In veel metalenfabrieken met twee of drie ploegen is er een gemeenschappelijk probleem waarvan iedereen weet, maar dat maar weinig bedrijven serieus analyseren:
Waarom kan de output van dezelfde machine met 20% of zelfs 30% verschillen tussen de dag- en nachtploeg, zelfs als de machine, het materiaal en de snijparameters hetzelfde zijn?
De eerste verklaringen zijn vaak:
Het echte probleem is echter vaak ingewikkelder.
De machine zelf is niet veranderd, maar het beslissingssysteem rondom de machine.
Tijdens de dag zijn ingenieurs, onderhoudspersoneel en productiemanagers meestal beschikbaar.abnormale snijgeluiden, onstabiele spindelbelastingen of problemen met het vasthouden van het werk.
Dit creëert de echte"verborgen kloof" tussen dag- en nachtploegen.
Stel je een metaalbewerkingsfabriek voor die elke dag twee diensten heeft.
Het resultaat kan er zo uitzien:
|
Indicator |
Dagdienst |
Nachtdienst |
|
Output per uur |
100 stuks |
70 ‰ 80 stuks |
|
Verandering van gereedschap |
2 |
3 |
|
Niet geplande stilstand |
Vijftien minuten. |
40 min. |
|
Schrootpercentage |
1% |
3% |
|
Aanpassing van de parameters |
Onmiddellijk. |
Verlaten |
|
Probleemoplossing |
Ingenieursondersteuning |
Operatorgebaseerd |
De machine is niet veranderd, maar de output wel.
Daarom is de echte vraag niet:
Welke ploeg werkt het hardst?
De betere vraag is:
¢Hebben beide ploegen dezelfde informatie, besluitvorming en ondersteuning bij het oplossen van problemen?"
Bij het snijden van metaal heeft de toestand van het gereedschap een directe invloed op de productiviteit.
Voor cirkelzaagmachines en bandzaagmachines slijten zaagbladen geleidelijk tijdens het gebruik.
Naarmate het slijtage van gereedschap toeneemt:
Een werknemer van de dagdienst kan deze veranderingen opmerken en onmiddellijk contact opnemen met een ingenieur.
De ingenieur kan vaststellen:
Het gereedschap is niet helemaal versleten.
De ingenieur kan dan de voertempo aanpassen en de productie voortzetten.
Maar zonder technische ondersteuning kan een nachtploegoperateur een van twee extreme beslissingen nemen.
De bediener hoort een abnormaal snijgeluid en verandert onmiddellijk het mes.
Het resultaat:
Het lemmet heeft nog een bruikbare levensduur, maar het wordt voortijdig weggegooid.
De operator denkt:
Het kan nog snijden, dus laten we doorlopen".
Dit kan uiteindelijk leiden tot:
Daarom,De vervanging van het gereedschap mag niet geheel afhankelijk zijn van de intuïtie van de bediener.
Een betere aanpak is het op gegevens gebaseerde levensduurbeheer van het gereedschap.
Bijvoorbeeld:
Eén lemma → Aantal snijpunten → Snijtijd → Spindelbelasting → Snijkwaliteit → Vervangingstijd
Nadat voldoende gegevens zijn verzameld, kan de fabriek bepalen:
wanneer een lem moet worden vervangen in plaats van wanneer een bediener gewoon denkt dat het moet worden vervangen.
Voor geautomatiseerde machines voor het snijden van metaal is de spindelbelasting een waardevol processignaal.
Stel dat de spindelbelasting tijdens normale productie stabiel blijft.
Plotseling verandert het patroon:
Normaal → Normaal → Stevige stijging → Continu fluctuatie
Dit kan erop wijzen:
Tijdens de dag kan een ingenieur het probleem snel identificeren.
Als er's nachts niemand is die de gegevens controleert, kan de machine nog enkele uren blijven werken.
De kosten zijn niet langer alleen de prijs van een vervangend mes.
Het kan worden:
Gereedschapskosten + stilstand + schrootkosten + arbeidskosten + leveringsachterstand
Daarom is een belangrijke vraag voor fabrieksleiders:
Het is niet voldoende dat de machine gegevens genereert, maar worden die gegevens ook daadwerkelijk gebruikt om beslissingen te nemen?
Dit is een van de meest over het hoofd gezien problemen in de productie.
Wanneer een machine zich abnormaal gedraagt, kan een bediener verschillende mogelijkheden ondervinden.
Is het:
Zonder duidelijke normen moet de exploitant op ervaring vertrouwen.
Stel dat de normale snijcyclus is:
30 seconden per stuk
Maar plotseling wordt het:
40 seconden per stuk
- Wat is er gebeurd?
Wordt de machine minder efficiënt?
Of is het materiaal veranderd?
Zonder historische gegevens is het voor een exploitant moeilijk te weten.
De exploitant kan opmerken:
Maar wat moet er gedaan worden?
De voertempo aanpassen?
Of:
Controleer het mes?
Of:
Controleer het klemsysteem?
Of:
De machine stoppen en contact opnemen met onderhoud?
Dit is het werkelijke risico van de productie in de nachtdienst:
Het probleem is niet dat niemand de machine kan bedienen, maar dat niemand beschikbaar is om de bediener te helpen de juiste beslissing te nemen.
Als een fabriek een MES- of machine-gegevensverzamelingssysteem heeft geïmplementeerd, kan dit mogelijk een grote hoeveelheid informatie op ploegeniveau verstrekken.
Bijvoorbeeld:
Zoals:
Bijvoorbeeld:
Met inbegrip van:
Deze gegevens kunnen helpen een cruciale vraag te beantwoorden:
Is onze machine daadwerkelijk in staat haar ontwerpproductiecapaciteit te bereiken?
