CC BY
7Цифровизация процессов, потоки создания ценности и анализ эффективности оборудования
Анализируется опыт и потенциал использования метода картирования потока создания ценности при цифрови-зации процессов на малых и средних предприятиях. Рассматриваются основные проблемы, связанные с применимостью существующих подходов. Предлагается методология, повышающая эффективность работы, показано, что частичная оцифровка одной производственной операции оказывает положительное влияние на ход процесса
М. Мабхеш1
Санкт-Петербургский государственный университет аэрокосмического приборостроения, [email protected]
1 аспирант, Санкт-Петербург, Россия
Для цитирования: Мабхеш М. Цифровизация процессов, потоки создания ценности и анализ эффективности оборудования // Компетентность / Competency (Russia). — 2024. — № 3. DOI: 10.24412/1993-8780-2024-3-42-48
ключевые слова
поток создания ценности, управление качеством, принципы Lean, общая эффективность оборудования
недрение принципов Индустрии 4.0 в настоящее время является одним из важнейших факторов стремления предприятий к совершенству [1]. На практике внедрение этой концепции представляет собой серьезную проблему для многих отраслей промышленности. В частности, малые и средние предприятия (МСП) сталкиваются с наибольшими трудностями и барьерами в области применения современных технологий и методов и все еще редко вкладывают свой капитал в развитие оцифровки производственных данных [1-3].
Внедрение инновационных технологий требует сложного набора процедур, созданных на основе существующих моделей оценки технологической позиции. В Индустрии 4.0 управление бизнесом в той или иной степени основано на мониторинге и анализе собранных данных. Типичными элементами интеллектуального производства являются технологические процессы, человекомашинные бумажные/цифровые данные. Основное предложение заключается в создании механизма цифрового взаимодействия «человек — человек», «человек — объект» и «объект — объект» на всем производственном процессе [8].
Для Индустрии 4.0 основной технологией являются киберфизические системы — концепция интернета вещей. При этом создание набора цифровых данных, необходимых для управления предприятием, охватывает проблему как с точки зрения оценки стратегии управления предприятием современного машиностроения, так и мониторинга управления технологическими процессами.
Визуализация процессов может опираться на различные методики
и инструменты управления. Согласно принципам Lean визуализация процессов направлена на систематизацию последовательных операций (действий) в контексте создания добавленной стоимости и является графическим представлением технологического потока, начиная от заказа клиента и заканчивая распределением. Иначе говоря, цель графической визуализации — поиск и выявление операций, не добавляющих стоимости.
Операции, добавляющие ценность (VA), делают продукт более полезным, это ключевой элемент графической визуализации, и каждый участник процесса осознает их важность. Другие элементы процесса — операции, не добавляющие ценности (Non-Value Adding, NVA) [7], их использование в процессе часто необходимо, но не принципиально с точки зрения заказчика (они не делают продукт более полезным). Схема расположения операций VA и NVA дополняет графическое представление процесса. Выявление NVA позволяет принять решение о реорганизации/улучшении процесса в соответствии с философией кайдзен (улучшение малыми шагами) [7]. В целом графическая визуализация процесса в первую очередь способствует его улучшению на основе минимизации потерь (бережливое производство). При этом методе вся информация собирается из наблюдений за ходом процесса и процедур, регламентирующих методы работы, а также просмотра обработанных документов. Это достаточно длительный метод, который сопряжен с риском ошибок.
Визуализация процессов на основе цифровых данных позволяет быстро и глубоко узнать ход всех составляю-
щих бизнес-процесса и увидеть возможности для улучшения, которые невозможно разработать традиционным способом. Только на основе анализа и визуализации цифровых данных можно сразу заметить любые отклонения от стандартного, ожидаемого течения процесса. Следует отметить, что и в случае графической визуализации можно выявить лишние операции, но только численный анализ (цифровые данные) дает информацию о масштабах этих явлений и влиянии, которое они оказывают на итоговую оценку процесса. Принципиальное различие между указанными видами визуализации процессов заключается в том, что графический анализ может выполнить любой человек, в то время как цифровой требует соответствующей подготовки в области сбора данных. Это различие становится основным барьером для МСП при реализации современных концепций, в частности Индустрии 4.0 (5.0) и интеллектуального производства. Поэтому методы визуализации процессов должны дополнять друг друга.
