Technologia pozwala widzieć więcej
Inicjowanie stabilności standardów
Wdrożenie sprawnie działającego i przynoszącego dobre rezultaty systemu doskonałości produkcyjnej wymaga na samym początku jedynie dokładnych danych na temat przyczyn zatrzymania linii produkcyjnej i niemałego wysiłku wszystkich pracowników.
Jednak wraz z rozwojem systemu i osiąganiem coraz lepszych rezultatów, zapotrzebowanie na nowe rozwiązania technologiczne staje się coraz większe.
Bez nich nie jesteśmy w stanie zazwyczaj ponownie znacząco poprawić wyników.
Większość systemów doskonałości produkcyjnej skupia się na rozwoju pracowników, w szczególności operatorów. Wiedza na temat pracy maszyny jak i rozwiązywania problemów wzrasta z biegiem czasu co ma związek z powstaniem szeregu nowych standardów. Jednocześnie pojawia się też wyzwanie związane z wdrażaniem nowych pracowników.
Co zatem zrobić, żeby nowy operator nie musiał przyuczać się do swojego stanowiska pracy przez dwa lata, a w maksymalnie krótkim czasie osiągnął wyniki porównywalne do swoich doświadczonych kolegów?
Problemy, które często obecne są standardem, takie jak nieplanowane zatrzymania, awarie, przestają praktycznie istnieć.
Chcąc dalej kontynuować poprawę wyników należy skupić się na innych rodzajach strat, często mniej widocznych i nie tak łatwych do przeanalizowania jak standardowe problemy z maszyną.
Istnieje wiele rozwiązań, które mogą wspomóc przedsiębiorstwo w takich sytuacjach:
- zautomatyzowany system zarządzania standardami i dokumentacją,
- szereg rozwiązań Internet of Things,
- system analizujący wykorzystanie mediów.
Przytłaczające standardy
Wraz z rozwojem wiedzy pracowników, konieczne staje się sformalizowanie jej w postaci standardów.
Mogą one powstawać w formie instrukcji (lekcji jedno punktowej/stronicowej) czy też szeregu innych dokumentów.
Ma to na celu wykorzystanie raz zdefiniowanych rozwiązań oraz szybką analizę przyczyn powstawania problemów.
Skupiamy się na weryfikacji czy wszystkie standardy są przestrzegane, zamiast przeprowadzania powtórnej, dogłębnej, czasochłonnej analizy technicznej.
Szczególnie istotna jest możliwość sprawnego wykorzystania standardów, które są wykonywane rzadko, np. przeprowadzenia wymiany części maszyny, która jest przewidziana raz na kilka lat czy też rozwiązania problemu/awarii która występuje rzadko.
Często można spotkać się z powiedzeniem: „Problem nie jest rozwiązany dopóki nie powstanie eliminujący go standard”.
Natomiast podążając zgodnie z powyższym stwierdzeniem w pewnym momencie stajemy przed wyzwaniem sprawnego wykorzystania całej wiedzy.
Zbierając wszystkie standardy, rozwiązania w jednym miejscu możemy stworzyć wręcz księgi dla każdej maszyny, kończy się to zniechęceniem operatorów czy też techników do ich wykorzystywania (z uwagi na czasochłonne i nieskuteczne poszukiwania).
Porządkujący system
Z pomocą przychodzą nam tutaj systemy IT. Istnieje możliwość stworzenia interaktywnej bazy danych, która będzie zawierała wszystkie łatwe do wyszukania i przeglądania standardy.
Dodatkowo, powiązany z systemem zbierania danych z maszyny, w przypadku nieplanowanego postoju, system sam będzie w stanie zarekomendować, które standardy należy zweryfikować i w jakiej kolejności.
Ponadto cały proces związany czy to z wykonywaniem przeglądów maszyny, czy też działem zespołów utrzymania ruchu może być w dużej mierze zautomatyzowany.
Listy działań byłyby generowane automatycznie i dostarczane do osób, które dane zadania miałyby wykonać.
Wdrożenie takiego systemu, z uwagi na brak osób, które mogłyby zasilić je swoją wiedzą często jest odkładane w czasie.
Dopiero szereg problemów i strat wygenerowanych przez nieprzestrzeganie standardów czy też problem z dotarciem do nich, przymusza przedsiębiorstwo do inwestycji.
Istotne jest, aby przy wdrażaniu danego systemu, przedstawiciele produkcji czynnie brali udział w pracach projektowych i zainwestowali swój czas w poprawną konfigurację systemu.
Zarazem system powinien powstać z myślą o szybkim wdrożeniu nowych pracowników.
Zastosowanie odpowiednich rozwiązań
Rozwiązania z IOT mogą znacząco wpłynąć na wyniki przedsiębiorstwa.
Na bazie sygnałów z czujników, oprogramowanie oszacuje (z założonym prawdopodobieństwem) wystąpienie zdarzenia (np. nieplanowanego zatrzymania) w najbliższych kilku minutach, zdefiniuje jakość finalną produktu na bazie aktualnych wartości parametrów procesowych ze znaczącym wyprzedzeniem zakończenia procesu, wspomoże wdrożenie Predictive Mainentance czy też umożliwia automatyczną kalibrację czujników i wykrywanie uszkodzonych.
Każde z wymienionych rozwiązań wymaga tylko trzech elementów:
- dostępu do sygnału z czujników,
- historycznych danych z czujników skorelowanych z pracą maszyny, jakością towaru gotowego oraz planowanymi i nieplanowanymi zatrzymaniami (na ich bazie sieć neuronowa uczy się). Najlepiej jeśli są to dane z kilku miesięcy.
