Case Study MMGRESS

Wtryskarki „pracowały”, ale produkcja i tak spadała

Właściciel widział w aplikacji, że maszyny są aktywne, harmonogram wygląda poprawnie, a mimo to wynik produkcyjny był wyraźnie gorszy wtedy, gdy nie było go na miejscu. Problem nie leżał w samej aplikacji. Problem leżał w tym, że system mierzył nie to, co naprawdę miało znaczenie.

Sytuacja wyjściowa

Firma produkowała na wtryskarkach i miała wdrożony prosty podgląd pracy maszyn. Właściciel mógł z telefonu sprawdzić harmonogram i to, czy poszczególne urządzenia pracują.

Widoczny problem

Gdy właściciel był w firmie, produkcja przebiegała zgodnie z oczekiwaniami. Gdy go nie było, aplikacja nadal pokazywała aktywność maszyn, ale realny wynik był słabszy.

Na pierwszy rzut oka wszystko wyglądało poprawnie

Harmonogram się zgadzał. Wskazania aplikacji sugerowały, że wtryskarki pracują. Obciążenie maszyn nie budziło od razu większych podejrzeń. Z punktu widzenia osoby, która patrzy tylko na dashboard, nie było tam nic jednoznacznie niepokojącego.

A jednak wynik końcowy mówił coś innego. Produkcja wtedy, gdy właściciela nie było na hali, była po prostu mniejsza.

          To był klasyczny rozjazd między tym, co pokazuje system, a tym, co faktycznie dzieje się w procesie.
        

Co okazało się prawdziwą przyczyną

Czujnik odpowiedzialny za informację „maszyna pracuje” był wpięty do zasilania maszyny. Innymi słowy: system nie pokazywał, czy wtryskarka realnie wykonuje pracę, tylko czy jest włączona i zasilana.

To zasadnicza różnica. Maszyna mogła być gotowa do pracy, mogła mieć napięcie, ale nie musiała w danym momencie tłoczyć, wykonywać właściwego cyklu ani produkować tego, co powinna.

System mówił: „maszyna pracuje”.
Rzeczywistość była inna: „maszyna jest tylko włączona”.

Co zostało zrobione

Zamiast opierać się dalej na sygnale zasilania, dołożony został prosty, ale znacznie bardziej trafny punkt pomiarowy.

Z czujnika układu hydraulicznego wyprowadzony został sygnał ciśnienia płynu hydraulicznego. To właśnie on dał rzeczywisty obraz pracy maszyny: czy tłoczy, kiedy wchodzi w cykl i jak wygląda faktyczna aktywność produkcyjna.

Krok 1

Zidentyfikowanie, że obecny sygnał nie opisuje pracy, tylko obecność zasilania.

Krok 2

Dobranie sygnału, który odpowiada rzeczywistemu stanowi procesu technologicznego.

Krok 3

Porównanie nowych danych z realną wydajnością i zachowaniem załogi.

Co wyszło po zmianie pomiaru

Dopiero po wdrożeniu właściwego sygnału było widać prawdziwy obraz pracy. Okazało się, że gdy właściciela nie było na miejscu, część maszyn przez dłuższe okresy pozostawała włączona, ale realnie wykonywała mniej pracy niż powinna.

Przerwy się wydłużały. Operatorzy częściej odchodzili od stanowisk, przeciągali postoje, rozmawiali przy maszynach albo po prostu pracowali wolniej. To nie była awaria. To nie był błąd harmonogramu. To nie była wada aplikacji jako takiej. To był błąd definicji tego, co uznano za „pracę maszyny”.

Efekt biznesowy

Z pozoru różnica wydawała się niewielka, bo przecież urządzenia były włączone, a system pokazywał aktywność. W praktyce oznaczało to istotne straty wydajności, które wcześniej były niewidoczne lub rozmyte w danych.

Po uchwyceniu realnych cykli pracy możliwe stało się:

Lepsze rozpoznanie przestojów

Widać było, kiedy maszyna naprawdę wykonuje cykl, a kiedy tylko pozostaje uruchomiona.

Rozdzielenie pozornej aktywności od rzeczywistej pracy

To pozwoliło odróżnić „maszyna jest włączona” od „maszyna produkuje”.

Podjęcie realnych działań organizacyjnych

Problem można było nazwać, pokazać i zacząć nim zarządzać, zamiast opierać się na wrażeniach.

Najważniejszy wniosek

W wielu firmach problem nie polega na tym, że nie ma danych. Problem polega na tym, że mierzone jest nie to, co naprawdę ma znaczenie.

Jeśli punkt pomiarowy jest źle dobrany, raport może wyglądać poprawnie, dashboard może świecić się na zielono, a mimo to firma będzie realnie tracić czas i pieniądze.

          Najdroższe błędy często nie polegają na awarii maszyny. Polegają na tym, że system daje fałszywe poczucie kontroli.
        

Masz podobny przypadek?

Jeżeli w Twojej firmie wszystko wygląda dobrze w systemach, a wynik końcowy nadal się nie zgadza, opisz sytuację. Czasem problem nie leży w maszynie, tylko w tym, co i w jaki sposób jest mierzone.

Wróć na stronę główną