MachineMetrics blogi

Prosessinparannustekniikat ovat välttämättömiä valmistustehtävien optimoinnissa. Oikein tehtynä nämä optimoidut prosessit lisäävät tehokkuutta. Mutta mikä on yhteys? Ja miksi prosessin optimointi on niin tärkeää tehokkuuden lisäämiseksi?

vastaus tähän löytyy toiminnan tehokkuudesta. Ei riitä, että tuotetaan monia asioita. Tuotannon vaatimat tehtävät, tarkastukset, säädöt ja liike on järjestettävä, jotta löydetään mahdollisimman tehokas ajan ja resurssien käyttö mahdollisimman vähin panoksin.

monet yritykset kuvailevat tätä “jatkuvan parantamisen poluksi”. Ja useimmissa valmistustoiminnoissa se polku keskittyy koneen ympärille. Ihmiset, kuten käyttäjät, mekaanikot ja teknikot, ovat vuorovaikutuksessa koneidensa kanssa tottumuksesta ja koulutuksesta. Suurin osa heidän ponnisteluistaan tähtää siihen, että käytettävyysaika olisi mahdollisimman suuri. Mutta olivatpa tiedot manuaalisia tai sähköisiä, ratkaisevaa on niiden toiminnan tehokkuus. Ja säätöä, joka tekee vuorovaikutuksesta tehokkaampaa, kutsutaan prosessin optimoinniksi.

prosessin optimoinnin tavoitteet ja hyödyt

prosessin optimoinnissa tehdään parannuksia useilla kriittisillä alueilla. Kukin näistä aloista johtaa kumulatiivisesti tehokkaampiin prosesseihin ja merkittävämpiin tuotoksiin, joihin käytetään vähiten resursseja. Osallistumalla prosessin optimointiin valmistajat voivat saavuttaa:

koneen parempi käyttöaika

seisokit ovat jokaisen valmistuspäällikön olemassaolon riesa. Ja monet viettävät paljon aikaa sen syiden hallintaan sekä sen seurausten käsittelyyn ottamalla datapohjaisen lähestymistavan, yritykset voivat vähentää seisokkeja ja lisätä laitteiden yleistä käytettävyyttä.

yksi tapa saavuttaa tämä on analysoida ja asettaa järjestykseen suunnittelemattomien seisokkien suurimmat syyt. Näitä tietoja voidaan sitten käyttää prosessien mukauttamiseen tai säätämiseen monien seisokkien vähentämiseksi tai poistamiseksi. Koska lista on paremmuusjärjestyksessä huonoimmasta vähimpään, voidaan törkeimpiin syyllisiin puuttua ensin.

suurimmat seisokkisyyt analysoidaan Machinemetricsin Seisokkikaaviossa.

kun käytettävyysaika on kasvanut ja vakiintunut, johtajat voivat järjestelmällisesti jatkaa luetteloa ja muuttaa prosessiparametreja tarpeen mukaan, jotta jokainen tuote saadaan vaatimusten mukaiseksi. Kuitenkin, avain tähän luetteloon ja ranking on puhdas, selkeä data, joka auttaa priorisoimaan, mitä tarvitsee huomiota ensin.

nopeampi reagointi Konetasolla

joskus ongelma ei ole kone, vaan ylävirtausprosessi, joka ruokkii konetta. Tallentamalla tietoja tämän visualisoimiseksi WIP-virtauksen tai muun raaka-aineen muutokset voidaan toteuttaa käytettävyyden parantamiseksi. Toinen esimerkki on koulutus tai sen puute, jossa käyttäjät ovat mahdollisesti väärässä asennossa väärään aikaan hälyttimien tyhjentämiseksi ja koneen nollaamiseksi tarpeen mukaan.

jälleen, data on ratkaisevan tärkeää auttaa johtajia kehittämään parempaa koulutusta sen varmistamiseksi, että operaattorit eivät koskaan ole poissa asemistaan. Pointti on, että prosessien optimointi parantaa vasteaikaa konetasolla ongelmien ilmetessä. Käyttämällä tietoja näiden alueiden tunnistamiseen useita prosesseja voidaan optimoida kerralla kerrannaisvaikutuksen saamiseksi käytettävyyteen. Koulutus, työnkulku, laitteiden asettelu, materiaalin laatu ja monet muut asiat voidaan optimoida selkeästi visualisoiduilla tiedoilla.

