{{ title }}
{{ errorMessage }}


{{ errorMessage }}





{{ registerSuccessMessage }}
收藏
点赞
投稿
最后百分之一的价值
  2021-01-26      467

image.png

Andrew Scheuermann

ARCH Systems公司

我们从潜在客户那里得到的一个最好的问题是这样的:“如果我的产品质量已经达到99%,那么先进技术能对剩下的1%做什么呢?”对于制造商来说,在他们获得了孜孜以求的99%的产品质量后,再谈及这剩下的1%时,答案是非常直接的。对那1%我们能做什么?不多。但这1%被高估了。

对于那些认为他们已经达到了99%的质量水平就可以达到99%的效率的制造商来说,他们大错而特错。这是因为从来没有人见过一个制造商真正运行在接近99%的效率和利用率的水平。显而易见,目前最佳状态就是接近60%。如果你做的超过60%,那么恭喜你,你在工业3.0的世界里做得非常好。当你真正开始查看数据时,世界上许多顶级制造商都只有50%、40%甚至30%的效率或利用率来达成99%的产品质量。工业3.0基于这样一个假设:在质量和效率中追求平衡是必要的,制造商不得不放弃大量的人力和设备效率,以达到可接受的产品质量标准。在这种追求下,大多数有竞争力的制造商都极其关注这99%。

例如,一家顶级电子产品制造商运营着近千条装配线。这些生产线的高价值部分以每小时30台的速度,以无可挑剔的质量瞄准了汽车行业。经过更深入的分析,我们发现有一条可以达到每小时45台的实用途径——在相同的人员、设备和产品的情况下,生产能力可以提高50%,投资回报率超过5倍。此时我们要关注的不是这些生产线1%的废品率,而是未被有效利用的产能。

另一家拥有数百台贴片设备的顶级电子制造商正以设定的产量运行。通过更深入的分析,我们发现,尽管模拟了设备的最大产量,但它们偏离最佳平衡10%、20%甚至40%。模拟结果是一回事,但他们自己的真实数据却显示了完全另一种情况——一边掉下的零件比预期的要多,而另一边则比平均值好得多。结果呢?数千万美元的未利用产能与1%的废品无关。

相反,我们要问的第一个问题应该是,“你确定你在做正确的事情吗?”那1%的实际价值是多少?

就像前两个例子所呈现的那样,这1%的真正价值是隐藏在它后面的未开发利用的效率和利用率。幸运的是,Industry 4.0提供了捕捉所有这些价值所需的工具和流程,要实现这些价值现在尽在掌握之中。

想象一座冰山。如果不在水下进行测量,就无法知道它的真实尺寸,也无法在没有专业仪器的情况下测量冰山。所有现代的海轮都使用这些专业仪器。没有它们,海轮就不得不使用过时的导航方法来操作。这意味着他们最终只能根据猜测来判断哪些地方他们不能去,然后绕着它航行。对于那些格外谨慎的人来说,为了安全起见,他们甚至会躲得远远的,因为他们缺乏专业仪器,无法看到所有可以安全航行的地方。

同样地,当制造商只专注于水面上的山峰,也就是产品质量时,他们就忽略了水面之下巨大的低效率和低利用率。这正是工业4.0所要做的,就是利用我们现有的工具来重置假设,实现真正的零浪费, 智能制造。

然而,在采用新技术之前,每一个制造商首先要问两个问题:1. 我的数据是什么?我在哪里可以使用设备、高级分析或人工智能来让它做得很好?2. 我的组织如何适应?我们准备好在人和设备之间建立50/50的伙伴关系了吗?

一个巨大的机会就在这个交叉点上,工具和人们都准备好了,我们可以做得更好。退一步考虑一个类比。

想象一下,你不是经营一家工厂,而是经营一家会计师事务所。你的员工使用计算器计算繁杂的数字,向客户提交报告,为你的公司创造收入。再设想一下,你的会计师使用计算器只进行加减运算,而不是平方根函数运算。为什么?因为你的老旧计算器没有平方根函数,所以只能手工来计算。就我个人而言,我从来没有亲手做过平方根计算。如果你想雇我来做这件事,我想我会说不。我不想做这么无聊的工作,如果我接受了,我无疑会犯下令人无法接受的错误。

现在,购买具有平方根函数的现代计算器很便宜,而且可以立即计算出正确的结果。一家会计师事务所需要做的只是购买计算器,教他们的员工如何运算平方根函数。试想一下,如果他们还是让员工手工计算平方根,那后果不堪设想。

然而,许多工厂还在以类似的方式进行运作。

比较两个工厂的差别。在A工厂,一队经验丰富的老专家被派到工厂里工作大约12个月。他们要挑选合适的传感器和硬件来增加能见度。他们比以前更早地执行规定性维护,防范可能出现的问题,实现99%甚至99.5%的质量水准。他们进一步定义了“红区”,以改善那剩下的1%。不过,在他们走到那一步之后,真的无能为力了。

在这一点上需要重新检查甚至重新定义这些区域。问题不在于绿色区域是否真的是绿色的。对于所有以前被认为不可操作的红色区域,最关键的问题是,“它们真的是红色的吗?”

相比之下,在B工厂中,安装了一个数据系统来接收所有设备上的数据。它根据整个组织中的数据自动计算绿色和红色区域,只标记那些它不确定的特定区域或问题。然后将这些问题提交给一个只有两名专家的精干团队。经过计算有些红区和绿区是相同的。然而,有些是非常不同的,通过识别这些领域,寿命可以延长,产能得到释放,质量得以提高,效率也大大提高。随着工厂的持续运转,新的数据进一步勾画出绿色和红色的画布,最终使其成为一幅完美的图画,让工厂清楚该如何操作。

毫无疑问,哪个工厂表现更好,哪个工厂准备好了?那个拥有一支现代化的、适应性强的员工队伍的工厂就能够创造出一个全新的局面。同时也会带来劳动力招聘的好处。大多数新入职员工对能够利用他们技能的工作和职业感兴趣,这些技能在工业4.0世界中发挥作用。不具备这些技能的工人可能找不到工作,所以许多人进入劳动力市场时已经掌握了效率和利用技能。

但是,这种替代方法能否适用于世界各地拥有大量设备和工艺的制造商?别搞错,虽然这在工业 3.0中是一种负担,但实际上它在工业 4.0中是一种资产,因为它能够构建更大的数据集。输入信息的设备越多,算法的学习速度就越快。

要真正理解对剩下的1%能做些什么,问题的答案在于另一个问题:你看到的问题是真的吗?

对于那些仍在试图削减剩余1%的人来说,这需要一个认识、想象和澄清其中巨大的低效率的过程。随着时间的推移,他们继续严格控制工艺而得以控制剩余1%当中的一小部分。但是,他们会发现,在未来保持竞争力越来越困难。

那些采用新工具和新方法,然后回过头来重新评估他们走过的道路的制造商,在工业4.0世界中变得更强大、更聪明、成长更快。

那些取得进展的公司已经发现,问题不在于如何处理最后的1%,而在于发现它背后隐藏着什么。

Andrew Scheuermann 是Arch Systems公司 CEO 和联合创始人

分享到:
  点赞
  收藏
  打印
评论(0
已输入0
相关推荐