Методология
В исследовании использовались два основных инструмента совершенствования: картирование потока создания стоимости (VSM) и показатели системы повышения качества обслуживания (Total Productive Maintenance, TPM) [13]. Основной целью исследования было определить, повысит ли внедрение решений по оцифровке (зачастую дорогостоящих) эффективность системно управляемых производственных процессов в небольших производственных компаниях и предприятиях. Достижение поставленной цели осуществлялось на основе внесения изменений в процесс сбора цифровых данных на отдельных рабочих местах, определенных по наибольшему количеству потерь. Чтобы оценить возможность сбора цифровых данных непосредственно с этих участков, было проведено картирование потока создания ценности для производствен-
Визуализация процессов на основе цифровых данных позволяет быстро увидеть ход составляющих процесса и возможности для улучшения
ного процесса литья под давлением. Данные на карте были дополнены анализом составляющих коэффициента общей экономической эффективности (Overall Equipment Effectiveness, OEE). Этот показатель оперативно предоставляет информацию о функционировании машин и эффективности организации производственного процесса [14]. В нашем случае показатель OEE был применен только для операции 3, идентифицированной в качестве «узкого» места, негативно влияющего на скорость [16].
Картирование (отображение) потока создания ценности можно определить как метод, который изображает или иллюстрирует результаты анализа потока создания стоимости. VSM процесса служит для описания очень сложной реальной системы в менее сложном двухмерном формате. Такое упрощение облегчает понимание и обеспечивает общий язык для передачи подобных данных. Целью анализа потока создания стоимости является поиск переходного решения от текущего состояния производства к более эффективному, позволяющему загрузить производственные мощности в оптимальном режиме. В частности, метод картирования используется для выявления потерь в процессах создания ценности [15, 9]. Чтобы улучшить весь процесс разработки продукта, его необходимо отобразить и проанализировать.
Картирование потоков создания стоимости основано на базовых принципах анализа «большая картина». Метод VSM при соответствующем развитии является инструментом, используемым для формирования интеллектуальной производственной систе-
справка
Ervin Rauch и другие авторы [17] предлагают применение модели для МСП с четким обзором существующих концепций Индустрии 4.0 [4] и оказывают поддержку в определении индивидуальной стратегии ее внедрения. С другой стороны, Zhichao Liu [19] рассматривает стратегии внедрения концепции Индустрии 4.0 в МСП на основе контроля экономических затрат и инвестиционного эффекта, то есть с учетом инвестиций в человеческий капитал, R&D-инвестиций и т.д. [5-6]. В то же время Julian Müller [18] предполагает, что определение последствий реализации бизнес-модели через Индустрию 4.0 относится к канве бизнес-модели
Муда - потери (англ. muda). Наиболее известный тип потерь в Lean. Включает в себя 7 видов потерь — все, что не добавляет ценности к продукту с точки зрения клиента. Это классические потери, которые представляют наибольшую угрозу эффективности предприятия
TPM (англ. Total Productive Maintenance) — совершенствование системы обслуживания оборудования. Важный метод, позволяющий избежать простоя оборудования, применяется в бережливом производстве, связан с авариями (breakdown), незапланированными остановками (short stop), а также выпуском брака
Рис. 1. Карта текущего
состояния производства
изделий на основе
VSM-анализа
[Map of the current state of
product production based
on VSM analysis]
мы МСП. Для этого в соответствии с методологией VSM-анализа были выбраны пять областей на карте, визуализированные на основе наблюдений и анализа данных [10-11]:
► область 1 — требования к заказу и продукции;
► область 2 — управление внутренней информацией;
► область 3 — управление материальным обеспечением;
► область 4 — интеграция материальных и информационных потоков;
► область 5 — время завершения потоков и операций, не добавляющих стоимость (NVA) и добавляющих стоимость
(VA).
На основе карты текущего состояния (CSM) была проведена диагностика участка, вызывающего наибольшие потери в процессе работы: выбрана область, в которой происходит возникновение потерь (муда). VSM была обогащена параметрами, позволяющими определять OEE как детерминант технологического процесса.
В соответствии с общим принципом анализа TPM показатель OEE основывался на оцифрованных данных по опе-
рациям и включал в себя качество, доступность и производительность [16]. Данные, позволившие определить зависимость изменения параметров показателя ОЕЕ в заданном периоде, рассчитывались по формуле (1) с учетом формул (2, 3, 4):
ОЕЕ = А Р ) 100 %, (1)
где А — доступность,
Р — производительность, ) — качество.
Доступность учитывает также потерю доступности, то есть все события, приводящие к остановке производства, — незапланированные перерывы, например поломки, и запланированные изменения, например переналадку и калибровку:
А = ВИ-ВОП, (2)
ВИ
где ВИ — время изменений,
ВОП — время остановки производства.