lisäluku: kuinka vastata seisokkeihin nopeammin MachineMetrics

parannettu kunnossapito

perinteiset huolto-ohjelmat perustuvat reaktiivisiin toimenpiteisiin. Joko laitteiden annettiin käydä vikaan, tai sitten käytettiin ennaltaehkäisevää huoltoa, jotta laitteet saatiin toimimaan hyvin.

mutta ennaltaehkäisevä kunnossapito rakentuu aikaperusteisille oletuksille. Siinä oletetaan, että vyöt ja hihnapyörät rikkoutuvat tiettynä ajankohtana alkuperäisen laitevalmistajan määrittelemien laajojen keskiarvojen perusteella. Mutta tämä ei ota huomioon teollisuuden laitteita, joissa tuotettu tuote on kevyt, jolloin pidempi käyttöikä osien. Eikä se ota huomioon raskasta tuotantoa, jossa osat saattavat kulua suunniteltua nopeammin. Ensin mainitun kohdalla rahaa käytetään, kun sitä voisi lykätä. Jälkimmäisessä tapauksessa, seisokkeja voi esiintyä, kun se on vähiten odotettavissa.

Automaattinen tiedonkeruu voi parantaa kunnossapitotoimintoa ja lisätä laitteiden käytettävyyttä. Mahdollistamalla kuntoperusteisen seurannan kunnossapito voi olla joko ohjaavaa tai ennakoivaa todellisiin olosuhteisiin perustuen. Kehittyneiden anturijärjestelmien avulla data voi auttaa yrityksiä ymmärtämään laitteiden tämänhetkisen reaaliaikaisen tilan, ja ajan mittaan syväanalytiikka voi auttaa ennustamaan vikoja tarkasti ja ajoittamaan vaihdot juuri silloin, kun se on järkevintä, kuten vaihdot tai pysäytysajat.

lisäluku: valmistuksen eri Kunnossapitotyypit

prosessin optimoinnin tavoitteiden tulisi sisältää useita osa-alueita:

• ensimmäinen on alkuvaiheen parantaminen. Käyttämällä tietoja, trendejä ja kuvioita voidaan tunnistaa auttaa nipistää tai paremmin soittaa nykyisessä prosessissa. Siihen voi liittyä kysymys asettelusta, materiaalivirrasta tai viestinnästä.
• toiseksi on otettava huomioon parametrit ja toimintaolosuhteet. Jälleen tietojen avulla tämä on helpompi havaita ja helpompi puuttua vakavuusjärjestykseen. Tämä voi tarkoittaa koneen asetuksia, optiminopeutta jne.
• kolmas näkökohta on se, että laitteet olisi auditoitava, jotta voidaan määrittää paras kunnossapitotapa laitteen prosessin ja käytettävyyden parantamiseksi. Osat voidaan lavastaa ja valmistaa etukäteen, jotta käyttöaikaa voidaan lisätä entisestään.
• koneen olosuhteiden tarkka data ja visualisointi voivat lopulta auttaa esimiehiä kehittämään käytännöllisiä, ergonomisia työohjeita ja parempaa koulutusta operaattoreille, teknikoille ja mekaanikoille.

valmistusprosessin optimointimenetelmät ja-tekniikat

valmistajille, jotka haluavat parantaa prosessejaan, on monia ratkaisuja saatavilla:

reaaliaikaisen Konetiedon kerääminen

perinteinen prosessioptimoinnin seuranta tarkoitti yleensä manuaalista paperikäyttöistä arkkia ja tietojen syöttämistä Exceliin. Tämä oli aikaa vievää, virhealtista ja vaikeasti ylläpidettävää. Lisäksi analyysi perustui tyypillisesti ihmisen oivalluksiin, jotka saattoivat olla puolueellisia tai vääriä. Tämän takia yritykset alkavat jäädä paperittomiksi.

MachineMetrics-mittaristot näyttävät reaaliaikaista tuotantotietoa, joka on kerätty automaattisesti valmistuslaitteista ympäri myymäläkerrosta.

esimiesten ja operaattoreiden reaaliaikaisen tiedon kerääminen ja sen kontekstualisointi näkyvyyden vuoksi mahdollistaa aiemmin mahdottomia tietoja; oivalluksia, joiden avulla voidaan ymmärtää kunnolla tuotannon edistymistä ja laitteiden suorituskykyä myymäläkerroksessa. Näyttötaulujen ja asiaankuuluvien tuotantoanalyysien ja-raporttien avulla prosesseja voidaan muuttaa nopeammin ja tehostaa.

