Table of Contents
Tình hình và hồ sơ của công ty
Được thành lập ở một thị trấn nhỏ vào những năm 1970, nhà sản xuất bắt đầu với hoạt động gia đình sản xuất bông cho các nhà sản xuất quần áo địa phương. hơn 5 thập kỷ, nó phát triển thành một nhà cung cấp các loại vải có hiệu suất cao được sử dụng bởi các nhà thiết kế thời trang và khách hàng công nghiệp như các nhà sản xuất xe hơi và nhà sản xuất thiết bị bảo vệ thiết bị bảo vệ thiết bị sản xuất sản xuất sản xuất sản xuất 3 nhà máy ở 2 nước, với kết hợp 35 triệu mét vải.
Danh mục sản phẩm của nó bao gồm vải dệt may, dây may phơi hơi ẩm và những hợp chất len xa xỉ. khách hàng bao gồm những nhãn thời trang cao cấp và những người mua lớn yêu cầu chất lượng nhất quán và cửa sổ phân phối chặt chẽ. bất cứ sự gián đoạn sản xuất nào tạo ra chậm trễ bù đắp, chi phí làm thêm, và hình phạt hợp đồng tiềm năng hợp đồng. mặc dù danh tiếng cao, nhà sản xuất đấu tranh với thiết bị lão hóa và bảo trì phản ứng làm xói mòn các lề.
Nguyên nhân căn bản của thời kỳ buồn nản
Trước khi chuyển đổi, công ty phải đối mặt với một mạng lưới các vấn đề hoạt động rối loạn.
Lỗi máy không thể đoán trước
Nhiều khung cửi và máy móc hoàn thành đã hơn 20 năm tuổi. không có giám sát thời gian thực, bị hỏng hóc xảy ra mà không có cảnh báo. một trục chính thất bại trên một máy dệt tốc độ cao có thể làm ngưng toàn bộ một dây chuyền sản xuất trong khi cơ học được chẩn đoán và thay thế các bộ phận. trong một phần tư thời gian không có dự tính trong vòng 12 phần trăm thời gian sản xuất sẵn có.
Lịch sản xuất Rid
Các nhà hoạch định sản xuất đã tạo ra các kế hoạch hàng tuần bằng bảng tính, giả sử máy sẽ chạy liên tục. Lịch trình không có bộ đệm cho việc bảo trì hay sửa chữa chất lượng. Khi một máy bị hỏng, các thiết kế lại trình tự, thường đẩy công việc khẩn cấp đến tuần sau. Việc này tạo ra một bản ghi chép và ép buộc người điều khiển chạy ít các lệnh quan trọng hơn ra khỏi chuỗi, phí thời gian thiết lập.
Sự kết hợp giữa việc bảo trì và sản xuất
Các đội bảo trì hoạt động độc lập về kế hoạch sản xuất. họ thực hiện bảo trì phòng ngừa trong những ngày cố định, bất kể có cần thiết cho một trật tự cấp tốc hay không. Ngược lại, khi một máy bị hỏng trong một hoạt động hàng tháng, sản xuất không có thẩm quyền yêu cầu bảo trì trì trì trì trì, họ chỉ đơn giản là dừng lại và chờ đợi. ma sát này tốn trung bình 50 giờ đồng hồ không có thời gian sử dụng hàng tháng.
Việc giao hàng trì hoãn và nợ nần
Những người tham quan bắt đầu gửi tiền và đe dọa chuyển công việc cho những đối thủ cạnh tranh.
Chọn giải pháp đúng
Sau khi đánh giá một số tùy chọn, nhà sản xuất đã chọn một nền tảng máy học tập dựa trên mây [FLT: 0] kết hợp [FLT: 0] dữ liệu thời gian thực với ) các thuật toán học [FLT: 2]. Hệ thống không phải là một bảng thiết lập trình tự thiết kế đơn giản, mà là một động cơ quyết định có thể hấp thụ dữ liệu cảm biến IoT, bản ghi lưu, thứ tự ưu tiên, và chuyển đổi lịch.
