Najważniejsze wnioski:
Wiedza o tym, jak śledzić i zwiększać średni czas między asystami MTBA, to najlepsza strategia ujawniania ukrytych kosztów pracy obciążających Twoje szybkie linie pakujące.
Podczas gdy wskaźnik MTBF śledzi poważne awarie mechaniczne, MTBA śledzi setki 30-sekundowych mikroprzerw, które operatorzy pomijają, nie powiadamiając działu konserwacji.
Zamień przestoje w liczbę, na podstawie której zespół może działać.
Poproś o demoZintegrowanie natywnej funkcji OEE bezpośrednio z systemem CMMS automatycznie rejestruje dokładną częstotliwość i czas trwania każdej interwencji operatora.
Komputerowe systemy wizyjne dostarczają niezbitych dowodów wideo na występowanie tych mikrozatorów, co pozwala inżynierom ds. niezawodności projektować trwałe rozwiązania mechaniczne, zamiast polegać na stałej opiece człowieka.
Rejestrowanie czystych, matematycznie zweryfikowanych danych MTBA jest dziś absolutnym warunkiem wstępnym wdrożenia zaawansowanych modeli optymalizacji opartych na sztucznej inteligencji, które znajdują się obecnie na Twojej strategicznej mapie drogowej.
Średni czas między asystami (MTBA) to bardzo szczegółowy wskaźnik niezawodności, który oblicza średni czas pracy maszyny zanim operator musi fizycznie interweniować, aby maszyna nadal działała.
W przeciwieństwie do średniego czasu między awariami (MTBF), który mierzy poważne awarie mechaniczne wymagające interwencji technika, MTBA mierzy krótkie, przejściowe mikroprzerwy, takie jak usuwanie zaciętego kartonu, resetowanie czujnika lub ponowne ustawienie etykiety.
W środowiskach produkcyjnych o dużej skali maksymalizacja tego wskaźnika jest kluczowa, ponieważ ciągłe interwencje operatorów niepostrzeżenie obniżają efektywny czas realizacji zadań i znacznie zwiększają koszty pracy.
Większość kadry zarządzającej przedsiębiorstwami produkcyjnymi aktywnie marnuje kapitał obrotowy, ponieważ ciągłą interwencję operatorów traktują jako normalną, akceptowalną część procesu produkcyjnego.
Gdy co cztery minuty szybka maszyna napełniająca rozreguluje ustawienie butelki, operator po prostu sięga do urządzenia, usuwa usterkę i ponownie uruchamia linię.
Ponieważ interwencja ta trwa zaledwie piętnaście sekund, nigdy nie jest formalnie rejestrowana w starszym systemie ewidencji jako zdarzenie konserwacyjne.
To stwarza katastrofalną sytuację braku nadzoru powierniczego dla zarządu.
Kierownik zakładu widzi zasób, który technicznie rzecz biorąc „działa”, nie zdając sobie sprawy, że firma płaci pracownikowi zatrudnionemu na pełen etat jedynie za to, by był ludzkim plastrem na psujący się mechanizm.
Nie możesz zmaksymalizować wartości swojego przedsiębiorstwa, jeśli Twoje wielomilionowe zautomatyzowane zasoby wymagają ciągłej ręcznej obsługi, aby osiągnąć zakładane normy przepustowości.
Aby na stałe wyeliminować tę ukrytą fabrykę mikroprzystanków, liderzy strategiczni muszą przejść od subiektywnych raportów operatorów do dokładnego śledzenia matematycznego.
Firma Fabrico osiągnęła taką przejrzystość operacyjną dzięki ujednoliceniu natywnego śledzenia OEE bezpośrednio w ramach swojej podstawowej architektury komputerowego systemu zarządzania konserwacją (CMMS).
System stale zbiera dane w czasie rzeczywistym ze sterowników PLC, monitoruje dokładną liczbę cykli i rejestruje każdą przerwę w rytmie produkcji trwającą mniej niż minutę.
Dzięki autonomicznemu rejestrowaniu częstotliwości tych krótkich przerw system natychmiast generuje niezwykle dokładną, bieżącą linię bazową MTBA dla każdej maszyny na hali.
Kadra zarządzająca może natychmiast zidentyfikować, które konkretne zasoby zużywają najwięcej zasobów operatora, dzięki czemu może ona skupić się nie na szybkości operatora, ale na stabilności mechanicznej.
