6 سپتامبر 2024- دنیس سایمکا
گاهی اوقات تعقیب داده ها به معنای کشف مشکلاتی است که نمی دانستید یا مطمئن نبودید دارید، اما نمی توانید با اعداد بحث کنید.
AVPE Systems، یک تجارت ماشین‌های پیمانکاری فرعی که عمدتاً برای تامین‌کنندگان ایرباس کار می‌کند، در سال 2021 با ادغام Avon Valley Precision Engineering و Redcliffe Precision شروع به کار کرد. هجده ماه پیش، مدیریت AVPE با این واقعیت مواجه شد که طبقه کارگاه در کارخانه 75 کارمند آنها در بریستول، انگلستان، اهداف بهره وری را برآورده نمی کند.آنها نمی‌توانستند منبع را تعیین کنند، اما می‌دانستند که بهره‌وری می‌توانست و باید بالاتر می‌بود.
میزان محصولی که ساخته می‌شد با انتظارات بر اساس میزان نیروی انسانی و ساعات در دسترس مطابقت نداشت. شان توماس، رئیس عملیات در AVPE می‌گوید: ما می‌دانستیم که هفته‌های خوب و هفته‌های بدی داشتیم، اما نمی‌توانستیم دقیقاً دلیل هفته‌های بد را مشخص کنیم.
این یک مسئله فنی یا مهندسی نبود. AVPE سایر علل بالقوه را با اصلاح سیستم مدیریت کیفیت (QMS)، کشف تنگناهای پیش از تولید مانند بررسی‌های بی‌اثر راه‌اندازی، آماده‌سازی کافی برای تولید محصولات جدید و تغییرات اولویت‌بندی شغلی در لحظه آخر حذف کرد.
هر چند یک مورد عجیب وجود داشت. با نوسان تعداد اپراتورها در کارگاه به دلیل استخدام و استعفای عادی، خروجی تغییر نکرد. مسئله بهره وری به نحوه مدیریت افرادش توسط AVPE مربوط می شود.
AVPE یک سیستم مانیتورینگ ماشین مبتنی بر دوربین را مستقر کرده بود که زمانی که ماشین‌ها کار نمی‌کردند، کدهای خرابی تولید می‌کرد. سیستم سیم‌کشی شده بود، بنابراین هر زمان که شرکت ماشین‌های جدید را خریداری می‌کرد یا چیدمان کف تغییر می‌کرد، تکنسین‌ها مجبور بودند کابل‌های اترنت را تغییر دهند یا نصب کنند. حفظ سیستم با رشد شرکت دشوار بود، به خصوص پس از ادغام در سال 2021 و خرید بسیاری از ماشین‌های جدید.
اپراتورها همچنین از یک سیستم مبتنی بر کاغذ برای گزارش زمان کار، خرابی و دلایل خرابی استفاده می‌کردند، اما توماس دریافت که اپراتورها بیشتر به مواردی مانند انتظار مهندسان، مواد یا پاسخ‌های کیفیت اشاره می‌کنند. توماس می‌گوید این چیزها اتفاق می‌افتد، اما اغلب به اندازه کافی برای توضیح مشکلات بهره‌وری AVPE نیست.
“به طور مداوم به من گفته می شود که بزرگترین دلیل این که بهره وری خوب نیست این است که من همیشه در حال سرگردانی به دنبال این ابزار یا آن ابزار هستم، به دنبال این یا آن وسیله می گردم. توماس می‌گوید داده‌ها، [به‌نظر می‌رسد] این دلیل نبود، زیرا آنها این کار را در حالی انجام می‌دادند که ماشین‌ها کار می‌کردند.
به گفته توماس، مدیر عامل AVPE با یک پیشینه فناوری اطلاعات آنجا است و اهمیت تصمیم گیری مبتنی بر داده را درک می کند، بنابراین پس از یک مکالمه کوتاه، این شرکت در ژانویه 2023 تصمیم گرفت تا سیستم مانیتورینگ ماشین FourJaw را آزمایش کند.