lisätietoja: valmistustietojen keruu: avain Myymäläkerroksen optimointiin

Pullonkaulaanalyysi

jokainen johtaja tietää, mikä pullonkaula on. Ja useimmat voivat tunnistaa muutamia kriittisiä alueita niiden toiminnassa, joissa näitä tukoksia esiintyy. Mutta aivan kuten reaaliaikainen data tarjoaa oivalluksia prosessin optimoimiseksi konetasolla, niin myös se voi antaa käsityksen pullonkauloista, jotka voivat tai eivät ole ilmeisiä. Ihmisen toiminnanharjoittajat voivat asettaa varmuuskopion yhteen syyhyn, kun tiedot voivat osoittaa, että se on toinen.

reaaliaikaisen datan ja analytiikan avulla kone-ja prosessidata voi tunnistaa pullonkauloja ja rajoitteita koko ekosysteemissä. Näiden tietojen avulla operaattorit voivat seurata prosesseja ja keskittyä niihin pullonkauloihin, jotka aiheuttavat eniten seisokkeja. Olipa tukos fyysinen tai toiminnallinen rajoitus, kuten aikataulutus tai hukatut mahdollisuudet parantaa asennusaikaa ja vähentää siirtymiä, pilvipohjainen data, johon on liitetty analytiikka ja OEE-ohjelmisto, voi vapauttaa häiriön.

seisokkeja koskeva analyysi

koneiden seisokkeja koskeva analyysi on hyödyllinen lähestymistapa, jotta voidaan korostaa aloja, joihin on puututtava välittömästi. Hyödyntämällä talteen otettua seisokkitietoa järjen mukaan johtajat ja operaattorit voivat aloittaa pahimmasta rikoksentekijästä. Mutta avain tähän analyysiin on kyky päästä käsiksi ja kysellä tietoja, mikä ymmärtää syy.

seisokkien syiden analysointi konetasolla antaa rakeisen käsityksen siitä, miksi tietyt laitteet voivat aiheuttaa ongelmia. Kuvassa on Machinemetricsin “Downtime by Machine” – raportti..

Pareto-kaavioiden käyttö, suunnittelemattomien seisokkien prosenttiosuus, korkeat ja matalat suoritusvuorot ja operaattorit, Keskimääräinen vikojen välinen aika, keskimääräinen korjausaika ja muut työkalut voidaan poimia datasta näyttötaulujen kautta ja käyttää strategioiden kehittämiseen syyn vähentämiseksi tai poistamiseksi ja prosessin optimoimiseksi.

ennakoiva analytiikka

ehkä yksi arvokkaimmista työkaluista, kun käytetään datapohjaisia ohjelmistoja, ennakoiva analytiikka voi ladata prosessejasi. Tämä ohjelmisto käyttää koneen tietoja vian diagnosointiin ja ennustamiseen. Ja koska se voi yhdistää kaikki laitteet myymäläkerroksessa, ennusteita koko ekosysteemin voidaan tehdä, ja ratkaisut käyttöön nopeammin, jos ei heti.

koneen algoritmit havaitsevat kuvioita, joihin ihminen ei yksinkertaisesti pysty. Tämä mahdollistaa ennakoivan toiminnan ennen ongelmien ilmaantumista tai hyvin suunnitellut huolto-ja käyttöönottotoimet niiden ilmetessä. Näitä ennustavia analytiikoita voidaan jopa käyttää pidentämään työkalun käyttöikää seuraamalla työkalun kulumista ja ennustamalla, milloin työkalu epäonnistuu. Räätälöidyt sovellukset voivat mahdollistaa jopa automaattisten ja puoliautonomisten ratkaisujen tekemisen konetasolla, jotta operaattorit vapautuvat muihin tehtäviin.

liikkeesi prosessien optimointi MachineMetrics

MachineMetrics Industrial Data Platformin avulla valmistajat voivat optimoida prosessejaan ennennäkemättömällä tavalla. Tämä optimointi toteutetaan monin eri tavoin:

seurantalaitteen seisokit tarkasti ja reaaliaikaisesti

tietojen manuaalinen seuranta on luonnostaan puutteellista. Vaikka paperiseuranta on hyvin tarkoitettu, se voi olla virhealtista. Perässä pysyminen on myös haastavaa, ja aukot ja puuttuva tieto ovat yleisiä. Lisäksi on todennäköistä, että tiedot pyöristetään ja siten ne ovat paljon epätarkempia.

manuaalinen seuranta edellyttää usein tietojen syöttämistä Exceliin tai johonkin muuhun laskentataulukkoon, jotta tiedoista saadaan jotain tolkkua, eli tieto on jo vanhentunut, kun se päätyy sitä tarvitsevien käsiin. Mutta sen analyysin syvyys on rajallinen. Ja ihmisen tulkinta voi olla puolueellinen.

