях «улучшения процесса», центрируют усилия полностью на самом продукте. Но WIP может существенно влиять на продуктивность. Слишком много инвентаря, зависшего надолго, бьет по денежному потоку и может создавать потенциальные налоговые проблемы. Из-за множественных перемещений это также может увеличивать трудозатраты на перемещение продуктов со станции на станцию без необходимости.
2. Аудит рабочих станций — По мере того как технологии сделали интерактивные дашборды и заводские доски цифровыми, размещение этих HMI может потребовать пересмотра. То, что имело смысл в среде ручного отслеживания, может увеличивать нагрузку или снижать эффективность в цифровой среде. HMI, экраны, мониторы и другие устройства низкопрофильные и могут быть размещены так, чтобы повышать продуктивность.
3. Лишнее пространство — В производстве мертвое пространство часто становится домом для WIP без места куда деться. Это значит больше манипуляций и растущие операционные расходы.
4. Узкие места (Bottlenecks) — Узкие места могут вызвать остановку работы в вышестоящих производственных процессах. Если платформы мониторинга завода начали максимизировать выход некоторых рабочих станций, менеджерам может потребоваться адресовать узкое место, результирующее от этого вышестоящего увеличения.
5. Улучшенная инвентарная коммуникация — По мере того как реальные данные подсвечивают проблемы и предписывают решения, технологии позволят новые протоколы для склада и инвентаря, ведущие к увеличению производства. Коммуникация — ключ к потоку материалов в новой среде.

Путь к оцифровке и data-driven производству включает требования вносить изменения для оптимизации производственной производительности и снижения затрат. Чтобы воспользоваться доступными технологиями, некоторые компании могут осознать необходимость переместить станки или изменить всю планировку завода, по мере того как сила IoT-драйвенной платформы производственного мониторинга начинает доставлять ценность.

Топовые причины простоя анализируются в диаграмме Парето простоя MachineMetrics.

Разница между оптимизацией процесса и производством

Самое значимое различие между оптимизацией процесса и производством в том, что оптимизация процесса устраняет ненужные шаги в конкретном процессном шаге внутри производственной системы. Это продуктовая оптимизация, разработанная для максимизации производственной оптимизации через повышенную эффективность для этого шага или подпроцесса. С другой стороны, оптимизация производства стремится оптимизировать саму систему. Она может использовать модели на основе реальных данных для взгляда на скорости потока, планировку станков, использование труда и другие факторы для улучшения физической производительности и планировки всей производственной системы.

Оптимизация процесса будет включать шаги такие как:

• Идентификация проблем, специфичных для процесса
• Анализ текущего состояния для создания желаемого состояния
• Аудит изменений для увидения результатов
• Мониторинг изменений для поддержания на траектории

Оптимизация производства будет включать шаги такие как:

• Изменение планировки завода
• Изменение или перестановка станков и инструментов в точке использования
• Внедрение новых процедур WIP
• Обучение операторов и техников реагированию на автоматические алармы и инсайты на системе мониторинга для устранения старых привычек
• Разработка новых внутренних процедур доставки инвентаря
• Оценка планировки мониторов и HMI

Цели и выгоды оптимизации производства и процессов

Оптимизация производства и процессов состоит в внесении улучшений по нескольким критическим областям. Каждая из этих областей накопительно складывается в более эффективные процессы и более значимые выходы с наименьшими затраченными ресурсами. Вовлекаясь в оптимизацию процесса, производители могут достичь:

Улучшенный аптайм станков

Простой — беда каждого производственного менеджера. И многие тратят много времени на управление его причинами и последствиями. Принимая data-based подход, компания может сократить простой и увеличить общий аптайм оборудования.

Один способ — анализ и ранжирование топовых причин непланового простоя в производственном процессе. Эта информация затем может использоваться для адаптации или корректировки процессов для сокращения или устранения многих событий простоя. Поскольку список в порядке ранжирования от худшего к наименее, самые грубые виновники можно атаковать первыми.

Как только аптайм увеличился и стабилизировался, менеджеры могут методично двигаться вниз по списку, меняя параметры процесса по мере необходимости для приведения каждого пункта в соответствие с требованиями. Однако ключ к этому списку и ранжированию — чистые, четкие данные, помогающие приоритизировать, что требует внимания в первую очередь.

Более быстрая реакция на проблемы на уровне станка

Иногда проблема не в станке; это вышестоящий процесс, кормящий станок. Захватывая данные для визуализации этого, изменения в потоке WIP или другой сырой подаче могут быть внедрены для улучшения аптайма. Другой пример — обучение, или его отсутствие, с операторами потенциально в неправильной позиции в неправильное время для очистки алармов и перезапуска станка по необходимости.

Снова, данные становятся критичными в помощи лидерам разрабатывать лучшее обучение для обеспечения, что операторы никогда не выходят из позиции. Суть в том, что оптимизация процессов улучшает время реакции на уровне станка при возникновении проблем. Используя данные для идентификации этих зон, несколько зон можно оптимизировать одновременно для мультипликативного эффекта на аптайм. Обучение, рабочий процесс, планировка оборудования, качество материалов и многие другие проблемы могут быть оптимизированы с четко визуализированными данными.

