산업기술
산업 제조
제조업체는 우리가 생활에서 사용하는 제품을 생산하기 위해 수많은 도전에 직면해 있습니다. 그리고 각자는 자본, 기술, 기술 발전 등의 형태로 제한된 자원으로 이러한 문제를 해결해야 합니다. 이 복잡한 영역을 조정하는 관리자는 상점의 용량을 이해하여 처분할 수 있는 도구를 최대화하는 방법을 가장 잘 찾습니다. 제조 공간, 자재, 노동력 및 최적화된 장비 성능을 더 잘 활용하는 것은 기업이 효율적인 생산을 추진하고 최고의 수익성을 확보하는 데 매우 중요합니다.
용량 분석은 제조 공장을 감사하고 잠금 해제를 기다리는 숨겨진 용량이 있는지 진단하기 위한 훌륭한 솔루션이 될 수 있습니다.
모든 제조업체의 목표는 최대 용량으로 작업을 실행하는 것입니다. 그러나 제조 능력은 무엇입니까? 간단히 대답하자면, 제조 능력은 회사 내의 모든 장비와 자원이 해당 산업에서 요구하는 제품 구성 및 볼륨에 대해 가장 높은 가동률로 활용되는 상태를 나타냅니다. 이는 운영부터 유지보수까지 모든 프로세스가 정해진 양의 리소스로 최적화되어 불필요한 다운타임이 발생하지 않는다는 것을 의미합니다. 이 조건에 도달하면 장비가 최대 용량에 도달합니다.
많은 요인들이 이 이상적인 상태로의 여정을 더욱 복잡하게 만듭니다. 공장은 수리에 귀중한 시간을 낭비하는 기계적 고장과 같은 가용성 손실의 돌진으로 고통받을 수 있습니다. 또는 전환, 설정 및 조정으로 인해 귀중한 생산 능력을 잃을 수 있습니다.
제조 능력도 성능 손실로 고통받을 수 있습니다. 여기에는 훈련되지 않았거나 경험이 없는 작업자 작업과 잼, 공회전, 런아웃에 대한 정지가 포함됩니다. 이러한 문제는 원인과 재발 방지 방법에 대한 분석을 거의 하지 않고 급하게 해결되는 경우가 많습니다.
마지막으로, 제조 능력은 공정 결함과 수율 감소를 포함한 품질 손실에 의해 부정적인 영향을 받을 수 있습니다. 일부 원인에는 최적화되지 않은 워크플로, 인적 오류 또는 중단된 프로세스가 포함됩니다. 공장에서 귀중한 용량을 빼앗는 것 외에도 품질 손실로 인해 재작업하거나 폐기해야 하는 추가 폐기물이 생성되어 제품 비용이 추가될 수 있습니다.
이러한 능력 장애를 흔히 6대 손실이라고 합니다. 그리고 그 효과는 파괴적일 수 있습니다. 기껏해야 용량에 대한 이해 부족으로 인해 값비싼 초과 근무, 낭비, 배송 누락 또는 손실을 만회하기 위한 새로운 장비의 형태로 불필요한 자본 비용이 발생할 수 있습니다.
제조업체가 용량을 늘려야 할 때 위의 엉뚱한 대답으로 시작하는 경우가 많습니다. 그러나 능력 향상에 대한 초점이 내부로 이동하기 전에 너무 많은 기계를 구입하고 너무 많은 교대 근무 일정을 잡을 수 밖에 없습니다. 그리고 용량을 늘리기 위해 취해야 할 조치를 정확히 찾아내는 가장 좋은 방법은 데이터에 있습니다.
용량 분석 프로세스는 잠재적 용량과 회사가 현재 달성하는 실제 출력 간의 차이입니다. 제조업체는 생산 데이터를 수집하여 용량을 늘리기 위해 변경해야 하는 프로세스, 장비 또는 기능을 식별할 수 있습니다. 이를 통해 제조업체는 기본적으로 프로세스 최적화를 통해 기존 리소스의 활용도를 높일 수 있습니다.
