Handmatige gegevensverzameling:het grootste probleem van de productie

Productie heeft altijd vertrouwd op gegevens om prestaties te meten en kansen te identificeren. Maar naarmate de technologie vorderde, blijven veel fabrikanten werken zoals ze in het verleden deden.

De traditie van het handmatig verzamelen van productiegegevens heeft veel inherente problemen. Met krachtige monitoring- en analytische mogelijkheden die nu direct beschikbaar zijn, maakt handmatige gegevensverzameling snel plaats voor geautomatiseerde oplossingen.

Handmatige versus geautomatiseerde gegevensverzameling

1. Handmatige gegevensverzameling

Handmatige gegevensverzameling bestond traditioneel uit klemborden, pennen, whiteboards, stopwatches en timers. Deze werden (en worden nog steeds) gebruikt om productiecijfers, uitvaltijden en uitvalpercentages vast te leggen. Ze werden ook gebruikt om arbeid en beweging op de werkplek te meten.

Naarmate de computertechnologie vorderde, werden deze tools vervangen door Excel-spreadsheets en uiteindelijk enkele op zichzelf staande computersoftware om gegevens en analyses van betere kwaliteit te bieden. Maar de registratie en metingen waren nog steeds handmatig en vatbaar voor menselijke fouten en vooringenomenheid. De gegevens zelf waren vertraagd, onnauwkeurig en minder bruikbaar.

Een van onze klanten deelde onlangs enkele van de papieren documenten die ze gebruikten om in te vullen om downtime op te sporen evenementen. Dit proces automatiseren ze nu met MachineMetrics. Lees hier hun volledige verhaal.

2. Geautomatiseerde gegevensverzameling

Geautomatiseerde gegevensverzameling maakt deel uit van de digitale transformatie van de maakindustrie. Dit concept omvat het verzamelen van realtime gegevens rechtstreeks van de machine met behulp van apparaten en sensoren. In de loop van de tijd begonnen veel OEM-providers geautomatiseerde gegevensverzameling toe te voegen aan hun apparatuur.

Hoewel die gegevensverzameling verbeterde, was het nog steeds een gefragmenteerd proces vanwege legacy-systemen die handmatige gegevensinvoer vereisten en software die niet was verbonden met realtime data-acquisitie-apparaten.

Tegenwoordig gebruiken fabrikanten machinedataplatforms om autonoom productiegegevens te verzamelen, standaardiseren en contextualiseren. Dit biedt inzichten voor betere besluitvorming, grotere efficiëntie en optimalisatie van productieprocessen.

Het automatiseren van gegevensverzameling geeft fabrikanten direct inzicht in productieproblemen en kansen, zonder alle moeite van het verzamelen, standaardiseren en gegevens analyseren. Hierboven ziet u een voorbeeld van een uitvalrapport van MachineMetrics.

De kosten van het handmatig verzamelen van machinegegevens

Handmatige gegevensverzameling lijkt misschien een fatsoenlijke kortetermijnaanpak, maar het kan voor fabrikanten behoorlijk duur zijn.

Niet alleen zijn handmatige strategieën zeer inefficiënt, foutgevoelig, onderhevig aan vooroordelen, tijdrovend en traag, maar ze maken het ook moeilijk om nauwkeurige realtime inzichten te verkrijgen. Meestal moet u wachten tot het einde van de dag, week of maand om een ​​overzicht van de gegevens te krijgen. Dit betekent dat u geen tijdige beslissingen kunt nemen die uw productieproces zouden kunnen verbeteren.

Handmatige gegevensverzameling is ook arbeidsintensief en ontneemt resources van de fabrieksvloer en leidt ze om naar niet-waardetoevoegende taken zoals het sorteren, organiseren en leveren van handmatige gegevens aan de eindgebruiker. Dit heeft niet alleen invloed op uw huidige productiviteit, maar voorkomt ook dat mensen kansen identificeren en processen verbeteren.

