工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Manufacturing Technology >> 産業技術

機械ダウンタイムを追跡・分析:効率向上とコスト削減

生産に最も近い従業員として、オペレーターはショップフロアへの深い可視性を持っています。一方、ショップフロアマネージャーや製造エンジニアなどの他のステークホルダーは、生産ステータス、チームの生産目標に対するパフォーマンス、設備とリソースの使用効率への可視性で苦労することがあります。

幸い、接続デバイスは、従来の製造業に見られる生産問題に光を当てるデータ、分析、レポート、コミュニケーションツールを提供します。

ダウンタイムの分析

管理者が直面する最も一般的な課題の一つは機械ダウンタイム——機械が生産していない時間です。企業のダウンタイムの最大原因を分析しようとすると、ほぼ即座に知識のギャップが露見します。

これらの質問に答えることはダウンタイム分析の一部です。ショップフロアマネージャー、プロセスエンジニア、その他のステークホルダーは、ショップフロアからデータを集め、分析を実行し、問題、機会、その他のインサイトを特定してダウンタイム削減に努めます。

機械ダウンタイムをどう追跡するか?

言うまでもなく、製造業者はダウンタイム分析を実行する前に生産データが必要です。

伝統的に、製造業者はペンと紙、ホワイトボード、Excelシートでダウンタイムを手動追跡してきました。多くは後でMESやERPシステムに取り込まれます。

手動追跡の問題

特にダウンタイム分析を試みる際の問題は、手動収集データが一般的に不正確で遅延していることです。これはオペレーターと管理者がデータに基づいて迅速に行動できないだけでなく、プラントの実際の生産パフォーマンスの歪んだビューを生みます。

例えば、工具交換のような一般的なダウンタイムは、オペレーターが報告を怠ることがあります。ダウンタイムが報告されても、重要な詳細が忘れられたり、報告から漏れたりします。忙しいオペレーターは、機械がダウンしていたことを勘で所要時間とともに記録するだけかもしれません。

さらに、手動データ収集は時間集約的で、不要なデータまとめ作業を強います。言うまでもなく、分析を行う人々は、効果的に理解・活用するにより多くの労力を要する非文脈化データの海で迷子になりがちです。

機械ダウンタイムを追跡・分析:効率向上とコスト削減

機械データ収集の自動化

データ収集を自動化し、その正確性を確保することは、成功する監査のためだけでなく、ダウンタイム分析を遥かに超えて及ぶ効果的な意思決定の基盤を提供するためにも必要です。

MachineMetricsのようなソリューションを活用すれば、製造業者は正確な機械データをリアルタイムで自動取得できます。プラグアンドプレイソリューションは機械制御装置に直接接続し、各機械に設置されたタブレット経由でオペレーターからの文脈データも収集します。

これにより、製造業者は機械から直接正確なダウンタイムデータを得られるだけでなく、これらのダウンタイムの「なぜ」を説明するデータも得られます。さらに、アウトオブザボックスのレポートとダッシュボードを、オペレーター、管理者、さらには経営幹部が容易に利用でき、生産パフォーマンスをより良く理解し、リアルタイムでデータに基づいて行動できます。

参考記事:ダウンタイム追跡ソフトウェアとは? なぜ必要なのか?

機械ダウンタイムを追跡・分析:効率向上とコスト削減

必要な情報とは?

効果的なダウンタイム分析のために、機械とオペレーターの両方から収集したい情報には以下があります:

ダウンタイムが発生した理由に関する文脈を提供する追加情報も含められます(例:ダウンタイムカテゴリが「機械故障」で、追加情報でバーフィーダーの詰まりだったことが判明するなど)。

機械ダウンタイム分析の実施方法

データ収集——手動であれ自動であれ——だけでは不十分です。データはレポートにまとめられ、分析可能でなければなりません。このデータへ簡単にアクセスしクエリする方法が必要です。だからこそ、自動機械監視ソリューションは、データを自動的に取り込み分析を実行し、レポートを生成し、カスタムレポートとダッシュボードの構築を可能にするため、手動より遥かに容易かつ有用です。

ダウンタイムの理由をより良く理解し、緩和に向けて取り組む上で検討すべき、多様なレポートと指標があります。

機械ダウンタイムのトップ原因

ダウンタイム理由を理解するのに最も有用なレポートの一つはダウンタイムパレートで、記録されたすべてのダウンタイム理由を集計します。

このレポートで、最も深刻なダウンタイム理由を容易に特定できます。さらに、データを異なるシフト、機械セル、個別機械でセグメント化し、問題が潜んでいる場所をより掘り下げて見られます。

