Productie- en procesoptimalisatie in de productie

Procesverbeteringstechnieken zijn essentieel voor het optimaliseren van productietaken. En als ze goed worden uitgevoerd, leiden deze geoptimaliseerde processen tot meer efficiëntie. Maar wat is het verband? En waarom is procesoptimalisatie zo cruciaal voor het bereiken van meer efficiëntie?

Het antwoord hierop ligt in de effectiviteit van een activiteit. Het is niet genoeg om veel dingen te laten produceren. De taken, controles, aanpassingen en bewegingen die nodig zijn voor het produceren van eindproducten moeten worden georkestreerd om de minste hoeveelheid input te vinden.

Veel bedrijven omschrijven dit als “een pad naar continue verbetering”. En in het geval van de meeste productieprocessen draait dat pad om de machine. Mensen, zoals operators, monteurs en technici, werken uit gewoonte en training met hun machines. De meeste van hun inspanningen zijn gericht op het garanderen van een maximale uptime. Maar of de gegevens nu handmatig of elektronisch zijn, de effectiviteit van hun acties is wat telt. En het maken van aanpassingen die die interactie effectiever maken, wordt procesoptimalisatie genoemd .

Wat is productie-optimalisatie?

Productieoptimalisatie is een verzameling activiteiten die zijn ontworpen om de productiviteit in het productiesysteem te verhogen. Het staat los van procesoptimalisatie, waarbij de optimalisatie-inspanningen zijn gericht op het efficiënter maken van het eindproduct in de fasen.

Productieoptimalisatie maakt gebruik van modellen, analyse, prioritering en metingen om de productiviteit te verhogen. Deze optimalisatie omvat apparatuur, verzamelplaatsen, inventarisprotocollen, lay-out van faciliteiten, transport en meer.

Het optimaliseren van de productie is een tactiek die wordt gebruikt in industrieën met een grote footprint, zoals de olieproductie en de gasbouw. Maar optimalisatie kan in de meeste productieprocessen voor bijna elk productieproces worden gebruikt om meer waarde te leveren.

Naarmate de IoT-technologie volwassener is geworden, hebben bedrijven ontdekt dat informatie die wordt geleverd door realtime gegevensanalyse hen in staat stelt de veranderende omstandigheden en stroom van het systeem te begrijpen en hoe het kan worden gebruikt om de productiviteit te verbeteren. Bedrijven moeten deze inzichten gebruiken om de productiesnelheden in het hele productieproces te optimaliseren.

Voorbeelden van gebieden waar inzichten kunnen leiden tot productie-optimalisatie en meer waarde zijn:

1. Werk in proces – Veel bedrijven die zich richten op technologie voor "procesverbetering", concentreren hun inspanningen volledig op het product zelf. Maar werk in uitvoering kan de productiviteit aanzienlijk beïnvloeden. Te veel voorraad die te lang vastzit, schaadt de cashflow en kan potentiële belastingproblemen veroorzaken. Door meerdere verhuizingen kan het ook de arbeidskosten verhogen om producten onnodig van station naar station te verplaatsen.
2. Workstation Auditing – Aangezien technologie interactieve dashboards en fabrieksborden digitaal heeft gemaakt, moet de plaatsing van deze HMI's mogelijk worden heroverwogen. Wat logisch was in een handmatige trackingomgeving, kan de werkdruk verhogen of de effectiviteit verminderen in een digitale omgeving. HMI's, schermen, monitoren en andere apparaten zijn onopvallend en kunnen op een manier worden geplaatst die de productiviteit verhoogt.
3. Onnodige ruimte – In de productie zal dode ruimte vaak eindigen als de thuisbasis voor WIP zonder plaats om naartoe te gaan. Dit betekent meer handling en hogere bedrijfskosten.
4. Knelpunten – Knelpunten kunnen leiden tot werkonderbrekingen in upstream-productieprocessen. Als fabrieksbewakingsplatforms zijn begonnen de output van sommige werkstations te maximaliseren, moeten managers mogelijk een knelpunt aanpakken dat het gevolg is van deze stroomopwaartse toename.
5. Verbeterde voorraadcommunicatie – Aangezien realtime gegevens problemen aan het licht brengen en oplossingen voorschrijven, zal technologie nieuwe protocollen voor opslag en inventaris mogelijk maken om tot een hogere productie te leiden. Communicatie is de sleutel tot de materiaalstroom in de nieuwe omgeving.

