전문가 의견:디지털 세계에서 폐기물의 미래

쓰레기. 제조업에서 우리 모두에게 친숙한 단어이며 우리가 지속적으로 씨름하고 있는 과제입니다. 그것은 많은 다른 ...

쓰레기. 제조업에서 우리 모두에게 친숙한 단어이며 우리가 지속적으로 씨름하고 있는 과제입니다. 그것은 지불 고객의 손에 결코 들어 가지 않는 원자재, 구성 요소 또는 결함이있는 제품뿐만 아니라 노동, 에너지, 저장, 운송 및 공장 및 기계를 포함한 자산 - 소비되지만 전체 수익에 기여하지 않습니다. 간단히 말해서, 낭비는 화폐화되지 않은 투입물의 비용이므로 효율성, 생산성, 민첩성 및 품질의 산출물은 모두 낭비의 대용물입니다.

폐기물은 린 제조(Lean Manufacturing) 철학에 따라 보다 형식화된 개념이 되었지만 현대 제조가 탄생한 이래로 업계에 만연한 도전 과제입니다. Matthew Boulton과 그의 비즈니스 파트너인 John Fothergill은 1766년 영국 버밍엄에 Soho Manufactory를 열었을 때 당시의 비효율적인 가내 산업에 혁명을 일으키기 위해 '대량 생산'이라는 개념을 도입했습니다. 1782년에 그들은 물을 사용하는 금속 압연기를 혁명적인 새로운 동력원인 와트 증기 기관으로 교체했고 '폐기물과의 전쟁'이 시작되었습니다.

그 이후로 우리는 폐기물을 줄이기 위해 새로운 기술, 방법, 프로세스 및 기술을 지속적으로 발명했습니다. 와트 증기 엔진과 같은 주요 혁신이 등장했을 때 우리의 전임자들은 효율성과 생산성 면에서 엄청난 이점을 실현했으며, 그 후 지속적인 개선과 미세 조정 기간이 이어졌습니다. 이는 이러한 혁신의 이점을 더욱 극대화했으며 전기 모터가 증기를 대체하고 전력이 고도로 분산되고 비용 효율적이며 신뢰할 수 있는 전기와 같은 다음 주요 혁신이 나타날 때까지 계속되었습니다. 그런 다음 조립 라인은 분업과 노동의 새로운 패러다임을 이끌었고 트랜지스터는 산업용 컴퓨터 제어 및 자동화를 일으켰습니다.

이러한 주요 이정표 각각은 초기 영향을 받은 후 지속적인 개선 및 개선 기간을 거쳐 다음 지진 변화가 발생할 때까지 계속해서 감소하는 수익을 제공합니다. 제조 공정을 개선할 영역을 찾을 때 대부분의 조직은 낭비를 제거하기 위한 새로운 방법을 찾기 위해 지속적으로 노력함에 따라 더 강력하고 미묘한 개선을 찾기 전에 '가장 낮은 열매'를 먼저 선택하는 경향이 있습니다. 그러나 그들은 곧 폐기물의 원인을 제거하는 비용이 실현된 이익과 같거나 더 커지는 지점에 도달할 것입니다. 아아, 수익 체감의 법칙입니다.

이 단계에서 이러한 개선을 수행하는 것은 단순히 비경제적이 되어 결과적으로 효율성과 생산성 향상이 정체되기 시작합니다. 나는 이것이 오늘날 대부분의 제조업체가 있는 곳이며, 소위 생산성 역설을 부분적으로 설명하는 데 도움이 된다고 믿습니다. 새로운 장비, 공정 및 기술에 대한 투자에도 불구하고 생산성 증가는 그대로 유지됩니다. 왜냐하면 덜 매달린 과일이 수확되고 기업이 투자 단위당 수익 감소 사이클에 갇히기 때문입니다. 생산성의 역설은 성능의 상당한 개선을 제공하기 위해 다음 중대한 변화가 나타날 때만 깨질 수 있습니다.