- Oprogramowania (często stworzonego na bazie sieci neuronowych), które przeanalizuje dane i wygeneruje informację dla użytkownika.
Każda linia produkcyjna składa się z szeregu czujników, które wysyłają sygnały do komputera. Jednakże użytkownicy (dział produkcyjny, techniczny, inżynieryjny) zazwyczaj śledzą jedynie kilka kluczowych parametrów. Większość danych wykorzystywana jest przez oprogramowanie maszyny w celu zapewnienia jej płynnej pracy.
Często w celu zaimplementowania rozwiązań IOT nie jest konieczne dodawanie czujników lub jest, ale w znikomej ilości, dzięki czemu samo wdrożenie jest stosunkowo nisko kosztowe i szybko się zwraca.
Głównymi problemami napotykanymi przy wdrażaniu rozwiązań są:
- stare maszyny pracujące na niedostępnych na rynku niestandardowych PLC,
- wewnętrzne standardy cyberbezpieczeństwa (np. brak zgody na „wpięcie” się w maszynę w celu pobrania sygnałów),
- brak zgody producentów maszyn na jakiekolwiek modyfikacje (utrata gwarancji),
- brak osób w fabryce które są w stanie zrozumieć sposób działania przyszłego systemu i korzyści z niego płynące.
Każde z powyższych wyzwań ma wspólną cechę, mianowicie brak wiedzy w przedsiębiorstwie na temat najnowszych rozwiązań. Konieczne jest zatem zainwestowanie w dokształcenie wybranych osób (na różnych poziomach przedsiębiorstwa) w celu jak najwcześniejszego wykorzystania najnowszych zdobyczy techniki.
System do analizy zużycia mediów
Jest on coraz częściej spotykany. Nadzwyczaj często zużycie oraz koszt mediów śledzony jest w fabrykach jedynie na poziomie fabrycznym czy też działów.
Natomiast równie dobrze można zejść kilka poziomów niżej, czy to do poziomu linii produkcyjnych, czy też poszczególnych stacji.
Posiadając dokładne informacje na temat zużycia i kosztów, łącząc je z danymi produkcyjnymi (SKU, który jest produkowany) jesteśmy w stanie nie tylko wcześnie wyłapać psujące się elementy (których objawem będzie np. wyższe zużycie prądu – Predictive Maintenance) czy też nieszczelności (większe zużycie sprężonego powietrza wiąże się z wyższym poborem prądu przez sprężarki), ale również np. sytuacje, w których dochodzi do ciągłego zużycia sprężonego powietrza pomimo wyłączenia maszyny.
W przypadku wdrożenia danego rozwiązania we wszystkich fabrykach w przedsiębiorstwie, istnieje możliwość porównania wydatków i wydajności poszczególnych fabryk, działów oraz maszyn.
Dzięki temu można wygenerować szereg projektów oszczędnościowych. Dodatkowym plusem zbierania tak dokładnych danych i ich korelacji z procesem produkcyjnym jest dokładne i rzeczywiste wyliczenie kosztów produkcji każdego SKU.
Powyższe rozwiązanie wiąże się jednak z inwestycją (szereg nowych czujników) oraz zakupem lub stworzeniem oprogramowania generującego zrozumiałe raporty.
Kluczowe jest też, aby dane rozwiązanie nie pozostało w rękach działu technicznego (i było wykorzystywane z niską częstotliwością), a było przekazane zespołom produkcyjnym, które codziennie będą analizowały dane raporty.
Występują trzy podstawowe warunki, które należy rozważyć przed wdrożeniem systemu analizy zużycia mediów:
- znaczące wydatki związane z wykorzystaniem mediów w fabryce, często sugerowaną granicą opłacalności wdrożenia są wydatki minimalne na poziomie kilku milionów złotych rocznie w przypadku wdrożenia systemu w całej fabryce. Za każdym razem dolna granica opłacalności inwestycji powinna być zdefiniowana,
- linie produkcyjne powinny pracować bez częstych nieplanowanych zatrzymań. Dlaczego? Otóż pracownicy działu produkcji będą w pierwszej kolejności skupieni na wyeliminowaniu przyczyn występowania danych zatrzymań (brak czasu na analizę i akcje naprawcze związane z wykorzystywaniem mediów). Dodatkowo częste zatrzymania mogą znacząco utrudnić analizę spływających z czujników danych, przez co raporty mogą nie być w pełni (lub też w ogóle) wykorzystywane,
- zapewnienie wykorzystania systemu przez pracowników działu produkcyjnego w przyszłości wiąże się przeważnie tylko z modyfikacją procesów (np. porannych spotkań produkcyjnych), ale także z zapewnieniem szkoleń, dostępu do samego systemu, jak i powiązania efektów pracy z systemem kar i nagród.
Zastosowanie rozwiązań IOT, czy system do analizy zużycia mediów, to rozwiązania, które mogą nie tylko znacznie pomóc w rozwiązywaniu szeregu problemów i zmniejszeniu kosztów, ale także w zwiększeniu atrakcyjności pracy w zakładzie (co jest tym bardziej istotne biorąc pod uwagę obecne trudności z zapełnieniem wakatów i rotacją roczną pracowników na poziomie 6-20%).
Niezależnie od wybranego rozwiązania, istotne jest zaangażowanie szeregu pracowników w stworzenie oprogramowania, które rzeczywiście ułatwi pracę, a nie spowoduje kolejne trudności.
Nierzadko spotykaną praktyką jest rozpoczęcie wdrożenia od tzw. Proof of Concept, a następnie rozwinięcie oprogramowania o kluczowe maszyny.
Dopiero z czasem, kiedy osiągane są coraz lepsze rezultaty, oprogramowanie wdrażane jest także w mniej kluczowych obszarach.