수동 데이터 수집:제조의 가장 큰 문제

제조는 항상 데이터에 의존하여 성과를 측정하고 기회 영역을 식별했습니다. 그러나 기술이 발전함에 따라 많은 제조업체가 과거와 같이 계속 운영하고 있습니다.

생산 데이터를 수동으로 수집하는 전통에는 많은 고유한 문제가 있습니다. 이제 강력한 모니터링 및 분석 기능을 쉽게 사용할 수 있게 되면서 수동 데이터 수집이 자동화 솔루션으로 빠르게 전환되고 있습니다.

수동 및 자동 데이터 수집

1. 수동 데이터 수집

수동 데이터 수집은 전통적으로 클립보드, 펜, 화이트보드, 스톱워치 및 타이머로 구성되었습니다. 이는 생산 수치, 다운타임 이벤트 및 스크랩 비율을 기록하는 데 사용되었으며 계속 사용됩니다. 또한 작업장 내 노동력과 움직임을 측정하는 데 사용되었습니다.

컴퓨터 기술이 발전함에 따라 이러한 도구는 Excel 스프레드시트로 대체되었고 결국에는 더 나은 품질의 데이터와 분석을 제공하기 위해 일부 독립 실행형 컴퓨터 소프트웨어로 대체되었습니다. 그러나 기록 및 측정은 여전히 ​​수동이었고 인적 오류와 편향이 발생하기 쉽습니다. 데이터 자체가 지연되고 부정확하며 실행 가능성이 낮습니다.

우리 고객 중 한 명이 최근에 다운타임을 추적하기 위해 작성했던 종이 문서 중 일부를 공유했습니다. 이벤트. 이제 MachineMetrics를 사용하여 이 프로세스를 자동화합니다. 여기에서 전체 스토리를 읽어보세요.

2. 자동화된 데이터 수집

자동화된 데이터 수집은 제조의 디지털 혁신의 일부입니다. 이 개념은 장치와 센서를 사용하여 기계에서 직접 실시간 데이터를 수집하는 것을 포함합니다. 시간이 지남에 따라 많은 OEM 제공업체에서 장비에 자동화된 데이터 수집 기능을 추가하기 시작했습니다.

데이터 수집은 개선되었지만 실시간 데이터 수집 장치에 연결되지 않은 소프트웨어와 수동 데이터 입력이 필요한 레거시 시스템으로 인해 여전히 단편화된 프로세스였습니다.

오늘날 제조업체는 머신 데이터 플랫폼을 사용하여 생산 데이터를 자율적으로 수집, 표준화 및 컨텍스트화합니다. 이는 더 나은 의사 결정, 효율성 및 제조 프로세스 최적화를 위한 통찰력을 제공합니다.

자동 데이터 수집을 통해 제조업체는 수집, 표준화 및 모든 노력 없이 생산 문제와 기회에 대한 즉각적인 통찰력을 얻을 수 있습니다. 데이터 분석. 위는 MachineMetrics의 다운타임 보고서의 예입니다.

수동 기계 데이터 수집 비용

수동 데이터 수집은 적절한 단기 접근 방식처럼 보일 수 있지만 제조업체에게는 상당한 비용이 소요될 수 있습니다.

수동 전략은 매우 비효율적이고 오류가 발생하기 쉬우며 편향이 있고 시간이 많이 걸리고 시간이 오래 걸릴 뿐만 아니라 정확한 실시간 통찰력을 얻기도 어렵습니다. 일반적으로 데이터 요약을 얻으려면 하루, 주 또는 월이 끝날 때까지 기다려야 합니다. 즉, 생산 프로세스를 개선할 수 있는 시기 적절한 결정을 내릴 수 없습니다.

수동 데이터 수집은 노동 집약적이며 생산 현장에서 리소스를 가져와 수동 데이터를 분류, 구성 및 최종 사용자에게 전달하는 무부가가치 작업으로 전환합니다. 이는 현재 생산성에 영향을 미칠 뿐만 아니라 사람들이 기회를 식별하고 프로세스를 개선하는 것을 방해합니다.

