Любая производственная компания в процессе своей деятельности генерирует огромные объемы данных, связанных с внутренними бизнес-процессами, начиная от данных по исследованию рынков сбыта и заканчивая данными по эксплуатации выпущенной продукции. При этом все данные в том или ином виде связаны с продуктами компании и содержат информацию, используемую при производстве и его подготовке, например:
- конструкторская структура изделия (спецификация, КД, функциональные и технические характеристики);
- технологическая структура изделия (технологическая спецификация, включающая в себя требуемые технологические компоненты, инструмент, оснастку и пр., маршрут изготовления, технологические нормы);
- производственный состав изделия (технологическая структура, дополненная данными по конкретным экземплярам, конкретным единицам оборудованием, свободным для изготовления в требуемое время и пр.).
Эта информация рождается на предприятии постоянно и так же постоянно обновляется в связи с какими-либо внешними или внутренними факторами. При этом данные появляются на разных этапах жизненного цикла изделия, в их создании участвуют все подразделения предприятия, что приводит к разнородности данных и использовании различных способов их генерации. Подавляющее количество этих данных появляется при непосредственном участии человека. Такая разнородность приводит к тому, что выверка данных становится одним из наиболее трудоемких процессов и самым критичным фактором, с точки зрения организации процесса, особенно в условиях единичного и мелкосерийного производства, а также в условиях производства с часто меняющейся номенклатурой продукции.
Приведем реальный пример. Представьте себе производство, оснащенное современнейшим оборудованием и программным обеспечением для автоматизации всех основных производственных процессов, включая 3D проектирование изделий, технологическую подготовку изделий, разработку и проверку управляющих программ и планирование производства. Конструкторы разработали 3D модель изделия, провели все необходимые виртуальные испытания, технологи с использованием CAM системы разработали управляющие программы, которые затем верифицировали перед отладкой на оборудовании, нормировщики определили нормы времени, а ПДО спланировал производство с использованием всех этих данных. Вроде все правильно, а результата нет – план производства не бьется с фактом. В план постоянно вносятся изменения, связанные с необходимостью изготовления срочных позиций, план постоянно обновляется, в производстве регулярные авралы в конце месяца, и мы видим классическую картину, которую называем «мы едим свой хвост» - любое изменение вместо того, чтобы улучшать ситуацию, ее запутывает.
Cформулируем две основных причины подобных ситуаций.
- Некорректные нормы времени на выполнение операций, которые связаны, в первую очередь, с неточной первичной оценкой при разработке технологии, в том числе с использованием CAM систем, которые, конечно, представляют оценку времени операции, но обычно ее необходимо достаточно серьезно корректировать по результатам отработки управляющей программы на станке. Кроме этого, при формировании норм используются справочники нормирования или рекомендации по использованию режущего инструмента, которые не до конца учитывают специфику конкретного производства, применяемые материалы и пр.
- Нарушение технологической дисциплины в производстве. Данная проблема встречается практически на каждом производстве, и может быть вызвана абсолютно разными факторами, начиная с желания персонала ускорить или замедлить процесс (обычно это напрямую связано с системой оплаты труда в производстве) и заканчивая корректировкой технологии непосредственно на оборудовании для обеспечения соответствия конкретным параметрам заготовок, режущего инструмента и пр. Но в любом случае, нарушение технологии – это основная причина возникновения брака в производстве и отсутствия ритмичности
Основным инструментом устранения данных причин является фотография рабочего дня (или картирование производственного процесса) с участием специалистов отдела нормирования труда для корректировки норм основного и вспомогательного времени операции, а также специалистов отдела главного технолога для корректировки режимов резания и оптимизации управляющих программ. Конечно, участие специалистов разных подразделений помогает в решении таких вопросов, но важно понимать, что невозможно охватить все на постоянной основе, и внимание уделяется обычно наиболее критическим позициям. При этом сохраняется фактор участия человека, и очень сложно найти единые критерии для оценки процесса и формирования необходимых мероприятий.
На помощь приходит платформа WINNUM. Внедрение WINNUM с применением технологий BIig Data позволяет получать и обрабатывать огромный массив данных в считанные секунды. WINNUM позволяет контролировать состояние оборудования, предупреждать об авариях и отказах, создавать алгоритмы оптимизации работы, а также обеспечивают достоверность данных, так как максимально исключают человеческих фактор.
Рассмотрим ключевые факторы увеличения производительности, обеспечиваемые платформой WINNUM при мониторинге станочного оборудования:
- Пересмотр технологических процессов и актуализация режимов 25%
-
Исключение нарушения технологических режимов 17%
-
Исключение случаев нарушения производственной дисциплины 15%
-
Актуализация технологических норм и контроль их выполнения 14%
-
Обеспечение ритмичности по одинаковым позициям 12%
-
Оптимизация управляющих программ и исключение лишних остановов 7%
-
Уменьшение количества внеурочных работ 7%
-
Сокращение времени простоя оборудования из-за выхода из строя 3%
Таким образом WINNUM сокращает влияние человеческого фактора на результат производственных процессов, делает производство прозрачным и предсказуемым, помогает находить резервы и неэффективности, развивает культуру подготовки производства и изготовления продукции.