Machinemetricsin toiminnanharjoittajilla, johtajilla ja muilla keskeisillä sidosryhmillä on välitön näkyvyys reaaliaikaisten, tarkkojen konetietojen avulla. Koska tiedot ovat reaaliaikaisia, heillä on sormenpääyhteys tablettien kautta etänä tai kojetauluilla automaatilla ja myymäläkerroksen yläpuolella, jotta he ymmärtävät vian todellisen syyn.

näyttötaulut ja raportit ovat intuitiivisia, ne antavat nopean käsityksen seisokin syystä ja tarjoavat nopeita vastauksia toimintaan.

mahdollistaa työnkulut ja Konetapahtumiin perustuvat ilmoitukset

MachineMetrics-ohjelmiston avulla konetietoja voidaan käyttää työnkulkujen käynnistämiseen. Nämä tehokkaat työkalut varmistavat, että oikeat tiedot lähetetään oikealle henkilölle tai automaattiselle järjestelmälle toimintaa varten. Nämä toimet ovat vaaratilanteita, ilmoituksia tai webhokkeja, ja jokainen voi optimoida prosesseja mahdollistamalla nopean toiminnan ongelmatilanteissa.

lisätietoja: Top 10 työnkulut valmistajille

vaaratilanne voi laukaista sähköposti-tai tekstiviestiilmoituksen oikealle henkilölle. Aiemmin operaattorit joutuivat turvautumaan visuaalisiin vihjeisiin, puhelimiin, äänentoistojärjestelmiin tai muihin viestintämenetelmiin ilmoittaakseen ongelmasta muille. Usein ilmoitettu henkilö oli tehtävään väärä henkilö. Ja monesti operaattori ei välttämättä tiedä, mikä ongelma on. Vaaratilanteiden, oikea ongelma on raportoitu säästää aikaa käynnistää tai korjata.

ilmoitukset mahdollistavat välittömän yhteydenpidon, mikä säästää aikaa ja vähentää ongelman tunnistamis-ja ratkaisuvaiheita. Jos esimies tietää viestin osoittavan syötteen puutetta, hän voi ohittaa koneen matkan ja siirtyä suoraan pullonkaulaprosessiin ylävirtaan.

Nettikirjat vievät toiminnan tason vielä pidemmälle. Näitä pieniä datapaketteja voidaan käyttää laukaisemaan itse koneen korjaava toimenpide. Tai niitä voidaan käyttää yhdessä tietokoneistetun kunnossapidon hallintajärjestelmän (CMMS) kanssa ilmoittamaan huoltoryhmille automaattisesti, tarkistamaan varaosa ja tilaamaan sen antaminen teknikolle, nopeuttamaan korjausta ja käynnistämään uudelleen.

kunnossapidon parantaminen Koneolosuhteilla

MachineMetrics voi antaa valmistajalle valtuudet käyttää tarkkoja koneolosuhteita kunnosta, ennakoivasta tai ohjaavasta huolto-ohjelmasta huolehtimiseen. Laitteiden kuntoa voidaan arvioida milloin tahansa, ja toiminnanharjoittajat ja esimiehet voivat säästää aikaa ja ylläpitokustannuksia jättämällä jälkeensä reaktiiviset huolto-ohjelmat.

tuloksena on huomattavasti parantunut laitteiden kokonaistehokkuus (OEE), joka vähentää seisokkeja ja auttaa parantamaan prosesseja lisäämällä arvovirtaan strategisesti suunniteltuja kunnossapitostrategioita. Nämä tiedot lisätään analytiikkaan, jotta kaikki prosessit voidaan optimoida entistä tarkemmin.

Hanki välitön pääsy koneen olosuhteisiin, terveyteen ja suorituskykyyn diagnosoidaksesi ja ratkaistaksesi ongelmia sekä edistääksesi koneen suurempaa käyttöä.

MachineMetrics antaa valmistajille mahdollisuuden valjastaa datan voima kone-ja tehdastasolla. Tehokas valikoima Edge-laitteita yhdistettynä tekoälyä hyödyntävään data-alustaan, MachineMetrics voi toimittaa sovelluksia tai auttaa rakentamaan omia, jotta voit käyttää reaaliaikaisiin tietoihin ja olosuhteisiin perustuvia toimivia oivalluksia prosessien optimoimiseksi missä tahansa ympäristössä. Ota yhteyttä Machinemetricsiin jo tänään, jotta he voivat näyttää, miten saat kaiken irti tiedoistasi.