Membuka Efisiensi Produksi: Strategi Manufaktur Berbasis Data yang Terbukti

Mengoptimalkan Efisiensi Produksi melalui Strategi Manufaktur Berbasis Data

Meskipun berbagai teknologi pengambilan data ada, produsen masih kesulitan untuk menggunakannya. Itu karena tantangan besar ini bahwa tujuan manufaktur berbasis data tampak semakin tidak tercapai.

Namun, ada beberapa pendekatan berbasis data yang dapat Anda ambil saat mengoptimalkan efisiensi produksi. Pendekatan ini termasuk memanfaatkan Industrial IoT untuk menangkap data lantai bengkel, men-deploy perangkat komputasi edge lantai bengkel, atau memasukkan statistik mesin secara manual ke dalam lembar excel untuk analisis lebih lanjut. Dua opsi pertama adalah solusi digital dengan proses otomatis sementara yang terakhir adalah manual. Seperti yang diharapkan, digitalisasi menang dan membuat menangkap data lantai bengkel dan memanfaatkannya menjadi proses yang lebih terstruktur.

Dengan demikian, akan membantu untuk menelusuri lebih dalam apa artinya menjadi produsen berbasis data, manfaat dan tantangan apa yang mungkin Anda alami dari peluncuran program yang berfokus pada data, dan strategi nyata apa yang dapat Anda adopsi seiring kematangan analitik Anda.

Apa Itu Manufaktur Berbasis Data?

Dasbor kinerja MachineMetrics di lantai bengkel.

Manufaktur berbasis data adalah pendekatan produksi yang memungkinkan fakta dan himpunan KPI manufaktur yang ketat untuk memandu pengambilan keputusan, berbanding dengan tebakan, bukti anekdot, atau "perasaan perut."

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

Teknologi muncul memberikan lebih banyak produsen kemampuan untuk mengumpulkan dan memproses data dari operasi mereka, yang mendorong lonjakan solusi yang dapat mengekstrak insight dari data manufaktur secara real-time. Namun, tidak semua analitik sama.

Untuk berhasil memanfaatkan data dalam operasi, Anda pertama-tama perlu dapat mengumpulkan data yang akurat yang dapat diproses secara efektif dan ditampilkan dengan cara yang mudah untuk dikonsumsi oleh pengguna.

Misalnya, jika Anda akan mengumpulkan data kinerja mesin secara manual pada clipboard, tidak hanya ada komitmen waktu yang besar untuk menyelesaikannya, tetapi juga ada kemungkinan tinggi kesalahan manusia. Di sisi lain, mengumpulkan data langsung dari mesin melalui PLC menghasilkan aliran data yang sangat akurat dan tidak bias. Keduanya dapat dianggap "berbasis data" tetapi yang terakhir jauh lebih unggul dan akan mengarah pada pengambilan keputusan yang lebih baik.

Manfaat Berbasis Data dalam Manufaktur

Visibilitas yang Ditingkatkan: Daya tarik manufaktur berbasis data adalah pemimpin di lantai bengkel dan kantor pusat dapat memiliki pemahaman yang lebih dalam tentang kinerja berdasarkan data yang dikumpulkan di seluruh organisasi. Data memberikan insight bukan hanya pada kinerja aset individual, tetapi operasi secara keseluruhan. Ini membantu pengambil keputusan menentukan area peluang, baik itu shift yang berkinerja buruk, downtime mesin yang berulang, atau bottleneck produksi lainnya.

AI dan Machine Learning: Dengan kumpulan data besar, produsen memiliki kemampuan untuk menjalankan algoritma machine learning yang membantu memecahkan masalah kompleks. Misalnya, tim data science kami memanfaatkan machine learning tanpa pengawasan untuk mendeteksi anomali CNC. Dengan upaya analitik seperti ini, produsen dapat mengadopsi praktik lanjutan seperti pemeliharaan prediktif. Tanpa kemampuan pemrosesan atau akses ke data, bentuk sederhana dari pengambilan keputusan berbasis data tidak akan mungkin.

