Cara Mengidentifikasi dan Memecahkan Masalah Produksi dengan Analisis Data

Mengetahui bagaimana memecahkan masalah produksi dengan cepat dan efisien adalah keterampilan yang harus dimiliki semua manajer manufaktur. Meskipun ada banyak strategi yang ada untuk mengidentifikasi dan memperbaiki masalah, titik awal untuk menghilangkan masalah lantai toko yang paling parah adalah memiliki infrastruktur untuk mendukung pengumpulan otomatis dan standarisasi data produksi.

Dengan data yang akurat dan real-time, manajer dapat mengidentifikasi masalah apa yang terjadi, akar penyebab masalah, dan mengembangkan solusi untuk mencegahnya di masa mendatang.

Masalah Produksi Paling Umum

Meskipun ada ratusan hal yang dapat memengaruhi lantai toko, sebagian besar termasuk dalam salah satu kategori di bawah ini. Kami mendorong Anda untuk menjelajahi sumber daya yang ditautkan untuk masing-masing kategori luas ini, karena sumber daya tersebut mendalami pemecahan masalah ini dengan memanfaatkan data.

Waktu Henti

Downtime adalah wabah semua manufaktur. Saat peralatan tidak berjalan, pesanan tidak dipenuhi, dan keuntungan tidak diperoleh. Waktu henti dapat dipecah lebih lanjut ke dalam kategori seperti kesalahan operator, kegagalan peralatan, masalah penjadwalan, masalah kapasitas, pengaturan dan pergantian, dan lain-lain. Dan sebagian besar perusahaan tidak menyadari dampak waktu henti pada keefektifan peralatan mereka secara keseluruhan, kehilangan peluang yang paling nyata untuk ditingkatkan.

Sumber daya yang berguna:

Masalah Kualitas

Masalah kualitas juga dapat didefinisikan dalam beberapa kategori. Kualitas vendor merupakan perhatian yang signifikan bagi setiap perusahaan, seperti kesalahan manusia dan kondisi peralatan. Sakit kepala kualitas dapat ditimbulkan secara internal atau eksternal, dan hal itu meningkatkan biaya dan mengancam jadwal pengiriman.

Sumber daya yang berguna:

Masalah Pemeliharaan

Sebagian besar perusahaan menganut filosofi pemeliharaan preventif kuno. Namun peralatan berkecepatan tinggi saat ini membutuhkan pendekatan berbasis data yang lebih dinamis. Ketika peralatan tidak dipelihara pada frekuensi tertentu, kejadian waktu henti pada akhirnya akan terjadi. Namun, jika peralatan “dipelihara secara berlebihan”, produsen akan membuang anggaran untuk suku cadang mesin, persediaan, tenaga kerja, dan waktu henti yang tidak diperlukan. Dengan menggunakan data kinerja dan kesehatan alat berat, produsen dapat lebih memahami kapan alat berat cenderung gagal untuk memastikan bahwa jumlah perawatan yang tepat diberikan, pada waktu yang tepat.

Sumber daya yang berguna:

Masalah Proses dan Alur Kerja

Proses yang rusak dan ketinggalan zaman merupakan tantangan berkelanjutan bagi produsen, dan dampaknya semakin besar saat berubah menjadi kemacetan. Karena banyak prosedur kerja standar yang dipelihara secara manual dan tidak diaudit secara memadai, mungkin diperlukan waktu bertahun-tahun sebelum tim perbaikan proses mengidentifikasi masalah dan mengubah prosesnya.

Seperti masalah proses, tim mungkin kesulitan mengatasi masalah alur kerja. Ini dapat berupa penjadwalan pusat pekerjaan yang tidak memadai, manajemen WIP, tata letak lantai, atau sekadar akses ergonomis ke suku cadang dan material oleh operator pada titik penggunaan.