In feite druist het volledig in tegen het idee van continue verbetering, omdat het niet alleen tijd van uw medewerkers wegneemt, maar innovatie ook volledig belemmert.

Naarmate uw bedrijf groeit en u meer producten, lijnen en medewerkers toevoegt, wordt het handmatig verzamelen van gegevens steeds duurder. We bekijken deze lijst met steeds groter wordende gevolgen hieronder.

De implementatie van MachineMetrics hielp Avalign Technologies bij het automatiseren van gegevensverzameling, het verminderen van downtime en het verhogen van OEE, wat resulteerde in miljoenen dollars aan extra capaciteit. Lees het verhaal van Avalign.

Handmatige gegevensverzameling leidt tot nog grotere problemen

Handmatige gegevensverzameling is een slechte manier om operationele gegevens te verzamelen. Processen die afhankelijk zijn van papier en spreadsheets creëren veel problemen voor prestatiemetingen, waardoor ze 'gappy', onnauwkeurig en vaak te verouderd zijn om effectief te kunnen worden gebruikt. Het is meestal een probleem dat zichzelf verergert.

Verlaagde productiviteit

Elke slag van een potlood of markering op papier vermindert de productiviteit. De variabelen en factoren die operators moeten opschrijven, blijven de productiviteit aanzienlijk aantasten. Erger nog, hoe complexer de gegevens, hoe groter de kans op menselijke fouten.

Dit kan een aanzienlijke vermindering van de bedrijfstijd per minuut betekenen. Het leidt operators ook af van essentiële bewaking van de machineconditie en andere taken die van invloed zijn op de kwaliteit en de gezondheid van de machine.

Dit probleem strekt zich uit tot analyse, waarbij al deze gegevens handmatig moeten worden gecompileerd, gecontextualiseerd en geformatteerd in begrijpelijke rapporten en visualisaties.

Een operator communiceert met een MachineMetrics-tablet, waardoor hij op schema blijft voor de verwachte productiedoelen.

Slechte batch-statistieken

De meeste operators en technici zijn zich bewust van de inherente problemen met handmatige gegevensverzameling. Daarom creëren werknemers tijdelijke oplossingen om het proces te verbeteren, wat het alleen maar erger kan maken. In plaats van elk voorval te registreren zoals vereist, zullen veel operators ervoor kiezen om het in batches op te nemen tijdens een pauze of het einde van een dienst. Dit kan zich uitstrekken tot batchregistratie om de paar dagen in plaats van op regelmatige basis. Als gevolg hiervan worden de nauwkeurigheid en betrouwbaarheid van de gegevens verminderd.

Wrok bij de werknemer

Handmatige processen voor het verzamelen van gegevens kunnen wrok bij werknemers veroorzaken. Omdat bewegings- en werkmetingen ook handmatig zijn, is het niet ongebruikelijk dat opnametijd buiten tijdstudies wordt gelaten. Werknemers worden dan onder druk gezet om quota te halen, specifieke productiesnelheden te halen en andere doelen te bereiken die door het productiebedrijf zijn gesteld. Op hun beurt ergeren ze zich aan de tijd die nodig is om te stoppen en hun handmatige gegevens te markeren, omdat het hen weghaalt van essentiële machinefuncties.

Verlopen informatie

Handmatige gegevens vereisen compileren, sorteren, gegevensinvoer, menselijke analyse en meer om managers inzichten te geven die ze kunnen gebruiken bij het nemen van beslissingen. Maar soms is het alleen relevant voor een bepaalde dag, dienst of uur. Gewoonlijk zijn handmatige gegevens te verouderd om bruikbaar te zijn tegen de tijd dat ze klaar zijn met verwerken.

Verder worden de gegevens waarschijnlijk slecht beheerd, waardoor het moeilijk is om historische rapportage en analyse uit te voeren.

MachineMetrics kan worden gebruikt om historische rapporten uit te voeren, maar ook om diep in de laag te duiken waarvan u inzichten nodig hebt, inclusief op fabrieks-, proces-, machine- of operatorniveau.