De reis naar digitalisering en datagestuurde productie omvat de vereisten om wijzigingen aan te brengen om de productieprestaties te optimaliseren en de kosten te verlagen. Om te profiteren van de beschikbare technologie, realiseren sommige bedrijven zich misschien de noodzaak om machines te verplaatsen of de hele lay-out van de fabriek te veranderen, aangezien de kracht van een IoT-gestuurd productiebewakingsplatform waarde begint te leveren.

De belangrijkste redenen voor downtime worden geanalyseerd in het Pareto-diagram MachineMetrics Downtime.

Het verschil tussen proces- en productieoptimalisatie

Het belangrijkste verschil tussen proces- en productieoptimalisatie is dat procesoptimalisatie onnodige stappen in een specifieke processtap binnen het productiesysteem elimineert. Het is een productoptimalisatie die is ontworpen om de productie-optimalisatie te maximaliseren door verhoogde efficiëntie voor die stap of dat subproces. Aan de andere kant probeert productie-optimalisatie het systeem zelf te optimaliseren. Het kan modellen gebruiken die zijn gebaseerd op realtime gegevens om te kijken naar stroomsnelheden, machinelay-out, arbeidsbenutting en andere factoren om de fysieke prestaties en lay-out van het gehele productiesysteem te verbeteren.

Procesoptimalisatie omvat stappen zoals:

• Problemen identificeren die specifiek zijn voor het proces
• De huidige staat analyseren om de gewenste staat te creëren
• De wijziging controleren om resultaten te zien
• De wijziging volgen om deze op schema te houden

Productieoptimalisatie omvat stappen zoals:

• De fabriekslay-out wijzigen
• Machines en gereedschappen wijzigen of herschikken op het punt van gebruik
• Nieuwe OHW-procedures implementeren
• Training van operators en technici in hoe te reageren op geautomatiseerde alarmen en inzichten in het monitoringsysteem om oude gewoonten te elimineren
• Nieuwe interne leveringsprocedures voor voorraad ontwikkelen
• Beoordeling en HMI-layout beoordelen

Doelen en voordelen van productie- en procesoptimalisatie

Productie- en procesoptimalisatie bestaan ​​uit het aanbrengen van verbeteringen op verschillende kritieke gebieden. Elk van deze gebieden leidt cumulatief tot efficiëntere processen en meer significante output met de minste middelen. Door zich bezig te houden met procesoptimalisatie, kunnen fabrikanten het volgende bereiken:

Verbeterde machine-uptime

Downtime is de vloek van het bestaan ​​van elke productiemanager. En velen besteden veel van hun tijd aan het beheersen van de oorzaken en het aanpakken van de gevolgen ervan. Door een op gegevens gebaseerde benadering te volgen, kan een bedrijf de uitvaltijd verminderen en de algehele uptime van hun apparatuur verhogen.

Een manier om dit te bereiken is door de belangrijkste redenen voor ongeplande downtime in het productieproces te analyseren en te rangschikken. Deze informatie kan vervolgens worden gebruikt om processen aan te passen of aan te passen om veel downtime-gebeurtenissen te verminderen of te elimineren. Omdat de lijst is gerangschikt van slechtst naar minst, kunnen de meest grove boosdoeners het eerst worden aangepakt.

Zodra de uptime is toegenomen en gestabiliseerd, kunnen managers methodisch door de lijst gaan en de procesparameters zo nodig wijzigen om elk item in overeenstemming te brengen met de vereisten. De sleutel tot deze lijst en rangschikking zijn echter schone, duidelijke gegevens die helpen bij het prioriteren van wat eerst aandacht nodig heeft.

Sneller reageren op problemen op machineniveau

Soms is het probleem niet de machine; het is het stroomopwaartse proces dat de machine voedt. Door gegevens vast te leggen om dit te visualiseren, kunnen wijzigingen in de WIP-stroom of andere grondstoffen worden geïmplementeerd om de uptime te verbeteren. Een ander voorbeeld is training, of het gebrek daaraan, waarbij operators mogelijk op het verkeerde moment in de verkeerde positie zijn om alarmen te wissen en de machine indien nodig te resetten.

Nogmaals, gegevens worden van cruciaal belang om leiders te helpen betere training te ontwikkelen om ervoor te zorgen dat operators nooit uit hun positie raken. Het punt is dat het optimaliseren van processen de responstijd op machineniveau verbetert wanneer zich problemen voordoen. Door gegevens te gebruiken om deze gebieden te identificeren, kunnen meerdere gebieden tegelijk worden geoptimaliseerd voor een multiplicatoreffect op de uptime. Training, workflow, apparatuurlay-out, materiaalkwaliteit en nog veel meer problemen kunnen worden geoptimaliseerd met duidelijk gevisualiseerde gegevens.

