1 سپتامبر 2021 توسط The Manufacturer
با دستیابی به دیدگاه عادی در خطوط تولید، تولیدکنندگان می‌توانند به مزایای متمایز در قالب افزایش بهره‌وری، افزایش توان، بهبود کیفیت و کاهش مصرف خدمات در سراسر شرکت خود پی ببرند. اما چگونه می‌توان به این مهم دست یافت؟
تصور کنید یک سایت تولیدی با سه خط تولید یک محصول را تولید می‌کند، فرایندهای یکسان را دنبال می‌کند و از مواد اولیه یکسانی استفاده می‌کند. از لحاظ تئوری، این خطوط باید عملکرد قابل قبولی داشته باشند، اما از مدیر تولید بپرسید که امکانات آن‌ها چگونه کار می‌کند و پاسخ احتمالاً شبیه چیزی به مطالب زیر است،
«خط تولید 1 این هفته کمی کند شروع شده است، اما این برای خط 1 طبیعی است و ما هنوز باید بتوانیم به هدف خود برسیم. خط 2 همیشه یک کودک مشکل ساز است و ما این هفته دوباره مشکلات کیفی داریم. به نظر می‌رسد علل هرگز یکسان نیستند و ما باید این خط را از نزدیک تماشا کنیم. خط 3 همیشه اهداف خود را برآورده می‌کند و عالی کار می‌کند. این قابل اطمینان‌ترین خط ما است.»
با وجود اینکه این سایت دارای تیم با استعدادی با چندین دهه تجربه است، آن‌ها تلاش می‌کنند نحوه افزایش توان خط 1 را مطابق با خط 3 یا آنچه باید انجام شود تا فرکانس مسائل مربوط به کیفیت در خط 2 کاهش یابد، شناسایی کنند.
در بسیاری از موارد، داده‌های مورد نیاز برای پاسخ به سوالاتی از این قبیل در حال حاضر وجود دارد اما در چندین منبع داده پخش می‌شود. هر منبع شامل یک قطعه از داستان است. جمع آوری داده‌های مورد نیاز برای رسیدگی به مسئله توان عملیاتی در خط 1 می‌تواند بسیار پرهزینه باشد و این سرمایه گذاری‌ها به ندرت در رسیدگی به مسئله کیفیت در خط 2 مفید هستند. برای بهینه سازی عملکرد خطوط تولید، ما باید مخازن داده را تجزیه کنیم. و یک نمای عادی در خطوط ما ایجاد کند.
دستیابی به یک نمای عادی مستلزم رسیدگی به مجموعه‌ای از چالش‌های داده است که داده‌های قابل اعتماد و قابل دسترسی را برای توسعه بینش در خطوط تولید ما ارائه می‌دهد:
1. تجزیه سیلوهای داده
این یک چالش مستند برای تولیدکنندگان مربوط به ادغام داده‌های OT و IT، استخراج داده‌ها در نسل از تجهیزات و مدیریت انواع داده‌های ساختار یافته و بدون ساختار است. در حالی که اکثر تولیدکنندگان گزارش می‌دهند که ادغام داده‌ها در نسل‌های مختلف تجهیزات یکی از مهم‌ترین چالش‌های آن‌ها است، پذیرش روزافزون مخازن داده و راه حل‌های یکپارچه سازی در حال تلاش برای حمایت از توانایی تولید کنندگان برای غلبه بر این چالش است.
2. زمینه سازی و درک داده‌ها
یک سطح پیچیدگی عمیق‌تر، داده‌های ادغام شده در مخازن داده باید زمینه‌ای داشته باشند تا مصرف کنندگان داده‌ها بفهمند کدام داده به کدام خط تولید مرتبط است. قراردادهای نامگذاری ERP ، MES و داده‌های تاریخی معمولاً در هر سیستم متفاوت است. زمینه سازی داده‌ها به کاربر اجازه می‌دهد بدون نیاز به درک همه منابع داده و ساختار آن، همه داده‌های مربوط به یک فرآیند خاص را به سرعت پیدا کند. در حالی که بسیاری سعی می‌کنند به صورت دستی به این چالش بپردازند، خودکارسازی این فرایند برای درک داده‌های صنعتی در مقیاس وسیع در هر خط تولید بسیار مهم خواهد بود.
3. ایجاد یک مدل داده پویا
به طور خلاصه، هدف ایجاد یک مدل داده جهانی نیست که بتواند برای هر مورد خط تولید مورد استفاده قرار گیرد، بلکه تمرکز بر موارد استفاده زیاد و ارائه مدل‌های پویا است که از این موارد استفاده پشتیبانی می‌کند. اگرچه مدل سازی داده‌ها یک موضوع مستند به عنوان مثال استانداردهای ISO و ISA-95 است، اما اجرای استانداردها اغلب چالش برانگیز است. آن‌ها اغلب برای پاسخگویی به تمام نیازهای سازمان بسیار ساده هستند یا برای اجرا در عمل بسیار پیچیده هستند. وقتی به نحوه مدل سازی داده‌های خط تولید فکر می‌کنیم، باید بین نیاز به جامع بودن و نیاز به سرعت بخشیدن به زمان هنگام ارائه موارد استفاده، تعادل ایجاد کنیم. مدل داده برای دیجیتالی شدن باید دارای اجزای ترکیبی و قابل استفاده مجدد در هسته باشد، اما همچنین می‌تواند متناسب با نیازهای منحصر به فرد مصرف کننده یا مورد استفاده باشد.
در حالی که تولیدکنندگان ده‌ها سال است که با موفقیت واریانس خطوط تولید را مدیریت می‌کنند، کسانی که قادر به عادی سازی داده‌های خط تولید خود هستند، مزایای متمایزی در افزایش توان، بهبود کیفیت و کاهش مصرف آب تا حدودی خواهند داشت.
