ในโรงงานแปรรูปโลหะหลายแห่งที่ทำงานสองหรือสามกะ มีปัญหาทั่วไปที่ทุกคนทราบดี แต่มีเพียงไม่กี่บริษัทที่วิเคราะห์อย่างจริงจัง:
เหตุใดผลผลิตของเครื่องจักรเดียวกันจึงแตกต่างกันถึง 20% หรือแม้แต่ 30% ระหว่างกะกลางวันและกะกลางคืน แม้ว่าเครื่องจักร วัสดุ และพารามิเตอร์การตัดจะเหมือนกัน?
คำอธิบายแรกมักจะเป็น:
อย่างไรก็ตาม ปัญหาที่แท้จริงมักจะซับซ้อนกว่านั้น
ตัวเครื่องจักรเองไม่ได้เปลี่ยนแปลงไป สิ่งที่เปลี่ยนแปลงคือระบบการตัดสินใจรอบๆ เครื่องจักร
ในเวลากลางวัน วิศวกร บุคลากรซ่อมบำรุง และผู้จัดการฝ่ายผลิตมักจะพร้อมให้บริการ ในเวลากลางคืน ผู้ปฏิบัติงานอาจต้องตัดสินใจด้วยตนเองเมื่อพบปัญหาการสึกหรอของเครื่องมือ เสียงการตัดที่ผิดปกติ โหลดสปินเดิลที่ไม่เสถียร หรือปัญหาการจับยึดชิ้นงาน
สิ่งนี้สร้าง “ช่องว่างที่ซ่อนอยู่" ที่แท้จริงระหว่างกะกลางวันและกะกลางคืน
ลองนึกภาพโรงงานแปรรูปโลหะที่ทำงานสองกะทุกวัน
ผลลัพธ์อาจมีลักษณะดังนี้:
|
ตัวชี้วัด |
กะกลางวัน |
กะกลางคืน |
|
ผลผลิตต่อชั่วโมง |
100 ชิ้น |
70–80 ชิ้น |
|
การเปลี่ยนเครื่องมือ |
2 |
3 |
|
การหยุดทำงานโดยไม่ได้วางแผน |
15 นาที |
40 นาที |
|
อัตราของเสีย |
1% |
3% |
|
การปรับพารามิเตอร์ |
ทันที |
ล่าช้า |
|
การแก้ไขปัญหา |
ได้รับการสนับสนุนจากวิศวกร |
อิงตามผู้ปฏิบัติงาน |
เครื่องจักรไม่ได้เปลี่ยนแปลงไป แต่ผลผลิตเปลี่ยนแปลงไป
ดังนั้น คำถามที่แท้จริงไม่ใช่:
“กะไหนทำงานหนักกว่ากัน?”
คำถามที่ดีกว่าคือ:
“ทั้งสองกะมีข้อมูล ความสามารถในการตัดสินใจ และการสนับสนุนการแก้ไขปัญหาเหมือนกันหรือไม่?”
ในการตัดโลหะ สภาพของเครื่องมือส่งผลโดยตรงต่อประสิทธิภาพการผลิต
สำหรับเครื่องเลื่อยวงเดือนและเครื่องเลื่อยสายพาน ใบเลื่อยจะสึกหรอไปเรื่อยๆ ระหว่างการทำงาน
เมื่อการสึกหรอของเครื่องมือเพิ่มขึ้น:
ผู้ปฏิบัติงานกะกลางวันอาจสังเกตเห็นการเปลี่ยนแปลงเหล่านี้และติดต่อวิศวกรทันที
วิศวกรอาจระบุได้ว่า:
เครื่องมือยังไม่สึกหรอจนหมด เพียงแค่ป้อนเร็วเกินไป
วิศวกรสามารถปรับอัตราป้อนและดำเนินการผลิตต่อไปได้
แต่หากไม่มีการสนับสนุนจากวิศวกร ผู้ปฏิบัติงานกะกลางคืนอาจตัดสินใจอย่างใดอย่างหนึ่งในสองทางเลือกที่มากเกินไป
ผู้ปฏิบัติงานได้ยินเสียงการตัดที่ผิดปกติและเปลี่ยนใบมีดทันที
ผลลัพธ์:
ใบมีดยังมีอายุการใช้งาน แต่ถูกทิ้งไปก่อนเวลาอันควร
ผู้ปฏิบัติงานคิดว่า:
“มันยังตัดได้อยู่ งั้นก็ใช้ต่อไปเถอะ”