추가 참고 자료:제조 생산 능력을 높이는 방법
제조 능력 분석을 수행하는 회사는 가동 중지 시간과 낭비를 줄일 수 있습니다. 또한 데이터를 마이닝하여 프로세스를 최적화하고 워크플로를 간소화할 수 있습니다. 그렇게 하면 기존 제약 조건이 무엇인지 이해하고 문제가 발생할 때 문제를 해결하기 위한 실시간 결정을 내리는 데 도움이 될 수 있습니다. 데이터가 이러한 솔루션을 지원하므로 관리자는 장비나 인력에 대한 추가 투자 없이 운영 전반에 걸쳐 개선을 추진하고 용량을 늘릴 수 있습니다. 제조 능력을 향상시키려는 회사의 경우 기존 용량을 잠금 해제하는 데 필요한 단계는 다음과 같습니다.
자신이 어디에 있는지 모른다면 어디로 가고 있는지 알 수 없습니다. 많은 기업이 활용도가 그만큼 낮다는 사실조차 깨닫지 못하기 때문에 현재 장비 활용도를 과대 평가하는 것이 일반적입니다.
벤치마킹에는 기존 용량 결정이 포함됩니다. 현재 용량을 결정하려면 기계 속도, 품질 손실, 범주별 가동 중지 시간(예:고장, 전환 및 성능 손실)을 모두 측정해야 합니다. 그리고 많은 경우 그 숫자는 충격적입니다. 몇 가지 모범 사례를 사용하여 벤치마킹을 위한 견고하고 실용적인 프레임워크를 만들 수 있습니다.
데이터 벤치마킹에 사용할 수 있는 미리 작성된 여러 보고서 중 하나인 MachineMetrics 사용 보고서의 예
제조 작업에서 데이터를 벤치마킹하고 실제 활용도를 파악한 후에는 가동 중지 시간 분석을 수행해야 합니다. 여기에는 관리자, 기술자, 제조 엔지니어, 운영자 및 다운타임의 모든 원인을 식별하고 이를 줄이거나 제거하는 방법을 계획하는 데 도움을 줄 수 있는 기타 사람들이 포함됩니다.
시설 벤치마킹을 동반한 계시를 통해 팀원들은 가동 중단 시간을 측정하는 작업으로 넘어갈 수 있습니다. 얼마나 많은 다운타임이 발생하고 있고 어떤 카테고리에 다운타임이 속하는지 답함으로써 개선을 위한 단계가 더 명확해집니다. 이는 정확한 데이터가 실시간으로 사용되고 표준화되도록 자동화된 기계 데이터 수집 소프트웨어로 가장 잘 수행됩니다.
다운타임은 또한 다운타임의 원인을 분류해야 합니다. 고려해야 할 범주는 다음과 같습니다.
범주가 결정되면 팀 구성원은 범주 내에서 다운타임의 원인을 파악하기 위해 드릴다운할 수 있습니다. 예를 들어 예정된 유지 관리, 계절적 생산 등을 포함하여 계획된 가동 중지 시간의 유형이 다양할 수 있습니다.
MachineMetrics Downtime Pareto는 가장 심각한 다운타임 이유를 보여주며 개선할 프로세스를 찾기 위한 훌륭한 출발점입니다.
마찬가지로, 계획되지 않은 다운타임에 대한 이유는 셀 수 없이 많습니다. 이것들은 필요할 때 기계에 없는 재료에서 부적절하게 유지 관리되는 기계에 이르기까지 다양합니다. 또한 필요할 때 업스트림의 자료가 준비되지 않아 도미노 효과를 만드는 잘못 설계된 워크플로를 가리킬 수도 있습니다.
