Case Study: 섬유 제조에 고급 일정을 통해 다운타임 감소

Situation 및 회사 프로필

1970 년대에 작은 도시에서 발견 된 제조업체는 가족 실행 작업으로 시작되었습니다. 코튼은 지역 의류 제조업체를위한 혼합을 생산합니다. 5 년 이상, 그것은 자동차 좌석 제조업체 및 보호 기어 생산자와 같은 패션 하우스 및 산업 클라이언트에 의해 사용되는 고성능 직물의 다국적 공급 업체로 성장했습니다. 이 회사는 직물의 35 백만 미터의 결합 연간 생산과 함께 2 개국에서 3 개 공장을 운영합니다.

이 제품은 불꽃-retardant 섬유, 습기-wicking 성능 직물 및 고급 울 혼합을 포함 합니다. 클라이언트는 최고 수준의 패션 라벨 및 주요 산업 구매자 일관된 품질과 단단한 배달 창을 요구. 모든 생산 중단은 캐스케이드 지연, 과시 비용, 잠재적 계약 처벌을 만들. 강한 브랜드 명성에도 불구하고, 제조 업체는 나이 드는 장비와 민감 유지 보수 접근으로 투쟁.

다운타임의 뿌리 원인

변화하기 전에, 회사는 운영 문제의 tangled 웹을 직면했습니다. 가장 중요한 것은 다음과 같습니다.

Unpredictable 기계 실패

많은 직기 및 끝마무리 기계는 20 세 이상이었습니다. 순간 감시 없이, 고장은 경고 없이 일어났습니다. 고속 길쌈 기계에 스핀들 실패는 기계 진단되고 대체된 부속 도중 6 8 시간 동안 전체 생산 라인을 halt 할 수 있었습니다. 1개 분기에, 총 유효한 생산 시간의 12%를 위해 계획되지 않는 가동불능시간은 위탁했습니다.

엄밀한 생산 계획

생산 플래너는 스프레트 시트를 사용하여 주간 일정을 생성, assuming 기계는 지속적으로 실행 될 것입니다. 일정은 유지 보수 또는 품질 재작업을위한 버퍼가 없었다. 기계가 내려 갔을 때, 플래너 수동 재스케일 된 주문, 종종 다음 주에 긴급한 작업을 밀어. 이것은 백로를 생성하고 스레딩 시간의 덜 중요한 주문을 실행하는 운영자를 강제로.

Coordination Gaps 사이에 유지 보수 및 생산

유지 보수 팀은 독립적으로 생산 계획 운영. 그들은 고정 일에 대한 예방 유지 보수를 수행, 그 기계가 러쉬 주문에 필요한 여부에 관계없이. 과도하게, 기계가 높은 프리모르 실행 동안 깨질 때, 생산은 방어 유지 보수를 요청할 권한을 가지고; 그들은 단순히 중지하고 대기. 이 마찰은 달 당 과잉 요일 시간의 50 시간의 평균 비용.

납품 지연 및 처벌

늦은 배송은 최악의 분기에 주문의 18%에 도달했습니다. 고객은 매출액을 발행하고 경쟁 업체에게 사업을 이동하기 위해 위협을 시작했습니다. 회사의 가동 시간 배달율은 판매 시점에 한 번, 75 %로 하락했습니다.

올바른 해결책을 선택

여러 옵션을 평가 한 후, 제조업체는 ]real-time data analytics]과 ]]machine Learning 알고리즘]을 결합한 클라우드 기반 고급 스케줄링 플랫폼을 선택했습니다. 이 시스템은 IoT 센서 데이터, 유지 관리 로그, 주문 우선 순위 및 이동 캘린더를 통합 할 수있는 간단한 스케줄링 보드가 아니라 의사 결정 엔진이 아닙니다. 주요 선택 기준은 다음과 같습니다.

기존 ERP(SAP Business One)과 통합할 수 있는 능력은 광범위한 사용자 지정 코딩 없이도 가능합니다.
실행된 유지보수 모듈을 지원하여 발생하기 전에 잠재적인 실패를 기소할 수 있습니다.
몇 분 안에 붕괴에 반응할 수 있는 동적 재조정 기능.
플랜트 관리자, 교대 감독자, 유지보수 리드를 위한 사용자 친화적 인 대시보드.

산업 연구 보고서 ] 스마트 제조는 팀에 투자를 촉진하고, 유사한 구현이 최대 40%로 계획되지 않은 다운타임을 감소시켰다는 것을 보여주었습니다.

로드맵

롤아웃은 중단을 최소화하는 단계별 접근법을 따르고 있습니다.

1단계: 센서 설치 및 데이터 수집

3개월 이상, 제조업체는 진동 센서, 온도 프로브 및 에너지 모니터를 80% 이상의 중요한 기계에 설치했습니다. 센서는 클라우드 플랫폼으로 5초마다 데이터를 넣었습니다. 이 단계에는 기계 및 인간 관측의 하이브리드 데이터 세트를 만드는 비정상적인 소리나 진동을 기리기 위한 교육 통신사가 포함되어 있습니다.

