2020年春季开始,我协助日本某间企业开始进行IoT导入计划案。现在第一阶段已经结束,并且与SIer(System Integrator)一起合作,完成了要件定义。今后建构硬件时,同时会进行软件开发,秋季已全部到位,开始进行运转测试。
接下来,我将会分享当初从参与这个案子开始,到做出要件定义为止,所提出的各项建议。由于这个计划案才刚启动,这次是第一次的内容分享,之后将会以续篇的方式,向大家说明今后的执行进度与经过。
导入企业的目的与对象
我们以零件加工到产品组装为对象,导入IoT支持现场的可视化与改善活动。另外,2021年春季预计转移到新工厂,并配合这项规划对制造体制进行改革。关于加工流程,先以15台主要机械为对象去进行。关于组装流程,是以人力作业与检查流程为对象,目标是实现以IoT为基础的智慧工厂。
按照流程计划(Plan)去实际执行(Do),靠IoT收集各种不同的信息,进行分析与可视化(Check),以分析结果与变动趋势来进行改善(Action)。我制定了三年计划,在第一年导入IoT,收集机器与人员的稼动实绩,算出稼动效率,进行稼动改善。第二年整理SOP(标准作业流程书:Standard Operating Procedures),设定出ST(标准时间:StandardTime)。将标准时间与实际时间进行比对,计算出能率推进作业流程标准化。从效率与能率两方面进行改善,并在第三年汇整前两年的改善活动,进行过去无法完成的机器装置改造及自动化更新。另外,我将开始制定接下来三年的活动方向与计划。
1947年生,日本岐阜工业高等专门学校(GifuNational Collegeof Technology)机械工学系毕业,现任岐阜高专产官学合作顾问、K-SUPPORT负责人、东海大学精实系统团队成员。任职OKUMA公司40年,前期在生产技术部负责主轴加工FMS、车床组装线与FA工厂管理的设计与建构工作;后期在生产管理部导入ERP系统、建构标准时间设定系统,并在北京的合资企业导入中国版ERP系统。2009年自OKUMA退休,转任制造管理顾问指导工厂改善,并担任人才培训讲师。
硬件概要
在机械加工中,会在每个机器上装监视盒,透过来自机器的信号与QRcode接收流程计划信息。对于来自于机器的信号,会加上作业内容与停止原因。在实际时间向顶层服务器传达这个机器的实绩信息与流程计划的进度。
机器设备可以取得红、黄、绿三个信号灯的信号,一般来说,并非从信号灯的亮灯状态进行检查,而是通过电线,从控制箱到信号灯取得信息。这种方式称为夺取式传感器,比起从距离控制箱很高、很远的信号灯进行读取方式,这样更容易取得信号信息。在各种设备中,也有没安装三色灯的机器。关于这些机器,可以用夺取式传感器检测出通往主轴的电流值,收集检讨稼动与非稼动机器的信息。
(SmartBox)是一样的东西,具有液晶画面与QRcode阅读器,可以从画面输入开始/结束等各项停止的原因。从流程表的QRcode可以读取流程计划,从这里的画面输入停止原因,链接夺取式信号灯,并向服务器汇报信息。组装流程没有装监视盒,而是让作业人员使用附有QRcode阅读器的平板计算机,看着流程计划,报告作业实绩与异常停止的原因。
软件的系统构成
顶层服务器称为收集信息用DB服务器,不仅收集加工、组装的实绩信息,还可以配合现有的排程器,接收流程计划数据,送回实绩数据。根据这些信息,可以在服务器管理进度,不用再以手动方式输入实绩内容。另一方面,导入了BI(Business Intelligence)工具,推进可视化工作。这项工具是采用日本制、使用起来很方便的MotionBoard。
来自下层的加工监视盒与组装的平板计算机用排程器向BI提供实绩数据,这项实绩数据区分成作业登录与稼动状况两种信息。作业精实管理专栏登录是用QRcode读取流程计划和这个流程开始与结束的实际数据,稼动状况是输入换模作业和工具交换、设备不良、材料不良等作业中产生停止的原因。