Verder lezen: Sneller reageren op uitvaltijden met MachineMetrics

Verbeterd onderhoud

Traditionele onderhoudsprogramma's zijn afhankelijk van reactieve maatregelen. Ofwel liet men de apparatuur uitvallen, ofwel werd preventief onderhoud toegepast om de machine . in stand te houden loopt goed.

Maar preventief onderhoud is gebaseerd op tijdgebaseerde aannames. Het gaat ervan uit dat riemen en poelies op een bepaald tijdstip zullen breken op basis van brede gemiddelden die zijn toegewezen door de fabrikant van originele apparatuur (OEM). Maar dit geldt niet voor industriële apparatuur waarbij het geproduceerde product licht is, waardoor onderdelen langer meegaan. En het houdt geen rekening met zware productie zoals constructie, olieproductie, of olie en gas in het algemeen en andere oppervlaktefaciliteiten waar onderdelen sneller kunnen verslijten dan gepland. In het eerste geval wordt geld uitgegeven wanneer het kan worden uitgesteld. In het laatste geval zoals olie en gas , kan uitvaltijd optreden wanneer dit het minst wordt verwacht.

Geavanceerde technologie zoals geautomatiseerde gegevensverzameling kan de onderhoudsfunctie verbeteren en de . vergroten uptime van apparatuur. Door condition-based monitoring mogelijk te maken, kan onderhoud prescriptief of voorspellend zijn op basis van actuele omstandigheden. Door geavanceerde detectiesystemen in te zetten, kunnen gegevens een bedrijf helpen inzicht krijgen in de huidige realtime staat van apparatuur. Na verloop van tijd kunnen diepgaande analyses helpen nieuwe kansen te ontwikkelen, voorspel storingen nauwkeurig en plan vervangingen op een moment dat dit het meest zinvol is, zoals omschakelingen of sluitingsperioden.

Verder lezen: De verschillende soorten onderhoud in de productie

De doelen voor procesoptimalisatie moeten verschillende gebieden omvatten:

• De eerste is om het initiële proces te verbeteren. Met behulp van gegevens kunnen trends en patronen worden geïdentificeerd om het bestaande proces aan te passen of beter in te voeren. Het kan een kwestie zijn van lay-out, materiaalstroom of communicatie.
• Ten tweede moeten parameters en bedrijfsomstandigheden worden aangepakt. Nogmaals, gegevens maken dit gemakkelijker te herkennen en gemakkelijker aan te pakken in volgorde van ernst. Dit kan machine-instellingen, optimale snelheid, enz. betekenen.
• De derde overweging is dat apparatuur moet worden gecontroleerd om de beste onderhoudsaanpak te bepalen om het proces en de uptime van de apparatuur te verbeteren. Onderdelen kunnen vooraf worden geënsceneerd en voorbereid om de looptijd verder te vergroten.
• Ten slotte kunnen nauwkeurige gegevens en visualisatie van machinecondities managers helpen bij het ontwikkelen van praktische, ergonomische werkinstructies en betere training voor operators, technici en monteurs.

Productie- en procesoptimalisatiemethoden en -technieken

Voor fabrikanten die hun procesefficiëntie willen verbeteren, zijn er veel oplossingen beschikbaar:

MachineMetrics-dashboards geven realtime productiegegevens weer die automatisch zijn verzameld van productieapparatuur op de werkvloer.

Realtime machinegegevens verzamelen

Traditioneel volgen voor procesoptimalisatie betekende meestal handmatige papiergestuurde bladen en gegevensinvoer in Excel. Dit was tijdrovend, foutgevoelig en moeilijk te onderhouden. Bovendien was analyse meestal gebaseerd op menselijk inzicht, dat bevooroordeeld of verkeerd kon zijn. Dit is de reden waarom bedrijven papierloos beginnen te werken.

Het verzamelen van realtime gegevens en het contextualiseren ervan voor zichtbaarheid door managers en operators biedt inzichten voor het optimaliseren van de productie in het verleden niet mogelijk; inzichten die een goed begrip kunnen geven van de productievoortgang en de prestaties van de apparatuur op de werkvloer. Met dashboards en relevante productieanalyses en rapportages kunnen SOP's sneller worden gewijzigd en resulteren in hogere kwaliteit efficiëntie en verhoogde productie.