인적 오류도 마찬가지입니다. 제조 작업이 점점 더 자동화되고 있지만 여전히 노동력이 필요합니다. 피로, 부적절한 교육, 워크플로에 대한 이해 부족 또는 잘못된 프로세스 단계로 인해 작업자는 그렇지 않으면 하지 않을 실수를 할 수 있습니다.
이 정보를 수집하는 가장 좋은 방법은 자동화와 소프트웨어를 사용하는 것입니다. 데이터 시각화를 직관적이고 쉽게 기록함으로써 운영자는 대시보드를 활용하여 실제 데이터를 입력하고 그 영향을 확인할 수 있습니다. 운영자가 가동 중지 시간의 원인을 입력할 수 있는 것처럼 Pareto 차트와 같은 도구는 가동 중지 시간 분석이 진행됨에 따라 이해하는 데 도움이 될 수 있습니다. 이는 사용자에게 통찰력을 제공하고 종종 개선 제안을 실행하는 데 도움이 됩니다.
가동 중지 시간 분석이 끝나면 실제 가동 중지 시간 비용과 수익에 미치는 영향을 확인할 수 있습니다. 이것은 또한 비용 절감 및 추가 용량에 가장 큰 영향을 미치며 가장 빠르고 쉽게 수정할 수 있는 항목인 "낮은 매달린 과일"을 식별하는 데 도움이 됩니다.
추가 참고 자료:기계 가동 중지 시간을 추적하고 분석하는 방법
이제 관리자는 용량 분석의 이 시점에서 실제 변화를 주도하는 정확하고 검증 가능한 데이터를 갖추고 있습니다. 이러한 변경 사항은 가장 중요한 용량 제약을 해결하고, 숨겨진 용량을 잠금 해제하여 초과 근무를 없애고, 자본 지출의 필요성을 줄이고, 경합 대신 전환 및 기타 운영 조건과 동기화하여 작동하는 유지 관리 프로그램을 연마하는 데 사용할 수 있습니다.
용량이 많이 소모되는 예가 많이 있습니다. 다음은 대부분의 디지털 혁신 과정에서 찾을 수 있는 몇 가지입니다.
실제 주기 시간보다 긴 예상 주기 시간
오늘날 제조 환경의 규모와 복잡성으로 인해 개인의 성과는 산더미 같은 데이터, 볼륨 및 더 높은 생산에 대한 압박 아래 묻혀 있음을 의미할 수 있습니다. 데이터가 사실이고 기계의 부품 수가 정확하면 작업자는 출력물에 묻히지 않고 출력물에 대해 책임을 집니다. 이러한 책임은 개선할 영역을 식별하는 데 참여할 수 있는 긍정적인 도구가 될 수 있습니다. 가장 명백한 가동 중지 시간에 대한 개선 사항이 작동하기 시작하면 주기 시간의 추가 최적화를 시작하여 빠르게 추가되는 작은 변경 사항도 포함하도록 프로세스를 계속할 수 있습니다.
품질 문제
앞서 언급했듯이 품질은 많은 영역에 영향을 미치는 광범위한 주제입니다. 그러나 이는 개선의 기회를 더 많이 제공합니다. 80/20 규칙은 품질에 적용될 뿐만 아니라 인적 오류/교육, 공급업체 품질, 유지보수 개선, 제품 설계 등을 포함하는 하위 범주에도 영향을 미칩니다. 각 영역의 범인은 전반적인 품질에 더 상당한 누적 영향을 주기 위해 개선 단계를 거칠 수 있습니다. 이러한 노력이 뿌리를 내리면 용량이 증가하고 품질이 향상되고 비용이 절감되며 주문 및 배송 성능이 향상됩니다.
추가 참고 자료:제조 품질 보증:알아야 할 모든 것
MachineMetrics를 사용하면 부품이 거부되는 주요 원인을 쉽게 확인하고 문제의 근본 원인을 식별할 수 있습니다.