一般的なダウンタイムカテゴリには、過剰な工具交換、過剰なジョブ切り替え、オペレーター不在、計画外機械メンテナンスがあります。

機械ダウンタイムを追跡・分析:効率向上とコスト削減

計画的 vs 非計画的ダウンタイム

工場が完全自律化されるまでは、ダウンタイムは常に存在します。幸い、これは期待値に「計画的」ダウンタイムとして組み込まれます。

機械監視により、ダウンタイムの何パーセントが非計画的かをより良く理解し、データが期待からどこで乖離しているかを見られます。

機械ダウンタイムを追跡・分析:効率向上とコスト削減

高/低パフォーマンスのシフト、機械、ジョブ

特定のジョブ、機械、シフトといったより具体的な要素に掘り下げることで、製造業者は非効率を発見できます。

夜勤は日勤より遥かに多くのダウンタイムを経験しているか? なぜか?

特定の機械が他より多くのダウンタイムを経験しているか? これがボトルネックを作っているか?

機械ダウンタイムを追跡・分析:効率向上とコスト削減

分析をさらに深める

以下は追加で問うべき質問です:

適切な機械監視パートナーがあれば、製造業者は即座に正確な生産データへアクセスし、ダウンタイム削減に向けた実行可能なステップを踏みながら、継続的改善イニシアチブを推進できます。

成功事例

Fastenalケーススタディ

Fastenalは、ファスナー、工具、資材を企業に提供する米国の産業サプライヤーです。同社は、少量ロットの対応とシフト間の生産変化監視が可能なソリューションを必要としていました。MachineMetrics導入3ヶ月後、労働力を増やさずに以下を達成:

完全なケーススタディを読む。

Carolina Precisionケーススタディ

Carolina Precisionは、小径・高精度CNCスイス旋盤加工部品を専門とする受託製造業者です。MachineMetricsを用いてダウンタイムの原因を特定し、パレート図を活用して初年度に150万ドルを節約。「これが機械監視で学んだ最初の大きな教訓の一つです」とCarolina Precision Manufacturing社長のGary Bruner氏は語ります。「我々が抱えていたと気づかなかった問題を見つけ、それらが発生したときに対処する——事後ではなく——ためのツールです。」Carolina Precisionの全体的な成果:

完全なケーススタディを読む。

Wisconケーススタディ

Wisconは、航空宇宙、医療、エネルギー、自動車、建設、電力、その他産業向けの高品質精密部品を生産しています。同社の主要優先事項の一つは、ダウンタイムのトップ原因特定でした。作業者と管理者がより動的にリアルタイムでやり取りできる形で正確なデータを提示する必要がありました。

MachineMetrics導入以来の最大のメリットの一つは、単純に設備が稼働しているかを知り、特定部品の生産が標準と合っていないときを見られることでした。例:部品目標が未達でも稼働率99%なら、エンジニアリングはサイクルカウントタイムが原因とわかります。

MachineMetrics活用で、Wisconは全社的な生産能力を30%、オペレーター効率を48%向上。さらに平均的に以下を増加:

完全なケーススタディを読む。

過小評価されている敵

ほとんどの企業は真のダウンタイムを大幅に過小評価しており、80%以上の企業が真のダウンタイムコストを正しく計算できていません。非計画的ダウンタイムの一般的カテゴリには、過剰な工具交換、過剰なジョブ切り替え、オペレーター不在、計画外機械メンテナンスがあります。

ダウンタイムは生産時間損失の単一最大要因です。基本情報から深掘りまで、MachineMetricsはダウンタイムを追跡し、すべての人がショップフロアで何が起きているかを知れるよう、追跡、分析、ユーザーフレンドリーなレポート、インタラクティブツールを開発しています。

チームとのデモを今すぐ予約し、MachineMetricsが如何にショップフロアへの完全な可視化を実現するか、またはダウンタイム削減の開始をどう支援できるかを学んでください。

今すぐダウンタイム削減を開始

詳細はこちら

産業技術

  1. 産業用エッジコンピューティング:製造パフォーマンスをどう高めるか
  2. AIと機械学習がCNC機械加工に革命をもたらす
  3. 機械故障の主要原因とダウンタイム回避戦略
  4. 機械データで工具寿命を最適化:モダンガイド
  5. 機械稼働率をマスターする:計算方法と向上戦略
  6. 相互運用性とは:シームレスな統合を実現する方法
  7. ダウンタイム削減で生産性向上:実証済み戦略
  8. クラウド革命:IT、セキュリティ、キャリアをどう変えるか
  9. MQTT vs DDS:IoT向け最適なM2Mプロトコルの選択
  10. 堅牢なデータ管理が産業IoTにおける機械学習とAIを駆動する
  11. AI、データサイエンス、機械学習が次世代Webデザインをどう推進するか