Дополнительное чтение: Как быстрее реагировать на простои с MachineMetrics

Улучшенное обслуживание

Традиционные программы ТО опираются на реактивные меры. Либо оборудование позволяли работать до отказа, либо превентивное ТО использовалось для поддержания станка в хорошем состоянии.

Но превентивное ТО построено на временных предположениях. Оно предполагает, что ремни и шкивы сломаются в конкретное время на основе широких средних, назначенных OEM. Но это не учитывает промышленное оборудование, где производимый продукт легкий, позволяя более долгий срок службы деталей. И не учитывает тяжелое производство: строительство, нефтедобычу, нефть и газ в целом и другие наземные объекты, где детали могут изнашиваться быстрее планового. В первом случае деньги тратятся, когда их можно отсрочить. Во втором случае таких как нефть и газ, простой может произойти когда меньше всего ожидаешь.

Продвинутые технологии, такие как автоматизированный сбор данных, могут улучшить функцию ТО и увеличить аптайм оборудования. Включая мониторинг на основе состояния, ТО может быть прескриптивным или предиктивным на основе реальных условий. Развертывая продвинутые сенсорные системы, данные могут помочь компании понять текущее реальное состояние оборудования. Со временем глубокая аналитика может помочь разработать новые возможности, точно предсказывать отказы и планировать замены в время, когда это имеет больше всего смысла, например, при переналадках или плановых остановках.

Дополнительное чтение: Разные типы ТО в производстве

Цели для оптимизации процесса должны включать несколько областей:

• Первое — улучшить исходный процесс. Используя данные, тренды и паттерны можно идентифицировать для подкрутки или лучшей настройки существующего процесса. Это может касаться планировки, потока материалов или коммуникации.
• Второе — адресовать параметры и операционные условия. Снова, данные делают это легче для выявления и атаки в порядке тяжести. Это может означать настройки станка, оптимальную скорость и т.д.
• Третье соображение — оборудование должно быть зааудировано для определения лучшего подхода к ТО для улучшения процесса и аптайма оборудования. Детали могут быть подготовлены и расставлены заранее для дальнейшего увеличения рантайма.
• Наконец, точные данные и визуализация состояний станков могут помочь менеджерам разработать практичные, эргономичные рабочие инструкции и лучшее обучение для операторов, техников и механиков.

Методы и техники оптимизации производственных процессов и производства

Для производителей, стремящихся улучшить эффективность процессов, доступно много решений:

Дашборды MachineMetrics отображают производственные данные в реальном времени, автоматически собранные с производственного оборудования по всему цеху.

Сбор реальных станочных данных

Традиционное отслеживание для оптимизации процесса обычно означало ручные бумажные листы и ввод данных в Excel. Это было затратно по времени, ошибочно и трудно поддерживать. Плюс анализ обычно основан на человеческом инсайте, который может быть предвзятым или ошибочным. Именно поэтому компании начинают уходить от бумаги.

Сбор реальных данных и их контекстуализация для видимости менеджерами и операторами позволяет инсайты для оптимизации производства, невозможные в прошлом; инсайты, позволяющие правильное понимание производственного прогресса и производительности оборудования на цехе. С дашбордами и релевантными производственными анализами и отчетами SOP могут меняться быстрее и приводить к более высокому качеству эффективности и увеличенному производству.

Дополнительное чтение: Сбор производственных данных: ключ к оптимизации цеха

Анализ узких мест

Каждый менеджер знает, что такое узкое место и его опасность для производственных процессов. И большинство могут идентифицировать несколько критических зон в своей операции, где происходят эти блокировки. Но так же как реальные данные дают инсайты и решения для оптимизации процесса на уровне станка, так они могут дать инсайт в узкие места, которые могут быть неочевидны. Человеческие операторы могут приписать затор к одной причине, когда данные могли бы определить, что это другая.

С реальными данными и аналитикой станочные и процессные данные могут идентифицировать узкие места и ограничения во всей экосистеме. Эти данные позволяют операторам отслеживать процессы для фокуса на тех узких местах, вызывающих больше всего простоя. Будь блокировка физическим ограничением или операционным ограничением, таким как планирование или упущенные возможности улучшить время наладки и сократить переналадки, облачные данные, усилиленные аналитикой и OEE-ПО, могут освободить нарушение.

Анализ простоя

Анализ станочного простоя — полезный подход для подсвечивания зон, требующих немедленного адреса. Используя захваченные данные простоя по причинам, менеджеры и операторы могут начать с худшего нарушителя. Но ключ к этому анализу — способность доступять и запрашивать данные, тем самым понимая причину.

Использование диаграмм Парето, процента непланового простоя, высоких и низких смен и операторов, Среднего времени между отказами (MTBF), Среднего времени на ремонт (MTTR) и других KPI можно извлечь из данных. Через эти дашборды более развитые инструменты и решения разрабатываются для построения общего подхода к сокращению или устранению причины и оптимизации процесса в долгосрочной перспективе.

