Gamyba

DI gamybos ceche. Ne valdybos skaidrėse.

Dirbame su gamyklomis ir gamybos įmonėmis, kurios jau turi veiklos duomenų – ir jų neišnaudoja. Prognozės, kurios padeda tiksliau pirkti, anomalijos, aptinkamos prieš prastovą, ir techninė priežiūra, kuri nustoja būti vien taisomoji. Pirmiausia verslas, paskui jutikliai.

Užsisakyti nemokamą pokalbį Žiūrėti DI konsultacijas

DI, taikomas realiai gamyklų veiklai

Iššūkis

Duomenų turite. Bėda ta, kad jie vis dar gyvena Excel.

Pramonė dešimtmetį investavo į MES, ERP ir IoT. Duomenys yra – tačiau sprendimai vis dar priimami pagal nuojautą, nes niekas jų nenaudoja prognozuoti, įspėti ar optimizuoti. DI neišsprendžia duomenų trūkumo problemos. Jis išsprendžia jau turimų duomenų neišnaudojimo problemą.

  • Prognozavimas vis dar rankinis

    Pirkimai ir gamyba planuojami Excel faile, kuriame susimaišo istorija, pardavimų nuojauta ir „ką darėme pernai“. Rezultatas – atsargų perteklius arba svarbių prekių trūkumas.

  • Taisomoji, o ne prognozinė priežiūra

    Įrenginiai sugenda, linijos sustoja, kviečiami technikai. Neplanuotų prastovų kaštai išlieka svarbiausiu mėnesinio komiteto darbotvarkės klausimu.

  • Per vėlai aptinkamos kokybės anomalijos

    Brokuotos partijos pastebimos linijos gale arba, dar blogiau, gavus kliento pretenziją. Priežastys slypi proceso duomenyse, bet niekas jų neskaito realiuoju laiku.

  • Ataskaitos, rengiamos kelias dienas

    Savaitės ar mėnesio uždarymas reikalauja rankinio duomenų sujungimo iš skirtingų sistemų. Kol vadovybė jas pamato, veikti jau per vėlu.

Panaudojimo atvejai

Kur DI atsiperka gamykloje

Penki konkretūs pritaikymai, duodantys išmatuojamą grąžą, kai yra švarių veiklos duomenų – dažnai dalis mūsų projekto yra būtent tas „valymas“.

  • 01

    Paklausos ir gamybos prognozavimas

    Modeliai, sujungiantys jūsų pardavimų istoriją su sezoniškumu, kalendoriumi ir išoriniais signalais (žaliavų kainomis, oru, šventėmis). Pirkimai nebėra spėlionės.

    Kas pasikeičia

    Įprastai atsargų perteklius sumažėja 20–35 %. Svarbiausių prekių (SKU) trūkumas sumažėja 40–60 %. Pirkimo sprendimai priimami keliomis savaitėmis anksčiau nei taikant rankinį modelį.

  • 02

    Anomalijų aptikimas gamybos linijoje

    Modeliai išmoksta įprastą linijos elgseną – temperatūras, slėgius, ciklų trukmes, vibracijas – ir realiuoju laiku įspėja, kai dėsningumai sutrinka. Gerokai anksčiau, nei pastebi operatorius ar sugadinama partija.

    Kas pasikeičia

    Defektai aptinkami proceso metu, o ne po fakto. Išmatuojamai mažėja broko ir pretenzijų. Priežastys pagrįstos duomenimis, o ne „pamainos vadovo hipotezėmis“.

  • 03

    Prognozinė techninė priežiūra

    Remdamiesi gedimų istorija ir svarbiausių įrenginių telemetrija, modeliai įvertina tikėtiną gedimo laikotarpį. Priežiūra planuojama prieš prastovą – ne po jos.

    Kas pasikeičia

    Neplanuotos prastovos įrenginiuose, kuriems taikomas sprendimas, sumažėja 20–40 %. Bendros priežiūros išlaidos mažėja išvengus avarinių situacijų.

  • 04

    Gamybos asortimento optimizavimas

    Gamykloms su daug SKU ir pajėgumų apribojimais: savaitiniai gamybos asortimento pasiūlymai, atsižvelgiant į maržą, terminus, žaliavas ir apkrovą. Sprendžia žmonės, o modelis pateikia duomenimis pagrįstą atspirties tašką.

    Kas pasikeičia

    Didesnė marža dėl geresnių asortimento sprendimų. Mažiau nereikalingų įrankių keitimų. Terminai laikomi neperprodukuojant.

  • 05

    Realaus laiko veiklos skydelis

    Viena vieta OEE, kokybei, kaštams ir plano bei faktinių rezultatų palyginimui, duomenis imant iš esamų sistemų (MES, ERP, jutiklių). Vadovybė mato veiklą tada, kai tai svarbu, o ne mėnesio pabaigoje.

    Kas pasikeičia

    Sprendimai, kuriems anksčiau reikėdavo savaitės, priimami tą pačią dieną. Komiteto posėdžiai vyksta remiantis aktualiais duomenimis – nebėra pirmadienio pristatymų su praėjusio ketvirtadienio skaičiais.

Mūsų požiūris

Pradedame ten, kur yra duomenų. Baigiame ten, kur yra grąža.