Производительность учитывает потерю производительности в результате прерываний, а также замедления цикла при запуске машины:
Таблица
Характеристики операций по созданию добавленной стоимости как составляющих всего производственного процесса [Characteristics of value added operations as components of the entire production process]
№ п/п [N] Характеристика работы [Job characteristic] Время такта, мин [Tact time, min] Эффективность процесса[Process efficiency], % Время цикла, мин [Cycle time, min] Количество операторов [Number of operators] Количество шен [Number of shifts] Контроль качества [Quality control]
1 Подготовка композиции 65 92 60 1 2 -
2 Обработка фильтров 95 63 60 1 2 -
3 Двухступенчатый впрыск 36 50 18 1 2 -
4 Кондиционирование 1485 97 1440 1 2 Статистическое управление процессами (SPC)
P =
ОПф ОПц
(3)
где ОПф — объем производства (факт.), ОПц — целевой (плановый) объем производства.
Качество учитывает потери качества. В том числе количество дефектов и снижение производительности при запуске машины:
КВП - КД
Q =
(4)
КВП
где КВП — количество выпускаемой продукции,
КД — количество дефектов. На рис. 1 представлена карта текущего состояния производства изделий в процессах литья под давлением. Весь процесс осуществляется в соответствии с общей схемой. На рис. 1 и в таблице описаны и проиллюстрированы все значимые области карты. На основе
рассмотрения и анализа операций, добавляющих и не добавляющих стоимость, была выбрана одна, та, что определяет скорость протекания процесса и является источником всех задержек. Сложность всего анализа заключалась в том, что VSM иллюстрирует производственный процесс, принадлежащий малому и среднему предприятию с очень несистематизированной организационной структурой и нестабильными процессами управления. В результате предварительной проверки был сделан вывод, что основная проблема в управлении рассматриваемым процессом заключается в том, что сотрудники не действуют в соответствии с процедурами и правилами, установленными для начала процесса.
В таблице представлена упрощенная характеристика операций — составляющих всего производственного
_ 120 £ 100 Ü 80 15 60 40
0
a) доступность, A
б) производительность, P
10 15 20 Время (день)
в) качество, Q
10 15 20 Время (день)
25 30
25 30
10 15 20 Время (день)
г) OEE
10 15 20 Время (день)
25 30
Рис. 2. Распределение значений показателя с функцией тренда в анализируемом периоде [Distribution of indicator values with a trend function in the analyzed period]
0
5
5
0
5
правка
Ограничением данного типа исследований является то, что для анализа была взята только одна операция, которая в исследуемый период являлась самым слабым элементом в потоке процесса, со временем эффективной работы 50 %. Такая операция явно являлась «узким местом», оказывающим существенное влияние на скорость процесса. Применительно к принципам Lean, следует отметить, что потеря 50 % эффективности работы станка также означает, что данная операция является значительным источником отходов (муда)
процесса. Надо заметить, что до момента проведения исследования на предприятии не использовались оцифрованные данные, которые могли бы информировать о необходимости введения корректирующих действий.
Для дальнейшего анализа была выбрана операция с коэффициентом эффективности использования станка всего 50 % (операция 3). Чтобы выяснить причину столь больших потерь, была предпринята попытка тщательного анализа показателей по данной операции. Как выяснилось в результате анализа производственного процесса, оператор на операции 3 не регистрировал и не измерял параметры, необходимые для определения ОЕЕ данной операции. Для этого на инжекционной машине можно настроить программное обеспечение, позволяющее загружать данные самостоятельно или вводить их вручную (вручную вводилось количество дефектов — изделий, не соответствующих требованиям визуального контроля). На основе собранных дан-
ных был подготовлен отчет, показывающий вариабельность коэффициента ОЕЕ.
На рис. 2 представлены графики характеристики отдельных показателей, с распределением значений показателей с функцией тренда в анализируемом периоде для доступности, производительности, качества и ОЕЕ в рассматриваемой операции. Сравнение дисперсии показателей представлено на рис. 3.