当初SIer所提出的稼动停止原因是一般性的状况,持续使用下去似乎没问题,然而我思考过现场状况与稼动状态后,认为无法看到实际发生的问题,因此提出建议再重新评估一次。这一次明确了解稼动状况与信号灯的关联性,将其中因浪费而停止的原因、收集方法与定义数据,按照实际情况进行对照。
试着了解红、黄、绿三色信号灯与现场的关联性,就能看出许多状况。打开电源亮红灯后,就能看到作业开始前的浪费情况。打开电源后,虽然开始进行作业,但是却有朝会、暖机运转等出现停止的原因,在机器开始运作前,产生时间上的浪费。关于加工部门的朝会,我认为可以在机器开始自动运转后,推迟一小时进行,就可以解决这项浪费的问题。
在绿灯的自动运转中,出现黄灯的异常停止情况,虽然可以从信号灯的信号自动进行收集,但是无法从执行计划、到自动运转开始为止,收集换模作业时发生的红灯异常状况,因此作业人员必须自己输入停止原因。下个年度将汇整SOP与ST,计算ST与实绩时间的能率比例,这样就能看到更多不同的浪费。
现在为了选定实绩发生的停止原因,进行稼动分析(Work Sampling),调查发生了什么样的停止,发生的程度如何,反映在停止原因的项目上。
运用作业执行状况的数据,可以计算出机器的稼动率、附加价值与增加有效稼动的管理指标。
稼动率(效率:availability)=实际稼动时间/工作时间
工作时间是指从上班到下班的时间,实际稼动时间是从作业开始输入到结束的时间。从中可以掌握朝会、确认作业内容、准备材料、暖机运转等实际开始作业前的各项浪费。
附加价值率=自动运转时间/实际稼动时间
在自动运转时间包含(临时故障暂停),必须将这个因素除去之后,计算出实际的运转时间,在IoT当中收集(临时故障暂停)与其中停止的原因。消除(临时故障暂停)后,附加价值不仅变大,作业人员也不需要随时待在机器旁边。透过这样的方式,可以让工作人员顾到其他机台,或是进行其他流程的工作。下个年度会进行SOP与相关ST汇整,这样就可以计算出标准与实际稼动时间的比率。
能率(performance)=ST:标准时间/实际稼动时间
实际上用标准作业与标准时间进行作业,是一件很困难的事情,同时会产生许多问题。为了收集这些问题的信息,必须要增加停止原因的检讨。
推进IoT的三年计划
以IoT为基础建构智慧工厂,在第一年并非只有导入IoT就结束。SIer提出了三个阶段的建议,第一阶段是资料收集与可视化,第二阶段是资料分析与改善活动分析,第三阶段是实现智慧工厂的优化与自律化。参考这些内容后,订立出企业的三年计划。2020年导入IoT,明确定义出收集到的停止原因,计算出稼动率(效率),检讨该如何进行改善活动。另外,学习了工作抽样(Work sampling)与时间研究(Time Study)的IE方法,开始制作SOP与设定ST。
2021年开始利用IoT收集到的数据,正式展开改善活动,SOP的制作与ST的设定仍然持续进行。以此为基础之下,提升了作为流程计划对象的SR(流程数据)与ST的精度,汇整出以流程计划为基础的标准流程与时间。将这个数据与实际数据比较,可以计算出每个流程的能率。设定出以效率与能率为中心的KPI,并进行目标管理。第三年是统整目前为止所有的活
动,制定下一个三年计划。我将会重新评估IoT所收集的资料与KPI。另外,开始执行过去很难实现的设备或组装装置的自动化。
从现在开始将挑战智慧工厂,虽然持续导入IoT,利用这些信息参与现场工作也很重要。因此,虽然说明了第一阶段的经过与要件定义,但是接下来要去实际执行。前阵子为了转移工厂,我规划了现场整理、整顿的2S活动。由于这间公司缺乏QCC与5S的小团体活动经验,我打算透过2S活动让IoT持续进行下去。
这次是制作要件定义的阶段,今后将会具体执行,并在2020年秋季开始进行运转测试。预定2021年春季转移新工厂时,同时开始稼动运转。下次我将会向大家报告这些过程、发生的问题、解决方式与实例。