"Verbergen" betekent niet dat het MES-systeem opzettelijk gegevens vervalst.
Het echte probleem is:
Een systeem kan je vertellen wat er gebeurd is, maar misschien niet waarom het is gebeurd.
Een MES-systeem kan bijvoorbeeld:
Gebruik van machines in nachtdienst: 82%
Maar het kan je niet vertellen:
8% van de verloren tijd werd veroorzaakt door de operatoren die op een ingenieur wachtten om de snijparameters te bevestigen.
Het kan laten zien:
Productie in de nachtdienst: 780 stuks
Maar het kan niet zien:
50 stukken moesten opnieuw worden bewerkt omdat de snijkwaliteit onstabiel werd.
Het kan laten zien:
Drie gereedschapswisselingen
Maar het verklaart misschien niet:
Een vervanging was het normale einde van de levensduur van het gereedschap, een was een verkeerde beoordeling door de bediener en een was veroorzaakt door vertraagde aanpassing van de parameters.
Daarom:
Gegevens vertellen je wat er is gebeurd.
Als een fabriek de werkelijke oorzaak van een productiviteitsverschil van 30% wil vaststellen, moet zij ten minste de volgende indicatoren vergelijken.
Vergelijk niet alleen de totale dagelijkse productie.
Een betere indicator is:
Output per machine uur
Dit geeft aan hoeveel productie de machine daadwerkelijk genereert tijdens de beschikbare bedrijfstijd.
Vergelijk:
Gemiddelde cyclustijd van dagdienst versus gemiddelde cyclustijd van nachtdienst
Zelfs als de nachtdienst alleen5 seconden langzamer per stuk, kan het verschil na honderden of duizenden stukken aanzienlijk worden.
Vergelijk:
Hoeveel messen per 1000 stuks?
Als het gereedschapsverbruik in de nachtdienst aanzienlijk hoger is, kan het probleem bestaan uit:
Stel dat de fabriek 1000 stuks produceert.
Dagdienst:
10 defecte stukken
Nachtdienst:
30 defecte stukken
Het verschil is maar 20 stukken in één dienst.
Maar over een hele maand kunnen de kosten aanzienlijk worden.
Dit is een van de belangrijkste indicatoren voor veel fabrieken.
Omdat:
Een minuut stilstand van de machine betekent niet gewoon een minuut verloren productie.
Het kan ook van invloed zijn op:
Wanneer fabrieken ontdekken dat de productiviteit van de nachtploeg lager is, is de eerste reactie vaak:
"We moeten de nachtploegwerkers beter opleiden".
Opleiding is belangrijk, maar het is niet de volledige oplossing.
Een effectievere aanpak is de volgende.
Verander ingenieurservaring in:
Het doel is ervoor te zorgen dat nachtdiensten niet moeten raden.
Voor verschillende materialen, afmetingen en gereedschapstypen:
Vervolgens verandert de beslissing van de exploitant van:
Ik denk dat we dit moeten aanpassen".
tot:
Volgens de norm is dit de juiste aanpassing".
Bijvoorbeeld:
Niveau 1: De operator behandelt het
↓
Niveau 2: Teamleider bevestigt
↓
Niveau 3: Ingenieur biedt ondersteuning op afstand
↓
Niveau 4: Onderhoudswerkzaamheden
Dit voorkomt twee uitersten:
Ik stop de machine voor een klein probleem.
Of:
Blijven rennen ondanks een ernstig probleem.
Toekomstige intelligente snijmachines moeten niet alleen:
Fout 102
Zij moeten nuttigere richtsnoeren geven, zoals:
De spindelbelasting is hoger dan het normale bereik.
Met andere woorden:
De machine moet niet alleen gegevens verzamelen, maar ook de gebruikers helpen deze te begrijpen.
Het echte doel is om de nachtdienst te geven:
Beslissingsmogelijkheden die dicht bij die van overdag liggen.
Dat vereist:
Het uiteindelijke doel is niet:
¢Vraag de nachtdiensten om meer ervaring".
Het is:
¢Systemen en gegevens gebruiken om gewone gebruikers te helpen besluiten te nemen die dichter bij die van ervaren ingenieurs liggen".
Dat is waar automatisering en slimme productie echte waarde creëren.
Bij de aankoop van een werktuigmachine richten de fabrikanten zich vaak op:
Dit is allemaal belangrijk.
Maar voor de productie in grote hoeveelheden is er nog een andere maatstaf die gemakkelijk over het hoofd kan worden gezien:
Kan de machine de productie gedurende 24 uur stabiel houden?
Als de dagploeg 100 stuks per uur produceert en de nachtploeg slechts 70 stuks per uur, kan de machine technologisch geavanceerd zijn.Maar het potentieel is nog niet volledig omgezet in productiviteit..
Bij de beoordeling van een moderne metaalsnijmachine moet dus niet alleen worden nagedacht over:
Kan het precies snijden?
Het moet ook vragen:
¢Kunnen verschillende bedieners en verschillende ploegen gelijktijdig nauwkeurig, efficiënt en betrouwbaar snijden?"
Een echt bekwame machine moet niet afhankelijk zijn van één ervaren bediener om haar volledige prestaties te leveren.
Door middel van standaardisatie, automatisering en op data gebaseerde productie zou de machineprestaties minder afhankelijk moeten worden van individuele operators en verschillen in ploegen.
Dat is wat intelligente productie uiteindelijk zou moeten oplossen.
Contactpersoon: Mr. Henry
Tel.: +86-18101486180