Sumber daya yang berguna:

Memecahkan Masalah Produksi

Memecahkan masalah produksi bisa menjadi usaha yang kompleks. Ini mengharuskan manajer menyelidiki apa yang terjadi dan mencari perbaikan permanen. Namun seiring dengan berlanjutnya revolusi digital melalui adopsi teknologi Industrial Internet of Things (IIoT), masalah kompleks ini dapat diatasi dengan memanfaatkan kekuatan data. Dan dengan menangkap dan menganalisis data untuk memvisualisasikan apa yang terjadi di lantai produksi, manajer dapat mengembangkan solusi taktis dan strategis untuk memecahkan masalah saat ini dan mencegah yang lain sebelum terjadi lagi.

Pertimbangkan langkah-langkah berikut untuk membantu memecahkan masalah umum produksi:

Langkah 1:Identifikasi Masalah

Sebelum perusahaan dapat memperbaiki masalah manufakturnya, perusahaan harus mengidentifikasinya. Langkah pertama adalah memiliki infrastruktur yang tepat untuk mendukung pengumpulan dan standarisasi data produksi. Informasi ini harus didemokratisasi di seluruh organisasi dalam visualisasi dan laporan yang mudah dikonsumsi.

Hanya dengan data real-time yang akurat, baik operator maupun manajer akan memiliki pemahaman tentang di mana masalah terjadi dan alasan pemborosan yang paling parah. Pengumpulan data manufaktur adalah dasar dari industri 4.0, mendukung jumlah kasus penggunaan yang tidak terbatas dan memberi pemangku kepentingan utama sumber daya yang mereka butuhkan untuk membuat keputusan yang lebih baik dan lebih cepat.

Langkah 2:Gali Detailnya

Dengan data di tangan, sekarang saatnya untuk melakukan analisis akar penyebab. Analisis akar penyebab adalah pendekatan yang efektif dan kuat yang melacak masalah produksi kembali ke penyebab tertentu. Setelah penyebab ini diidentifikasi, perubahan dapat dilakukan yang akan bergema di lini produksi.

Analisis akar penyebab sering menggunakan alat lean dan Six Sigma seperti "The Five Whys," diagram tulang ikan, analisis mode kegagalan, dan diagram Pareto untuk membantu memvisualisasikan dan memahami mengapa masalah terjadi. Hal ini memungkinkan peserta untuk memisahkan penyebab dari gejala untuk sampai pada alasan yang sah atas gangguan tersebut.

Laporan Pareto Waktu Henti MachineMetrics membantu mengidentifikasi penyebab utama waktu henti, membantu Anda memprioritaskan inisiatif peningkatan berkelanjutan dengan lebih memahami di mana hal-hal akan salah.

Langkah 3:Kembangkan Rencana untuk Memecahkan Masalah

Dengan penyebab sebenarnya yang teridentifikasi, rencana perbaikan dapat dikembangkan. Ini mungkin pelatihan, perubahan fisik seperti tata letak, perubahan pekerjaan standar, penggantian material, atau sejumlah langkah sendiri atau kombinasi untuk memperbaiki masalah.

Penting untuk keberhasilan setiap rencana perbaikan adalah proses audit untuk menjaga perubahan di tempat. Ini termasuk menentukan bagaimana keberhasilan akan diukur, seberapa sering audit untuk perubahan akan terjadi, langkah apa yang akan diambil untuk lebih meningkatkan proses, dan banyak lagi.

Sekali lagi, pentingnya data tidak dapat dilebih-lebihkan. Data harus dapat diandalkan, akurat, dan sedetail mungkin agar solusi menjadi efektif. Analisis dan perubahan manual hanya akan membawa Anda sejauh ini dan selalu dapat dilupakan, hilang, atau diubah saat kelompok berpindah ke masalah lain. Inilah sebabnya mengapa solusi otomatis seperti MachineMetrics merupakan bagian integral dari kesuksesan manufaktur berbasis data.

3 Tips Cara Mencegah Masalah Produksi

Sebuah mesin hanya sebaik proses yang digunakan untuk menjalankannya. Dan dalam semua kasus, semakin baik kualitas dan visibilitas data, semakin bermanfaat data tersebut. Dengan perangkat lunak pemantau produksi, perusahaan dapat beralih dari pemecahan masalah yang sama berulang-ulang menjadi benar-benar menerapkan solusi yang tidak hanya bertahan lama tetapi juga dapat divalidasi secara waktu nyata dan diasah seiring waktu.