Verder lezen: Verzameling van productiegegevens:de sleutel tot optimalisatie van de werkvloer

Knelpuntanalyse

Elke manager weet wat een bottleneck is en wat het gevaar is voor productieprocessen. En de meesten kunnen een paar kritieke gebieden in hun werking identificeren waar deze blokkades optreden. Maar net zoals realtime data inzichten en oplossingen biedt om het proces op machineniveau te optimaliseren, zo kan het ook inzicht geven in al dan niet voor de hand liggende knelpunten. Menselijke operators kunnen een back-up toewijzen aan één oorzaak wanneer gegevens mogelijk hebben bepaald dat het een ander is.

Met realtime gegevens en analyses kunnen machine- en procesgegevens knelpunten en beperkingen binnen het hele ecosysteem identificeren. Met deze gegevens kunnen operators processen volgen om zich te concentreren op die knelpunten die de meeste uitvaltijd veroorzaken. Of de blokkering nu een fysieke beperking is of een operationele beperking, zoals planning of gemiste kansen om de installatietijd te verbeteren en omschakelingen te verminderen, cloudgebaseerde gegevens met analyse- en OEE-software kunnen de verstoring verhelpen.

Downtime-analyse

Een analyse van machinestilstand is een nuttige benadering om de gebieden te markeren die onmiddellijk moeten worden aangepakt. Door per reden vastgelegde downtimegegevens te gebruiken, kunnen managers en operators beginnen met de ergste overtreder. Maar de sleutel tot deze analyse is de mogelijkheid om toegang te krijgen tot de gegevens en deze op te vragen, en zo de oorzaak te begrijpen.

Het gebruik van Pareto-diagrammen, het percentage ongeplande downtime, hoog- en laagpresterende diensten en operators, Mean Time Between Failure, Mean Time to Repair en andere KPI's kunnen uit de gegevens worden afgeleid. Via deze dashboards worden meer ontwikkelde tools en oplossingen ontwikkeld om een ​​gemeenschappelijke aanpak op te bouwen om de oorzaak te verminderen of weg te nemen en het proces op de lange termijn te optimaliseren.

Voorspellende analyses

Misschien wel een van de meest waardevolle tools bij het gebruik van datagestuurde software, voorspellende analyses kunnen uw processen een boost geven. Deze software gebruikt machinegegevens om storingen te diagnosticeren en te voorspellen. En omdat het alle apparatuur binnen een winkelvloer kan verbinden, kunnen voorspellingen over het hele ecosysteem worden gedaan en kunnen oplossingen sneller, zo niet direct, worden ingezet voor probleemgebieden die het bedrijf interesseren. Het kan ook hetzelfde doen voor industrieën met een grote voetafdruk, zoals olieproductie en gasproductie.

Machine-algoritmen detecteren patronen die mensen gewoon niet kunnen. Dit maakt proactief ingrijpen mogelijk voordat zich problemen voordoen of goed geplande onderhouds- en omschakelingsoplossingen wanneer ze zich voordoen. Deze voorspellende analyses kunnen zelfs worden gebruikt om de levensduur van het gereedschap te verlengen door gereedschapsslijtage te bewaken en te voorspellen wanneer een gereedschap zal falen. Met aangepaste toepassingen kunnen zelfs geautomatiseerde en semi-autonome oplossingen op machineniveau worden gemaakt om operators vrij te maken voor andere taken om de kwaliteit verder te verbeteren en de productie te maximaliseren.

Het analyseren van uitvaltijdredenen op machineniveau geeft een gedetailleerd inzicht in waarom specifieke apparatuur problemen kan veroorzaken. Afgebeeld is een "Downtime by Machine"-rapport van MachineMetrics..

De processen van uw winkel optimaliseren met MachineMetrics

Met behulp van het MachineMetrics Industrial Data Platform kunnen fabrikanten hun processen optimaliseren als nooit tevoren. Deze optimalisatie wordt op verschillende manieren bereikt:

Stilstand van machines nauwkeurig en in realtime volgen

Het handmatig bijhouden van gegevens is inherent gebrekkig. Hoewel goed bedoeld, kan het volgen van papier foutgevoelig zijn en kan toenemen risico. Het is ook een uitdaging om bij te blijven, en hiaten en ontbrekende gegevens komen vaak voor. Bovendien is het waarschijnlijk dat de gegevens worden afgerond en daarom veel minder nauwkeurig zijn.

