machinemetrics博客

用机器数据开始决策。

准备好授权你的车间?

了解更多
类别:
    比尔bith
    比尔bith MachinImetrics.2021年7月1日生产力2021年7月1日oee.2021年7月1日

    如何进行生产能力分析

    制造商在生产我们生活中使用的产品时面临着堆积如山的挑战。每个国家都必须以有限的资源(资本、技能、技术进步等)来应对这些挑战。管理这一复杂领域的经理们最好的办法是通过了解他们商店的容量来最大化他们所拥有的工具。更好地利用制造空间、材料、劳动力和优化设备性能对于企业推动高效生产和获取最高利润至关重要。

    能力分析可以是审计制造工厂和诊断是否有隐藏的等待释放的能力的一个极好的解决方案。

    什么是制造能力?

    每个制造商的目标是以满体运行其运营。但是制造能力是什么?简短的答案是,制造能力代表了公司内部所有设备和资源以产品组合和其行业的最高运营率利用的状态所需的状态。这意味着从操作到维护的所有进程都以设定的资源进行优化,并且不会产生不必要的停机时间。达到此条件时,设备已达到全部容量。

    许多因素使达到这种理想状态的过程更加复杂。工厂可能会遭受一系列的可用性损失,比如机械故障,浪费了宝贵的时间进行维修。或者,由于转换、设置和调整,他们可能会失去宝贵的生产能力。

    制造能力也会受到性能损失的影响。这些包括未经训练或缺乏经验的操作人员的行动和堵塞,空转,停机。这些问题经常被匆忙地解决,却很少分析其原因以及如何防止其再次发生。

    制造商店地板与生产仪表板

    最后,生产能力可能会受到质量损失的负面影响,包括工艺缺陷和成品率下降。一些原因包括未优化的工作流、人为错误或破碎的流程。除了夺走工厂的宝贵能力,质量损失还可能产生额外的浪费,这些浪费可能需要重新加工或扔掉,从而增加产品成本。

    这些障碍通常被称为六大损失。他们的效果可能是毁灭性的。尽可能地缺乏对能力的理解可以引发昂贵的加班费,浪费,错过的交付或以新设备的形式来弥补损失的形式的不必要的资本开支。

    什么是容量分析?

    当制造商需要增加产能时,他们通常会从上面提到的本能反应开始。然而,在提高产能的重点向内转移之前,人们只能购买这么多机器,安排这么多班次。而确定应该在哪里采取行动来提高能力的最好方法就是数据。

    能力分析的过程是指公司的潜在能力和实际产出之间的差异。通过收集生产数据,制造商可以确定需要改变哪些工艺、设备或功能来增加产能。这将从本质上允许制造商驱动从他们现有的资源通过流程优化

    进一步阅读:如何提高制造业产能

    如何进行生产能力分析

    进行生产能力分析的公司能够减少停机时间和浪费。他们还可以挖掘数据来优化流程和简化工作流程。这样做可以帮助他们理解现有的约束条件是什么,并在问题发生时做出实时决策来解决问题。由于数据支持这些解决方案,管理人员可以在整个操作过程中推动改进,增加产能,而无需在设备或劳动力上进行额外的投资。对于希望提高生产能力的公司,以下是释放现有产能所需的步骤:

    基准数据

    如果你不知道自己在哪里,你就无法看到自己的前进方向。高估当前设备的利用率是很常见的,因为许多公司可能甚至没有意识到利用率是如此之低。

    基准标记包括确定现有容量。机器速度,质量损失,类别的停机时间 - 如故障,转换和性能损失 - 必须都是为了确定当前容量。在许多情况下,该数字是令人震惊的。可以使用几种最佳实践来为基准测试创建实际和实用的框架:

    • 内部会议:内部启动会议有助于设定期望,并确保每个人都在同一页上。通过将正确的团队聚集在一起,每个人都将知道使用目标应该是什么。
    • 检查数据:有时报告的当前数据很少涉及机器的实际状态。它可能不正确地记录状态,或者可能是零件计数、停机时间或其他一些参数。确保数据是真实的将有助于分析需要做什么。
    • 评估数据:这是将原始假设与实际电流利用率进行比较的地方。它代表了可以进行改进的新发射点。
    • 规划:通过创建改进计划,管理者可以将原始期望、实际数据驱动的容量状态以及可以做出的改进整合在一起。

    MachineMetrics利用率报告

    这是一个MachineMetrics利用率报告的例子,它是许多可用于基准测试数据的预构建报告之一。

    分析停机时间

    一旦一个制造操作对其数据进行基准测试并了解其真正的利用率,就必须进行停机分析。这涉及到管理人员、技术人员、制造工程师、操作人员和其他能够帮助确定所有停机原因并计划如何减少或消除停机的人员。

    通过对设施进行基准测试,团队成员可以继续测量驱动利用率的停机时间。通过回答停机时间的多少以及停机时间属于什么类别,改进的步骤就变得更加明显。这是最好的办法自动化机器数据收集软件确保使用的数据准确、标准化、实时性。

    停机时间还必须对停机的原因进行分类。考虑的类别可能包括:

