Mengintegrasikan Produksi Lean dengan Industri 4.0: Jalur Menuju Efisiensi Berkelanjutan

Ketika produksi lean bersimpang dengan Industri 4.0, sinergi yang diharapkan tidak selalu terwujud. Kami terkejut menemukan ini selama pelatihan produksi lean, meskipun pemimpin manufaktur dan IT mengantisipasi bahwa penyimpanan data canggih, analitik waktu nyata, dan otomatisasi akan mendorong efisiensi, transparansi, dan pencegahan kesalahan di seluruh rantai nilai.

Mengapa kombinasi yang kuat ini dapat gagal

Berikut adalah beberapa contoh ilustratif yang menunjukkan mengapa hasil ideal tidak dijamin.

“Milk run otonom” – sistem transportasi bahan yang mandiri yang mengganti persediaan siklus – tampaknya bertentangan dengan beberapa prinsip Bosch Production System (BPS) yang mendasari lean.

Pada pandangan pertama, milk run otonom bertentangan dengan konsep kunci BPS:

Apa itu persediaan bahan siklus?

Persediaan bahan siklus mengirimkan komponen yang tepat dengan kualitas, kuantitas, waktu, dan tempat yang tepat. Ini mengstandarisasi aliran: ritme tetap, rute yang ditetapkan, dan unit terkecil yang dapat dijalankan (milk run). (Sumber: BPS Handbook 2016)

• Transparansi yang dikurangi dari aliran logistik internal.
• Transportasi yang tidak terstandarisasi dapat menyembunyikan penyimpangan, menunda deteksi kesalahan.
• Menghitung waktu pengisian ulang maksimal menjadi kompleks atau tidak mungkin.
• Optimisasi lebih lanjut lebih sulit dan memakan waktu.

Aliran nilai manufaktur secara inheren kompleks. Perubahan pada satu node—misalnya, optimisasi waktu siklus yang didorong perangkat lunak—dapat berambang melalui seluruh garis. Pemantauan waktu siklus berbasis perangkat lunak juga dapat memicu keterkaitan hukum ketenagakerjaan, karena karyawan dapat menganggapnya sebagai pengawasan yang mengganggu. Selain itu, jika analitik gagal menyediakan wawasan yang dapat ditindaklanjuti, prinsip tanggung jawab terundermining.

Prinsip lean ini adalah fondasi Continuous Improvement (CIP), mesin dari proses yang berkelanjutan dan bebas boros.

Bagaimana menyatukan Industri 4.0 dengan produksi lean dengan sukses

Lean dan Industri 4.0 hanya menjadi partner yang kuat ketika:

• Sistem produksi mencapai tingkat kematangan yang cukup sebelum memperkenalkan lapisan digital—“pertama kematangan proses, kemudian Industri 4.0.”
• Ahli IT memahami intricacies lingkungan produksi dan memberikan nasihat sesuai—“gabungkan keahlian manufaktur & IT.”

Di Bosch, kami erat mengintegrasikan BPS dengan spesialis perangkat lunak untuk menghindari jebakan yang disoroti di atas. Insinyur menerima alat untuk menyelesaikan prinsip yang bertentangan dan menerapkan Industri 4.0 dengan cara yang menghormati fondasi BPS, pada akhirnya menyatukan lean dengan inovasi digital.

Kami menawarkan kursus pelatihan untuk spesialis perangkat lunak yang menerapkan solusi Industri 4.0 di 250 pabrik Bosch di seluruh dunia yang juga menggunakan BPS. Saya pribadi mengikuti salah satu kursus tersebut, merangka ulang garis produk simulasi dalam tiga tahap berdasarkan prinsip konsumsi-kontrol: kami memperkenalkan sistem pull dengan kartu Kanban, mengoptimalkan persediaan siklus, dan membangun transparansi tujuan.

Mengapa pengetahuan lean esensial untuk insinyur Industri 4.0

Dalam contoh di atas, spesialis perangkat lunak mengikuti pedoman lean untuk mempertahankan transparansi, tanggung jawab pribadi, pencegahan kesalahan, dan standarisasi saat merancang solusi digital baru. Tindakan kunci meliputi:

• Rescheduling yang dikontrol perangkat lunak memerlukan konfirmasi dari ahli produksi yang relevan, dengan sistem menjelaskan alasan perubahan.
• Waktu penggantian tetap dijamin meski otomatisasi.
• Digitalisasi hanya dilakukan setelah proses matang dan dipahami.
• Gemba walks tetap esensial; perangkat lunak harus mendukung, bukan mengganti, pengamatan di lantai pabrik.
• Transparansi penuh selama pergantian produk dicapai dengan menjalankan sistem manual dan digital berdampingan selama periode yang ditetapkan.
• Data harus disajikan sehingga operator dapat dengan segera menemukan penyimpangan dan penyebabnya.
• Dukungan data science di lokasi berharga; analis harus melatih staf pabrik selama fase awal.

Bagaimana pengalaman Anda? Seberapa baik produksi lean dan Industri 4.0 melengkapi satu sama lain?