Berikut adalah tiga tips untuk mencegah masalah produksi:

Analisis Data

Mungkin tidak ada yang sepenting menganalisis data produksi. Tanpa data yang baik, bersih, akurat, perubahan tidak akan efektif. Data adalah kunci untuk memvisualisasikan gambaran yang akurat di setiap lantai produksi. Tapi data bukan hanya bagian, nomor pekerjaan, atau hitungan jam. Data yang diperlukan untuk visualisasi tersebut mencakup data mesin, data orang, data sistem, dan data dari input lain di seluruh perusahaan.

Meningkatkan Visibilitas Operasional

Dengan data yang akurat, perusahaan dapat mencapai visibilitas operasional yang lebih baik. Sekali lagi, pengambilan dan analisis data dengan pelaporan intuitif yang disediakan oleh perangkat lunak selalu lebih disukai daripada pengumpulan dan analisis manual. Dengan visibilitas waktu nyata, masalah dapat diatasi secara proaktif, bukan reaktif karena operator, teknisi, dan manajer mendapatkan wawasan tentang peralatan aktual dan status produksi saat terjadi, bukan setelah terjadi.

MachineMetrics menampilkan data produksi secara real-time untuk visibilitas lengkap dari lantai toko. Operator dan manajer tahu persis kapan alat berat berada di belakang sasaran produksi atau mengalami peristiwa waktu henti, sehingga mereka dapat menyelesaikan masalah dengan cepat.

Rencanakan Pemeliharaan Peralatan

Salah satu kontribusi paling berharga dari pengumpulan dan analisis data otomatis di bidang manufaktur telah muncul dalam dampaknya terhadap pemeliharaan. Dengan memanfaatkan data waktu nyata untuk memvisualisasikan keadaan produksi yang sebenarnya, pemeliharaan dapat beralih dari keadaan preventif ke keadaan prediktif. Ini berarti bahwa proses panduan data yang sama dan perubahan alur kerja untuk peningkatan dapat digunakan untuk memprediksi kegagalan suku cadang, pemesanan, dan tahap perbaikan suku cadang sebelumnya, dan menjadwalkan waktu optimal untuk perbaikan terjadi pada waktu terbaik untuk mengurangi waktu henti keseluruhan ( seperti saat pergantian).

Manfaatkan IIoT dan Analisis Industri

MachineMetrics adalah platform data industri yang kuat yang memungkinkan pengumpulan data produksi yang akurat secara real-time, secara otomatis mengontekstualisasikan dan menstandardisasi data untuk aksesibilitas langsung di seluruh perusahaan.

Melalui perangkat edge, MachineMetrics dapat terhubung ke peralatan apa pun, mulai dari peralatan OEM yang lebih baru hingga mesin analog lawas.

Setelah diaktifkan, sistem segera tersedia untuk membantu mengidentifikasi penyebab sebenarnya dari downtime dan kemacetan dan membantu Anda mencapai akar penyebab dengan lebih cepat dan lebih percaya diri. Hal ini memungkinkan Anda untuk mengoptimalkan proses Anda lebih cepat dan lebih akurat dengan wawasan yang dapat ditindaklanjuti dan dapat disesuaikan.

Platform MachineMetrics akan memungkinkan efisiensi yang lebih tinggi, pengurangan biaya, kapasitas tidak terkunci, dan pandangan yang lebih baik tentang apa yang sebenarnya terjadi di lantai toko Anda. Hubungi kami hari ini untuk melihat bagaimana MachineMetrics dapat membantu Anda menghilangkan masalah dengan data dan aplikasi waktu nyata.

Hubungi tim kami untuk demo, atau pelajari bagaimana Avalign Technologies mengalami peningkatan 25-30% dalam OEE, tenaga kerja yang dimanfaatkan secara lebih efektif, peningkatan kapasitas jutaan dolar (tanpa peralatan tambahan), dan peningkatan throughput melalui pengurangan kemacetan dalam studi kasus video dengan AWS.