Manufaktur Berdasarkan Data:Manfaat, Tantangan, dan Strategi

Mengoptimalkan Efisiensi Produksi melalui Strategi Manufaktur Berdasarkan Data

Meskipun ada beragam teknologi pengambilan data, produsen masih kesulitan menggunakannya. Karena tantangan besar inilah tujuan manufaktur berbasis data tampaknya semakin tidak dapat dicapai.

Namun, ada beberapa pendekatan berbasis data yang dapat Anda ambil saat mengoptimalkan efisiensi produksi. Pendekatan ini termasuk memanfaatkan IoT Industri untuk menangkap data lantai toko, menyebarkan perangkat komputasi tepi lantai toko, atau memasukkan statistik mesin secara manual ke dalam lembar excel untuk analisis lebih lanjut. Dua opsi sebelumnya adalah solusi digital dengan proses otomatis sedangkan yang terakhir adalah manual. Seperti yang diharapkan, digitalisasi menang dan membuat pengambilan data lantai toko dan membuatnya berfungsi, proses yang lebih efisien.

Dengan mengingat hal ini, akan sangat membantu untuk menyelami lebih dalam apa artinya menjadi produsen berbasis data, manfaat dan tantangan apa yang mungkin Anda alami dari meluncurkan program yang berfokus pada data, dan strategi nyata apa yang dapat Anda adopsi saat Anda maju dalam analisis Anda. kedewasaan.

Apa itu Manufaktur Berbasis Data?

Dasbor kinerja MachineMetrics di lantai toko.

Manufaktur berbasis data adalah pendekatan produksi yang memungkinkan fakta dan serangkaian KPI manufaktur yang ketat untuk memandu pengambilan keputusan, yang bertentangan dengan tebakan, bukti anekdot, atau "firasat".

Ini adalah pendekatan yang memanfaatkan data dari peralatan lantai bengkel, operator, rantai pasokan, di antara sumber lainnya, untuk memungkinkan produsen membuat keputusan yang lebih baik saat mereka berupaya mengurangi biaya dan meningkatkan efisiensi operasional.

Teknologi yang sedang berkembang memberi lebih banyak produsen kemampuan untuk mengumpulkan dan memproses data dari operasi mereka, yang mengarah pada lonjakan solusi yang dapat mengekstrak wawasan dari data manufaktur secara real-time. Namun, tidak semua analitik sama.

Agar berhasil memanfaatkan data dalam suatu operasi, pertama-tama Anda harus dapat mengumpulkan data akurat yang dapat diproses dan ditampilkan secara efektif sehingga mudah dikonsumsi pengguna.

Misalnya, jika Anda mengumpulkan data kinerja mesin secara manual di papan klip, tidak hanya ada komitmen waktu yang besar untuk menyelesaikannya, tetapi juga kemungkinan besar terjadi kesalahan manusia. Di sisi lain, pengumpulan data langsung dari mesin melalui PLC menghasilkan aliran data yang sangat akurat dan tidak bias. Kedua solusi di sini dapat dianggap "didorong oleh data" tetapi yang terakhir jauh lebih unggul dan akan menghasilkan pengambilan keputusan yang lebih baik.

Manfaat Menjadi Berbasis Data di Manufaktur

Peningkatan Visibilitas: Daya tarik manufaktur berbasis data adalah bahwa para pemimpin di lantai toko dan kantor perusahaan dapat memiliki pemahaman yang lebih dalam tentang kinerja berdasarkan data yang dikumpulkan di seluruh organisasi. Data memberikan wawasan tidak hanya tentang kinerja aset individu, tetapi juga operasi secara keseluruhan. Ini membantu pengambil keputusan menentukan area peluang, apakah itu shift berperforma buruk, waktu henti mesin berulang, atau kemacetan produksi lainnya.

AI dan Pembelajaran Mesin: Dengan kumpulan data yang besar, produsen memiliki kemampuan untuk menjalankan algoritme pembelajaran mesin yang membantu memecahkan masalah yang kompleks. Misalnya, tim ilmu data kami memanfaatkan pembelajaran mesin tanpa pengawasan untuk mendeteksi anomali CNC. Dengan upaya analitis seperti inilah produsen dapat mengadopsi praktik lanjutan seperti pemeliharaan prediktif. Tanpa kemampuan pemrosesan atau akses ke data, bahkan bentuk sederhana dari pengambilan keputusan berbasis data tidak akan mungkin terjadi.