역사가 보여주듯이 이러한 변화는 하루아침에 일어나지 않습니다. 그들은 과대 광고의 기간을 거치기 전에 처음에는 회의론과 종종 조소에 직면하고 인식된 이점이 실현되지 못함에 따라 환멸을 느끼게 됩니다. 이러한 전환은 종종 IT 분석 회사인 Gartner가 '계몽의 기울기'(Hype Cycle)의 네 번째 단계라고 부르는 것을 통해 실질적인 이점이 나타나기 시작하기 전까지 몇 년, 아마도 수십 년이 걸릴 수 있습니다. . 디지털화, 스마트 공장, 미래의 공장, 인더스트리 4,0 및 산업용 사물 인터넷(IoT)은 모두 동일한 주제의 변형이며 이 다음 주요 주기의 뿌리를 나타냅니다. 이러한 주제에 대해 많은 보고가 있었고 계속해서 보고되고 있지만, 그것들은 모두 폐기물과의 전쟁에서 다음으로 중요한 무기인 정보라는 단일 기본 요소의 활용을 기반으로 합니다.

또한 참조:

• Manufacturing Global의 3월호 출시
• 제네바 모터쇼:놓치고 싶지 않은 최고의 자동차 기술 트렌드
• 지멘스, 제조 역량 강화를 위해 KACO 신에너지 인수 예정
• Bray International:디지털 혁신을 통한 밸브 제조의 사고방식 변화

자동화 및 6시그마와 같은 오프라인 성능 개선 방법론과 같은 기존 작업 현장 기술에서 감소하는 효율성 및 생산성 수익은 유리 천장에 도달했습니다. 예를 들어 제조 작업이 얼마나 효과적으로 활용되는지 평가하는 데 일반적으로 사용되는 OEE(전체 장비 효율성) 측정을 살펴보십시오. 100%의 OEE는 가능한 한 빨리 좋은 제품만 생산되고 가동 중지 시간이 없는 완벽한 생산 환경을 나타냅니다. 이 수준의 OEE를 달성하는 것은 틀림없이 불가능하지만 광범위한 연구에 대한 일반적인 연구에 따르면 세계적 수준의 제조업체는 50-60%가 더 일반적이고 30-40%가 그렇지 않은 약 80-85%의 OEE를 위해 노력합니다. 드문. 이것은 효율성과 생산성 면에서 여전히 상당한 개선의 여지가 있음을 보여 줄 뿐만 아니라 성능을 개선하기 위한 우리의 노력이 '바늘을 움직이지' 않는 경우가 거의 없음을 보여줍니다. 대신 제조업체는 실질적인 영향을 미치기 위해 더 작고 때로는 비용이 많이 드는 개선 사항의 정점에 의존합니다.

이러한 유리 천장을 깨기 위해서는 현재보다 더 높은 수준의 운영 능력을 개발하여 정보 및 데이터 자산을 활용해야 합니다. 물리적 시스템에서는 항상 일정 수준의 자연적 변동성과 예측 불가능성이 있지만, 이를 최적이 아닌 제조 프로세스에 대한 변명으로 계속 사용해서는 안 됩니다. 대신 이 정보를 사용하여 언제 어디서 이러한 일이 발생하는지(실시간 또는 거의 실시간으로) 이해하고 해당 변동성과 예측 불가능성을 '발생한 대로' 대응하고 완화할 수 있는 메커니즘을 마련해야 합니다. 또는 더 나은 여전히 ​​'발생하기 전에'.

