20 mikrozastoja po smeni: zastoji koje niko ne prijavljuje

Mašina se zaustavi na 45 sekundi. Operater ukloni zaglavljeni deo, pritisne reset i proizvodnja se nastavlja. Niko ne zove održavanje. Niko ne piše izveštaj. Niko to ne smatra kvarom. Zatim se isto dogodi još 19 puta tokom iste smene.

Pojedinačno, ovi prekidi deluju beznačajno. Zajedno, mogu da potroše iznenađujuće veliki deo proizvodnog kapaciteta. A pošto su kratki, brzo se rešavaju i često se smatraju delom normalne proizvodnje, mikrozastoji mogu ostati gotovo nevidljivi za menadžment.

Veliki kvar mašine privlači pažnju. Zastoj od 45 sekundi obično ne.

Ali proizvodnja gubi vreme u oba slučaja.

Koliko zapravo može da košta 45 sekundi?

Problem sa mikrozastojima nije njihovo trajanje, već njihova učestalost.

Uzmimo kao ilustraciju proizvodnu liniju na kojoj se javlja 20 mikrozastoja po smeni, prosečnog trajanja od 45 sekundi.

Računica na prvi pogled izgleda bezazleno:

20 × 45 sekundi = 15 minuta po smeni.

Ali ista linija radi u tri smene dnevno:

15 minuta × 3 smene = 45 minuta dnevno.

Tokom 250 proizvodnih dana, ovi naizgled beznačajni prekidi dostižu:

187,5 sati izgubljenog proizvodnog vremena godišnje.

Ako linija inače proizvodi 120 ispravnih komada na sat, teorijski proizvodni kapacitet koji predstavljaju ovi prekidi iznosi približno 22.500 komada godišnje.

Šta ljudi primećuju	Šta proizvodnja može da izgubi
Jedan mikrozastoj	45 s
20 po smeni	15 min
3 smene	45 min/dan
250 proizvodnih dana	187,5 h/godišnje
Pri 120 komada/sat	22.500 komada/godišnje

 

Ove brojke su ilustrativne, ali pokazuju zašto vrlo male gubitke ne treba automatski smatrati beznačajnim.

Zašto niko ne prijavljuje zastoj od 45 sekundi?

Zato što, iz ugla operatera, rešavanje problema može biti brže od njegovog prijavljivanja.

Komponenta se pomeri iz položaja. Senzor treba resetovati. Materijal ne stigne kako treba. Proizvod se nakratko zaglavi. Operater odmah reaguje i proizvodnja se nastavlja.

To je često upravo ono što iskusan operater i treba da uradi.

Problem je očekivati od ljudi da ručno beleže svaki prekid od 30, 40 ili 60 sekundi.

Ako operater tokom smene ima 20 takvih događaja, traženje 20 ručnih izveštaja o zastoju dodaje posao i može ometati samu proizvodnju. Zbog toga se mnogi mikrozastoji nikada ne pojave u uobičajenim izveštajima.

Na kraju smene, linija izgleda kao da je radila gotovo bez prekida.

Ipak, proizvedena količina govori drugu priču.

Zašto mašina koja radi i dalje može da ne ispuni proizvodni cilj?

Mašini nije potreban veliki kvar da bi izgubila na Performance.

Pretpostavimo da linija treba da proizvede 120 komada na sat. Raspoloživa je veći deo smene, nema većeg kvara, a stopa škarta je niska.

Ipak, stvarni učinak u proseku iznosi samo 108 komada na sat.

Gde je nestala proizvodnja koja nedostaje?

Deo gubitaka može poticati od sporijih ciklusa. Drugi mogu poticati od kratkih prekida koji su pojedinačno premali da bi privukli pažnju.

Ovo je važan deo OEE (Overall Equipment Effectiveness). Dugi kvarovi opreme jasno utiču na Availability, dok se ponavljajući mikrozastoji i smanjena radna brzina mogu pojaviti kao gubici u Performance, u zavisnosti od toga kako su konfigurisani proizvodni proces i obračun OEE.

OEE softversko rešenje zato zahteva više od liste velikih kvarova. Potrebni su mu dovoljno detaljni proizvodni podaci da otkrije male gubitke koji se gomilaju između njih.

Šta ako je Mašina 7 prošlog meseca stala 436 puta?

Jedan mikrozastoj ne govori gotovo ništa. Stotine sličnih mikrozastoja mogu otkriti problem u proizvodnji.

Zamislite da izveštaj o proizvodnji ne pokazuje nijedan veći kvar na Mašini 7 tokom prethodnog meseca.

To zvuči pozitivno.

Sada dodajte još jednu informaciju:

Mašina 7 je imala 436 prekida kraćih od dva minuta.

Odjednom situacija zaslužuje istragu.

Možda se 70% dogodilo tokom proizvodnje istog proizvoda. Možda su postajali češći nakon nekoliko sati neprekidnog rada. Možda su se javljali uglavnom nakon određene promene proizvodnje (changeover) ili su bili koncentrisani oko jednog konkretnog procesnog uslova.

