Мастерство анализа производственной мощности: практическое руководство

Производители сталкиваются с горой вызовов для производства товаров, которые мы используем в жизни. И каждый должен адресовать эти вызовы с ограниченными ресурсами в виде капитала, наборов навыков, технологических достижений и более. Менеджеры, лучше всего оркеструющие эту сложную арену, ищут способы максимизировать инструменты в их распоряжении, понимая мощность своего цеха. Лучшее использование производственного пространства, материалов, труда и оптимизированная производительность оборудования критичны для компаний для управления эффективным производством и захватом наивысшей прибыльности.

Анализ мощности может быть отличным решением для аудита производственного завода и диагностики, есть ли скрытая мощность, ожидающая раскрытия.

Что такое производственная мощность?

Цель каждого производителя — вести операции на полной мощности. Но что такое производственная мощность? Короткий ответ: производственная мощность представляет состояние, в котором всё оборудование и ресурсы внутри компании используются на максимальной операционной скорости для требуемого их отраслью микса продуктов и объема. Это значит, что все процессы от операций до ТО оптимизированы с заданным набором ресурсов и не несутся ненужные простои. Когда это условие достигнуто, оборудование достигло полной мощности.

Многие факторы дальше усложняют путь к этому идеальному состоянию. Завод может страдать от всплеска потерь доступности: механических поломок, где ценное время теряется на ремонт. Или они могут терять ценную производственную мощность из-за переналадок, наладок и регулировок.

Производственная мощность также может страдать от потерь производительности. К ним относятся действия не обученных или неопытных операторов и остановки за заторами, простоем, подтеками. Эти часто адресуются поспешно с малым анализом того, что вызвало это и как предотвратить повторение.

Наконец, производственная мощность может быть негативно затронута потерями качества, включая как процессные дефекты, так и снижение выхода. Некоторые причины: недооптимизированный рабочий процесс, человеческие ошибки или сломанный процесс. Помимо ограбления завода ценной мощностью, потери качества также могут генерировать добавленные отходы, которые могут потребовать переработки или утилизации, добавляя стоимость продукту.

Эти препятствия к мощности часто называются Шестью большими потерями. И их эффекты могут быть разрушительными. В лучшем случае непонимание мощности может триггерить дорогие переработки, отходы, пропущенные поставки или ненужные капитальные расходы в виде нового оборудования для компенсации потери.

Что такое анализ мощности?

Когда производителю нужно увеличить мощность, они часто начинают с коленного рефлекса выше. Однако можно купить только столько станков и запланировать столько смен, прежде чем фокус на улучшении мощности движется внутрь. И лучший способ точечно определить, где действовать для увеличения мощности — в данных.

Процесс анализа мощности — это разница между потенциальной мощностью и фактическим выходом, который компания сейчас достигает. Собирая производственные данные, производители могут идентифицировать, какой процесс, оборудование или функция нужно изменить для увеличения мощности. Это по сути позволит производителям драйвить большее использование из существующих ресурсов через оптимизацию процесса.

Дополнительное чтение: Как увеличить производственную мощность

Как провести анализ производственной мощности

Компании, проводящие анализ производственной мощности, способны сократить простой и отходы. Они также могут добывать данные для оптимизации процессов и рационализации workflows. Это помогает им понять, какие существующие ограничения есть и принимать решения в реальном времени для решения проблем по мере их возникновения. Поскольку данные поддерживают эти решения, менеджеры могут драйвить улучшение по всей операции и увеличивать мощность без дополнительных инвестиций в оборудование или труд. Для компаний, стремящихся улучшить производственную мощность, вот шаги для раскрытия существующей мощности:

Бенчмаркинг данных

Если вы не знаете, где вы находитесь, вы не увидите, куда идете. Обычно переоценивать текущее использование оборудования, так как многие компании даже не осознают, что использование так низко.