2단계: 모델 교육 및 교정

기계 학습 엔지니어는 유지 보수 팀과 함께 역사 실패 이벤트를 라벨. 알고리즘은 고장을 베어링하기 전에 진동 스파이크와 같은 패턴을 배웠고, 모터 하중을 나타내는 온도 상승, 에너지 효율 신호 벨트 마모 감소. 4 주 말에, 모델은 사전에 72 시간까지 85% 정확도로 실패를 예측할 수 있습니다.

3단계: ERP 및 생산 계획과 통합

SAP Business One에 연결된 스케줄링 엔진은 날짜, 고객 우선 순위 및 원료 가용성을 끌어 당기는 주문입니다. 또한 다시 예측된 유지 보수 창 및 최적화 된 생산 시퀀스를 밀어주었습니다. 이 시스템은 constraint 기반 알고리즘을 사용하여 여러 목표를 균형 잡힌다: 최대 처리량, 변경 시간 최소화 및 유지 보수 요구 사항을 최소화합니다.

4단계: 관리 및 교육

아마도 가장 도전적인 단계는 민감하는 문화를 이동했다. Shift는 필요한 경우 대시보드와 오버레이닝 시스템 제안을 해석하는 워크샵에 참석했습니다. 유지 보수 직원은 예측 경고를 신뢰하는 것을 배웠습니다. 기계가 정상적으로 실행 될 때도. 회사는 또한 OEE 개선에 묶여있는 성능 보너스를 도입, 집중력.

Metric	Before	After	Change
Unplanned downtime (% of total time)	12%	9%	−25%
Overall Equipment Effectiveness (OEE)	62%	74%	+19%
On-time delivery	75%	92%	+17 percentage points
Average maintenance response time	45 min	12 min	−73%

학습의 핵심 교훈

다른 제조업체가 적용 할 수있는 변환 수율 통찰력 :

작게 시작, 그때 Scale

초기 롤아웃은 하나의 식물만 덮었습니다. 시스템이 값을 입증 한 후에는 특정 유지 보수 경고 - 다른 두 식물은 즉각적인 배포를 요청했습니다. 이 단계 접근 방식은 확장하기 전에 알고리즘 및 교육 자료를 정제 할 수 있습니다.

자료 질 Matters 양 보다는 더 많은 것

일부 센서는 모델에 혼동 된 노이즈 데이터를 생산합니다. 팀은 깨끗하고 라벨의 과거 데이터를 철저히 배웠습니다. 또한 센서의 20 % (최대 고장 프로네 기계에)가 예측 가치의 80 %를 생성 한 것으로 나타났습니다. 그 기계에 초점은 먼저 ROI를 가속화했습니다.

층 팀을 강화

운영자와 유지 보수 직원은 동일한 대시보드를 볼 수있을 때, 그들은 자연스럽게 협력을 시작했다. 운영자는 기계의 진동 패턴이 비정상적인 모습 때 유지 보수를 경고 할 것입니다, 심지어 알고리즘이 파쇄하기 전에. 시스템은 관리 임포지트보다 공유 도구가되었다.

예외 계획

모든 가장자리 케이스를 처리 할 수 없습니다. 제조업체는 비상 사태 또는 대뇌 장애를위한 수동 과다한 옵션을 유지했습니다. 열쇠는 과다가 기본적으로되지 않았는지 확인합니다. 과다 복용의 일정한 리뷰는 지속적으로 모델을 개선하는 데 도움이되었습니다.

미래 전망

성공에 의해 부합, 제조업체는 이제 추가 사용 사례를 탐구하고있다. 하나는 이니셔티브는 품질 예측-저희가 발생하기 전에 직물 결함을 예측하는 센서 데이터, 긴장 또는 온도에 실시간 조정을 허용. 또 다른 energy 최적화, 오프 피크 관세 기간 동안 높은 에너지 프로세스를 스케줄.

고급 스케줄링 플랫폼은 또한 문을 ]lights-out Manufacturing]으로 오픈했습니다. 야간 이동이 최소 인적 감독으로 실행되는 한 식물에서 야간 이동이 가능합니다. 시스템 모니터는 재료 취급을 위한 로봇 카트를 파견하고, 원격 연산자를 문제 발생시 경고합니다. 초기 결과는 처리에 영향을 미치지 않고 노동 비용의 15% 추가 감소를 보여줍니다.

]IoT in Textile Manufacturing]는 업계 리더들에게 통합이 표준이 되는지 강조합니다.

회사는 또한 공급 사슬 파트너를 가진 스케줄링 체계를 연결하는 증발입니다. 털실 공급자가 지연이 있는 경우에, 체계는 생산 계획 및 경고 고객을 개정한 납품 날짜에 조정할 수 있었습니다 조정할 수 있었습니다. 시정의 이 수준은 클라이언트 관계를 강화하고 costly 폭발한 선박을 감소시킬 수 있었습니다.