На основании изменения основных параметров, влияющих на величину коэффициента ОЕЕ (рис. 2, 3), было отмечено, что с ходом работ тенденция производительности (функция тренда, представленная на рис. 2б) увеличивается. К сожалению, одновременно наблюдаются незначительные изменения в уровне готовности и качестве продукции. То есть, наряду с увеличением производительности станка, наблюдается незначительное снижение уровня качества продукции (в разрезе всей серии). Следствием этого являет-
Рис. 3. Сравнение распределения значений показателей: доступность (A). производительность (Р). качество (Q), OEE [Comparison of the distribution of indicator values: availability (A), productivity (Р). quality (Q), OEE]
100
80
60
a <
<C 40 a
20
0
1 6 11 16 21 26 31
Время (день)
OEE (%) Ш Доступность (%) —*— Производительность (%) — ♦— Качество (%)
Рис. 4. Структура потерь:
а) готовности оборудования;
б) времени по отношению к эффективному производству [Structure of losses:
a) equipment availability;
b) time in relation to efficient production]
Другое 6,8 %
Начало процесса 43,5 %
Переналадки
30,7 %
Отказ 19,0 %
Эффективное производство 49,5 %
Потери производительности Потери — /42'5 % ^времени 50,8 %
Потери качества-
3,2 %
Потери доступности 8,7 % б)
a)
организация производства 47
ся практически постоянное значение коэффициента ОЕЕ около 50 %.
Были выявлены элементы, определяющие столь низкую готовность станка. Оказалось, что с увеличением его производительности в процессе работы совершается множество ошибок, которые приводят к снижению готовности (рис. 2а). Среди причин, вызывающих столь большие потери, — неэффективность использования устройства: начало процесса, отказ, переналадка (рис. 4).
Представленные результаты показывают, каким образом малые и средние предприятия при незначительных изменениях могут регулировать эффективность производства. Даже ручное создание данных из технологического потока привело к увеличению производительности машины (рис. 2б). Тенденция к увеличению значения производительности имела место в течение всего периода исследований.
Заключение
статье представлена методика управления материальными и физическими потоками на малых и средних производственных предприятиях. Обзор потерь эффективности протекания процессов однозначно
указывает, что на этих предприятиях необходимо внедрять оцифровку данных. Приведены результаты предварительного тестирования оцифровки на отдельных рабочих местах, в ходе которого было измерено время работы и простоя, а также количество изделий и дефектов. Оценивается влияние оцифровки и поиск ключевых данных для определения мероприятий по корректировке потоков.
На основании проведенного анализа и представленных результатов можно сделать следующие выводы:
► частичная оцифровка одной производственной операции в МСП оказывает положительное влияние на технологический процесс;
► визуализация процесса с помощью бегущей диаграммы изменчивости показателей ТРМ мотивирует к улучшению организации и эффективности работы;
► визуализация процессов — картирование потока создания стоимости (VSA) — при взаимодействии с цифровыми данными (например, ОЕЕ) является дополнительным набором информации для внедрения новых концепций управления производством, в частности на малых и средних предприятиях. ■
Cтатья поступила в редакцию 10.12.2023
Список литературы
1. Rüssmann M., etc. Industry 4.0: the Future of Productivity and Growth in Manufacturing Industries. — Boston: Boston Consulting Group, MA, 2015.
2. McAffe A., Brynjolfsson E. // Harward Business Review. — 2012. — Т. 90. — № 10.
3. OCDE Exploring the Key Issues for Greening SMEs and Green Entrepreneurship; https://doi.org/10.1787/bab63915-en.
4. Gallardo-Vázquez M., Sánchez-Hernández I. Structural Analysis of the Strategic Orientation to Environmental Protection in SMEs // Business Research Quarterly. — 2014.
5. Buer S. V., Strandhagen J. O., Chan F. T. S. // International Journal of Production Research. — 2018. — Т. 56. — №. 8.
6. Ciano M. P., Dallasega P., Orzes G., Rossi T. // International Journal of Production Research. — 2020.
7. Krynke M., Mielczarek K. // MATEC Web of Conferences. — 2018. — Т. 183.
8. Gupta S., Koulamas C., Kyparisis G. J. // Production and Operations Management. — 2009. — № 18(6).
9. Мабхеш М., Тушавин В.А. // Наука и бизнес: пути развития. — 2022. — № 4(130).
10. McManus H. L. Product Development Value Stream Mapping (PDVSM): Manual. — Cambridge: Lean Aerospace Initiative (Massachusetts Institute of Technology), 2005.
11. Keyte B., Locher D. The Complete Lean Enterprise — Value Stream Mapping for Administrative and Office Processes. — New York: Productivity Press, 2014.
12. Ward A. C. Lean Product and Process Development. — Cambridge: Lean Enterprise Institute, 2017.
13. Hardcopf R., Liu G. J., Shah R. // International Journal of Production Economics. — 2021. — № 235(8).
14. Oppenheim B. W. Lean Product Development Flow. — Los Angeles: Department of Mechanical Engineering (Loyola Marymount University), 2003.