Handmatige tracking vereist vaak gegevensinvoer in Excel of een andere spreadsheet om de gegevens enigszins te begrijpen, wat betekent dat de gegevens al verouderd zijn tegen de tijd dat ze in handen komen van degenen die ze nodig hebben. Maar de diepgang van die analyse is beperkt. En menselijke interpretatie kan bevooroordeeld zijn.

Met MachineMetrics hebben operators, managers en andere belangrijke belanghebbenden direct inzicht met realtime, nauwkeurige machinegegevens. Omdat gegevens in realtime zijn, hebben ze vingertoptoegang via tablets op afstand of dashboards bij de machine en boven de werkvloer om de werkelijke oorzaak van de storing te begrijpen.

De dashboards en rapporten zijn intuïtief, geven snel inzicht in de oorzaak van de downtime en bieden snelle oplossingen voor actie en verlagen van de bedrijfskosten.

Werkstromen en meldingen inschakelen op basis van machinegebeurtenissen

Met MachineMetrics-software kunnen machinegegevens worden gebruikt om workflows te activeren. Deze krachtige tools zorgen ervoor dat de juiste informatie naar de juiste persoon of geautomatiseerd systeem wordt gestuurd voor implementatie acties. Deze acties nemen de vorm aan van incidenten, meldingen, handige links of webhooks, en elk kan processen optimaliseren door snelle actie mogelijk te maken wanneer zich problemen voordoen.

Verder lezen: Top 10 workflows voor fabrikanten

Een incident kan leiden tot een e-mail- of sms-melding aan de juiste persoon. In het verleden moesten operators vertrouwen op visuele signalen, telefoons, PA-systemen of andere communicatiemethoden om anderen op de hoogte te stellen van een probleem. Vaak was het risico dat de geïnformeerde persoon de verkeerde persoon was voor de taak. In veel gevallen , weet de operator mogelijk niet wat het probleem is. Bij incidenten wordt het juiste probleem gerapporteerd, wat tijd bespaart om opnieuw op te starten of te repareren.

Meldingen maken onmiddellijke communicatie mogelijk, waardoor tijd wordt bespaard en het aantal stappen om het probleem te identificeren en op te lossen, wordt verminderd. Als een supervisor weet dat het bericht wijst op een gebrek aan grondstof, kan hij de reis naar de machine overslaan en direct doorgaan naar het proces met de bottleneck stroomopwaarts.

Webhooks gaan nog verder. Deze kleine gegevenspakketten kunnen worden gebruikt om een ​​herstelactie door de machine zelf te activeren. Of ze kunnen worden gebruikt in combinatie met een geautomatiseerd onderhoudsbeheersysteem (CMMS) om onderhoudsteams automatisch op de hoogte te stellen, de voorraad van het reserveonderdeel te controleren en de uitgifte ervan aan de technicus te bestellen, waardoor de integriteit van het systeem wordt vergroot en reparatie- en herstarttijden worden versneld.

Onderhoud verbeteren met machinecondities

MachineMetrics kan een fabrikant in staat stellen nauwkeurige machinecondities te gebruiken om op condities gebaseerde, voorspellende of prescriptieve onderhoudsprogramma's te ontwikkelen. De gezondheid van apparatuur kan op elk moment worden beoordeeld en operators en managers kunnen tijd en onderhoudskosten besparen door reactieve onderhoudsprogramma's achter te laten.

Het resultaat is een sterk verbeterde Overall Equipment Effectiveness (OEE) die uitvaltijd vermindert en processen helpt verbeteren door strategisch ontworpen onderhoudsstrategieën toe te voegen aan de waardestroom. Deze gegevens worden vervolgens toegevoegd aan de analyses om een ​​nog nauwkeurigere optimalisatie van alle productiegebieden mogelijk te maken en vertrouwen op te bouwen in de integriteit van het systeem.

Met MachineMetrics kunnen fabrikanten de kracht van gegevens benutten op machine- en fabrieksniveau. Met een krachtige reeks Edge-apparaten in combinatie met een AI-enabled dataplatform, kan MachineMetrics apps leveren of u helpen uw eigen apps en modellen te bouwen om efficiënte en bruikbare inzichten te genereren op basis van realtime gegevens en voorwaarden om processen in elke omgeving te optimaliseren. Neem contact op met ons vandaag dus wij kan u laten zien hoe u het meeste uit uw gegevens kunt halen.

Optimaliseer uw processen met MachineMetrics