Slechte besluitvorming

Verminderde productiviteit, slechte batchgegevens, wrok bij werknemers en verlopen informatie leiden tot slechte besluitvorming. Als een manager kijkt naar de productiesnelheden die worden beïnvloed door een operator die veel van zijn tijdregistratiegegevens heeft verloren, kan hij besluiten dat dit de arbeidskosten opdrijft. Of ze kunnen een actie bepalen op basis van verlopen gegevens die geen echte impact hebben op de operatie.

Ongestructureerde gegevens en gebrek aan trends

De handmatig verzamelde gegevens zijn vaak ongestructureerd. Dit soort gegevens maakt het moeilijk om iets anders te doen dan analyses op hoog niveau. Voor sommige doeleinden is dat misschien prima, maar het is niet genoeg om echt te begrijpen wat er op de werkvloer gebeurt. Je kunt niet oplossen wat je niet begrijpt.

Zonder trends is er geen manier om de grondoorzaken van problemen te identificeren. Dit is vooral belangrijk in lean manufacturing-omgevingen waar kleine problemen snel groot kunnen worden als ze niet onmiddellijk worden aangepakt. Dit maakt het identificeren van de hoofdoorzaken behoorlijk moeilijk.

Een van de pijlers van MachineMetrics is de mogelijkheid om verbinding te maken met en gegevens te verzamelen van alle productieapparatuur. Deze autonome dataverzameling en standaardisatie zorgt ervoor dat data direct bruikbaar is. Het is niet nodig om gegevens te compileren en te vertalen naar een gemeenschappelijk model. Het is al beschikbaar voor gebruik in vooraf gebouwde rapporten en dashboards.

Beperkt bereik

Handmatige gegevensverzameling kan meestal niet "in- en uitzoomen" op spilniveau naar machineniveau naar fabrieks- of werkvloerniveau. Het kan ook de mogelijkheid missen om machines te classificeren op product of type. Als gevolg hiervan besteden teamleden meer tijd aan het vinden van de gegevens die ze nodig hebben, om erachter te komen wat er werkelijk op de werkvloer gebeurt en om nauwkeurige beslissingen te nemen. Dit maakt het ook moeilijk om problemen met specifieke machines te vinden en op te lossen.

Menselijke fout

Het meest in het oog springende probleem met handmatige gegevensverzameling is een menselijke fout. Dit kunnen eenvoudige fouten zijn, zoals getransponeerde nummers, handschriftproblemen of het vergeten van gegevens. Het kan ook complexere fouten betekenen, zoals interpretatieverschillen tussen operators in verschillende ploegen of het vastleggen van dezelfde informatie in meerdere formaten.

Onjuiste hoofdoorzaak

Analyse van de hoofdoorzaak is van vitaal belang in elk productiebedrijf. Het is vooral belangrijk voor lean manufacturing en degenen die afhankelijk zijn van continue verbetering. Met de combinatie van menselijke fouten, tijdrovende taken zonder toegevoegde waarde en andere problemen die gepaard gaan met handmatige gegevensverzameling, kan het een uitdaging zijn om de hoofdoorzaak te achterhalen.

Stel dat er een hoofdoorzaak wordt geïdentificeerd op basis van een tijdsonderzoek dat geen opnametijd van de operator omvat of een onderzoek dat is gebaseerd op verouderde productie-informatie. In dat geval kan de verkeerde beslissing over de oorzaak de zaken nog erger maken.

Onoplettendheid van de operator

Als een operator een stop of een gebeurtenis opneemt, wordt zijn aandacht afgeleid van het bedienen van de machine. Dit kan extra uitvaltijd veroorzaken als er nog een stop plaatsvindt tijdens het opnemen van de eerste. Erger nog, dit gebrek aan aandacht kan leiden tot gevaarlijke veiligheidsomstandigheden omdat de machinist niet op de machine is gericht.

Operators en managers kunnen MachineMetrics gebruiken als een "toolbox" om dagelijks betere, snellere beslissingen te nemen. Verder kunnen ze aangepaste historische rapporten maken en realtime machinegegevens gebruiken om automatisering mogelijk te maken.