장비 고장
장비 고장만큼 제조 관리자를 화나게 만드는 것은 거의 없습니다. 그리고 종종 이러한 실패는 사후 유지 관리 프로그램의 결과입니다. 기업은 장애를 일으키거나 기계 상태를 부적절하게 추적하여 엄청난 양의 용량을 가동 중지 시간의 형태로 양도합니다. 그러나 데이터 분석과 실시간 기계 상태는 용량을 늘릴 수 있는 새로운 기회를 제공합니다. 기계 상태를 이해하고 IIoT 센서 및 기술을 배포함으로써 관리자는 사후 유지 관리를 뒤로하고 더 높은 용량과 더 낮은 비용을 추진할 수 있습니다. Deloitte의 한 연구에 따르면 예측 유지보수 프로그램은 장비 가동 시간을 10-20% 증가시킬 수 있습니다.
워크플로
장비 활용도를 측정하는 것은 단순히 기계를 측정하는 것 이상입니다. 관리자는 데이터를 캡처, 컨텍스트화 및 분석하여 시설 내 개별 장비와 전체 장비 에코시스템을 볼 수 있습니다. 이를 통해 장비 레이아웃, 스테이징, WIP 및 용량을 늘리는 데 사용할 수 있는 기타 프로세스 관련 변수에 대한 통찰력을 얻을 수 있습니다. 생산 현장이나 셀을 재구성해야 할 필요가 있음을 나타낼 수 있지만, 작업 흐름 내에서 몇 대의 기계를 몇 피트 이동하거나 한 스테이션에서 다음 스테이션으로 자재가 흐르는 방식을 변경하는 것처럼 간단할 수도 있습니다.
고급 데이터 캡처 및 분석과 결합된 용량 분석을 통해 기업은 대부분의 사람들이 생각하는 것보다 더 빨리 전체 용량에 도달하는 경로를 찾고 균일한 생산으로 이어질 수 있습니다. Avalign Technologies가 OEE 및 가동 중지 시간을 추적하는 데 어려움을 겪을 때 생산 병목 현상, 부적절한 SOP 및 기타 요인으로 인해 생산 능력이 저하되었습니다.
Avalign은 MachineMetrics를 사용하여 작업 현장 전체에 대한 즉각적인 가시성을 확보하여 인력, 장비 또는 추가 리소스를 추가하지 않고도 OEE를 25~30% 늘리고 수백만 개의 추가 용량을 실현했습니다.
동영상 사례 연구 보기:
산업기술
3D 프린팅(산업 환경에서 수행되는 경우 적층 제조라고도 함)은 지난 10년 동안 꾸준히 인기를 얻고 있습니다. 최근 Mordor Intelligence 보고서에 따르면 3D 프린팅 산업은 2020년에 137억 달러로 평가되었으며 2026년까지 634억6천만 달러에 이를 것으로 예상됩니다. 이는 거의 30%의 연간 복합 성장률입니다. 새로운 재료, 고급 기술 및 비용 효율적인 인쇄 기술을 통해 많은 제조업체는 3D 인쇄가 부품 생산의 미래라는 확신을 갖게 되었습니다. 오늘날 제조 분야의 최신 3D 프린팅 혁신을 살펴보겠습니다. 3
이전에 펌프 용량이라는 용어를 들어본 적이 있을 것이며 이것이 실제로 무엇을 의미하는지 궁금할 것입니다. 이 기사에서는 펌프 용량을 살펴보고 어떻게 늘릴 수 있는지 알아보겠습니다. 이렇게 하면 더 큰 펌프로 바꾸지 않고도 더 많은 물을 다룰 수 있습니다. 펌프란 무엇이며 어떻게 작동합니까? 용량을 늘리기 위해 펌프를 찾고 있고 펌프에 대해 더 알고 싶다면 이 기사가 적합합니다. 펌프는 모든 모양, 크기 및 가격으로 제공됩니다. 일부 펌프는 여러 기능을 제공하는 반면 다른 펌프는 단지 펌핑을 위한 것입니다. 여기에서 몇 가지 펌프와