สิ่งนี้อาจส่งผลให้:
ดังนั้น การเปลี่ยนเครื่องมือไม่ควรขึ้นอยู่กับสัญชาตญาณของผู้ปฏิบัติงานเพียงอย่างเดียว
แนวทางที่ดีกว่าคือการสร้างการจัดการอายุการใช้งานเครื่องมือตามข้อมูล
ตัวอย่างเช่น:
ใบมีด 1 ใบ → จำนวนครั้งที่ตัด → เวลาในการตัด → โหลดสปินเดิล → คุณภาพการตัด → เวลาเปลี่ยน
หลังจากรวบรวมข้อมูลเพียงพอแล้ว โรงงานสามารถกำหนดได้ว่า:
เมื่อใดควรเปลี่ยนใบมีด แทนที่จะรอให้ผู้ปฏิบัติงานรู้สึกว่าควรเปลี่ยน
สำหรับอุปกรณ์ตัดโลหะอัตโนมัติ โหลดสปินเดิลเป็นสัญญาณกระบวนการที่มีค่า
สมมติว่าโหลดสปินเดิลยังคงที่ระหว่างการผลิตปกติ
ทันใดนั้น รูปแบบก็เปลี่ยนไป:
ปกติ → ปกติ → เพิ่มขึ้นอย่างรวดเร็ว → ผันผวนต่อเนื่อง
สิ่งนี้อาจบ่งชี้ถึง:
ในเวลากลางวัน วิศวกรอาจระบุปัญหาได้อย่างรวดเร็ว
ในเวลากลางคืน หากไม่มีใครเฝ้าดูข้อมูล เครื่องจักรอาจทำงานต่อไปอีกหลายชั่วโมง
ต้นทุนจะไม่ใช่แค่ราคาใบมีดสำรองอีกต่อไป
อาจกลายเป็น:
ต้นทุนเครื่องมือ + เวลาหยุดทำงาน + ต้นทุนของเสีย + ต้นทุนแรงงาน + ความล่าช้าในการจัดส่ง
ดังนั้น คำถามสำคัญสำหรับผู้จัดการโรงงานคือ:
เครื่องจักรสร้างข้อมูลไม่เพียงพอ ข้อมูลนั้นถูกนำไปใช้ในการตัดสินใจการผลิตจริงหรือไม่?
นี่เป็นหนึ่งในปัญหาที่ถูกมองข้ามมากที่สุดในการผลิต
เมื่อเครื่องจักรทำงานผิดปกติ ผู้ปฏิบัติงานอาจเผชิญกับความเป็นไปได้หลายอย่าง
เป็นเพราะ:
หากไม่มีมาตรฐานที่ชัดเจน ผู้ปฏิบัติงานต้องอาศัยประสบการณ์
สมมติว่ารอบการตัดปกติคือ:
30 วินาทีต่อชิ้น
แต่กลับกลายเป็น:
40 วินาทีต่อชิ้น
เกิดอะไรขึ้น?
เครื่องจักรมีประสิทธิภาพลดลงหรือไม่?
หรือวัสดุเปลี่ยนไป?
หากไม่มีข้อมูลย้อนหลัง เป็นเรื่องยากสำหรับผู้ปฏิบัติงานที่จะทราบ
ผู้ปฏิบัติงานอาจสังเกตเห็น:
แต่ควรทำอย่างไร?
ปรับอัตราป้อน?
หรือ:
ตรวจสอบใบมีด?
หรือ:
ตรวจสอบระบบจับยึด?
หรือ:
หยุดเครื่องจักรและติดต่อฝ่ายซ่อมบำรุง?
นี่คือความเสี่ยงที่แท้จริงของการผลิตกะกลางคืน:
ปัญหาไม่ใช่ว่าไม่มีใครสามารถใช้งานเครื่องจักรได้ ปัญหาคือไม่มีใครพร้อมที่จะช่วยผู้ปฏิบัติงานตัดสินใจได้อย่างถูกต้อง
หากโรงงานได้นำระบบ MES หรือระบบรวบรวมข้อมูลเครื่องจักรมาใช้ ระบบดังกล่าวสามารถให้ข้อมูลระดับกะจำนวนมากได้
ตัวอย่างเช่น:
เช่น:
ตัวอย่างเช่น:
รวมถึง:
ข้อมูลเหล่านี้สามารถช่วยตอบคำถามที่สำคัญได้ว่า:
“เครื่องจักรของเราสามารถผลิตได้ตามกำลังการผลิตที่ออกแบบไว้จริงหรือไม่?”