Бенчмаркинг включает определение существующей мощности. Скорость станка, потери качества, простой по категориям — такие как поломки, переналадки, потери производительности — всё должно быть измерено для определения текущей мощности. И во многих случаях это число шокирует. Несколько лучших практик можно использовать для создания надежной и практической рамки для бенчмаркинга:

• Внутренние встречи: Внутренний kickoff-митинг помогает установить ожидания и гарантировать, что все на одной странице. Собирая правильную команду, все узнают, какая цель по использованию должна быть.
• Проверка данных: Бывают моменты, когда текущие репортируемые данные говорят мало о реальном статусе станка. Он может некорректно записывать статус, или это может быть счетчик деталей, простой или другой параметр. Убедиться, что данные верны, поможет в анализе того, что нужно сделать.
• Оценка данных: Здесь оригинальные предположения сравниваются с фактическим текущим использованием. Это представляет новую точку отсчета для того, какие улучшения можно сделать.
• Планирование: Создавая план улучшения, менеджеры могут собрать части оригинальных ожиданий, фактического data-driven состояния мощности и возможных улучшений.

Пример отчета об использовании MachineMetrics, один из множества готовых отчетов для бенчмаркинга данных.

Анализ простоя

Как только производственная операция забенчмаркила свои данные и понимает истинное использование, должен быть проведен анализ простоя. Это вовлекает менеджеров, техников, производственных инженеров, операторов и других, кто может помочь идентифицировать все причины простоя и спланировать как сократить или устранить его.

С откровениями, сопровождавшими бенчмаркинг объекта, члены команды могут перейти к измерению простоя, драйвящего это использование. Отвечая на вопросы, сколько простоя происходит и под какую категорию оно падает, шаги улучшения становятся более явными. Это лучше всего делается автоматизированным ПО сбора станочных данных для обеспечения использования точных, стандартизированных и реальных данных.

Простой также должен категоризировать причины простоя. Категории для рассмотрения могут включать:

• Плановый vs. Неплановый простой: Каждый выводит станок из службы, но у них довольно разные подходы к минимизации случаев и возврату станка онлайн.
• Человеческая ошибка или действие оператора: В большой и сложной производственной среде операторы могут иметь разные уровни обучения или выполнять задачи в порядке, снижающем эффективность. Эти часто можно выявить и протрендить через анализ простоя.
• Качественный отбраков (Quality Fallout): Качество — широкая категория, которая должна быть включена в анализ простоя. Она может вести к инсайтам об обучении, состоянии станка и уходе, качестве входящих от вендоров, или даже окружающих условиях в объекте между более теплыми и более холодными ночами.

Как только категории определены, члены команды могут погрузиться глубже для определения причин простоя внутри категории. Например, может быть много типов планового простоя, включая плановое ТО, сезонное производство и другие.

Диаграмма Парето простоя MachineMetrics раскрывает самые грубые причины простоя и отличная отправная точка для поиска процессов для улучшения.

Точно так же есть бесчисленные причины непланового простоя. Они могут варьироваться от отсутствия материала у станка когда нужно до неправильно обслуживанного станка. Это также может указывать на неправильно спроектированный workflow, где материал от вышестоящего не готов когда нужен, создавая домино-эффект.

То же верно для человеческой ошибки. Производственные операции становятся более автоматизированными, но потребность в труде остается. Усталость, неадекватное обучение, отсутствие понимания workflow или сломанные процессные шаги могут означать, что работники совершают ошибки, которые они не совершили бы иначе.

Лучший способ собрать эту информацию — через автоматизацию и ПО. Делая визуализацию данных интуитивной и легкой для записи, операторы могут использовать дашборд для ввода фактических данных и увидеть их влияние. Так же как оператор может вводить причины простоя, инструменты вроде диаграмм Парето помогают понять анализ простоя по мере его продвижения. Это дает пользователям инсайты и часто помогает триггерить предложения по улучшению.

К концу анализа простоя фактические затраты простоя и их влияние на итоговую строку могут быть определены. Это также помогает идентифицировать «низко висящие фрукты», самые быстрые и легкие для исправления пункты с наибольшим влиянием на сэкономленные доллары и добавленную мощность.