이는 쉽지 않으며 단일 측정, 프로세스 또는 제품 특성뿐만 아니라 전체 인과 관계 전반에 걸쳐 많은 변수를 지속적으로 이해하고 모니터링해야 합니다. 제조 환경에서 프로세스가 완전히 격리되는 경우는 거의 없습니다. 한 프로세스의 성능이 직접적 및 주변적 영향을 모두 포함하는 무수히 많은 다른 영향으로 인해 발생할 수 있기 때문입니다. 이를 종종 '차원의 저주'라고 합니다. 차원이 많을수록 더 많은 데이터가 필요하고 실행 가능한 통찰력을 도출하기가 더 어려워집니다. 유감스럽게도 인간의 두뇌는 매우 적은 수의 차원과 매우 정적인 속도로 추론을 이해하는 데 어려움을 겪기 때문에 이러한 수준의 복잡성을 처리하도록 설계되지 않았습니다.

다행히도 몇 가지 새로운 기술이 수렴 및 성숙하여 제조 효율성 및 생산성의 다음 변화를 위한 기반을 형성하고 있습니다. 고급 센서의 비용과 소형화로 인해 모든 규모의 조직은 수요 및 공급망에서 또는 제품 자체에 내장된 상상할 수 없는 양의 데이터를 지속적으로 캡처할 수 있습니다. 정교함 수준에 따라 폐쇄 루프(Machine-to-Machine)에서 다른 센서 및 장치와 직접 작동하도록 센서 내에 직접 내장된 고급 알고리즘(Edge Computing이라고 함)을 사용하는 자율 컴퓨팅 작업을 가능하게 할 수 있습니다. 유비쿼터스 통신 네트워크의 부상(새로운 5G 표준이 주류가 되면 다시 변화할 추세)으로 인해 이러한 센서는 세계 어느 곳에서나 수집된 데이터를 고속으로 통신할 수 있습니다.

이러한 데이터 스트림은 실시간 인사이트를 생성할 수 있도록 빠른 속도로 정보를 필터링, 정렬 및 분석할 수 있는 방대한 양의 데이터 스토리지와 컴퓨팅 리소스가 필요하며, 이는 빅데이터와 클라우드 컴퓨팅을 통해 빠르게 분리되고 있습니다. 값비싼 온프레미스 인프라의 데이터 및 정보의 비즈니스 가치. 마지막으로, 이 데이터에서 파생된 분석 및 통찰력은 작업자가 쉽게 해석하고 조치할 수 있는 고도로 시각적이고 직관적인 형태로 거의 모든 장치에서 항상 사용할 수 있는 효과적인 조치를 적시에 적절한 장소에서 사용할 수 있어야 합니다. 에. 이는 오늘날 주류가 되고 있는 클라우드 기반 SaaS(Software-as-a-Service) 및 RWA(Rich Web Application) 인터페이스의 진화로 인해 가능해졌습니다.

공장, 작업 현장 및 공급망의 디지털화를 통해 제조업체는 이전에는 불가능하거나 경제적으로 실현 가능하지 않은 방식으로 폐기물을 신속하게 식별하고 제거할 수 있으며 이는 효율성과 생산성의 새로운 시대를 열 것입니다. 낮은 교수형 과일을 따고 나면 우리는 수확체감의 법칙이 물기 시작할 때까지 폐기물을 더 줄일 수 있는 새롭고 혁신적인 방법을 찾기 위해 기술과 기술을 계속 발전시킬 것이며 다음으로 큰 변화를 모색할 것입니다. 알려지다. 그러나 인공 지능(AI) 전문가인 Andrew Ng가 우리에게 상기시키듯이 지금 그것에 대해 걱정하는 것은 화성의 인구 과잉에 대해 걱정하는 것과 같습니다.

InfinityQS - 주요 제공업체  통계적 프로세스 제어(SPC)  전 세계 제조업체에 소프트웨어 및 서비스를 제공합니다. 이 솔루션은 제조 공정 중 데이터 수집 및 분석을 자동화하여 실시간 공정 개선 결정을 가능하게 하고 결함이 발생하기 전에 예방합니다. 품질 분석 및 제어를 위해 입증된 방법론을 사용하여 산업 통계학자가 개발한 InfinityQS 솔루션은 주요 제조업체에서 매년 수백만 달러를 절약하고 있습니다.