“ซ่อน" ไม่ได้หมายความว่าระบบ MES จงใจปลอมแปลงข้อมูล
ประเด็นที่แท้จริงคือ:
ระบบสามารถบอกคุณได้ว่าเกิดอะไรขึ้น แต่ระบบอาจไม่สามารถบอกคุณได้ว่าทำไมจึงเกิดขึ้น
ตัวอย่างเช่น ระบบ MES อาจแสดง:
การใช้ประโยชน์จากเครื่องจักรในกะกลางคืน: 82%
แต่ระบบอาจไม่บอกคุณว่า:
8% ของเวลาที่สูญเสียเกิดจากการที่ผู้ปฏิบัติงานรอวิศวกรเพื่อยืนยันพารามิเตอร์การตัด
ระบบอาจแสดง:
ผลผลิตกะกลางคืน: 780 ชิ้น
แต่ระบบอาจไม่แสดงว่า:
50 ชิ้นต้องทำการผลิตซ้ำเนื่องจากคุณภาพการตัดไม่เสถียร
ระบบอาจแสดง:
การเปลี่ยนเครื่องมือ 3 ครั้ง
แต่ระบบอาจไม่สามารถอธิบายได้ว่า:
การเปลี่ยนครั้งหนึ่งเป็นการสิ้นสุดอายุการใช้งานเครื่องมือตามปกติ การเปลี่ยนครั้งหนึ่งเกิดจากการตัดสินใจผิดพลาดของผู้ปฏิบัติงาน และการเปลี่ยนครั้งหนึ่งเกิดจากการปรับพารามิเตอร์ล่าช้า
ดังนั้น:
ข้อมูลบอกคุณว่าเกิดอะไรขึ้น กระบวนการจัดการเป็นตัวกำหนดว่าคุณจะเข้าใจว่าทำไมจึงเกิดขึ้นหรือไม่
หากโรงงานต้องการระบุสาเหตุที่แท้จริงของช่องว่างประสิทธิภาพการผลิต 30% ควรเปรียบเทียบตัวชี้วัดอย่างน้อยดังต่อไปนี้
อย่าเปรียบเทียบผลผลิตรวมรายวันเท่านั้น
ตัวชี้วัดที่ดีกว่าคือ:
ผลผลิตต่อชั่วโมงเครื่องจักร
สิ่งนี้จะบอกคุณว่าเครื่องจักรสร้างผลผลิตได้มากน้อยเพียงใดในช่วงเวลาทำงานที่พร้อมใช้งาน
เปรียบเทียบ:
เวลาวงจรเฉลี่ยกะกลางวัน กับ เวลาวงจรเฉลี่ยกะกลางคืน
แม้ว่ากะกลางคืนจะช้ากว่าเพียง 5 วินาทีต่อชิ้นความแตกต่างก็อาจมีนัยสำคัญหลังจากหลายร้อยหรือหลายพันชิ้น
เปรียบเทียบ:
ใบมีดกี่ใบที่ใช้ต่อ 1,000 ชิ้น?
หากการใช้เครื่องมือในกะกลางคืนสูงกว่าอย่างมีนัยสำคัญ ปัญหาอาจเกี่ยวข้องกับ:
สมมติว่าโรงงานผลิต 1,000 ชิ้น
กะกลางวัน:
10 ชิ้นที่ชำรุด
กะกลางคืน:
30 ชิ้นที่ชำรุด
ความแตกต่างเพียง 20 ชิ้นในหนึ่งกะ
แต่ตลอดทั้งเดือน ต้นทุนอาจมีนัยสำคัญ
นี่เป็นหนึ่งในตัวชี้วัดที่สำคัญที่สุดสำหรับโรงงานหลายแห่ง
เพราะ:
การหยุดทำงานของเครื่องจักรหนึ่งนาทีไม่ได้หมายถึงการสูญเสียการผลิตเพียงหนึ่งนาที
นอกจากนี้ยังอาจส่งผลกระทบต่อ:
เมื่อโรงงานพบว่าประสิทธิภาพการผลิตกะกลางคืนต่ำลง การตอบสนองแรกมักจะเป็น:
“เราต้องฝึกอบรมผู้ปฏิบัติงานกะกลางคืนให้ดีขึ้น”
การฝึกอบรมมีความสำคัญ แต่ไม่ใช่การแก้ปัญหาทั้งหมด
แนวทางที่มีประสิทธิภาพมากขึ้นรวมถึงสิ่งต่อไปนี้
เปลี่ยนประสบการณ์ทางวิศวกรรมให้เป็น:
เป้าหมายคือเพื่อให้แน่ใจว่าผู้ปฏิบัติงานกะกลางคืนไม่ต้องคาดเดา