Otomasi: Ada dua kategori otomatisasi yang dapat didukung oleh strategi berbasis data. Yang pertama adalah pengumpulan data secara otomatis. Jika suatu operasi dilengkapi dengan perangkat untuk mengumpulkan data dan perangkat lunak untuk memprosesnya, proses pengumpulan data tidak lagi memerlukan upaya manual.

Komponen kedua dari otomatisasi adalah penggunaan data untuk pengambilan keputusan otomatis. Seiring kemajuan produsen dalam perjalanan analitik mereka, mereka beralih dari analitik deskriptif ke analitik prediktif. Ini berarti bahwa mereka pertama-tama menggunakan data untuk memahami apa yang telah terjadi atau sedang terjadi, tetapi pada akhirnya matang untuk memahami apa yang dapat terjadi dan memiliki kesempatan untuk mengambil tindakan terhadapnya secara mandiri.

Penghematan Biaya: Data melengkapi lean manufacturing karena memberikan informasi yang dibutuhkan produsen untuk merampingkan proses produksi dan meminimalkan pemborosan. Tanpa data keras, sulit untuk mengukur peningkatan produksi secara akurat dan memastikan bahwa perubahan telah menghasilkan penghematan biaya.

Misalnya, Carolina Precision Manufacturing, produsen suku cadang CNC Swiss berdiameter kecil dengan toleransi ketat, menghemat $1,5 juta dalam satu tahun dengan meluncurkan platform IoT untuk memastikan visibilitas data penuh. Dalam studi kasus, dijelaskan bagaimana mereka mampu meningkatkan efisiensi produksi, mengoptimalkan pemanfaatan alat berat, dan mendorong akuntabilitas operator.

Tantangan Manufaktur Berbasis Data

Sumber Data Tersendiri dan Sistem Lama: Banyak sistem dan peralatan tidak dibangun dengan maksud untuk berbicara satu sama lain. Ini mungkin hasil dari sistem operasi yang terpisah antara departemen yang berbeda, peralatan warisan, atau hanya kurangnya dokumentasi dan komunikasi. Masalahnya di sini adalah mungkin sulit untuk mengumpulkan data di seluruh sistem yang berbeda, artinya Anda akan mendapatkan lebih sedikit nilai dari data yang dikumpulkan. Platform IoT yang menghubungkan berbagai tingkat sistem dan menghadirkan peralatan lama secara online membantu menyelesaikan masalah ini.

Ancaman Keamanan: Masalah keamanan IoT industri muncul karena dua alasan utama. Pertama, karena semakin banyak perangkat yang terhubung, ada peluang lebih besar untuk menciptakan kerentanan untuk pelanggaran. Kedua, keamanan belum pernah ditangani di tingkat mesin sebelumnya, yang berarti tidak ada standar atau protokol yang dikembangkan. Namun, ada solusi untuk mengurangi risiko.

Penyimpanan Data: Semakin banyak perangkat dan sistem terhubung yang diaktifkan oleh produsen berbasis data, semakin banyak data yang akan dikumpulkan. Di permukaan, ini adalah manfaat yang kuat jika pengguna dapat memperoleh wawasan dari data yang dikumpulkan. Namun, aliran data yang berkembang membutuhkan tempat untuk dikumpulkan dan diproses, yang bisa menjadi tantangan yang sulit. Hal ini sangat menghemat biaya jika pengguna ingin menyimpan data di tempat, yang merupakan alasan kuat untuk penggunaan komputasi awan.

Strategi Manufaktur Berdasarkan Data

Strategi Pengoptimalan Proses Berdasarkan Data

Langkah awal untuk mengoptimalkan kapasitas produksi suatu mesin adalah dengan memahami kemampuannya dan kondisi kerja di sekitarnya. Kondisi kerja ini dapat mencakup pengetahuan tentang persediaan yang tersedia dan kecepatan bahan sampai ke mesin. Untuk memperoleh pengetahuan ini, integrasi solusi pengambilan data seperti perangkat antarmuka manusia-mesin akan diperlukan. Data yang dikumpulkan dan kemampuan untuk memvisualisasikan KPI memberikan wawasan yang luar biasa tentang proses industri baik bagi pembuat keputusan maupun karyawan di dalam lantai toko.

Wawasan ini kemudian dapat diterapkan dalam mengembangkan strategi pengoptimalan proses yang memastikan produksi berlanjut pada tingkat optimalnya. Pendekatan berbasis data untuk pengoptimalan proses juga memungkinkan untuk mengidentifikasi faktor-faktor yang membatasi produktivitas.