از حسگرهای مجهز به WiFi، plug-and-play و خارج از قفسه برای تغذیه داده ها به نرم افزاری استفاده می کند که در زمان واقعی وضعیت دستگاه را بازخورد می دهد. توماس سیستم را به پنج دستگاه از 25 دستگاه کارخانه در طبقه کارگاه محدود کرد.
من نمی‌خواستم همه ماشین‌ها را با همه حسگرها جمع کنیم و بعد کمی کابوس ببینیم که باید به همه آموزش دهیم که چگونه از آن استفاده کنند و همه مشکلات را به یکباره پیدا کنیم، و فقط یک کابوس داشته باشیم. توماس می‌گوید: حجم زیادی از داده‌ها که قابل استفاده نبودند.
او همچنین می‌خواست به اپراتورها فرصتی بدهد تا سیستم را در عمل ببینند و نگرانی‌های مربوط به استفاده از داده‌ها برای ردیابی عملکرد اپراتورهای فردی را برطرف کند. اپراتورهای با سابقه طولانی مدت نمی خواستند تحت نظر قرار بگیرند زیرا احساس می کردند شرکت باید به آنها اعتماد کند، یا اپراتورها می گفتند که از قبل می دانستند که کار خوبی انجام می دهند، پس چرا شرکت باید ماشین ها را نظارت کند؟
توماس می گوید که نظارت بر اپراتورهای منفرد ، واقعاً هرگز هدف نصب سیستم نبوده است.
«در روزهای اولیه [پایلوت] متوجه شدیم که رایج‌ترین [مشکل] توقف زودهنگام ماشین در شیفت شب بود. ما فقط پرسیدیم: «می‌توانیم ببینیم که دستگاه متوقف شده است. مشکل چه بود؟» ما هرگز نرفتیم و از آن شخص نپرسیدیم که چه کار می‌کند، زیرا از همان ابتدا کاملاً واضح بود که این موضوع مربوط به نظارت بر ماشین‌ها است، نه کارکنان . ما آشکارا گفتیم: «اگر همه دستگاه‌هایی که قرار است کار کنند کار می‌کنند، برای ما مهم نیست که شما چه می‌کنید. توماس می‌گوید وظیفه شما این است که ماشین‌ها را آماده بکار نگه دارید.
هنگامی که این گزارش به هنجار تبدیل شد و عملکرد دستگاه‌هایی که در خلال پایلوت نظارت می‌شدند بهبود یافت، فرهنگ موجود در کارگاه را به یک حس رقابت دوستانه تغییر داد تا ببینیم کدام بخش‌ها می‌توانند بیشتر پیشرفت کنند. رهبران سلول از اطمینان از اینکه افراد کار می‌کنند به سمت هدایت آنها بر روی انجام وظایف و نظارت بر نتایج با کیفیت رفتند.
تابلوهای موجود در طبقه کارگاه داده های رنگی را نمایش می دهند تا نشان دهند که آیا ماشین ها کار می کنند و اگر نه، چرا کار نمی کنند.
تا اواسط آگوست 2023، هر دستگاهی که روی زمین بود، هزینه دستگاه اینترنت اشیا را داشت.
هر دستگاه اینترنت اشیا از یک تبلت پشتیبانی می کند. اگر دستگاهی بیش از چند دقیقه از کار بیفتد، اپراتور تبلت کدی را برای توضیح زمان از کار افتادن وارد می کند.
تابلوهای موجود در طبقه کارگاه نتایج کدگذاری شده رنگی را نمایش می دهند تا بین زمان خرابی با دلیل از زمان توقف در انتظار توضیح تفاوت قائل شوند. علاوه بر نظارت بر سلامت دستگاه، اپراتورها می توانند از اطلاعات برای رسیدگی به تغییراتی که کندتر از حد معمول رخ می دهند، استفاده کنند.