สำหรับวัสดุ ขนาด และประเภทเครื่องมือที่แตกต่างกัน ให้กำหนด:
จากนั้นการตัดสินใจของผู้ปฏิบัติงานจะเปลี่ยนจาก:
“ฉันคิดว่าเราควรปรับสิ่งนี้”
เป็น:
“ตามมาตรฐาน นี่คือการปรับที่ถูกต้อง”
ตัวอย่างเช่น:
ระดับ 1: ผู้ปฏิบัติงานจัดการ
↓
ระดับ 2: หัวหน้าทีมยืนยัน
↓
ระดับ 3: วิศวกรให้การสนับสนุนระยะไกล
↓
ระดับ 4: ฝ่ายซ่อมบำรุงเข้าแทรกแซง
สิ่งนี้จะป้องกันสองขั้ว:
หยุดเครื่องจักรสำหรับปัญหาเล็กน้อย
หรือ:
ทำงานต่อไปแม้จะมีปัญหาใหญ่
เครื่องจักรตัดอัจฉริยะในอนาคตไม่ควรถามเพียงแค่:
ข้อผิดพลาด 102
ควรให้คำแนะนำที่เป็นประโยชน์มากขึ้น เช่น:
โหลดสปินเดิลสูงกว่าช่วงปกติ โปรดตรวจสอบการสึกหรอของเครื่องมือหรือลดอัตราป้อน
กล่าวอีกนัยหนึ่งคือ:
เครื่องจักรไม่ควรรวบรวมข้อมูลเท่านั้น แต่ควรช่วยให้ผู้ปฏิบัติงานเข้าใจข้อมูลนั้นด้วย
เป้าหมายที่แท้จริงคือการให้กะกลางคืน:
ความสามารถในการตัดสินใจใกล้เคียงกับที่มีในเวลากลางวัน
ซึ่งต้องใช้:
เป้าหมายสูงสุดไม่ใช่:
“ขอให้ผู้ปฏิบัติงานกะกลางคืนมีประสบการณ์มากขึ้น”
แต่คือ:
“ใช้ระบบและข้อมูลเพื่อช่วยให้ผู้ปฏิบัติงานทั่วไปตัดสินใจได้ใกล้เคียงกับวิศวกรที่มีประสบการณ์”
นั่นคือที่ที่ระบบอัตโนมัติและการผลิตอัจฉริยะสร้างมูลค่าที่แท้จริง
เมื่อซื้อเครื่องมือกล ผู้ผลิตมักจะให้ความสำคัญกับ:
ทั้งหมดนี้มีความสำคัญ
แต่สำหรับการผลิตปริมาณมาก มีอีกตัวชี้วัดหนึ่งที่มักถูกมองข้าม:
เครื่องจักรสามารถรักษาผลผลิตที่เสถียรได้ตลอดการผลิต 24 ชั่วโมงหรือไม่?
หากกะกลางวันผลิตได้ 100 ชิ้นต่อชั่วโมง ในขณะที่กะกลางคืนผลิตได้เพียง 70 ชิ้นต่อชั่วโมง เครื่องจักรอาจมีความก้าวหน้าทางเทคโนโลยี แต่ศักยภาพของมันยังไม่ถูกแปลงเป็นผลผลิตอย่างเต็มที่
ดังนั้น การประเมินเครื่องมือตัดโลหะสมัยใหม่ไม่ควรถามเพียงแค่:
“มันตัดได้แม่นยำหรือไม่?”
ควรถามด้วยว่า:
“ผู้ปฏิบัติงานที่แตกต่างกันและกะที่แตกต่างกันสามารถตัดได้อย่างแม่นยำ มีประสิทธิภาพ และเชื่อถือได้สม่ำเสมอหรือไม่?”
เครื่องจักรที่มีความสามารถอย่างแท้จริงไม่ควรต้องพึ่งพาผู้ปฏิบัติงานที่มีประสบการณ์เพียงคนเดียวเพื่อให้ได้ประสิทธิภาพสูงสุด
ผ่านการสร้างมาตรฐาน ระบบอัตโนมัติ และการผลิตที่ขับเคลื่อนด้วยข้อมูล ประสิทธิภาพของเครื่องจักรควรขึ้นอยู่กับผู้ปฏิบัติงานแต่ละรายและความแตกต่างของกะน้อยลง
นั่นคือสิ่งที่การผลิตอัจฉริยะควรแก้ไขในท้ายที่สุด
ผู้ติดต่อ: Mr. Henry
โทร: +86-18101486180
Thai