Contohnya adalah penggunaan MachineMetrics untuk mendorong pengoptimalan proses dalam fasilitas manufaktur terpisah. Dalam contoh ini, data dikumpulkan setiap hari dari mesin, dikategorikan dan dibandingkan dengan KPI yang dioptimalkan untuk menemukan peralatan spesifik yang tidak memenuhi target dan alasannya. Wawasan yang ditargetkan tentang tantangan yang memengaruhi produktivitas alat berat kemudian berfungsi sebagai dasar untuk memperbaiki masalah yang membatasinya agar tidak berfungsi secara optimal.

Strategi Pemeliharaan Prediktif Berdasarkan Data

Mesin-mesin di dalam lantai bengkel diharapkan untuk terus dirawat untuk memastikan mereka berfungsi secara optimal, itulah sebabnya setiap pabrikan memiliki strategi perawatan untuk mengatasi kegagalan suku cadang. Di banyak fasilitas, pendekatan reaktif atau run-to-failure untuk pemeliharaan masih digunakan sebagai strategi untuk menjaga mesin tetap berjalan untuk waktu yang lebih lama. Statistik menunjukkan bahwa strategi ini menghambat produktivitas sekitar 20% dan juga dapat menyebabkan waktu henti yang tidak direncanakan jika mesin rusak selama siklus produksi aktual.

Strategi berbasis data menghadirkan pendekatan preemptive untuk perawatan alat berat melalui pemantauan setiap indeks kinerja yang menggambarkan status kesehatan alat berat dan komponen di dalamnya. Dengan pendekatan ini, downtime yang tidak direncanakan akan dihilangkan, sehingga mengoptimalkan efisiensi produksi.

Contohnya adalah penggunaan MachineMetrics Anomaly Detection Engine untuk melacak komponen dan kinerja alat berat. Melalui API, engine menganalisis data alat berat untuk mengembangkan strategi perawatan yang disesuaikan untuk berbagai alat berat di dalam lantai bengkel. Data yang dianalisis memberi tahu produsen tentang suku cadang yang memerlukan penggantian sering dan wawasan tentang cara mengembangkan jadwal penggantian di sekitar siklus produksi. Hal ini memastikan persediaan suku cadang pabrikan selalu diperbarui dan pemeliharaan dilakukan dalam batas waktu yang ditentukan.

Tiga Tahap Pengoptimalan Manufaktur Berdasarkan Data

Mendefinisikan atau membuat strategi berbasis data untuk mengoptimalkan proses manufaktur mencakup tahapan berikut:

1. Menangkap dan memantau data: Kemampuan untuk mengumpulkan data secara real-time memberikan dasar untuk menjalankan data Anda. MachineMetrics adalah solusi plug and play yang mengumpulkan data seperti kecepatan operasional, suhu peralatan, dan tingkat konsumsi energi dari peralatan manufaktur terpisah dan perangkat IoT.
2. Mengategorikan dan memvisualisasikan data: Data yang dikumpulkan harus diproses dan dianalisis untuk menerima wawasan dari mereka. MachineMetrics memanfaatkan AWS cloud untuk menghadirkan aplikasi out-of-the-box yang membuat visualisasi dan pelaporan data lantai toko melalui alur kerja yang dioptimalkan menjadi proses yang disederhanakan.
3. Kecerdasan dan tindakan bisnis: Laporan dan alur kerja disediakan untuk memudahkan pengambilan keputusan dan proses pembuatan strategi. Setelah data mesin dikumpulkan dan dianalisis, pengembangan strategi yang dapat ditindaklanjuti untuk mengoptimalkan efisiensi produksi dan menerapkannya menjadi mungkin.

Perjalanan Analisis Manufaktur Anda

Agar data Anda berfungsi untuk Anda, menghubungkan mesin manufaktur perusahaan Anda ke Platform MachineMetrics memulai perjalanan menuju pengoptimalan produksi. Kemampuan konektivitas universal MachineMetrics mendukung mesin dengan I/O digital dan analog yang memungkinkan untuk mengumpulkan data dari mesin lawas di lantai toko Anda. Dengan demikian, menghilangkan tantangan mengumpulkan data yang dapat digunakan yang diperlukan untuk mengembangkan strategi berbasis data untuk fasilitas manufaktur Anda. Anda dapat mempelajari lebih lanjut tentang proposisi nilai platform analitik industri tingkat perusahaan dengan menganalisis fitur Platform IoT MachineMetrics.