Σε πολλά εργοστάσια μεταλλουργίας που λειτουργούν σε δύο ή τρεις βάρδιες, υπάρχει ένα κοινό πρόβλημα που όλοι γνωρίζουν, αλλά λίγες εταιρείες αναλύουν σοβαρά:
Γιατί η παραγωγή του ίδιου μηχανήματος μπορεί να διαφέρει κατά 20% ή ακόμα και 30% μεταξύ της πρωινής και της νυχτερινής βάρδιας, ακόμα και όταν το μηχάνημα, το υλικό και οι παράμετροι κοπής είναι οι ίδιες;
Οι πρώτες εξηγήσεις είναι συχνά:
Ωστόσο, το πραγματικό πρόβλημα είναι συχνά πιο περίπλοκο.
Το ίδιο το μηχάνημα δεν έχει αλλάξει. Αυτό που έχει αλλάξει είναι το σύστημα λήψης αποφάσεων γύρω από το μηχάνημα.
Κατά τη διάρκεια της ημέρας, συνήθως είναι διαθέσιμοι μηχανικοί, προσωπικό συντήρησης και διευθυντές παραγωγής. Τη νύχτα, οι χειριστές μπορεί να χρειαστεί να λάβουν αποφάσεις μόνοι τους όταν αντιμετωπίζουν φθορά εργαλείου, ανώμαλους ήχους κοπής, ασταθείς φορτίους ατράκτου ή προβλήματα συγκράτησης του τεμαχίου.
Αυτό δημιουργεί το πραγματικό “κρυφό χάσμα" μεταξύ πρωινής και νυχτερινής βάρδιας.
Φανταστείτε ένα εργοστάσιο μεταλλουργίας που λειτουργεί δύο βάρδιες καθημερινά.
Το αποτέλεσμα θα μπορούσε να είναι το εξής:
|
Δείκτης |
Πρωινή Βάρδια |
Νυχτερινή Βάρδια |
|
Παραγωγή ανά ώρα |
100 τεμ. |
70–80 τεμ. |
|
Αλλαγές εργαλείων |
2 |
3 |
|
Απρόβλεπτη διακοπή λειτουργίας |
15 λεπτά |
40 λεπτά |
|
Ποσοστό απορρίψεων |
1% |
3% |
|
Ρύθμιση παραμέτρων |
Άμεση |
Καθυστερημένη |
|
Αντιμετώπιση προβλημάτων |
Υποστηριζόμενη από μηχανικό |
Βασισμένη στον χειριστή |
Το μηχάνημα δεν έχει αλλάξει, αλλά η παραγωγή έχει.
Επομένως, το πραγματικό ερώτημα δεν είναι:
“Ποια βάρδια δουλεύει σκληρότερα;”
Το καλύτερο ερώτημα είναι:
“Έχουν και οι δύο βάρδιες τις ίδιες πληροφορίες, ικανότητα λήψης αποφάσεων και υποστήριξη για την αντιμετώπιση προβλημάτων;”
Στην κοπή μετάλλων, η κατάσταση του εργαλείου έχει άμεσο αντίκτυπο στην παραγωγικότητα.
Για μηχανές κυκλικής κοπής και πριονωτές μηχανές, οι πριονωτές λεπίδες φθείρονται σταδιακά κατά τη λειτουργία.
Καθώς αυξάνεται η φθορά του εργαλείου:
Ένας χειριστής πρωινής βάρδιας μπορεί να παρατηρήσει αυτές τις αλλαγές και να επικοινωνήσει αμέσως με έναν μηχανικό.
Ο μηχανικός μπορεί να διαπιστώσει:
Το εργαλείο δεν έχει φθαρεί πλήρως. Η ταχύτητα τροφοδοσίας είναι απλώς πολύ υψηλή.
Ο μηχανικός μπορεί στη συνέχεια να προσαρμόσει την ταχύτητα τροφοδοσίας και να συνεχίσει την παραγωγή.
Ωστόσο, χωρίς μηχανική υποστήριξη, ένας χειριστής νυχτερινής βάρδιας μπορεί να λάβει μία από τις δύο ακραίες αποφάσεις.
Ο χειριστής ακούει έναν ανώμαλο ήχο κοπής και αλλάζει αμέσως τη λεπίδα.
Το αποτέλεσμα:
Η λεπίδα έχει ακόμα χρησιμοποιήσιμη ζωή, αλλά απορρίπτεται πρόωρα.
Ο χειριστής σκέφτεται:
“Μπορεί ακόμα να κόψει, οπότε ας συνεχίσουμε.”