실제로, 직원의 시간을 빼앗을 뿐만 아니라 혁신을 완전히 방해하기 때문에 지속적인 개선이라는 개념에 완전히 반대됩니다.

비즈니스가 성장하고 더 많은 제품, 라인 및 직원을 추가함에 따라 수동으로 데이터를 수집하는 데 비용이 점점 더 많이 듭니다. 아래에서 계속 증가하는 결과 목록을 검토합니다.

MachineMetrics를 배포함으로써 Avalign Technologies는 데이터 수집을 자동화하고 가동 중지 시간을 줄이며 OEE를 증가시켜 수백만 달러의 추가 용량을 확보할 수 있었습니다. Avalign의 이야기를 읽어보세요.

수동 데이터 수집으로 더 큰 문제 발생

수동 데이터 수집은 운영 데이터를 수집하는 데 좋지 않은 방법입니다. 종이와 스프레드시트에 의존하는 프로세스는 성과 측정에 많은 문제를 일으켜 "간단하고" 부정확하며 효과적으로 활용하기에는 너무 오래된 경우가 많습니다. 문제 자체가 복잡해지는 경향이 있습니다.

생산성 감소

연필이나 종이에 표시를 할 때마다 생산성이 떨어집니다. 작업자가 기록해야 하는 변수와 요소는 계속해서 생산성을 크게 저하시킵니다. 설상가상으로 데이터가 복잡할수록 사람이 실수할 가능성이 커집니다.

이는 분당 작동 시간의 상당한 감소를 의미할 수 있습니다. 또한 중요한 장비 상태 모니터링 및 품질 및 장비 상태에 영향을 미치는 기타 작업에서 작업자의 주의를 분산시킵니다.

이 문제는 이 모든 데이터를 수동으로 컴파일하고 컨텍스트화하고 요약 가능한 보고서 및 시각화 형식으로 지정해야 하는 분석으로 확장됩니다.

작업자는 MachineMetrics 태블릿과 상호작용하여 예상 생산 목표를 추적할 수 있도록 합니다.

잘못 배치된 측정항목

대부분의 운영자와 기술자는 수동 데이터 수집에 내재된 문제를 인식하고 있습니다. 이 때문에 직원들은 프로세스를 개선하기 위한 해결 방법을 만들며, 이는 더 악화될 수 있습니다. 필요에 따라 각 발생을 기록하는 대신 많은 작업자는 휴식 시간이나 교대 근무가 끝나는 동안 일괄적으로 기록하도록 선택합니다. 이는 정기적이 아니라 며칠마다 일괄 기록을 포함하도록 확장될 수 있습니다. 결과적으로 데이터의 정확성과 신뢰성이 떨어집니다.

직원의 분노

데이터 수집을 위한 수동 프로세스는 직원의 분노를 유발할 수 있습니다. 동작 및 작업 측정도 수동이므로 시간 연구에서 기록 시간이 누락되는 경우는 드물지 않습니다. 그런 다음 직원들은 할당량을 충족하고 특정 생산 속도를 달성하고 제조 비즈니스에서 설정한 기타 목표를 달성해야 한다는 압력에 직면합니다. 결과적으로 그들은 수동 데이터가 필수적인 기계 기능에서 멀어지기 때문에 중지하고 표시하는 데 걸리는 시간을 분개합니다.

만료된 정보

수동 데이터에는 관리자가 의사 결정에 사용할 통찰력을 제공하기 위해 컴파일, 정렬, 데이터 입력, 인적 분석 등이 필요합니다. 그러나 때로는 특정 요일, 교대 또는 시간에만 관련이 있습니다. 일반적으로 수동 데이터는 너무 오래되어 처리가 완료될 때 유용합니다.

또한 데이터가 제대로 관리되지 않아 이력 보고 및 분석을 실행하기 어려울 수 있습니다.

MachineMetrics를 사용하여 기록 보고서를 실행하고 통찰력이 필요한 계층에 대해 자세히 알아볼 수 있습니다. 공장, 공정, 기계 또는 작업자 수준을 포함합니다.