Предиктивная аналитика

Возможно, один из самых ценных инструментов при использовании data-driven ПО, предиктивная аналитика может зарядить ваши процессы. Это ПО использует станочные данные для диагностики и предсказания отказа. И потому что оно может соединять всё оборудование в пределах цеха, предсказания на всей экосистеме могут быть сделаны, и решения развернуты быстрее, если не немедленно для проблемных зон, интересующих компанию. Это также может делать то же для отраслей с большим футурпринтом: нефтедобыча и газодобыча.

Машинные алгоритмы детектируют паттерны, которые люди просто не могут. Это позволяет проактивное вмешательство до возникновения проблем или хорошо спланированные ТО и решения переналадки когда они происходят. Эти предиктивные аналитические возможности даже могут использоваться для продления жизни инструмента за счет мониторинга износа и предсказания когда инструмент сломается. Кастомные приложения могут даже позволять автоматизированные и полуавтономные решения на уровне станка для освобождения операторов для других задач для дальнейшего улучшения качества и максимизации производства.

Анализ причин простоя на уровне станка дает гранулярный инсайт в то, почему конкретное оборудование может вызывать проблемы. На картинке отчет «Простой по станку» от MachineMetrics.

Оптимизация процессов вашего цеха с MachineMetrics

Используя Промышленную платформу данных MachineMetrics, производители могут оптимизировать свои процессы как никогда раньше. Эта оптимизация достигается различными способами:

Точное отслеживание станочного простоя в реальном времени

Ручное отслеживание данных изначально с недостатками. Хотя с хорошими намерениями, бумажное отслеживание может быть ошибочным и может увеличивать риск. Это также сложно поддерживать, пробелы и отсутствующие данные — обычное дело. К тому же, вероятно, данные будут округляться и, следовательно, будут гораздо менее точными.

Ручное отслеживание часто требует ввода данных в Excel или другую таблицу для какого-то понимания данных, значит данные уже устарели к моменту попадания к тем, кому они нужны. Но глубина того анализа ограничена. И человеческая интерпретация может быть предвзятой.

С MachineMetrics операторы, менеджеры и другие ключевые стейкхолдеры имеют немедленную видимость с реальными, точными станочными данными. Поскольку данные в реальном времени, у них есть доступ кончиками пальцев через планшеты удаленно или дашборды у станка и над цехом для понимания реальной причины отказа.

Дашборды и отчеты интуитивны, давая быстрый инсайт в причину простоя и быстрые решения для действия и снижения операционных затрат.

Включение workflows и уведомлений на основе станочных событий

С ПО MachineMetrics станочные данные могут использоваться для триггеринга workflows. Эти мощные инструменты обеспечивают отправку правильной информации правильному лицу или автоматизированной системе для реализации действий. Эти действия принимают форму инцидентов, уведомлений, полезных ссылок или вебхуков, и каждый может оптимизировать процессы, позволяя быстрое действие при возникновении проблем.

Дополнительное чтение: Топ-10 workflows для производителей

Инцидент может триггерить email или текстовое уведомление правильному лицу. В прошлом операторы нуждались в визуальных подсказках, телефонах, PA-системах или других методах коммуникации для уведомления других о проблеме. Часто риск был в том, что информированное лицо было неправильным для задачи. Во многих случаях оператор может не знать, в чем проблема. С инцидентами правильная проблема репортится, экономя время на перезапуск или ремонт.

Уведомления позволяют коммуникацию немедленно, экономя время и сокращая шаги для идентификации и решения проблемы. Если супервизор знает, что сообщение указывает на отсутствие сырья, он может пропустить поездку к станку и идти прямо к затормаженному вышестоящему процессу.

Вебхуки поднимают уровень действия еще выше. Эти крошечные пакеты данных могут использоваться для триггеринга корректирующего действия самим станком. Или они могут использоваться в сочетании с CMMS для автоматического уведомления ТО-команд, проверки запаса на запчасть и заказа ее выдачи технику, повышая целостность системы и ускоряя ремонт и перезапуск.

Улучшение ТО с условиями станка

MachineMetrics может усилить производителя для использования точных условий станка для разработки condition-based, предиктивных или прескриптивных программ ТО. Здоровье оборудования может оцениваться в любой момент, и операторы и менеджеры могут сэкономить время и затраты на ТО, оставив позади реактивные программы ТО.

Результат — огромное улучшение Общей эффективности оборудования (OEE), сокращающее простой и помогающее улучшать процессы за счет добавления стратегически спроектированных стратегий ТО в поток создания стоимости. Эти данные затем добавляются к аналитике для еще более точной оптимизации всех областей производства и построения доверия в целостность системы.

MachineMetrics позволяет производителям использовать силу данных на уровне станка и завода. С мощным рядом Edge-устройств и AI-включенной платформой данных MachineMetrics может поставлять приложения или помочь вам построить свои собственные приложения и модели для управления эффективными и действенными инсайтами на основе реальных данных и условий для оптимизации процессов в любой среде. Свяжитесь с нами сегодня, чтобы мы могли показать, как получить максимум от ваших данных.

Оптимизируйте свои процессы с MachineMetrics

Забронировать демо сегодня