Neparduodame „skaitmeninės transformacijos“. Audituojame jūsų duomenis – MES, ERP, SCADA, IoT – ir nustatome, kur modelis duos vertę iš karto. Jei duomenų kokybės nepakanka, taip ir sakome ir pirmiausia siūlome sutvarkyti duomenų infrastruktūrą. Modeliai ateina po jos.

  • Pramoninio DI pasirengimas

    3–4 savaitės

    Veiklos sistemų, duomenų prieinamumo ir kritinių procesų auditas. Nustatome 2–3 panaudojimo atvejus su geriausia 12 mėnesių grąža jūsų gamyklai.

    • Duomenų šaltinių (MES, ERP, SCADA, jutiklių) žemėlapis
    • Duomenų kokybės vertinimas pagal procesus
    • Panaudojimo atvejų katalogas su įvertinta grąža
    • 12 mėnesių veiksmų planas su nustatytais greitais laimėjimais

  • Vieno proceso bandomasis projektas

    8–14 savaičių

    Visapusis vieno panaudojimo atvejo (prognozavimo, anomalijų, prognozinės priežiūros) įgyvendinimas ribotoje apimtyje – vienoje linijoje, svarbiausiam SKU ar vienai įrenginių grupei.

    • Duomenų srautas nuo šaltinio iki modelio
    • Modelis, apmokytas pagal jūsų istoriją
    • Integracija su esama MES / ERP
    • Praktiškas skydelis veiklos vadovui
    • Poveikio stebėjimas 8 savaites po paleidimo

  • Veiklos platforma

    6–9 mėnesiai

    Pramonės grupėms, norinčioms sujungti kelis atvejus bendrame, nuolat atnaujinamame duomenų ir modelių sluoksnyje.

    • Vieninga duomenų architektūra
    • Keli modeliai tame pačiame duomenų sluoksnyje
    • Vadovų ir veiklos skydeliai
    • Nuolatinė pagalba ir permokymas
    • Vidinis įsisavinimas ir duomenų mokymai

Rezultatai

Kas pasikeičia gamyboje per 6–9 mėnesius

  • Prognozavimas sumažina atsargas 20–35 %, išlaikant ar gerinant aptarnavimo lygį.
  • Neplanuotos prastovos įrenginiuose su prognozine priežiūra sumažėja 20–40 %.
  • Brokuotos partijos aptinkamos proceso viduryje – išmatuojamai mažėja broko ir pretenzijų.
  • Kasdienis veiklos uždarymas vietoje savaitinio. Vadovybė dirba su šiandienos duomenimis.
  • Pirkimų planas glaudžiai atitinka prognozę – nebėra atsargų perteklių „dėl visa ko“.
  • Auga vidinis gebėjimas savarankiškai nustatyti ir prioritetizuoti naujus DI atvejus.

Nemokamas išteklius

DI pasirengimo kontrolinis sąrašas.

12 klausimų, kuriuos užduodame kiekvieno projekto pradžioje, kad rastume, kur DI duotų daugiausia naudos. Atsiųsime jį el. paštu.

Gauti kontrolinį sąrašą

DUK

Ko mūsų klausia gamybos vadovai

  • Ar norint pradėti viskas turi būti suskaitmeninta?

    Ne. Reikia tam tikrų duomenų. Pradinis mūsų auditas parodo, ar jūsų duomenys tinka panaudojimo atvejui. Dažnai pirmieji mėnesiai skiriami duomenų infrastruktūrai – ir tai pasakome prieš pradėdami, o ne po to.

  • Kiek istorinių duomenų reikia?

    Priklauso. Metinio sezoniškumo prognozavimui reikia 2–3 metų švarių duomenų. Anomalijų aptikimą galima pradėti turint kelių savaičių įprastos veiklos duomenis. Prognozinei priežiūrai reikia gedimų istorijos ir telemetrijos. Tai tiksliai nustatome DI pasirengimo etape.

  • O jei mano MES / ERP jau teigia, kad turi „DI“?

    Dauguma siūlo ataskaitas, pavadintas DI. Paklauskite savęs: ar dėl to priimate kitokius pirkimo, gamybos ar priežiūros sprendimus? Jei ne, jų DI nėra pritaikytas – dažniausiai tai įsisavinimo ar konfigūracijos problema. Tai įvertiname prieš jums perkant ką nors naujo.

  • Kiek tai kainuoja?

    Pasirengimo vertinimas: 6–12 tūkst. €. Vieno proceso bandomasis projektas: 30–70 tūkst. €. Kelių atvejų platforma: 90–180 tūkst. € ir daugiau per kelis mėnesius. Taisyklė: kiekvienas investuotas euras turi turėti verslo atvejį su grąža per 18 mėnesių.

  • O kibernetinis saugumas? Nenoriu atverti OT.

    Tai griežtas apribojimas. Diegiame architektūras, kurios laikosi OT ir IT atskyrimo, prireikus – jūsų infrastruktūroje (on-premise), o prie veiklos tinklų jungiamės tik kontroliuojamai, pasirašytu ir tik skaitymo režimu. Duomenys iš gamyklos išeina tik tada, kai tai tvirtai pagrįsta.

Pasiruošę pamatyti, kas duos rezultatų jūsų gamykloje?

30 minučių pokalbis apie jūsų gamybos asortimentą, veiklos sistemas ir konkrečias problemas. Išsiskirsime turėdami 2–3 galimus atvejus ir aiškų investicijų vaizdą.

Užsisakyti pokalbį Žiūrėti DI konsultacijas