    • 计划与计划过时:每次都占用了服务,但它们都有完全不同的方法来最小化出现并将机器带回在线。
    • 人为错误或操作员行动:在一个大而复杂的制造环境中,运营商可能具有不同的培训级别,或者可以按降低效率的顺序执行任务或行动。这些通常可以通过停机分析发现和趋势。
    • 质量辐射:质量是一个广泛的类别,必须包含在停机时间分析中。它可能会导致培训,机器状态和保养,入境供应商质量,甚至环境内的环境条件甚至在温暖的日子和较冷的夜晚之间。

    一旦确定了类别,团队成员就可以下钻以确定类别内停机的原因。例如,可能有许多类型的计划停机时间,包括计划维护、季节性生产和其他。

    停机帕圈图图表

    MachineMetrics停机时间Pareto揭示了最糟糕的停机原因,这是寻找需要改进的进程的一个很好的起点。

    同样,计划外停机也有无数的原因。这些可以从材料不在机器时,需要维护不当的机器。这也可能是一个设计错误的工作流程,来自上游的材料在需要时没有准备好,造成了多米诺效应。

    人类错误也是如此。制造业务变得越来越自动化,但仍然需要劳动力。疲劳,训练不足,缺乏对工作流程的理解,或者破碎的过程步骤可以意味着工人犯错误,他们不会造成错误。

    收集此信息的最佳方法是通过自动化和软件。通过使数据可视化直观且易于记录,操作员可以利用仪表板进入实际数据并查看其影响。正如操作员可以进入停机时间的原因,帕累托图表等工具可以帮助了解在前移动时的停机时间分析。这为用户提供了洞察力,并且通常有助于触发改进建议。

    在停机时间分析结束时,可以确定实际停机成本及其对底线的影响。这也有助于识别“低悬垂的水果”,最快和最简单的物品,以质量最大的影响和增加的产能。

    进一步阅读:如何跟踪和分析机器停机时间

    卷展处理过程发生变化

    在能力分析的这一点上,管理人员现在拥有精确和可验证的数据,从而驱动真正的变化。这些变化可用于解决最重要的产能限制,释放隐藏的产能以消除加班,减少资本支出的需求,并改进维护程序,使其与转换和其他操作条件同步工作,而不是与它们争夺。

    产能大幅下降的例子有很多。以下是一些可以在大多数数字转换中找到的:

    预期周期比实际周期长

    今天的制造环境的尺寸和复杂性可能意味着个性的性能被埋在数据山下,体积和推动山下方。当数据为真时,机器的部分计数准确,运营商对其输出负责,而不是埋在它下面。该问责制可以是一个积极的工具,使他们成为识别改进区域的一部分。随着对最明显的停机时间开始工作的改进,可以开始进一步优化循环时间,以继续流程包括快速加起来的甚至小的变化。

    质量问题

    如前所述,质量是一种影响许多领域的广泛主题。但这给了更多的改进机会。80/20规则不仅适用于质量,还会影响其中的子类别,包括人为错误/培训,供应商质量,维护改进,产品设计等。通过利用实时分析的无限数据,最大的数据每个地区的罪魁祸首都可以改善步骤,以对整体的质量提高更大的累积影响。随着这些努力的根本,能力增加,质量提高,降低成本,增强秩序和交付性能。

    进一步阅读:制造业的质量保证:你需要知道的一切

    mm20-laptop_0020_Reports-Quality-2_dropshadow通过MachineMetrics,您可以很容易地看到零件被拒绝的最主要原因,并确定问题的根源。

    设备故障

    没有什么比这更让制造业经理抓狂的了设备故障.通常情况下,这些故障是被动维护程序的结果。由于运行到故障或对机器状态的跟踪不足,公司以停机的形式放弃了大量的容量。但是数据分析和实时机器条件提供增加能力的新机会。通过理解机器状态并部署工业物联网传感器和技术,管理人员可以将被动维护抛在脑后,实现更高的容量和更低的成本。德勤(Deloitte)的一项研究显示,预测性维护程序可以使设备的正常运行时间增加10-20%。

    工作流

    测量设备的利用率不仅仅是简单地测量机器。通过捕获、上下文化和分析数据,管理人员可以查看单个机器和设施内的整个设备生态系统。这有助于了解设备布局、分段、在制品和其他可用于增加产能的工艺相关变量。虽然它可能意味着需要重新组织一个生产车间或单元,但它也可能是简单的移动几英尺的机器,或改变材料从一个工位到下一个工位的方式,在工作流中产生不同。

    解锁隐藏的容量

    与高级数据捕获和分析耦合的容量分析可以帮助公司能够更快地找到它们的路径,而不是大多数人都会思考。当Avalign Technologies努力跟踪OEE和停机时间,生产瓶颈,不充分的SOP和其他因素拖累容量。

    通过使用MachineMetrics, Avalign获得了整个车间的即时可见性,实现了25% -30%的OEE增长和数百万的额外产能,而无需增加劳动力、设备或额外资源。

    观看视频案例研究:

    Avalign Technologies视频案例研究

    用机器数据开始决策。

    准备好授权你的车间?

    了解更多

    注释

    留下你的评论

    订阅我们的邮件列表