AVPE داده ها را به صفحات گسترده می کشد تا تجزیه و تحلیل های روزانه، هفتگی و ماهانه انجام دهد. گزارش‌ها به سرعت نشان دادند که چگونه پنج دقیقه توقف در اینجا و ده دقیقه توقف در آنجا واقعاً باعث از دست دادن معنی‌دار بهره‌وری می‌شوند. تجزیه و تحلیل داده‌ها همچنین احساس درونی توماس مبنی بر نقش مدیریت نیروی کار در مسائل بهره‌وری AVPE را تایید کرد.
من سعی می‌کنم و همیشه این دیدگاه را دارم که اغلب چیزهایی که اشتباه می‌کنند، دلیلی سیستماتیک دارد. توماس می‌گوید: هنگامی که به داده‌ها واکنش نشان می‌دهید و نه مردم، سپس به طور خودکار شروع به رانندگی [مدیریت بهتر نیروی کار] می‌کنید.
یک اپراتور از نظر فنی می‌توانست سه دستگاه را راه‌اندازی کند، اما اگر یکی از دستگاه‌ها از کار بیفتد، دو اپراتور دیگر نیز به طور مؤثری از کار می‌افتند در حالی که اپراتور به این مشکل رسیدگی می‌کرد. داده ها به وضوح نشان می دهد که AVPE به اپراتورهای بیشتری نیاز دارد و شرکت درایو استخدام را راه اندازی کرد.
ما همچنین متوجه شدیم که سطح مهارت در برخی جاها کاملاً همسو نیست. … ما متوجه شدیم، زمانی که برای اولین بار [دریافت داده ها] را شروع کردیم، یکی از زمان های خرابی بزرگ ما کمک به دیگران بود. توماس می‌گوید چند نفر بودند که مجبور بودند خیلی به دیگران کمک کنند، و بقیه به آنها وابسته شده بودند… هر بار پنج دقیقه، اما بسیار ثابت، خیلی مکرر در طول روز.
AVPE برنامه‌های آموزشی جدیدی ایجاد کرد و سیاست‌های ثبت دقیق‌تری را وضع کرد. اپراتورهایی که عملکرد خوبی روی ماشین‌ها داشتند، اما وظیفه را درک نمی‌کردند، نمی‌توانستند متوجه شوند که داده‌های مهندسی یا برنامه‌های در حال اجرا بر روی ماشین‌ها کاملا درست نیستند. آنها ممکن است در تولید تعداد خاصی از قطعات روی یک ماشین برتری داشته باشند، اما تلاش برای تولید قطعات جدید و ناآشنا ممکن است کار را به ضایعات تبدیل کند.
Egos متلاشی شد و شرکت برخی از اپراتورها را از دست داد که دیگر اجازه نداشتند همان وظایفی را که قبل از شروع سیاست ثبت نام جدید شروع شده بود انجام دهند. در برخی موارد، AVPE آن اپراتورها را با کارکنان جدیدی جایگزین کرد که تجربه ماشینکاری نداشتند، اما به لطف ساختار آموزشی جدید، می‌توانستند بسیار سریع‌تر سوار شوند.
بین اپراتورهای اضافی، آموزش های جدید و ایجاد فرهنگ مبتنی بر بهبود، دو ماه پس از تکمیل عرضه، زمان آپدیت 30 درصد و بهره وری 10 درصد به 15 درصد افزایش یافت.
در حالی که AVPE سیستم مانیتورینگ ماشین را برای رفع مزاحمت های گزارش شده توسط اپراتورها با سیستم قدیمی مبتنی بر کاغذ راه اندازی نکرد، تغییراتی که AVPE از تعقیب داده ها ایجاد کرد حداقل یک شکایت مکرر از برخی از اپراتورها را برطرف کرد و نیاز به کمک به دیگران با پاسخ دادن به همان سؤالات بارها و بارها را برطرف کرد..
نظارت ماشینی به خودی خود مسائل را رفع نمی کند. اطلاعاتی را در اختیار شما قرار می دهد که بروید و مواردی را که باید اصلاح شوند را اصلاح کنید. توماس می‌گوید چه چیزی را که پیدا می‌کنید دوست داشته باشید یا نه، قابل اندازه‌گیری است و در آن مرحله باید با آن کنار بیایید.