Αυτό μπορεί τελικά να οδηγήσει σε:
Επομένως, η αντικατάσταση του εργαλείου δεν πρέπει να εξαρτάται αποκλειστικά από τη διαίσθηση του χειριστή.
Μια καλύτερη προσέγγιση είναι η καθιέρωση διαχείρισης διάρκειας ζωής εργαλείου βάσει δεδομένων.
Για παράδειγμα:
Μία λεπίδα → Αριθμός κοπών → Χρόνος κοπής → Φορτίο ατράκτου → Ποιότητα κοπής → Χρόνος αντικατάστασης
Αφού συλλεχθούν επαρκή δεδομένα, το εργοστάσιο μπορεί να προσδιορίσει:
πότε πρέπει να αντικατασταθεί μια λεπίδα αντί για πότε ένας χειριστής απλώς αισθάνεται ότι πρέπει να αντικατασταθεί.
Για αυτοματοποιημένο εξοπλισμό κοπής μετάλλων, το φορτίο ατράκτου είναι ένα πολύτιμο σήμα διεργασίας.
Ας υποθέσουμε ότι το φορτίο ατράκτου παραμένει σταθερό κατά την κανονική παραγωγή.
Ξαφνικά, το μοτίβο αλλάζει:
Κανονικό → Κανονικό → Απότομη αύξηση → Συνεχής διακύμανση
Αυτό θα μπορούσε να υποδηλώνει:
Κατά τη διάρκεια της ημέρας, ένας μηχανικός μπορεί να εντοπίσει γρήγορα το πρόβλημα.
Τη νύχτα, εάν κανείς δεν παρακολουθεί τα δεδομένα, το μηχάνημα μπορεί να συνεχίσει να λειτουργεί για αρκετές ώρες.
Το κόστος δεν είναι πλέον απλώς η τιμή μιας ανταλλακτικής λεπίδας.
Μπορεί να γίνει:
Κόστος εργαλείου + χρόνος διακοπής λειτουργίας + κόστος απορρίψεων + κόστος εργασίας + καθυστέρηση παράδοσης
Επομένως, ένα σημαντικό ερώτημα για τους διευθυντές εργοστασίων είναι:
Δεν αρκεί το μηχάνημα να παράγει δεδομένα. Χρησιμοποιούνται αυτά τα δεδομένα για τη λήψη αποφάσεων παραγωγής;
Αυτό είναι ένα από τα πιο παραβλεπόμενα προβλήματα στην παραγωγή.
Όταν ένα μηχάνημα συμπεριφέρεται ανώμαλα, ένας χειριστής μπορεί να αντιμετωπίσει πολλές πιθανότητες.
Είναι:
Χωρίς σαφή πρότυπα, ο χειριστής πρέπει να βασιστεί στην εμπειρία.
Ας υποθέσουμε ότι ο κανονικός κύκλος κοπής είναι:
30 δευτερόλεπτα ανά τεμάχιο
Αλλά ξαφνικά γίνεται:
40 δευτερόλεπτα ανά τεμάχιο
Τι συνέβη;
Το μηχάνημα γίνεται λιγότερο αποδοτικό;
Ή άλλαξε το υλικό;
Χωρίς ιστορικά δεδομένα, είναι δύσκολο για έναν χειριστή να γνωρίζει.
Ο χειριστής μπορεί να παρατηρήσει:
Αλλά τι πρέπει να γίνει;
Ρύθμιση της ταχύτητας τροφοδοσίας;
Ή:
Έλεγχος της λεπίδας;
Ή:
Έλεγχος του συστήματος σύσφιξης;
Ή:
Διακοπή του μηχανήματος και επικοινωνία με τη συντήρηση;
Αυτός είναι ο πραγματικός κίνδυνος της νυχτερινής παραγωγής:
Το πρόβλημα δεν είναι ότι κανείς δεν μπορεί να χειριστεί το μηχάνημα. Το πρόβλημα είναι ότι κανείς δεν είναι διαθέσιμος για να βοηθήσει τον χειριστή να λάβει τη σωστή απόφαση.
Εάν ένα εργοστάσιο έχει εφαρμόσει ένα σύστημα MES ή συλλογής δεδομένων μηχανών, μπορεί δυνητικά να παρέχει μεγάλο όγκο πληροφοριών ανά βάρδια.