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

Komponen kedua dari otomasi adalah penggunaan data untuk pengambilan keputusan yang diotomatisasi. Seiring produsen berkembang dalam perjalanan analitik mereka, mereka bergerak dari analitik deskriptif ke prediktif. Ini berarti mereka pertama kali menggunakan data untuk memahami apa yang telah terjadi atau sedang terjadi, tetapi akhirnya matang untuk memahami apa yang dapat terjadi dan memiliki kesempatan untuk bertindak padanya secara otonom.

Penghematan Biaya: Data melengkapi manufaktur lean karena memberikan produsen informasi yang mereka butuhkan untuk menyederhanakan proses produksi dan meminimalkan limbah. Tanpa data yang keras, sulit untuk mengukur dengan akurat perbaikan produksi dan yakin bahwa perubahan telah menghasilkan penghematan biaya.

Misalnya, Carolina Precision Manufacturing, produsen bagian CNC Swiss turned presisi ketat diameter kecil, menghemat $1,5 juta dalam satu tahun dengan meluncurkan platform IoT untuk memastikan visibilitas data penuh. Dalam studi kasus ini, menjelaskan bagaimana mereka mampu meningkatkan efisiensi produksi, mengoptimalkan utilizasi mesin, dan mendorong akuntabilitas operator.

Tantangan Manufaktur Berbasis Data

Sumber Data Terisolasi dan Sistem Lama: Banyak sistem dan peralatan tidak dibangun dengan niat untuk berbicara satu sama lain. Ini mungkin merupakan hasil dari sistem operasi terpisah di antara departemen yang berbeda, peralatan lama, atau sekadar kurangnya dokumentasi dan komunikasi. Masalahnya adalah sulit untuk mengagregasi data di seluruh sistem yang berbeda, yang berarti Anda akan mendapatkan nilai yang lebih kecil dari data yang dikumpulkan. Platform IoT yang menghubungkan berbagai tingkat sistem dan membawa peralatan lama online membantu untuk memecahkan masalah ini.

Ancaman Keamanan: Masalah keamanan Industrial IoT timbul karena dua alasan utama. Pertama, semakin banyak perangkat yang terhubung, semakin besar kemungkinan menciptakan kerentanan untuk pelanggaran. Kedua, keamanan belum diatasi pada 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 yang terhubung yang diaktifkan oleh produsen berbasis data, semakin banyak data yang akan dikumpulkan. Secara permukaan, ini adalah manfaat yang kuat jika pengguna dapat mendapatkan insight dari data yang dikumpulkan. Namun, aliran data yang berkembang memerlukan tempat untuk dikumpulkan dan diproses, yang dapat menjadi tantangan yang sulit. Ini terutama intensif biaya jika pengguna menyimpan data on-premises, yang membuat kasus yang kuat untuk penggunaan komputasi cloud.

Strategi Manufaktur Berbasis Data

Strategi Optimasi Proses Berbasis Data

Langkah pertama untuk mengoptimalkan kapasitas produksi sebuah mesin adalah memahami kemampuannya dan kondisi kerja di sekitarnya. Kondisi kerja ini dapat mencakup pengetahuan tentang inventori 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 insight yang besar tentang proses industri bagi pengambil keputusan dan karyawan di dalam lantai bengkel.

Insight ini kemudian dapat dimanfaatkan dalam mengembangkan strategi optimasi proses yang memastikan produksi terus berlangsung pada tingkat optimalnya. Pendekatan berbasis data untuk optimasi proses juga memungkinkan untuk mengidentifikasi faktor yang membatasi produktivitas.