잘못된 의사결정

생산성 저하, 잘못된 배치 데이터, 직원의 분노, 만료된 정보는 잘못된 의사 결정으로 이어집니다. 관리자가 데이터 기록에 많은 시간을 허비한 작업자의 영향을 받는 생산 속도를 보면 인건비가 증가한다고 결정할 수 있습니다. 또는 운영에 실질적인 영향을 미치지 않는 만료된 데이터를 기반으로 조치를 결정할 수도 있습니다.

구조화되지 않은 데이터 및 추세 부족

수동으로 수집된 데이터는 구조화되지 않은 경우가 많습니다. 이러한 유형의 데이터는 높은 수준의 분석 외에는 아무것도 하기 어렵습니다. 어떤 목적에는 괜찮을 수 있지만 작업 현장에서 무슨 일이 일어나고 있는지 진정으로 이해하는 것만으로는 충분하지 않습니다. 이해하지 못하는 것은 고칠 수 없습니다.

추세가 없으면 문제의 근본 원인을 식별할 방법이 없습니다. 이는 작은 문제가 즉시 해결되지 않으면 빠르게 커질 수 있는 린 제조 환경에서 특히 중요합니다. 이렇게 하면 근본 원인을 식별하기가 상당히 어려워집니다.

MachineMetrics의 기둥 중 하나는 모든 제조 장비에 연결하고 데이터를 수집하는 기능입니다. 이 자율적인 데이터 수집 및 표준화는 데이터가 즉시 실행 가능하도록 합니다. 데이터를 공통 모델로 컴파일하고 변환할 필요가 없습니다. 미리 작성된 보고서 및 대시보드에서 이미 사용할 수 있습니다.

제한된 범위

수동 데이터 수집은 일반적으로 스핀들 수준에서 기계 수준, 공장 또는 작업 현장 수준으로 "확대" 및 축소할 수 없습니다. 또한 제품이나 유형별로 기계를 분류하는 기능이 부족할 수도 있습니다. 결과적으로 팀원들은 필요한 데이터를 찾고, 실제로 작업 현장에서 무슨 일이 일어나고 있는지 파악하고, 정확한 결정을 내리는 데 더 많은 시간을 할애합니다. 또한 특정 시스템의 문제를 찾아 수정하기가 어렵습니다.

인간의 실수

수동 데이터 수집에서 가장 눈에 띄는 문제는 인적 오류입니다. 이것은 숫자 변경, 필기 문제 또는 데이터 기록을 잊어 버리는 것과 같은 단순한 실수 일 수 있습니다. 또한 다른 교대 근무자 간의 해석 차이나 동일한 정보를 여러 형식으로 기록하는 등 더 복잡한 오류를 의미할 수도 있습니다.

잘못된 근본 원인

근본 원인 분석은 모든 제조 비즈니스에서 매우 중요합니다. 이는 린 제조 및 지속적인 개선에 의존하는 제조에 특히 중요합니다. 인적 오류, 시간 소모적인 비부가가치 작업 및 수동 데이터 수집과 관련된 기타 문제가 결합되어 근본 원인을 파악하기 어려울 수 있습니다.

작업자 기록 시간이 포함되지 않은 시간 연구 또는 오래된 제조 정보에 의존하는 시간 연구를 기반으로 근본 원인을 식별했다고 가정합니다. 이 경우 잘못된 근본 원인 결정이 상황을 더욱 악화시킬 수 있습니다.

운영자 부주의

작업자가 정지 또는 이벤트를 기록하는 경우 주의가 기계 작동에서 전환됩니다. 이는 첫 번째 기록을 기록하는 동안 또 다른 정지가 발생하면 추가 다운타임을 유발할 수 있습니다. 설상가상으로 이러한 주의 부족은 작업자가 기계에 집중하지 않기 때문에 위험한 안전 조건으로 이어질 수 있습니다.