Για παράδειγμα:
Όπως:
Για παράδειγμα:
Περιλαμβάνοντας:
Αυτά τα δεδομένα μπορούν να βοηθήσουν στην απάντηση ενός κρίσιμου ερωτήματος:
“Επιτυγχάνει πραγματικά το μηχάνημά μας την σχεδιασμένη παραγωγική του ικανότητα;”
“Κρύβω" δεν σημαίνει ότι το σύστημα MES πλαστογραφεί σκόπιμα δεδομένα.
Το πραγματικό ζήτημα είναι:
Ένα σύστημα μπορεί να σας πει τι συνέβη, αλλά μπορεί να μην σας πει γιατί συνέβη.
Για παράδειγμα, ένα σύστημα MES μπορεί να δείξει:
Χρησιμοποίηση μηχανής νυχτερινής βάρδιας: 82%
Αλλά μπορεί να μην σας πει:
Το 8% του χαμένου χρόνου προκλήθηκε από χειριστές που περίμεναν έναν μηχανικό να επιβεβαιώσει τις παραμέτρους κοπής.
Μπορεί να δείξει:
Παραγωγή νυχτερινής βάρδιας: 780 τεμάχια
Αλλά μπορεί να μην δείξει:
50 τεμάχια χρειάστηκαν επανεπεξεργασία επειδή η ποιότητα κοπής έγινε ασταθής.
Μπορεί να δείξει:
Τρεις αλλαγές εργαλείων
Αλλά μπορεί να μην εξηγήσει:
Μία αντικατάσταση ήταν κανονική ολοκλήρωση διάρκειας ζωής εργαλείου, μία ήταν λανθασμένη κρίση χειριστή και μία προκλήθηκε από καθυστερημένη ρύθμιση παραμέτρων.
Επομένως:
Τα δεδομένα σας λένε τι συνέβη. Οι διαδικασίες διαχείρισης καθορίζουν εάν μπορείτε να κατανοήσετε γιατί συνέβη.
Εάν ένα εργοστάσιο θέλει να εντοπίσει την πραγματική αιτία ενός χάσματος παραγωγικότητας 30%, θα πρέπει να συγκρίνει τουλάχιστον τους ακόλουθους δείκτες.
Μην συγκρίνετε μόνο τη συνολική ημερήσια παραγωγή.
Ένας καλύτερος δείκτης είναι:
Παραγωγή ανά ώρα μηχανής
Αυτό σας λέει πόση παραγωγή παράγει πραγματικά το μηχάνημα κατά τη διαθέσιμη ώρα λειτουργίας του.
Συγκρίνετε:
Μέσος χρόνος κύκλου πρωινής βάρδιας έναντι μέσου χρόνου κύκλου νυχτερινής βάρδιας
Ακόμα κι αν η νυχτερινή βάρδια είναι μόνο 5 δευτερόλεπτα πιο αργή ανά τεμάχιο, η διαφορά μπορεί να γίνει σημαντική μετά από εκατοντάδες ή χιλιάδες τεμάχια.
Συγκρίνετε:
Πόσες λεπίδες καταναλώνονται ανά 1.000 τεμάχια;
Εάν η κατανάλωση εργαλείων της νυχτερινής βάρδιας είναι σημαντικά υψηλότερη, το πρόβλημα μπορεί να περιλαμβάνει:
Ας υποθέσουμε ότι το εργοστάσιο παράγει 1.000 τεμάχια.
Πρωινή βάρδια:
10 ελαττωματικά τεμάχια
Νυχτερινή βάρδια:
30 ελαττωματικά τεμάχια
Η διαφορά είναι μόνο 20 τεμάχια σε μία βάρδια.
Αλλά σε ολόκληρο τον μήνα, το κόστος μπορεί να γίνει σημαντικό.
Αυτός είναι ένας από τους πιο σημαντικούς δείκτες για πολλά εργοστάσια.
Επειδή:
Ένα λεπτό διακοπής λειτουργίας μηχανής δεν σημαίνει απλώς ένα λεπτό χαμένης παραγωγής.
Μπορεί επίσης να επηρεάσει:
Όταν τα εργοστάσια ανακαλύπτουν ότι η παραγωγικότητα της νυχτερινής βάρδιας είναι χαμηλότερη, η πρώτη αντίδραση είναι συχνά:
“Πρέπει να εκπαιδεύσουμε καλύτερα τους χειριστές της νυχτερινής βάρδιας.”
Η εκπαίδευση είναι σημαντική, αλλά δεν είναι η πλήρης λύση.
Μια πιο αποτελεσματική προσέγγιση περιλαμβάνει τα ακόλουθα.
