W koncepcji Lean Manufacturing najczęściej stosowanym wskaźnikiem pomiarowym jest OEE (całkowita efektywność sprzętu). Wskaźnik OEE ma trzy odrębne elementy składowe — dostępność, wydajność i jakość — które są bezpośrednio skorelowane z sześcioma głównymi stratami TPM (planowe i nieplanowe przestoje, powolne cykle, mikrozatrzymania, straty produkcyjne i straty przy uruchamianiu). Dzięki temu można wykorzystać go jako podstawę do identyfikacji pierwotnych przyczyn braku wydajności oraz jako pomoc dla użytkowników przy ustalaniu priorytetowych czynności z zakresu doskonalenia i oceny ich skuteczności.

Choć odpowiednia struktura pomiarowa ma kluczowe znaczenie przy udoskonalaniu operacji, to jej skuteczność zależy od jakości dostępnych danych. Z tego właśnie powodu wiele programów zgodnych z koncepcją Lean szwankuje tuż po starcie. Gromadzenie i optymalizowanie danych oraz zarządzanie nimi w sposób dokładny, spójny i pozwalający wyciągać wnioski bywa bowiem często trudne i kosztowne. Rozwój przemysłowego Internetu Rzeczy (IIoT) powoduje jednak, że sytuacja ta stopniowo ulega zmianie. Wraz z nową technologią pojawiają się nieznane dotąd możliwości automatyzacji i standaryzacji gromadzenia danych, a także narzędzia do porządkowania tych danych w sposób umożliwiający ich wykorzystanie do pomiaru i poprawy wskaźnika OEE.

Niełatwe gromadzenie danych

Producenci, którzy chcą rozpocząć pomiar wskaźnika OEE, muszą zdecydować się na ręczne lub automatyczne gromadzenie danych. Do podjęcia właściwej decyzji niezbędne jest uwzględnienie rodzaju potrzebnych danych, osoby, która będzie ich używać, oraz sposobu ich wykorzystania. Te ustalenia należy następnie zestawić z informacjami o tym, które dane są łatwo dostępne, a które można uzyskać dopiero po pokonaniu pewnych przeciwności. Przy pomiarze OEE pierwsza część danych, które trzeba zebrać, jest jasno określona: potrzebne są informacje o przestojach sprzętu gromadzącego dane, wydajności produkcyjnej oraz odrzuceniach spowodowanych jakością. Trzeba także ustalić, na jakim poziomie ma się odbywać gromadzenie i przeglądanie danych. To ważne, ponieważ dane zbyt ogólnikowe mogą nie nadawać się do praktycznego wykorzystania; z kolei nadmierna szczegółowość informacji powoduje, że trudno je uporządkować i ustalić ich priorytet.

Manualna rejestracja danych może być dobra na początek, jednak często okazuje się metodą zbyt niedokładną, trudną do standaryzacji i słabo dopasowaną do określonych celów, jeżeli uzyskane informacje mają posłużyć do podejmowania decyzji w czasie rzeczywistym. To właśnie sprawia, że ręczne gromadzenie danych może znacząco utrudniać szybkie wdrożenie pełnoskalowych działań i osiągnięcie sukcesu w długiej perspektywie czasowej.

Automatyzacja oraz rozwiązanie na miarę potrzeb

Mówi się, że poprawić można tylko to, co da się zmierzyć. Gromadzenie danych z myślą o udoskonaleniu operacji jest jednak trudnym zadaniem, gdy nie można skorzystać z automatyzacji. Obecny rozwój rozwiązań IIoT pozwala jednak zautomatyzować gromadzenie danych z użyciem sprzętu, który jest już zainstalowany na linii. Coraz doskonalsze i lepiej zintegrowane czujniki oraz oprogramowanie do pomiaru OEE i produktywności pozwalają sprawniej zbierać dane, co przekłada się na daleko idące zwiększenie ich spójności i dokładności. Pozyskane informacje mogą z czasem utworzyć zbiór wiarygodnych, cennych źródeł, które będzie można wykorzystać w różnych programach doskonalenia w całej organizacji. Obecność inteligentnych rozwiązań sprzętowych do gromadzenia danych nie musi zarazem oznaczać, że firma posiada odpowiednie narzędzia do zarządzania nimi.

Bob Neagle; dyrektor handlowy ds. rozwiązań zwiększających produktywność, Videojet Technologies Inc.