IN HET KORT
Dit is de kop
In Industry 4.0 draait heel veel om de terugkoppeling tussen data uit het productieproces en verbeteringen van datzelfde proces. Dit speelt niet alleen op het niveau van individuele machines, maar ook op het niveau van hele productielijnen en fabrieken, en het totale engineering proces rondom voor productielijnen. Hierdoor ontstaat een spiraal van terugkoppelingen die bij de uitrol van smart industry technologie als leidraad gebruikt kan worden.
Onderscheid
We kunnen daarbij onderscheid maken naar de volgende niveaus:
1. Machine
2. Productielijn
3. Fabriek
4. Onderneming
5. Engineering en management
Op elk van deze niveaus kunnen we een verbeter cyclus op basis van data, zoals hierboven beschreven, doorlopen. Deze niveaus vormen samen een spiraal – vandaar de titel van dit artikel. Hieronder lopen we alle niveaus langs, waarbij in elke stap dit spiraalgedrag duidelijker wordt.
“Al in de jaren 80 werd duidelijk dat in een geautomatiseerde (gerobotiseerd heette het toen) productiestraat er een optimale hoeveelheid ‘work-in-progress’ voorraad (WIP) tussen de productiestappen is.”
Machine
Op machine niveau kunnen we data verzamelen die betrekking hebben op de operatie van de machine: aantal (of hoeveelheid) producten dat er per tijdseenheid doorheen gaat, aantal fouten dat wordt afgeleverd, energieverbruik, temperatuurverloop, aantal uren stilstand, omsteltijden enz. Deze data kunnen we per machine zichtbaar maken in een dashboard, en er berekeningen op loslaten. Als we meerdere vergelijkbare machines hebben kunnen we ook vergelijkingen maken. Op basis daarvan voeren we vervolgens verbeteringen door in de machine, of de wijze waarop ze wordt ingezet. Dit is in feite de kleinste lus in het geheel.
Productielijn
Smart industry afstand tot de machineVoor een productielijn, opgebouwd uit meerdere machines, kunnen we iets vergelijkbaars doen, met wat andere parameters (data) om te interpreteren. Denk daarbij aan transporttijd tussen machines, bottlenecks in de lijn (niet elke machine is even snel), voorraad work-in-progress tussen de productiestappen en totale productietijd per afgeleverd product. Deze dataset zal tot andere analyses, andere berekeningen en vergelijkingen leiden, dan die op het niveau van de individuele machines. Echter, er zullen ook punten zijn waarop die twee analyses elkaar mogelijk tegenspreken. Een eenvoudig voorbeeld laat dit zien. Al in de jaren 80 werd duidelijk dat in een geautomatiseerde (gerobotiseerd heette het toen) productiestraat er een optimale hoeveelheid ‘work-in-progress’ voorraad (WIP) tussen de productiestappen is.
Helemaal geen WIP betekent dat machines stilvallen bij gebrek aan invoer, teveel WIP betekent dat er te weinig eindproduct uit de productiestraat komt. Dit optimaliseren voor de gehele productiestraat zal dus waarschijnlijk tot een andere WIP hoeveelheid leiden dan degene die geproduceerd wordt als we elke individuele machine of productiestap op maximale snelheid laten produceren. Sterker nog, omdat elke productiestap een andere doorvoersnelheid heeft, leidt dit laatste tot de minst optimale combinaties van stilstand en bottlenecks. Op dit punt moeten we dus zowel naar machine als productiestraat niveau kijken, en ontstaat het binnenste deel van de spiraal.
“Op machine niveau kunnen we data verzamelen die betrekking heeft op de operatie van de machine”
Fabriek
Binnen een fabriek vinden we mogelijk meerdere productielijnen. Daarnaast zal elke fabriek ergens magazijnen, of andere opslaglocaties hebben, voor grondstoffen, halffabrikaten en eindproduct. Als we data gaan verzamelen op het niveau van een fabriek krijgen we dus naast het productieproces rond de productielijnen ook te maken met de logistiek van, naar en tussen de magazijnen. Voorraden moeten afgestemd zijn op productie en daarmee ook de transporten van materiaal.