Contohnya adalah penggunaan MachineMetrics untuk mendorong optimasi proses di fasilitas manufaktur diskrit. Dalam contoh ini, data dikumpulkan harian dari mesin, dikategorikan dan dibandingkan dengan KPI yang dioptimalkan untuk menemukan peralatan spesifik yang tidak mencapai targetnya dan mengapa. Insight yang ditargetkan tentang tantangan yang mempengaruhi produktivitas mesin kemudian berfungsi sebagai dasar untuk memperbaiki masalah yang membatasi dari berfungsi secara optimal.

Strategi Pemeliharaan Prediktif Berbasis Data

Mesin di lantai bengkel diharapkan untuk terus dipelihara untuk memastikan mereka berfungsi secara optimal yang mengapa setiap produsen memiliki strategi pemeliharaan untuk menangani kegagalan bagian. Di banyak fasilitas, pendekatan reaktif atau run-to-failure terhadap pemeliharaan masih diterapkan sebagai strategi untuk menjaga mesin berjalan untuk jangka waktu yang lebih lama. Statistik menunjukkan strategi ini menghambat produktivitas sekitar 20% dan juga dapat menyebabkan downtime yang tidak terduga jika mesin rusak selama siklus produksi aktual.

Strategi berbasis data membawa pendekatan preventif terhadap pemeliharaan mesin melalui pemantauan setiap indeks kinerja yang menggambarkan status kesehatan mesin dan komponen di dalamnya. Dengan pendekatan ini, downtime yang tidak terduga akan dihilangkan, sehingga mengoptimalkan efisiensi produksi.

Contohnya adalah penggunaan MachineMetrics Anomaly Detection Engine untuk melacak komponen dan kinerja mesin. Melalui API, mesin menganalisis data mesin untuk mengembangkan strategi pemeliharaan yang disesuaikan untuk berbagai mesin di lantai bengkel. Data yang dianalisis memberitahu produsen tentang bagian yang memerlukan penggantian yang sering dan insight tentang bagaimana mengembangkan jadwal penggantian di sekitar siklus produksi. Ini memastikan inventori cadangan produsen selalu diperbarui dan pemeliharaan dieksekusi dalam timeline yang ditentukan.

Tiga Tahap Optimasi Manufaktur Berbasis Data

Mendefinisikan atau menciptakan strategi berbasis data untuk mengoptimalkan proses manufaktur mencakup tahap-tahap berikut:

1. Menangkap dan memantau data: Kemampuan untuk mengumpulkan data secara real-time memberikan dasar untuk memanfaatkan data Anda. MachineMetrics adalah solusi plug and play yang mengumpulkan data seperti kecepatan operasional, suhu peralatan, dan tingkat konsumsi energi dari peralatan manufaktur diskrit dan perangkat IoT.
2. Mengategorikan dan memvisualisasikan data: Data yang dikumpulkan harus diproses dan dianalisis untuk menerima insight darinya. MachineMetrics memanfaatkan AWS cloud untuk menyediakan aplikasi siap pakai yang membuat visualisasi dan pelaporan data lantai bengkel melalui alur kerja yang dioptimalkan menjadi proses yang terstruktur.
3. Bisnis intelijen dan tindakan: Laporan dan alur kerja disediakan untuk memudahkan proses pengambilan keputusan dan pembuatan strategi. Setelah data mesin telah dikumpulkan dan dianalisis, mengembangkan strategi yang dapat ditindaklanjuti untuk mengoptimalkan efisiensi produksi dan mengimplementasikannya menjadi mungkin.

Perjalanan Analitik Manufaktur Anda

Untuk membuat data bekerja untuk Anda, menghubungkan mesin manufaktur enterprise Anda ke Platform MachineMetrics memulai perjalanan ke optimasi produksi. Kemampuan konektivitas universal MachineMetrics mendukung mesin dengan I/O digital dan analog yang memungkinkan untuk mengumpulkan data dari mesin lama di lantai bengkel 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 enterprise dengan menganalisis fitur Platform IoT MachineMetrics.