Onjuiste gegevens

Menselijke fouten kunnen de kwaliteit van de op machineniveau verzamelde gegevens verminderen. Maar die onjuiste gegevens die van afdeling naar afdeling worden doorgegeven of in een ERP-systeem worden ingevoerd, kunnen ertoe leiden dat binnen de onderneming verkeerde beslissingen worden genomen. Onjuiste gegevens hebben invloed op de inkoop, de nauwkeurigheid van de voorraad, de planning en uiteindelijk de levering. Wanneer gegevens niet betrouwbaar en nauwkeurig zijn, kan dit het concurrentievermogen beïnvloeden en de kosten opdrijven.

Handmatige strategieën maken plaats voor geautomatiseerde oplossingen

De problemen die gepaard gaan met handmatige gegevensverzameling staan ​​haaks op wat de maakindustrie in de decennia sinds de eerste industriële revolutie heeft geleerd. OEM-bedrijven nemen al ingebouwde mogelijkheden voor geautomatiseerde gegevensverzameling op in nieuwe apparatuur.

Deze functionaliteit werkt met MachineMetrics Machine Data Platform om machineprestaties en -condities rechtstreeks van de machine te verzamelen.

Oudere systemen zoals analoge apparatuur kunnen ook worden toegevoegd aan het aangesloten ecosysteem om volledige productiebewaking op alle machines binnen een bedrijf mogelijk te maken.

Het schrift is aan de muur voor handmatige gegevensverzameling. Terwijl bedrijven hun marktaandeel en concurrentievoordeel willen vergroten, zal handmatige gegevensverzameling niet overleven.

Uw concurrenten rollen digitale oplossingen uit. Ben jij dat?

Gegevens moeten relevant, nauwkeurig, actueel, toegankelijk, interoperabel en transparant zijn. Handmatige gegevensverzameling kan aan geen van deze vereisten voldoen, laat staan ​​aan alle.

Geautomatiseerde productietechnologie zal het handmatig verzamelen van gegevens overbodig maken. Digitale oplossingen kunnen handmatige verzameling elimineren en operators, technici en managers in staat stellen processen te optimaliseren en de efficiëntie te verhogen.

Dit wordt gedaan door gebruik te maken van best-in-class platforms die connectiviteit tussen alle apparatuur mogelijk maken. Deze oplossingen verzamelen, ordenen, structureren en analyseren gegevens op basis van zakelijke behoeften en geven deze terug aan gebruikers met realtime inzichten.

Geautomatiseerde productietechnologie elimineert alle problemen die inherent zijn aan handmatige gegevensverzameling. Er is geen personeel meer nodig om gegevens te verzamelen, sorteren, invoeren en analyseren, dus er is geen arbeid meer nodig voor verwerking zonder toegevoegde waarde.

Realtime dashboards op de werkvloer bieden toegankelijkheid voor alle belanghebbenden op de werkvloer, waardoor mensen beter en sneller kunnen maken beslissingen op dagelijkse basis.

De kracht van realtime gegevens ontsluiten met MachineMetrics

MachineMetrics begrijpt dat nauwkeurige, tijdige gegevens de sleutel zijn tot geweldige productieprocessen. Handmatige gegevensverzameling kan worden geëlimineerd met het MachineMetrics Machine Data-platform, dat schone, nauwkeurige gegevens en realtime analytische inzichten biedt.

De resultaten helpen u processen te optimaliseren, de productiviteit te verhogen en de bedrijfsvoering te verbeteren. Onze gemiddelde gebruiker ziet zelfs een toename van 20% in efficiëntie. Benieuwd hoe het voor jezelf werkt? Boek vandaag nog een demo om te ontdekken hoe we u kunnen helpen uw digitale transformatie te versnellen en de noodzaak voor klemborden, pennen en spreadsheets te elimineren.

Gegevensverzameling automatiseren met MachineMetrics