15. Rother M., Shook J. Learning to See: Value Stream Mapping to Add Value and Eliminate Muda. — Lean Enterprise Institute, 1999.
16. Общая эффективность оборудования. — M.: Институт комплексных стратегических исследований, 2017.
17. Rauch E., etc. // Sustainability. — 2020. — Т. 12. — № 9.
18. Müller J. M. // Journal of Manufacturing Technology Management. — 2019. — Т. 30. — № 8.
19. Liu Z., Ye Y., Cheng Y. // International Journal of Technology Management. — 2020. — Т. 84. — № 3/4.
Kompetentnost / Competency (Russia) 3/2024 ISSN 1993-8780. DOI: 10.24412/1993-8780-2024-3-42-48
Digitalization of Processes, Value Streams and Equipment Efficiency Analysis
М. Маbkhesh1, St. Petersburg State University of Aerospace Instrumentation, [email protected]
1 Graduate Student, St. Petersburg, Russia
Citation: Mabkhesh M. Digitalization of Processes, Value Streams and Equipment Efficiency Analysis, Kompetentnost'/ Competency (Russia), 2024, no. 3, pp. 42-DOI: 10.24412/1993-8780-2024-3-42-48
key words
The author analyzes experience and potential of using the value stream mapping
value stream, quality management, metLhod in the digijtalizaíion of productjon processes and OEE analysis. The main Lean principies 0verail eqUipment problems associated with the applicability of existing approaches are considered.
efficiency It is noted that the fundamental difference between traditional and digital types of
visualization of processes is that graphical analysis can be performed by anyone, while
digital analysis requires appropriate training in the field of data collection.
In conclusion, the impact of digitization and retrieval of key data to determine
correction actions is shown. Development is possible even with the digital data
manual creation by employees using simple production management and maintenance
functions (elements of Lean Production and TPM). A method for increasing their
efficiency is proposed.
References
1. Rüssmann M., etc. Industry 4.0: the Future of Productivity and Growth in Manufacturing Industries, Boston, Boston Consulting Group, MA, 2015.
2. McAffe A., Brynjolfsson E., Harward Business Review, 2012, vol. 90, no. 10, pp. 61-67.
3. OCDE Exploring the Key Issues for Greening SMEs and Green Entrepreneurship; https://doi.org/10.1787/bab63915-en.
4. Gallardo-Vázquez M., Sánchez-Hernández I. Structural Analysis of the Strategic Orientation to Environmental Protection in SMEs, Business Research Quarterly, 2014.
5. Buer S. V., Strandhagen J. O., Chan F. T. S., International Journal of Production Research, 2018, vol. 56, no. 8, pp. 2924-2940.
6. Ciano M. P., Dallasega P., Orzes G., Rossi T., International Journal of Production Research, 2020, pp. 1-25.
7. Krynke M., Mielczarek K., MATEC Web of Conferences, 2018, vol. 183, pp. 1-6.
8. Gupta S., Koulamas C., Kyparisis G. J., Production and Operations Management, 2009, no. 18(6), pp. 604-620.
9. Mabkhesh M., Tushavin V.A., Science and Business. Ways of Development, 2022, no. 4(130), pp. 170-174.
10. McManus H. L. Product Development Value Stream Mapping (PDVSM): Manual, Cambridge, Lean Aerospace Initiative (Massachusetts Institute of Technology), 2005.
11. Keyte B., Locher D. The Complete Lean Enterprise — Value Stream Mapping for Administrative and Office Processes, New York, Productivity Press, 2014.
12. Ward A. C. Lean Product and Process Development, Cambridge, Lean Enterprise Institute, 2017.
13. Hardcopf R., Liu G. J., Shah R., International Journal of Production Economics, 2021, no. 235(8), p. 108060.
14. Oppenheim B. W. Lean Product Development Flow, Los Angeles, Department of Mechanical Engineering (Loyola Marymount University), 2003.
15. Rother M., Shook J. Learning to See: Value Stream Mapping to Add Value and Eliminate Muda, Lean Enterprise Institute, 1999.
16. Overall equipment efficiency, Moscow, Institute of Comprehensive Strategic Research, 2017.
17. Rauch E., etc., Sustainability, 2020, vol. 12, no. 9, p. 3559.
18. Müller J. M., Journal of Manufacturing Technology Management, 2019, vol. 30, no. 8, pp. 1127-1142.
19. Liu Z., Ye Y., Cheng Y., International Journal of Technology Management, 2020, vol. 84, no. 3/4, pp. 211-228.