Дополнительное чтение: Как отслеживать и анализировать станочный простой

Внедрение процессных изменений

Менеджеры теперь оснащены точными и верифицируемыми данными, драйвящими реальные изменения на этом этапе анализа мощности. Эти изменения могут использоваться для атаки самых значимых ограничений мощности, раскрытия скрытой мощности для устранения переработок, снижения потребности в капитальных затратах и точирования программы ТО, работающей в синхронизации с переналадками и другими операционными условиями вместо конфликта с ними.

Есть много примеров значительных сливов мощности. Вот несколько, которые можно найти во большинстве цифровых трансформаций:

Ожидаемое время цикла длиннее фактического времени цикла

Размер и сложность современных производственных сред могут означать, что индивидуальная производительность зарыта под горой данных, объема и толчка для более высокого производства. Когда данные верны, а счетчики деталей на станке точны, операторы отвечают за свой выход вместо того чтобы быть зарытыми под ним. Эта ответственность может быть позитивным инструментом, позволяющим им стать частью идентификации зон для улучшения. Как улучшения на самых явных простоях начинают работать, дальнейшая оптимизация времени цикла может быть инициирована для продолжения процесса включения даже мелких изменений, которые быстро суммируются.

Проблемы качества

Как упоминалось ранее, качество — широкая тема, затрагивающая многие области. Но это дает больше возможностей для улучшения. Не только правило 80/20 применяется для качества, но оно также влияет на подкатегории внутри него, включая человеческую ошибку/обучение, качество вендора, улучшения ТО, дизайн продукта и т.д. Используя не засилоченные данные, анализируемые в реальном времени, самый крупный виновник в каждой области может попасть под шаги улучшения для рендеринга более значимого кумулятивного влияния на качество в целом. По мере приживания этих усилий, мощность растет, качество улучшается, снижаются затраты и улучшаются заказ и доставка.

Дополнительное чтение: Контроль качества в производстве: всё, что нужно знать

С MachineMetrics вы можете легко увидеть топовые причины отклонения деталей и идентифицировать корень проблемы.

Поломки оборудования

Мало что доводит производственных менеджеров до безумия как поломки оборудования. И часто эти поломки — результат реактивной программы ТО. Работая до отказа или неадекватно отслеживая состояние станка, компании уступают огромные куски мощности в виде простоя. Но аналитика данных и реальные условия станка предлагают новые возможности увеличить мощность. Понимая состояния станков и развертывая IIoT-датчики и технологии, менеджеры могут оставить реактивное ТО позади и драйвить высокую мощность и низкие затраты. Одно исследование Deloitte показывает, что предиктивные программы ТО могут увеличить аптайм оборудования на 10–20%.

Workflow / Рабочий процесс

Измерение использования оборудования — это больше, чем просто измерение станка. Захватывая, контекстуализируя и анализируя данные, менеджеры могут видеть отдельный станок и всю экосистему оборудования в объекте. Это может вести к инсайтам о планировке оборудования, стейджинге, WIP и других процессных переменных, которые можно использовать для увеличения мощности. Хотя это может указывать на необходимость реорганизации производственного пола или ячейки, это также может быть просто как перемещение нескольких станков на пару футов или изменение способа потока материала от одной станции к следующей внутри workflow, что делает разницу.

Раскрытие скрытой мощности

Анализ мощности в сочетании с продвинутым сбором данных и аналитикой может помочь компаниям найти свой путь к полной мощности быстрее, чем большинство думает, и привести к выровненному производству. Когда Avalign Technologies боролась с отслеживанием OEE и простоя, производственные узкие места, неадекватные SOP и другие факторы тормозили мощность.

Используя MachineMetrics, Avalign приобрела мгновенную видимость по цеху для реализации увеличения OEE на 25–30% и миллионов дополнительной мощности без добавления труда, оборудования или дополнительных ресурсов.

Посмотрите видео-кейс: