Memaksimkan Efisiensi Manufaktur: Teknik Optimasi Produksi & Proses Terbukti

Teknik perbaikan proses esensial untuk mengoptimalkan tugas manufaktur. Dan ketika dilakukan dengan benar, proses yang dioptimalkan ini menghasilkan efisiensi yang lebih besar. Namun, apa hubungan itu? Dan mengapa optimasi proses sangat penting untuk mencapai efisiensi yang lebih besar?

Jawabannya terletak pada efektivitas sebuah aktivitas. Tidak cukup memiliki banyak hal yang diproduksi. Tugas, pemeriksaan, penyesuaian, dan gerakan yang diperlukan untuk memproduksi barang jadi harus diatur untuk menemukan dengan jumlah input yang paling sedikit.

Banyak perusahaan menggambarkan ini sebagai "jalur menuju perbaikan berkelanjutan". Dan dalam kasus sebagian besar operasi manufaktur, jalur itu berpusat pada mesin. Orang, seperti operator, mekanik, dan teknisi, berinteraksi dengan mesin mereka dari kebiasaan dan pelatihan. Sebagian besar upaya mereka bertujuan untuk memastikan waktu aktif maksimum. Namun, baik data manual atau elektronik, efektivitas tindakan mereka yang penting. Dan tindakan membuat penyesuaian yang membuat interaksi itu lebih efektif disebut optimasi proses.

Apa Itu Optimasi Produksi?

Optimasi produksi adalah serangkaian aktivitas yang dirancang untuk meningkatkan produktivitas dalam sistem produksi. Ini terpisah dari optimasi proses, di mana upaya optimasi difokuskan pada membuat produk jadi lebih efisien dalam tahap-tahapnya.

Optimasi produksi menggunakan model, analisis, prioritas, dan pengukuran untuk meningkatkan produktivitas. Optimasi ini mencakup peralatan, area penyiapan, protokol inventori, tata letak fasilitas, pengangkutan, dan lebih banyak lagi.

Mengoptimalkan produksi adalah taktik yang digunakan dalam industri dengan lingkupan besar seperti produksi minyak dan konstruksi gas. Namun, optimasi dapat digunakan dalam sebagian besar operasi manufaktur untuk hampir setiap proses produksi untuk memberikan nilai yang lebih besar.

Seiring kematangan teknologi IoT, perusahaan telah menemukan bahwa informasi yang disajikan dari analisis data real-time memungkinkan mereka untuk memahami kondisi dan alur sistem yang berubah dan bagaimana itu dapat digunakan untuk meningkatkan produktivitas. Perusahaan harus menggunakan wawasan ini untuk mengoptimalkan tingkat produksi dalam seluruh proses produksi.

Contoh area tempat wawasan dapat mengarah ke optimasi produksi dan nilai yang lebih besar meliputi:

1. Work in Process – Banyak perusahaan yang berfokus pada teknologi "perbaikan proses" memusatkan upaya mereka sepenuhnya pada produk itu sendiri. Namun, work in process dapat mempengaruhi produktivitas secara signifikan. Terlalu banyak inventori yang terikat terlalu lama melukai arus kas dan dapat menciptakan masalah potensi pajak. Karena banyak perpindahan, itu juga dapat meningkatkan biaya tenaga kerja untuk memindahkan produk dari stasiun ke stasiun secara tidak perlu.
2. Workstation Auditing – Seiring teknologi yang membuat dasbor interaktif dan papan pabrik digital, penempatan HMI ini mungkin perlu dipertimbangkan ulang. Apa yang masuk akal dalam lingkungan pelacakan manual dapat meningkatkan beban kerja atau mengurangi efektivitas dalam lingkungan digital. HMI, layar, monitor, dan perangkat lainnya memiliki profil rendah dan dapat ditempatkan dengan cara yang meningkatkan produktivitas.
3. Ruang yang Tidak Diperlukan – Dalam manufaktur, ruang mati sering menjadi rumah untuk WIP yang tidak punya tempat. Ini berarti lebih banyak penanganan dan meningkatnya biaya operasional.
4. Bottlenecks – Botol leher dapat memicu penghentian kerja dalam proses produksi upstream. Jika platform pemantau pabrik telah mulai memaksimkan output dari beberapa stasiun kerja, manajer mungkin perlu mengatasi botol leher yang timbul dari peningkatan upstream ini.
5. Komunikasi Inventori yang Ditingkatkan – Seiring data real-time menyoroti masalah dan meresepkan solusi, teknologi akan memungkinkan protokol baru untuk gudang dan inventori untuk mengarah pada peningkatan produksi. Komunikasi adalah kunci untuk alur bahan di lingkungan baru.

Perjalanan menuju digitalisasi dan produksi berbasis data termasuk persyaratan untuk membuat perubahan untuk mengoptimalkan kinerja produksi dan menurunkan biaya. Untuk memanfaatkan teknologi yang tersedia, beberapa perusahaan mungkin menyadari kebutuhan untuk memindahkan mesin atau mengubah tata letak pabrik sepenuhnya saat kekuatan platform pemantauan produksi yang didorong IoT mulai memberikan nilai.

Alasan waktu henti teratas dianalisis dalam diagram Pareto waktu henti MachineMetrics.

Perbedaan Antara Optimasi Proses dan Optimasi Produksi

Perbedaan paling signifikan antara optimasi proses dan optimasi produksi adalah optimasi proses menghilangkan langkah yang tidak perlu dalam langkah proses tertentu dalam sistem produksi. Ini adalah optimasi produk yang dirancang untuk memaksimkan optimasi produksi melalui peningkatan efisiensi untuk langkah atau sub-proses tersebut. Di sisi lain, optimasi produksi mencoba mengoptimalkan sistem itu sendiri. Ini dapat menggunakan model yang didasarkan pada data real-time untuk melihat laju alur, tata letak mesin, utilisasi tenaga kerja, dan faktor lainnya untuk meningkatkan kinerja fisik dan tata letak seluruh sistem produksi.

Optimasi proses akan mencakup langkah seperti:

• Mengidentifikasi masalah yang spesifik pada proses
• Menganalisis kondisi saat ini untuk menciptakan kondisi yang diinginkan
• Memeriksa perubahan untuk melihat hasil
• Memantau perubahan untuk menjaga tetap pada jalur

Optimasi produksi akan mencakup langkah seperti:

• Mengubah tata letak pabrik
• Mengubah atau meredestinasi mesin dan alat di titik penggunaan
• Menerapkan prosedur WIP baru
• Melatih operator dan teknisi bagaimana merespons alarm dan wawasan otomatis pada sistem pemantauan untuk menghilangkan kebiasaan lama
• Mengembangkan prosedur pengiriman inventori internal baru
• Menilai tata letak monitor dan HMI

Tujuan dan Manfaat Optimasi Produksi dan Proses

Optimasi Produksi dan Proses terdiri dari melakukan perbaikan di beberapa area kritis. Setiap area ini secara kumulatif menambahkan lebih banyak proses yang efisien dan output yang lebih besar dengan sumber daya yang paling sedikit dikeluarkan. Dengan terlibat dalam optimasi proses, produsen dapat mencapai:

Waktu Aktif Mesin yang Ditingkatkan

Waktu henti adalah biroksi setiap manajer manufaktur. Dan banyak yang menghabiskan sebagian besar waktu mereka untuk mengelola penyebabnya, serta menanggapi konsekuensinya Dengan mengambil pendekatan berbasis data, perusahaan dapat mengurangi waktu henti dan meningkatkan waktu aktif keseluruhan peralatan mereka.

Salah satu cara untuk mencapai ini adalah dengan menganalisis dan memperingkat alasan teratas untuk waktu henti yang tidak terencana dalam proses produksi. Informasi ini kemudian dapat digunakan untuk menyesuaikan atau menyesuaikan proses untuk mengurangi atau menghilangkan banyak peristiwa waktu henti. Karena daftar ini dalam urutan peringkat dari yang terburuk ke yang terendah, pelaku terburuk dapat ditangani terlebih dahulu.

Setelah waktu aktif telah meningkat dan stabil, manajer dapat secara metodik melanjutkan daftar, mengubah parameter proses sesuai kebutuhan untuk membawa setiap item sesuai dengan persyaratan. Namun, kunci dari daftar dan peringkat ini adalah data yang bersih dan jelas yang membantu memprioritaskan apa yang perlu diperhatikan terlebih dahulu.

Respons yang Lebih Cepat terhadap Masalah pada Tingkat Mesin

Kadang-kadang, masalahnya bukan mesin; itu adalah proses upstream yang memberi makan mesin. Dengan menangkap data untuk memvisualisasikan ini, perubahan dalam alur WIP atau bahan baku lainnya dapat diterapkan untuk meningkatkan waktu aktif. Contoh lain adalah pelatihan, atau kurangnya, dengan operator yang mungkin berada di posisi yang salah pada waktu yang salah untuk menghapus alarm dan mereset mesin sesuai kebutuhan.

Lagi, data menjadi kritis dalam membantu pemimpin mengembangkan pelatihan yang lebih baik untuk memastikan operator tidak pernah berada di posisi yang salah. Poinnya adalah optimasi proses meningkatkan waktu respons pada tingkat mesin saat masalah terjadi. Menggunakan data untuk mengidentifikasi area ini, beberapa area dapat dioptimalkan sekaligus untuk efek pengali pada waktu aktif. Pelatihan, alur kerja, tata letak peralatan, kualitas bahan, dan banyak masalah lagi dapat dioptimalkan dengan data yang divisualisasikan dengan jelas.

Baca selengkapnya: Cara Merespons Waktu Henti dengan Cepat dengan MachineMetrics

Pemeliharaan yang Ditingkatkan

Program pemeliharaan tradisional bergantung pada tindakan reaktif. Entah peralatan diizinkan berjalan hingga gagal, atau pemeliharaan pencegahan digunakan untuk menjaga mesin berjalan dengan baik.

Namun pemeliharaan pencegahan didasarkan pada asumsi berbasis waktu. Ini mengasumsikan sabuk dan katrol akan rusak pada waktu tertentu berdasarkan rata-rata luas yang ditetapkan oleh produsen peralatan asli (OEM). Namun ini tidak mempertimbangkan peralatan industri di mana produk yang dihasilkan adalah beban ringan, yang memungkinkan umur panjang untuk bagian. Dan ini tidak mempertimbangkan produksi beban berat seperti konstruksi, produksi minyak, atau minyak dan gas secara umum dan fasilitas permukaan lain di mana bagian dapat aus lebih cepat dari yang direncanakan. Dalam kasus yang pertama, uang dihabiskan saat seharusnya ditunda. Dalam kasus yang terakhir seperti minyak dan gas, waktu henti mungkin terjadi saat paling tidak diharapkan.

Teknologi canggih seperti pengumpulan data otomatis dapat meningkatkan fungsi pemeliharaan dan meningkatkan waktu aktif peralatan. Dengan mengaktifkan pemantauan berbasis kondisi, pemeliharaan dapat berupa preskriptif atau prediktif berdasarkan kondisi aktual. Dengan menerapkan sistem sensor canggih, data dapat membantu perusahaan memahami kondisi real-time saat ini dari peralatan. Seiring waktu, analitik mendalam dapat membantu membangun peluang baru, memprediksi kegagalan secara akurat, dan menjadwalkan penggantian pada waktu yang paling masuk akal, seperti pergantian atau periode pemadaman.

Baca selengkapnya: Jenis-Jenis Pemeliharaan dalam Manufaktur

Tujuan untuk optimasi proses harus mencakup beberapa area:

• Pertama adalah untuk meningkatkan proses awal. Menggunakan data, tren dan pola dapat diidentifikasi untuk membantu menyesuaikan atau lebih baik menyetel proses yang ada. Ini mungkin melibatkan masalah tata letak, alur bahan, atau komunikasi.
• Kedua, parameter dan kondisi operasi harus diatasi. Lagi, data membuat ini lebih mudah untuk ditemukan dan lebih mudah untuk ditangani berdasarkan tingkat keparahan. Ini dapat berarti pengaturan mesin, kecepatan optimal, dll.
• Pertimbangan ketiga adalah peralatan harus diaudit untuk menentukan pendekatan pemeliharaan terbaik untuk meningkatkan proses dan waktu aktif peralatan. Bagian dapat disiapkan dan dipersiapkan sebelumnya untuk meningkatkan waktu proses lebih lanjut.
• Terakhir, data yang akurat dan visualisasi kondisi mesin dapat membantu manajer mengembangkan instruksi kerja yang praktis dan ergonomis serta pelatihan yang lebih baik untuk operator, teknisi, dan mekanik.

Metode dan Teknik Optimasi Produksi dan Proses Manufaktur

Bagi produsen yang ingin meningkatkan efisiensi proses mereka, ada banyak solusi yang tersedia:

Dasbor MachineMetrics menampilkan data produksi real-time yang telah dikumpulkan secara otomatis dari peralatan manufaktur di seluruh lantai produksi.

Mengumpulkan Data Mesin Real-Time

Pelacakan tradisional untuk optimasi proses biasanya berarti lembar kertas manual dan entri data ke Excel. Ini memakan waktu, rawan kesalahan, dan sulit dipelihara. Selain itu, analisis biasanya didasarkan pada wawasan manusia, yang dapat bias atau salah. Itulah sebabnya perusahaan mulai beralih ke kertas.

Mengumpulkan data real-time dan mengkontekstualkannya untuk visibilitas oleh manajer dan operator memungkinkan wawasan untuk mengoptimalkan produksi yang tidak mungkin di masa lalu; wawasan yang dapat memungkinkan pemahaman yang tepat tentang kemajuan produksi dan kinerja peralatan di lantai produksi. Dengan dasbor dan analisis serta laporan produksi yang relevan, SOP dapat diubah lebih cepat dan menghasilkan kualitas yang lebih tinggi efisiensi dan produksi yang meningkat.

Baca selengkapnya: Pengumpulan Data Manufaktur: Kunci untuk Mengoptimalkan Lantai Produksi

Analisis Botol Leher

Setiap manajer tahu apa itu botol leher dan bahayanya bagi proses produksi. Dan sebagian besar dapat mengidentifikasi beberapa area kritis dalam operasi mereka di mana penahanan ini terjadi. Namun, sama seperti data real-time memberikan wawasan dan solusi untuk mengoptimalkan proses pada tingkat mesin, itu juga dapat memberikan wawasan tentang botol leher yang mungkin atau mungkin tidak jelas. Operator manusia mungkin menetapkan cadangan pada satu penyebab saat data mungkin telah menentukan itu adalah yang lain.

Dengan data dan analitik real-time, data mesin dan proses dapat mengidentifikasi botol leher dan keterbatasan dalam ekosistem keseluruhan. Data ini memungkinkan operator untuk melacak proses untuk fokus pada botol leher yang menyebabkan waktu henti paling banyak. Apakah hambatan adalah keterbatasan fisik atau keterbatasan operasional seperti penjadwalan atau peluang yang terlewat untuk mengurangi waktu pengaturan dan mengurangi pergantian, data berbasis cloud yang diperkaya dengan analitik dan perangkat lunak OEE dapat membebaskan gangguan.

Analisis Waktu Henti

Analisis waktu henti mesin adalah pendekatan yang berguna untuk menyoroti area yang perlu ditangani segera. Dengan menggunakan data waktu henti yang ditangkap berdasarkan alasan, manajer dan operator dapat mulai dengan pelaku terburuk. Namun, kunci dari analisis ini adalah kemampuan untuk mengakses dan kueri data, sehingga memahami penyebabnya.

Penggunaan diagram Pareto, persentase waktu henti yang tidak terencana, shift yang berkinerja tinggi dan rendah, dan operator, Mean Time Between Failure, Mean Time to Repair, dan KPI lainnya dapat diperoleh dari data. Melalui dasbor ini, alat dan solusi yang lebih canggih dikembangkan untuk membangun pendekatan umum untuk mengurangi atau menghilangkan penyebab dan mengoptimalkan proses pada jangka panjang.

Analitik Prediktif

Salah satu alat yang paling berharga saat menggunakan perangkat lunak berbasis data, analitik prediktif dapat memperkuat proses Anda. Perangkat lunak ini menggunakan data mesin untuk mendiagnosis dan memprediksi kegagalan. Dan karena dapat terhubung ke semua peralatan di lantai produksi, prediksi pada ekosistem keseluruhan dapat dibuat, dan solusi dapat diterapkan lebih cepat, jika tidak segera untuk area masalah yang memangat perusahaan. Ini juga dapat melakukan hal yang sama untuk industri dengan lingkupan besar seperti produksi minyak dan produksi gas.

Algoritma mesin mendeteksi pola yang manusia tidak dapat. Ini memungkinkan intervensi proaktif sebelum masalah terjadi atau solusi pemeliharaan dan pergantian yang terencana dengan baik saat terjadi. Analitik prediktif ini bahkan dapat digunakan untuk memperpanjang umur alat dengan memantau keausan alat dan memprediksi kapan alat akan gagal. Aplikasi kustom bahkan dapat memungkinkan solusi otonom dan semi-otonom yang dibuat pada tingkat mesin untuk membebaskan operator untuk tugas lain guna meningkatkan kualitas lebih lanjut dan memaksimalkan produksi.

Menganalisis alasan waktu henti pada tingkat mesin memberikan wawasan tingkat detail mengapa peralatan tertentu mungkin menyebabkan masalah. Terlihat adalah laporan "Waktu Henti per Mesin" dari MachineMetrics.

Mengoptimalkan Proses Bengkel Anda dengan MachineMetrics

Menggunakan Platform Data Industri MachineMetrics, produsen dapat mengoptimalkan proses mereka seperti belum pernah sebelumnya. Optimasi ini dicapai dalam berbagai cara:

Melacak Waktu Henti Mesin dengan Akurat dan Secara Real-Time

Pelacakan data manual secara inheren memiliki kelemahan. Sementara niat baik, pelacakan kertas dapat rawan kesalahan dan dapat meningkatkan risiko. Ini juga sulit untuk dipertahankan, dan kesenjangan serta data yang hilang adalah hal umum. Selain itu, kemungkinan besar data akan dibulatkan dan, oleh karena itu, akan jauh kurang akurat.

Pelacakan manual sering memerlukan entri data ke Excel atau spreadsheet lain untuk memahami data, yang berarti data sudah keringgal waktu ketika sampai ke tangan mereka yang membutuhkannya. Namun kedalaman analisis tersebut terbatas. Dan tafsiran manusia dapat bias.

Dengan MachineMetrics, operator, manajer, dan pemangku kepentingan kunci lainnya memiliki visibilitas segera dengan data mesin yang akurat dan real-time. Karena data bersifat real-time, mereka memiliki akses fingertips melalui tablet secara jarak jauh atau dasbor di mesin dan di atas lantai produksi untuk memahami penyebab aktual kegagalan.

Dasbor dan laporan bersifat intuitif, memberikan wawasan cepat tentang penyebab waktu henti dan memberikan solusi cepat untuk tindakan dan menurunkan biaya operasional.

Mengaktifkan Alur Kerja dan Pemberitahuan Berdasarkan Peristiwa Mesin

Dengan perangkat lunak MachineMetrics, data mesin dapat digunakan untuk memicu alur kerja. Alat canggih ini memastikan informasi yang benar dikirim kepada orang atau sistem otomatis yang tepat untuk melakukan tindakan. Tindakan ini berupa insiden, pemberitahuan, tautan yang berguna, atau webhooks, dan masing-masing dapat mengoptimalkan proses dengan memungkinkan tindakan cepat saat masalah muncul.

Baca selengkapnya: 10 Alur Kerja Teratas untuk Produsen

Insiden dapat memicu pemberitahuan email atau teks kepada orang yang tepat. Di masa lalu, operator perlu bergantung pada petunjuk visual, telepon, sistem PA, atau metode komunikasi lain untuk memberitahukan orang lain tentang masalah. Seringkali, risiko adalah orang yang diinformasikan adalah orang yang salah untuk tugas tersebut. Dalam banyak kasus, operator mungkin tidak tahu apa masalahnya. Dengan insiden, masalah yang benar dilaporkan, menghemat waktu untuk memulai ulang atau memperbaiki.

Pemberitahuan memungkinkan komunikasi segera, menghemat waktu dan mengurangi jumlah langkah untuk mengidentifikasi dan menyelesaikan masalah. Jika superviseur tahu pesan menunjukkan kekurangan bahan baku, mereka dapat melewatkan perjalanan ke mesin dan langsung lanjut ke proses upstream yang terhambat.

Webhooks membawa tingkat tindakan lebih jauh lagi. Paket data kecil ini dapat digunakan untuk memicu tindakan remedial oleh mesin itu sendiri. Atau dapat digunakan bersama dengan sistem manajemen pemeliharaan terkomputerisasi (CMMS) untuk memberitahu tim pemeliharaan secara otomatis, memeriksa stok untuk bagian cadangan dan memesan penerbitannya kepada teknisi, meningkatkan integritas sistem dan mempercepat waktu perbaikan dan memulai ulang.

Meningkatkan Pemeliharaan dengan Kondisi Mesin

MachineMetrics dapat memberdayakan produsen untuk menggunakan kondisi mesin yang akurat untuk mengembangkan program pemeliharaan berbasis kondisi, prediktif, atau preskriptif. Kesehatan peralatan dapat dievaluasi kapan saja, dan operator serta manajer dapat menghemat waktu dan biaya pemeliharaan dengan meninggalkan program pemeliharaan reaktif.

Hasilnya adalah Overall Equipment Effectiveness (OEE) yang jauh ditingkatkan yang mengurangi waktu henti dan membantu meningkatkan proses dengan menambahkan strategi pemeliharaan yang dirancang secara strategis ke dalam aliran nilai. Data ini kemudian ditambahkan ke analitik untuk memungkinkan optimasi yang lebih tepat dari semua area manufaktur dan membangun kepercayaan pada integritas sistem.

MachineMetrics memungkinkan produsen untuk memanfaatkan kekuatan data pada tingkat mesin dan pabrik. Dengan berbagai perangkat Edge yang kuat yang digabungkan dengan platform data yang didukung AI, MachineMetrics dapat menyediakan aplikasi atau membantu Anda membangun aplikasi dan model Anda sendiri untuk mendorong wawasan yang efisien dan dapat ditindaklanjuti berdasarkan data dan kondisi real-time untuk mengoptimalkan proses di setiap lingkungan. Hubungi kami hari ini sehingga kami dapat menunjukkan kepada Anda cara mendapatkan hasil maksimal dari data Anda.

Optimalkan Proses Anda dengan MachineMetrics

Pesan Demo Hari Ini