Μετατροπή της εμπειρίας μηχανικών σε:
Ο στόχος είναι να διασφαλιστεί ότι οι χειριστές της νυχτερινής βάρδιας δεν χρειάζεται να μαντεύουν.
Για διαφορετικά υλικά, μεγέθη και τύπους εργαλείων, ορίστε:
Στη συνέχεια, η απόφαση του χειριστή αλλάζει από:
“Νομίζω ότι πρέπει να το προσαρμόσουμε αυτό.”
σε:
“Σύμφωνα με το πρότυπο, αυτή είναι η σωστή προσαρμογή.”
Για παράδειγμα:
Επίπεδο 1: Ο χειριστής το χειρίζεται
↓
Επίπεδο 2: Ο επικεφαλής ομάδας επιβεβαιώνει
↓
Επίπεδο 3: Ο μηχανικός παρέχει απομακρυσμένη υποστήριξη
↓
Επίπεδο 4: Η συντήρηση παρεμβαίνει
Αυτό αποτρέπει δύο ακραίες καταστάσεις:
Διακοπή του μηχανήματος για ένα μικρό πρόβλημα.
Ή:
Συνέχιση λειτουργίας παρά ένα σοβαρό πρόβλημα.
Μελλοντικές έξυπνες μηχανές κοπής δεν πρέπει απλώς να εμφανίζουν:
Σφάλμα 102
Πρέπει να παρέχουν πιο χρήσιμη καθοδήγηση, όπως:
Το φορτίο ατράκτου είναι υψηλότερο από το κανονικό εύρος. Ελέγξτε τη φθορά του εργαλείου ή μειώστε την ταχύτητα τροφοδοσίας.
Με άλλα λόγια:
Το μηχάνημα δεν πρέπει μόνο να συλλέγει δεδομένα. Πρέπει να βοηθά τους χειριστές να κατανοούν τα δεδομένα.
Ο πραγματικός στόχος είναι να δοθεί στη νυχτερινή βάρδια:
Ικανότητες λήψης αποφάσεων κοντά σε αυτές που είναι διαθέσιμες κατά τη διάρκεια της ημέρας.
Αυτό απαιτεί:
Ο τελικός στόχος δεν είναι:
“Ζητήστε από τους χειριστές της νυχτερινής βάρδιας να γίνουν πιο έμπειροι.”
Είναι:
“Χρησιμοποιήστε συστήματα και δεδομένα για να βοηθήσετε τους απλούς χειριστές να λαμβάνουν αποφάσεις πιο κοντά σε αυτές των έμπειρων μηχανικών.”
Εκεί δημιουργούνται πραγματική αξία η αυτοματοποίηση και η έξυπνη παραγωγή.
Κατά την αγορά εργαλειομηχανής, οι κατασκευαστές συχνά εστιάζουν σε:
Όλα αυτά είναι σημαντικά.
Αλλά για παραγωγή υψηλού όγκου, υπάρχει μια άλλη μετρική που παραβλέπεται εύκολα:
Μπορεί το μηχάνημα να διατηρήσει σταθερή παραγωγή σε 24ωρη παραγωγή;
Εάν η πρωινή βάρδια παράγει 100 τεμάχια ανά ώρα ενώ η νυχτερινή βάρδια παράγει μόνο 70 τεμάχια ανά ώρα, το μηχάνημα μπορεί να είναι τεχνολογικά προηγμένο, αλλά η δυναμική του δεν έχει μετατραπεί πλήρως σε παραγωγικότητα.
Επομένως, η αξιολόγηση μιας σύγχρονης μηχανής κοπής μετάλλων δεν πρέπει να αφορά μόνο την ερώτηση:
“Μπορεί να κόψει με ακρίβεια;”
Θα πρέπει επίσης να ρωτάει:
“Μπορούν διαφορετικοί χειριστές και διαφορετικές βάρδιες να κόβουν με συνέπεια με ακρίβεια, αποδοτικότητα και αξιοπιστία;”
Ένα πραγματικά ικανό μηχάνημα δεν πρέπει να βασίζεται σε έναν έμπειρο χειριστή για να αποδώσει την πλήρη απόδοσή του.
Μέσω της τυποποίησης, της αυτοματοποίησης και της παραγωγής βάσει δεδομένων, η απόδοση του μηχανήματος θα πρέπει να εξαρτάται λιγότερο από μεμονωμένους χειριστές και διαφορές βαρδιών.
Αυτό είναι που η έξυπνη παραγωγή θα πρέπει τελικά να λύσει.
Υπεύθυνος Επικοινωνίας: Mr. Henry
Τηλ.:: +86-18101486180