- Khả năng hợp nhất với hệ thống iP hiện có (SP Business One) không có mã hóa tùy chỉnh rộng rãi.
- Hỗ trợ cho [FLT: 0] Bảo trì dự đoán mà có thể đánh dấu các lỗi có khả năng xảy ra trước khi xảy ra.
- Khả năng tái lập lịch sử động có thể phản ứng với sự gián đoạn chỉ trong vài phút.
- Bảng điều khiển thân thiện với người dùng cho nhà máy, giám sát ca trực, và bảo trì dẫn đến.
Một báo cáo nghiên cứu về ngành công nghiệp về sản xuất thông minh giúp đội ngũ biện hộ cho sự đầu tư, cho thấy rằng những thực hiện tương tự giảm xuống 40% thời gian không dự tính trước.
Sơ đồ đường đi
Việc cuộn phim theo sau một bước tiếp cận để giảm thiểu sự gián đoạn:
Giai đoạn 1: Bộ sưu tập dữ liệu và Cài đặt bộ nhạy
Hơn ba tháng, nhà sản xuất đã lắp đặt cảm biến rung động, thăm dò nhiệt độ và máy dò năng lượng trên 80% máy quan sát. các cảm biến cho dữ liệu mỗi năm giây vào nền tảng mây. giai đoạn này cũng bao gồm việc huấn luyện các nhà điều hành để đánh dấu các âm thanh hoặc rung động bất thường, tạo ra một tập hợp dữ liệu lai của máy tính và quan sát của con người.
Giai đoạn 2: Dạy Mô hình và Tính toán
Thuật toán học tập được các kỹ sư máy làm việc với đội bảo trì để đánh dấu các sự kiện thất bại lịch sử. các mô hình học được như sự tăng độ rung trước khi mang thất bại, nhiệt độ tăng cho thấy quá tải của động cơ và giảm bớt năng lượng đeo thắt lưng.
Giai đoạn 3: Hợp nhất với mục nhập và kế hoạch sản xuất
Hệ thống này dùng [FLT: 0] thuật toán [FLT: 1] để cân bằng nhiều mục tiêu: tối đa hóa, thay đổi thời gian và bảo trì tôn trọng.
Giai đoạn 4: Thay đổi cách quản lý và huấn luyện
Có lẽ bước khó nhất là chuyển đổi văn hóa từ phản ứng sang hoạt động tích cực. Shift dẫn đến các hội thảo để phiên dịch các đề nghị về bảng điều khiển và quá tải hệ thống khi cần thiết. nhân viên bảo trì học cách tin tưởng vào cảnh báo dự đoán, ngay cả khi một máy có vẻ như đang chạy bình thường. công ty cũng giới thiệu một phần thưởng bổ sung kết nối với cải thiện hệ thống OEE, và sự hỗ trợ tương ứng với các động cơ.
Kết quả biến đổi
Trong vòng sáu tháng triển khai toàn bộ, nhà sản xuất báo cáo kết quả định lượng sau:
| 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% |
Bên ngoài các con số, công ty đã đạt được mức độ hoạt động nhanh mới. Ví dụ, khi một sự gia tăng đột ngột năng lượng đe dọa làm hư hại nhiều khung cử động, hệ thống tự động tái định tuyến lại thời gian biểu, chuyển đổi các lệnh đến máy không bị động và bảo trì để kiểm tra các thiết bị bị bị bị bị bị ảnh hưởng trước khi khởi động nó. Sự cố gây ra chỉ có 90 phút bị chậm thay vì tắt hẳn.
Một báo cáo từ bài báo [FLT: 0] Indust Week [FLT: 1] về những ghi chú có tính dự đoán mà cách tiếp cận tương tự có thể giảm thời gian xuống 30% hoặc hơn, phù hợp với kinh nghiệm của nhà sản xuất này.