Als we produceren in kleine hoeveelheden gaan er meer orders door een fabriek, maar in veel gevallen zullen dit ook orders zijn voor productie van verschillende artikelen. Denk hierbij bijvoorbeeld aan een fabriek waar verschillende merken en soorten dierenvoeding in opdracht worden geproduceerd. Produceren we in grote hoeveelheden, dan gaan er minder orders en voor minder verschillende producten door een fabriek (een Campina melkfabriek). Dat vraagt om verschillend interne logistiek en magazijnen en om afstemming tussen productie en opslag – het tweede niveau van onze spiraal.
Onderneming
Gaan we naar de hele onderneming van een fabrikant kijken, dan wordt onze spiraal weer uitgebreid met een nieuw niveau. Binnen zo’n onderneming vinden we wellicht meerdere fabrieken, op verschillende locaties. Deze maken wel of niet gebruik van dezelfde grondstoffen, magazijnen en wellicht zelfs elkaars producten. Hierbij gaat dus weer een heel andere categorie data een rol spelen: externe levertijden en omvang van extern leveringen, voorraad product tussen fabrieken, afstemming van voorraden en tijden tussen fabrieken, inkomende orders (aantal, omvang, tijdlijnen), geldstromen enz. Deze data zegt iets over het totale functioneren van de onderneming, en dit kan weer gekoppeld worden aan de data die we hebben voor productielijnen en fabrieken.
Hier gaat ook de afstemming met aan- en verkoopprocessen een rol spelen – en de data die uit die processen komt. Productie moet immers worden afgestemd op de capaciteit van magazijnen, maar ook op de capaciteit van het verkoopproces en omgekeerd.
Engineering en management
De terugkoppellussen die hierboven zijn beschreven geven duidelijk de spiraal aan, maar er is nog een niveau waarop dit terugkomt. Elke onderneming, elke fabriek en elke productielijn wordt uiteindelijk vormgegeven door mensen, vooralsnog. Het management van ondernemingen en fabrieken en de engineers die alle apparatuur en processen ontwerpen zijn schakels in een managementproces, waar we ook data uit kunnen halen en inzetten voor verbetering. Dit is niet beperkt tot financiële prestaties of het wel of niet binnen tijd en budget afronden van projecten. We kunnen, moeten zelfs, hierin ook alle data uit de andere niveaus van de spiraal meenemen: elke tekortkoming, maar ook elk sterk punt van een machine, productielijn of fabriek is van invloed op het presteren van een onderneming. Engineering en management zijn vervolgens de processen en schakels die moeten worden bijgestuurd op basis van die prestaties. Een engineering organisatie leert van elke fabriek die ze bouwt, en een managementteam leert van elk jaar dat het een onderneming stuurt.
Smart Industry en de terugkoppeling van data spelen van het hoogste tot het laagste niveau in deze spiraal een rol
De uitwaaierende spiraalEerder verwezen we al de jaren 80 ten aanzien van WIP, maar ook op andere niveaus zijn deze principes al decennia lang bekend. Met Smart Industry en de daarbij behorende gereedschappen zoals sensoren, computers, data dashboards en Machine Learning wordt het mogelijk om deze niveaus sneller en beter op elkaar af te stemmen, en voortdurend te monitoren en bij te sturen.
In twee vervolgartikelen gaan we hier dieper op in – een voor de drie binnenste niveaus (de binnenkant van de fabriek), en een voor de twee buitenste (engineering en management).
TIPS
Dit is de kop
Smart Industry grijpt in op verschillende niveaus in een organisatie, niet alleen op het meest technische machine niveau
Dit is de kop
De terugkoppeling van data uit een productieomgeving kan worden gebruikt voor verbetering in die omgeving en de processen er omheen, tot engineering aan toe
shinchoku
Shinchoku, wat Japans is voor ‘vooruitgang’, is een bedrijf dat gespecialiseerd is in Smart Industry en Duurzaamheid. De activiteiten van Shinchoku zijn in 2020 gestart als spin-off van Delphino Consultancy.