Hoe analytics verspillingen in productie oplost

Het tegengaan van verspilling in Lean Manufacturing biedt veel potentieel om efficiënter, kostenbesparend en duurzamer te werken. Data-analyse kan hierbij helpen.

De term Lean Manufacturing verwijst naar een filosofie die ooit bij Toyota is ontstaan. Het aanpakken van de verschillende vormen van verspilling in de industrie speelt bij deze manier van werken een cruciale rol en het is een van de domeinen waarin Advanced Analytics kan ondersteunen.

Voorraad
Werkkapitaalbeheer krijgt in veel bedrijven prioriteit met het oog op hun financiële gezondheid. Dat is zeker het geval voor productiebedrijven waarin een hoge en traag roterende voorraad een negatieve impact op dat werkkapitaal kan hebben. Binnen een filosofie als lean manufacturing worden voorraden vaak beschouwd als verspilling. Veel kapitaal zit immers vast in de voorraden van het bedrijf.

Om een deel van dat budget vrij te maken, kan analytics het proces ondersteunen met onder meer statistische procescontrole, alerting en softsensoren op cruciale kwaliteitsparameters. Een fabriek die bijvoorbeeld coating voor vinylvloer maakt, kan zo een alarm triggeren wanneer een afwijking gedetecteerd wordt. Ook bij het voorspellen van de vraag en het optimaliseren van batchgroottes kan analytics een rol spelen.

Wachten
Wachttijden hebben een impact op de volledige productieketen. Een vertraging vroeg in die keten kan ervoor zorgen dat zowel mensen als machines in een later stadium moeten wachten. Kritieke punten worden daarom bemand door operatoren die bij problemen snel kunnen ingrijpen. Hoewel dit het productieproces zeker efficiënter maakt, schuift het de verspilling van het wachten eigenlijk gewoon door naar het inzetten van operatoren.

Artificiële intelligentie kan hierin ondersteunen. Met behulp van SAS-technologie en computer vision krijgen operatoren automatisch melding bij storingen op de productielijn. Zo hoeven ze enkel naar de machine te gaan wanneer er zich effectief een probleem voordoet.

Defecten
Afval is een vrij makkelijk te herkennen verspilling. Veel afval ontstaat door één of meerdere afwijkingen van kritieke productspecificaties. Vaak wordt nog geprobeerd om een ‘defect’ product te recupereren of corrigeren, maar dat vergt dan weer extra grondstoffen, energie, tijd en geld. In bepaalde gevallen, zoals de chemische industrie, is recuperatie bovendien niet altijd mogelijk en wordt het product dan maar aan een lagere prijs verkocht.

Softsensoren op basis van Machine Learning kunnen bedrijven toelaten om snel in te spelen op afwijkende, moeilijk meetbare kwaliteitsparameters. Neem het voorbeeld van een gipsplatenfabrikant voor wie het watergehalte een cruciale parameter is. Dit wordt in een laboratorium vastgesteld en laat geen snelle aanpassingen in het productieproces toe. Een softsensor kan helpen om het watergehalte te voorspellen en ingenieurs toelaten om sneller beslissingen te nemen.

Overproductie
Als een bedrijf te veel produceert zonder dat er voldoende bestellingen tegenover staan, zal ook dit weer leiden tot overbodige voorraad of verspilling. Overproductie kan verschillende oorzaken hebben: van slechte inschatting van de vraag en een foutief afgestemde batchgrootte tot problemen bij het omstellen van machines. Advanced analytics kan met behulp van optimalisatiealgoritmen setpoints suggereren om zo snel mogelijk volgens de juiste specificaties te produceren.

Transport
Goederen verder transporteren dan nodig leidt niet alleen tot het niet optimaal gebruiken van mensen en transportmiddelen, maar verhoogt ook de kans op beschadiging. Door dat overbodig transport nemen bovendien de verborgen kosten toe als gevolg van een toename in onderhoudsfrequentie van deze transportmiddelen.

Algoritmes kunnen helpen om transportroutes en gerelateerde kostenposten te optimaliseren. Het is ook mogelijk om bestuurders te begeleiden zodat ze niet door gevaarlijke zones rijden. En dankzij ingebouwde sensoren kunnen voertuigen ook predictief worden onderhouden.

Overprocessing
Overrocessing is een verspilling van grondstoffen/energie, componenten, onnodige producteigenschappen of analyses die voor de klant geen vereiste zijn. Om bijvoorbeeld variaties in energieverbruik weg te nemen, kan SAS-technologie nagaan wat de optimale instellingen van een installatie zijn om zo de meest ideale scenario’s na te bootsen en machines in te stellen voor minimaal energieverbruik.

Meer informatie over analytics voor manufacturing.

Sam Lamp is account executive Manufacturing bij SAS.