Bài học then chốt
Sự biến đổi cho ta cái nhìn sâu sắc mà các nhà sản xuất khác có thể áp dụng:
Bắt đầu từ nhỏ, sau đó co dãn
Hệ thống này chỉ được bao phủ một thực vật khi hệ thống đã chứng minh giá trị của nó đặc biệt là cảnh báo bảo trì dự đoán 2 thực vật khác yêu cầu triển khai ngay lập tức phương pháp này cho phép đội ngũ tinh chế các thuật toán và các vật liệu đào tạo trước khi mở rộng
Chất lượng dữ liệu quan trọng hơn số lượng
Một số bộ cảm biến tạo ra dữ liệu gây nhiễu, làm rối loạn các mô hình. nhóm học cách làm sạch và dán nhãn dữ liệu lịch sử một cách kỹ lưỡng. họ cũng phát hiện ra 20% các bộ cảm biến (trên các máy phát triển thất bại) tạo ra 80% giá trị dự đoán. tập trung vào những máy này đầu tiên tăng tốc ROI.
Hãy ban sức mạnh cho các nhóm tầng
Khi các nhân viên điều hành và bảo trì thấy bảng điều khiển tương tự, họ bắt đầu hợp tác với nhau, và các nhân viên điều hành sẽ cảnh báo về việc bảo trì khi máy có kiểu rung động trông bất thường, ngay cả trước khi thuật toán đánh dấu nó, hệ thống này trở thành một công cụ chia sẻ thay vì một vị trí quản lý.
Dự tính ngoại lệ
Không thuật toán nào có thể giải quyết mọi vấn đề, nhưng nhà sản xuất giữ một tùy chọn ghi đè bằng tay cho các mệnh lệnh khẩn cấp hoặc thất bại thảm khốc.
Tương lai nhìn ra
Bị cản bởi sự thành công, nhà sản xuất đang khám phá các trường hợp sử dụng thêm. Một sáng kiến là dự đoán chất lượng [FLT: 1] [FLT: 1], sử dụng dữ liệu cảm biến để dự đoán lỗi vải trước khi chúng xảy ra, cho phép điều chỉnh thời gian thực để căng thẳng hoặc nhiệt độ. Một sáng chế khác là tối ưu [FLT:], tiến trình dự đoán năng lượng cao trong thời gian ngoài trời.
Nền tảng dự án tiên tiến cũng mở cửa để [FLT: 0] sản xuất trong một cây, nơi mà ban đêm thay đổi với sự giám sát tối thiểu của con người. Hệ thống giám sát máy tính, gửi các xe máy máy máy máy máy xử lý vật liệu, và cảnh báo các nhà điều khiển từ xa chỉ khi gặp vấn đề. Kết quả đầu tiên cho thấy chi phí lao động giảm 15% nữa mà không ảnh hưởng đến chi phí lao động.
Một bài viết về IoT trong ngành sản xuất ) nhấn mạnh cách mà sự kết hợp này trở thành tiêu chuẩn cho các nhà lãnh đạo ngành công nghiệp.
Công ty cũng đang đánh giá hệ thống kết nối với các đối tác cung cấp. Nếu một nhà cung cấp chỉ có sự chậm trễ, hệ thống có thể tự động điều chỉnh kế hoạch sản xuất và báo động khách hàng về ngày giao hàng sửa đổi. Mức độ tầm nhìn này có thể củng cố mối quan hệ khách hàng và giảm thiểu việc vận chuyển tốn kém.
Kết luận
Nghiên cứu này cho thấy rằng chương trình tiên tiến, được cung cấp bởi dữ liệu thời gian thực và máy học, có thể giảm đáng kể thời gian xuống trong sản xuất dệt may. nhà sản xuất cắt giảm thời gian không tính toán xuống 25%, tăng cường OEE gần 20%, và cải tiến thời gian truyền tải từ 75% đến 92%.
Đối với bất cứ nhà sản xuất nào phải đấu tranh với thiết bị lão hóa, thời khóa biểu cứng nhắc, và những yêu cầu leo thang của khách hàng, con đường này rõ ràng: đầu tư vào kế hoạch thông minh và bảo trì dự đoán.
Đọc thêm trường hợp bảo trì tiên đoán trong ngành dệt ) cung cấp thêm những ví dụ về RRI tương tự.