운영자와 관리자는 MachineMetrics를 "도구 상자"로 사용하여 매일 더 빠르고 나은 결정을 내릴 수 있습니다. 또한 사용자 지정 이력 보고서를 작성하고 실시간 머신 데이터를 사용하여 자동화할 수 있습니다.

잘못된 데이터

인적 오류는 기계 수준에서 수집된 데이터의 품질을 낮출 수 있습니다. 그러나 부서에서 부서로 잘못된 데이터가 전달되거나 ERP 시스템에 입력되면 기업 내에서 잘못된 결정이 내려질 수 있습니다. 잘못된 데이터는 구매, 재고 정확성, 일정, 그리고 궁극적으로 배송에 영향을 미칩니다. 데이터가 신뢰할 수 없고 정확하지 않으면 경쟁력에 영향을 미치고 비용이 증가할 수 있습니다.

수동 전략을 통한 자동화 솔루션

수동 데이터 수집과 관련된 문제는 1차 산업 혁명 이후 수십 년 동안 제조 산업이 배운 것과 반대입니다. OEM 회사는 이미 새 장비에 자동 데이터 수집 기능을 내장하고 있습니다.

이 기능은 MachineMetrics 머신 데이터 플랫폼과 함께 작동하여 머신에서 직접 머신 성능 및 조건을 수집합니다.

아날로그 장비와 같은 레거시 시스템도 연결된 에코시스템에 추가하여 회사 내의 모든 기계에 대한 완전한 생산 모니터링을 허용할 수 있습니다.

수동 데이터 수집을 위해 벽에 글이 있습니다. 기업이 시장 점유율과 경쟁 우위를 개선하기 위해 노력함에 따라 수동 데이터 수집은 살아남지 못할 것입니다.

경쟁업체가 디지털 솔루션을 출시하고 있습니다. 당신입니까?

데이터는 관련성 있고 정확하며 시기 적절하고 액세스 가능하고 상호 운용 가능하며 투명해야 합니다. 수동 데이터 수집은 이러한 요구 사항 중 어느 것도 충족할 수 없으며 모든 요구 사항은 더욱 그렇습니다.

자동화된 제조 기술은 수동 데이터 수집을 쓸모없게 만들 것입니다. 디지털 솔루션을 사용하면 수동 수집을 제거하고 운영자, 기술자 및 관리자가 프로세스를 최적화하고 효율성을 높일 수 있습니다.

이는 모든 장비에서 연결을 가능하게 하는 동급 최고의 플랫폼을 활용하여 수행됩니다. 이러한 솔루션은 비즈니스 요구 사항에 따라 데이터를 수집, 구성, 구조화 및 분석하고 실시간 통찰력을 통해 사용자에게 반환합니다.

자동화된 제조 기술은 수동 데이터 수집에 내재된 모든 문제를 제거합니다. 직원이 더 이상 데이터를 수집, 정렬, 입력 및 분석할 필요가 없으므로 비부가가치 처리에 더 이상 인력이 필요하지 않습니다.

실시간 작업 현장 대시보드는 작업 현장의 모든 이해 관계자에게 액세스 권한을 제공하여 사람들이 더 빠르고 더 나은 작업을 할 수 있도록 합니다. 매일 결정합니다.

MachineMetrics로 실시간 데이터의 힘 활용

MachineMetrics는 정확하고 시기적절한 데이터가 훌륭한 생산 프로세스의 핵심이라는 것을 이해합니다. MachineMetrics Machine Data 플랫폼을 사용하면 수동 데이터 수집을 제거할 수 있어 깨끗하고 정확한 데이터와 실시간 분석 통찰력을 제공할 수 있습니다.

결과는 프로세스를 최적화하고 생산성을 높이며 운영을 개선하는 데 도움이 됩니다. 실제로 우리의 평균 사용자는 효율성이 20% 증가했습니다. 그것이 어떻게 작동하는지 알고 싶으십니까? 지금 데모를 예약하여 디지털 혁신을 가속화하고 클립보드, 펜, 스프레드시트의 필요성을 없애는 방법을 알아보세요.

MachineMetrics로 데이터 수집 자동화

데모 예약