Michael Ford

为确保最佳运营业绩、质量和一致性,公司会开发最佳实践。不断的变化可以防止最佳实践变得过时并影响运营。因此必须采取更现代的方法实现最佳实践,即具有应对变化能力的方法,且具有灵活性和适应性,以应对意外(实际上是预期的)问题。而了解如何创建以应对变化为中心的制造业最佳实践来源于丰富的经验。

从技术角度出发,智能工厂相关项目往往由内部团队和外部解决方案供应商共同推动,但这两种方式都不理想。在内部,往往通过狭义的精益和六西格玛技术来改进操作或流程,消除各种形式的浪费,从而推进项目进程。这通常是通过使用仿真工具来完成的,这些工具能创造出最高的性能,并能产生最佳的运营实践。但是生产运行中所需的任何更改都会使优化结果无效。每次发生变化时都要重复这样的步骤,项目成本太高,因此很少更新这类实践。在几乎每天都会发生变化的环境中是不可接受的。如果你认为在车间里通过有限的仿真在任何工作台上减少百分之一的运行时间,比在变化和挑战发生时简单地保持生产持续运行更重要,那么本文的其余部分可能并不适合你。

与外部解决方案供应商沟通往往相当耗费精力。大多数供应商主要专注于销售其最新技术,其实最新的技术仅是对已有技术的微小更改,或者他们分享一些几乎不相关的功能列表(在过时的演示中描述),只增加了少量的新图。这两种方式本质上都存在相同的问题:它们都是为多年前就已消失的狭隘制造模式而设计。而对于新的制造模式,则需要进行广泛的定制和调整。最大的、最成熟的MES解决方案表面看起来适合客户需要,但实际上却试图掩盖需要对现有功能进行重大定制的事实,这种现象几乎无处不在。另一方面,最新的基于应用程序的简单平台寻求延期或将代码需求转移到销售周期之外,每种情况都会使供应商妥协:要么是老化的数据模型,要么根本没有数据模型,这两者都会引发明显的意外成本需求。

相比之下,一些与客户密切接触的外部解决方案供应商能够了解变化。当他们参观生产现场时,,他们看到每个工厂都有不同的需求,并渴望引入变革,以创造可持续的解决方案。通过倾听和理解不断变化的客户需求,这些供应商了解市场状况和挑战,并采取不同的方法来创建和提供解决方案。整个制造业目前正经历着一系列挑战——包括供应链不可靠、人力资源流动增加、技能短缺、能源短缺、通货膨胀、市场需求波动等形成的完美风暴,许多公司都受到了影响,感觉被困在一个又一个似乎永无休止的危机漩涡中。然而那些接受了转型和适应需求的公司却可以从中发现新的机遇。

关键在于看待机遇的方式

首先不需要再认为挑战是意料之外的,这些只是借口,“意料之外”可能是更好的描述。如果过去没有多次发生过今天面临的挑战,我会感到很惊讶。但当认为潜在挑战的风险很低时,即使后果可能很严重,也会逐渐被忽视。制造业对环境过于信任,依赖于无法控制的事物。与其回到一切都需要手工检查和人工管控的世界,还不如采取一种新的方法来处理那些从未被忘记的事情,这些事情可能会使企业陷入攸关成败的境地。

数字转型不应被视为另一个流行语。企业必须快速准确地做出决策,以有效地应对变化。在任何生产车间,产品信息、物料、质量和执行方面经常出现的问题都非常复杂,使得必须从多方面考虑决策,带来了在业绩和机遇方面发生损失的风险。以技术为基础的现代解决方案的作用应该是创建一种支持这类关键决策制定的环境,从而使决策变得及时与精确。数字化的最佳实践应该从遵循业务需求的自上而下的决策活动的半自动化中确定。

基本措施是避免人工数据收集、建模和分析过程,这些过程在无人帮助的情况下容易出错、速度慢,,然后将人工过程转为数字过程。让我们来看两个案例。

第一个案例与新产品导入有关。目前的普遍实践是最糟糕的方法,可以追溯到30年前甚至更早。设计和制造之间的产品信息交流使用的是图表、图片和清单,这些信息往往通过电子邮件不安全地发送。然后工程部门要依靠这些信息进行转换,创建运行计划、工作指令,以及计算制造运行成本,确认能力、时间等。然而新方法不需要明显的工程设计参与。可以通过选择的标准数字格式安全地传递制造所需的数据,包括3D CAD、PCB布局和物料清单(BOM)。通过自动化系统转换数据,创建电子工作指令以及设备初始数据。但这只是开始,因为有意义的质量、物料、测试、检验、管理和可追溯性方面,制造管理都与原始产品数据及其背景相关。

使用数字自动化可实现对生产各个方面的完全精确的全面了解,而不是拥有大量价值极少的报告。与成本、时间、产能、质量、良率、交付、替代物料等相关的决策都经过了数字化鉴定。然后根据对现状全面而精确的了解,迅速做出最终决策。这种数字化最佳实践减少了新产品导入所需时间,提高了作业报价的精确性,避免了解决方法与能力、产能或质量相关问题所需的专业知识的意外挑战。可以快速、轻松地管控产品设计(包括变型)变更。使得生产运行更加灵活,且没有损失。

第二个案例与意外的物料短缺有关,它将事情带到下一个层次,意味着根本不需要做决策。当创建工单和生产开始时,ERP“确认”物料的可获取性和分配,但随后无法定位所需物料的位置。仓库和车间都找不到,它们必定在“某处”,可能在废弃的、部分使用过的物料载体中,可能被用于测试或检验,甚至可能分配给了另一个工单。这时应该考虑回收和重新加工损坏甚至报废的部件,寻找替代品。在实际生产中,许多这类行为都令人烦恼且成本高,因为根本没有时间在不影响运营或质量性能的情况下完成这些事情,从而不太可能找到解决方案。在基于MES的数字转型中,这类行为会通过内部经验加速,因为它们详细说明了准确的位置和状态。这种模式显然会提供帮助,而且在很多情况下可以节省时间,但这并不是使用这些工具所能创造的最佳实践。

如果有智能MES,上述情况就永远不会发生。基于ID的单个物料经验,可以实现数据收集的自动化,这些数据与物料消耗和损坏(无论是设备还是人工操作导致)、物流(包括仓库管理)、生产工位的分配、部分使用过的物料退回、测试和检验的精密案例相关。数据收集自动化与生产需求相关联,包括产品数据、生产站的工作分配和预期计划表。因此早在承诺开始工单之前就可以预测物料的短缺。这为寻找替代物料提供了时间,包括通过连接ERP订购替代物料,并且操作本身不可见,不会受干扰。与ERP共享的精确库存数据为采购物料创造了更多的机会,即使在物料供应紧张的情况下,也不会限制客户的计划产量。现在我们拥有了这种新的数字化最佳实践。

这只是两个案例,基于不切实际的优化操作的人工实践被基于数字的最佳实践所取代,这些数字化实践解决了变化带来的问题。最近有人告诉我,基于IIoT的现代单一平台MES解决方案有大约60000项功能,所有这些功能都能共同协作,代表成熟的本体,可实现改进和最佳实践。

以现代MES解决方案为核心的数字转型包含成熟的数据模型和本体,可以完全重新改写现有的最佳实践,以应对由意外变化(甚至在其成为问题之前)所带来的挑战。这一点阐明了展示实际业务增强解决方案公司与只关注技术解决方案公司之间的主要区别。

没有人是永远的专家,因为每天都需要学习更多的知识,都会看到更多的变化。

Michael Ford任Aegis软件公司新兴产业战略高级主管。