De terugverdientijd vinden voor slimme productie

Industrie 4.0 wordt gedefinieerd door slimme productieprocessen zoals datagestuurde fabrieksoptimalisatie, industriële automatisering en voorspellend onderhoud. Aangezien deze processen afhankelijk zijn van gegevens op de werkvloer, begint het configureren van een slimme of licht-uit-faciliteit met het opzetten van een effectief gegevensverzamelingssysteem.

Dit systeem voor gegevensverzameling vertegenwoordigt een investering voor de fabrikant, waarin zij een rendement verwachten. De beoordeling van de investering moet omvatten hoe snel belanghebbenden terugverdientijd kunnen verwachten, welke vorm de terugverdientijd aanneemt en hoe tastbaar het rendement is in vergelijking met de gedane investering.

Meer informatie:wat is 'slimme' productie precies? Technologie gebruiken om innovatie te stimuleren

Hoe wordt de terugverdientijd gemeten voor slimme productie?

Als boekhoudkundige term wordt de terugverdientijd gedefinieerd als de hoeveelheid tijd die nodig is voor de kasinstroom die door een project wordt gegenereerd om de initiële investering te compenseren. In de productie is het vinden van de terugverdientijd van gedane investeringen meer dan het bijhouden van de instroom van contanten.

Het gebruik van een discrete productiefaciliteit als voorbeeld, het succesvol verlagen van eerdere operationele kosten door middel van machine-optimalisatie of het eindelijk inzicht krijgen in elke fase van een productiecyclus zijn mijlpalen die gevierd moeten worden. In dit voorbeeld kan het verlagen van de operationele kosten gemakkelijk financieel worden gekwantificeerd, maar het bruikbare inzicht dat wordt verkregen door het verzamelen van gegevens op de werkvloer niet, ook al beïnvloedt dit elk aspect van het productieproces.

Met dit in gedachten zijn hier de parameters die helpen bij het vinden van de terugverdientijd van slimme productie-investeringen:

Productiviteitsverbetering – Dit verwijst naar de impact van slimme productie bij het verbeteren van het machinegebruik en de prestatieniveaus van werknemers op de werkvloer. Productiviteitsverbeteringen kunnen worden gemeten met behulp van berekeningen voor de algehele effectiviteit van apparatuur (OEE) en andere benchmarknormen. Dit maakt het eenvoudig om de terugverdientijd te berekenen voor het integreren van slimme productie.

Kwaliteitsverbetering – De kwaliteit van de vervaardigde producten dient als een andere parameter voor het meten van de terugverdientijd van gedane investeringen. Defecten per miljoen kansen (DPMO)-berekeningen en andere Six Sigma-berekeningsmodellen maken het mogelijk om de terugverdientijd in termen van kwaliteitsverbeteringen te volgen.

Energieoptimalisatie – In de productie is het energieverbruik in het algemeen goed voor ongeveer 18% van de totale overheadkosten voor het vervaardigen van een product. Het optimaliseren van het energieverbruik is dus een manier om de terugverdientijd van slimme productie-investeringen te bepalen.

Voorspellend onderhoud – Ervoor zorgen dat activa op de werkvloer optimaal functioneren zonder ongeplande storingen te ervaren, is een van de principes van slimme productie. Met voorspellend onderhoud kunnen fabrikanten apparatuurstoringen voorspellen en uitvaltijd verminderen, wat een grote impact heeft op hun terugverdientijd en het algehele investeringsrendement.

Hoe snel moeten fabrikanten terugverdientijd verwachten van slimme productie-initiatieven?

Afhankelijk van de omvang en complexiteit van de industriële IoT-investering, kan de terugverdientijd variëren van een maand tot meer dan een jaar.

Veel fabrikanten verwachten dat de integratie van slimme productiemodellen direct resultaat zal opleveren. In sommige gevallen krijgen fabrikanten de eerste en derde maand na implementatie van een gegevensverzamelingssysteem wel terug.

BC Machining LLC, een contractfabrikant van metalen onderdelen, biedt hiervoor bijvoorbeeld een uitstekende case study. In dit geval heeft MachineMetrics een dataverzamelingssysteem opgezet voor haar CNC-machines en deze aangesloten op het MachineMetrics IoT Platform.

Binnen een maand werden productiegegevens verzameld, gecategoriseerd en geanalyseerd. Tegen de 3e maand was er een datagedreven productiviteitsoptimalisatieproces dat de OEE van BC Machining met 10% verhoogde.

Dit voorbeeld laat zien hoe snel de terugverdientijd van slimme productie kan worden bereikt.

In andere situaties, zoals kwaliteitsverbetering en predictief onderhoud, blijkt uit onderzoek dat een terugverdientijd binnen 6 tot 12 maanden te verwachten is. Dit komt omdat voor het nauwkeurig analyseren van gegevens met betrekking tot deze concepten een langere tijd nodig is. De verlengde duur zorgt ervoor dat er voldoende gegevens worden verzameld om de machineprestaties en patronen op de werkvloer in de loop van de tijd te bepalen. De gegevens kunnen vervolgens worden gebruikt om onderhoudsschema's of beleid voor kwaliteitscontrole te ontwikkelen.

In deze gevallen kan MachineMetrics het terugverdienproces versnellen. Ons IoT-platform integreert benchmarkgegevens van zowel oudere apparatuur als nieuwe machines. Deze benchmarkgegevens omvatten machinelooptijd, belasting, optimale snelheid en bedrijfstemperatuur. De gegevens geven inzicht in de mogelijkheden van uw machines zonder dat u 12 maanden hoeft te wachten voordat een optimale kwaliteitscontrole of voorspellende onderhoudsstrategie wordt ontwikkeld.

De waarde op korte en lange termijn van slimme productie

Smart manufacturing zal naar verwachting in 2022 ongeveer $ 1,5 biljoen aan waarde toevoegen aan de wereldeconomie. En de verwachte directe voordelen voor individuele fabrikanten zijn onder meer het verbeteren van de productiviteit, kwaliteitsverbeteringen en het optimaliseren van het machinegebruik.

MachineMetrics lokaliseert deze voordelen en brengt ze naar uw instelling. Het zorgt er ook voor dat u uw investeringen in recordtijd terugbetaalt via de plug-and-play-services die wij aanbieden. Als u de terugverdientijd van uw slimme productie-investeringen drastisch wilt verkorten, neem dan contact op met ons team.