Wiedza o tym, że maszyna wymaga pomocy co cztery minuty, jest pomocna, jednak zespół ds. niezawodności musi dokładnie zrozumieć, dlaczego produkt ciągle się zacina.
Tradycyjne sterowniki PLC rejestrują zatrzymanie linii produkcyjnej, ale nie są w stanie powiedzieć inżynierowi, czy przyczyną usterki była uszkodzona folia opakowaniowa, zużyta prowadnica czy zabrudzony czujnik optyczny.
Firma Fabrico eliminuje tę diagnostyczną czarną dziurę dzięki modułowi „Inefficiencies Zoom-In”, instalując kamery komputerowe do ciągłego monitorowania środowiska produkcyjnego.
Gdy system OEE wykryje pomoc operatora, automatycznie zaznacza dokładny znacznik czasu i łączy go z odpowiednim nagraniem wideo w wysokiej rozdzielczości.
Inżynierowie odpowiedzialni za niezawodność mogą natychmiast obejrzeć powtórkę fizycznego zatoru, co pozwoli im na wizualne potwierdzenie dokładnej mechanicznej przyczyny problemu, jeszcze zanim operator opuści linię.
Ten niepodważalny dowód wizualny całkowicie eliminuje domysły diagnostyczne, umożliwiając działowi utrzymania ruchu wskazanie konkretnego podzespołu, który uległ awarii.
Wizualizacja głównej przyczyny mikroprzerwy nie przynosi żadnego zwrotu z inwestycji, chyba że natychmiast spowoduje podjęcie przez zespół ds. konserwacji trwałych działań naprawczych.
Po zidentyfikowaniu konkretnej przyczyny niskiego MTBA firma Fabrico natychmiast wdraża odpowiednie działania za pośrednictwem gotowego do pracy systemu CMMS.
Priorytetowe zlecenie robocze, wraz z nagraniem wideo ukazującym zacięcie mechaniczne, jest wysyłane bezpośrednio na urządzenie mobilne technika ds. niezawodności.
Gdy technik dociera do urządzenia, skanuje jego kod QR, aby odblokować dokładną, kontrolowaną standardową procedurę operacyjną (SOP) niezbędną do opracowania trwałej naprawy.
Wykonują naprawę, dokonują ponownej kalibracji uszkodzonych prowadnic i cyfrowo rejestrują dokładne godziny pracy w miejscu wykonania czynności.
Zamknięta pętla cyfrowego sterowania gwarantuje, że podstawowa usterka mechaniczna zostanie trwale wyeliminowana, co radykalnie zwiększy MTBA maszyny i pozwoli operatorowi skupić się na zadaniach o wartości dodanej.
Zarządy przedsiębiorstw przemysłowych intensywnie pracują nad wdrożeniem sztucznej inteligencji w celu autonomicznego przewidywania wąskich gardeł w procesach i dynamicznego dostosowywania centrowania maszyn.
Jednak algorytmy sztucznej inteligencji są zasadniczo bezużyteczne, i bardzo niebezpieczne, jeśli są trenowane na przestarzałych arkuszach kalkulacyjnych, które całkowicie ignorują tysiące nieudokumentowanych asyst operatorów występujących codziennie.
Zanim fabryka będzie mogła zaufać sztucznej inteligencji w zakresie precyzyjnej optymalizacji szybkiej linii produkcyjnej, musi zgromadzić co najmniej 12 miesięcy czystych, zweryfikowanych i wizualnie popartych danych podstawowych.
Wdrażając dziś wizualną RCA i mobilną architekturę CMMS firmy Fabrico, aktywnie budujesz kontekstualizowany zestaw danych, którego wymaga przyszła automatyzacja.
Zaawansowane możliwości, takie jak Fabrico Agent do autonomicznej optymalizacji procesów i Fabrico Assistant do wspomaganego sztuczną inteligencją rozwiązywania problemów, znajdują się obecnie na naszym strategicznym planie działania.
Wymuszenie cyfrowego wykonywania zadań i rejestrowanie precyzyjnych danych telemetrycznych w mikropunktach to obowiązkowy pierwszy krok w kierunku stworzenia zakładu produkcyjnego gotowego na sztuczną inteligencję i niewymagającego żadnej ingerencji.
Zobacz, jak Fabrico łączy OEE i utrzymanie ruchu w jednej platformie.
Umów demo
Zaloguj
Blog