Zbog toga je automatsko praćenje zastoja mašina dragoceno. Sistem ne mora da odluči da je događaj od 45 sekundi važan u trenutku kada se dogodi.

Potrebno je da ga zabeleži dovoljno precizno kako bi njegov značaj kasnije postao vidljiv.

Kako Production Management obezbeđuje kontekst koji nedostaje?

Znati da je mašina stala 436 puta je korisno. Znati šta se u proizvodnji dešavalo tokom tih zastoja je mnogo korisnije.

Informacije o mikrozastojima postaju upotrebljivije kada se mogu povezati sa radnim nalozima, proizvodima, smenama, planiranim količinama i stvarnom proizvodnjom.

Umesto pitanja:

„Zašto ova mašina stalno staje?“

proizvodni tim može da pita:

„Zašto ova mašina stalno staje dok proizvodi Proizvod B?“

ili:

„Zašto se mikrozastoji povećavaju nakon ove konkretne promene proizvodnje?“

Upravo tu Production Management i OEE dopunjuju sirove podatke sa mašina.

Mašina daje događaj.

Proizvodnja daje kontekst.

OEE pokazuje uticaj na performanse.

Zajedno, oni pružaju mnogo čvršću osnovu za Lean Manufacturing i Kaizen aktivnosti od samog mesečnog zbira zastoja.

Može li Factory Intelligence da pronađe obrazac skriven u stotinama zastoja?

Za čoveka, 436 događaja može izgledati kao 436 zasebnih problema. Factory Intelligence može pomoći da se utvrdi da li su oni zapravo manifestacije istog ponavljajućeg obrasca.

Kada se događaji na mašinama povežu sa istorijom proizvodnje, broj mogućih veza postaje mnogo veći.

Mikrozastoji se mogu analizirati u odnosu na mašinu, proizvod, radni nalog, smenu, vreme ciklusa, prethodne aktivnosti održavanja i druge dostupne procesne informacije.

Ovde Factory Intelligence može dodati još jedan nivo analize.

Na primer, sistem može pomoći da se utvrdi da mikrozastoji postaju češći pod određenom kombinacijom proizvodnih uslova, ili da istakne neuobičajenu promenu u učestalosti ili trajanju kratkih prekida.

Cilj nije da AI izmisli uzrok problema.

Cilj je da pretraži velike količine proizvodnih podataka u potrazi za obrascima koje bi ljudi teško i sporo pronalazili ručno.

To inženjerima daje mnogo bolju polaznu tačku za istragu.

Da li mikrozastoji mogu biti i rano upozorenje?

Rastući broj malih prekida ponekad može biti zanimljiviji od jednog izolovanog zastoja.

Zamislite mašinu koja inače ima 10 kratkih prekida nedeljno.

Zatim se broj povećava:

Nedelja 1: 11

Nedelja 2: 14

Nedelja 3: 23

Nedelja 4: 38

Za ovaj rast može postojati sasvim razumljiv proizvodni razlog. Drugačiji asortiman proizvoda, novi materijal ili promenjeni radni uslovi mogli bi da ga objasne.

Ali trend može zasluživati i pažnju održavanja.

Kada su informacije iz modula Maintenance i istorija proizvodnje dostupne zajedno, ponavljajuće promene se mogu istražiti pre nego što se jednostavno prihvate kao nova normalnost. Vremenom, isti povezani podaci mogu da posluže i kao osnova za prediktivnu analizu u okviru Factory Intelligence.

Kako TAP Smart Factory čini nevidljive gubitke vidljivim?

TAP Smart Factory je modularni MES sistem za praćenje proizvodnje u realnom vremenu, koji je razvio T3Soft.

Povezivanjem podataka sa mašina sa modulima OEE, Production Management, Maintenance i Reporting, TAP može da pruži kontekst oko proizvodnih gubitaka koje bi inače bilo teško uočiti.

TAP Smart Factory nije ERP rešenje. Može da dopuni sisteme kao što su SAP i Microsoft Dynamics 365 Business Central (ranije Navision), uz komunikaciju sa PLC uređajima, mašinama, senzorima, kamerama, štampačima i drugom proizvodnom opremom.

Na taj način nastaje povezano Smart Manufacturing okruženje u kome kratki događaji ne moraju da nestanu samo zato što niko nije imao vremena da ih zapiše.

Prekid od 45 sekundi možda nije bitan.

Čak ni njih 20 možda ne deluje dramatično tokom užurbane smene.

Ali kada se isti obrazac ponavlja dan za danom, računica se menja.

20 mikrozastoja po smeni može da postane 187,5 sati izgubljenog proizvodnog vremena godišnje.

A stotine naizgled nepovezanih događaja mogu imati nešto zajedničko.

Najskuplji zastoj možda nije kvar koga se svi sećaju. Možda je to onih 45 sekundi koje niko ne prijavljuje.