Transkrypcja odcinka podcastu LUQAM. Odsłuchaj treść odcinka tutaj:

• Spreaker
• Spotify
• Apple Podcasts
• YouTube

Jakość w produkcji zautomatyzowanej nie traci znaczenia

Dzisiaj poruszymy temat jakości, a dokładniej tego, jak utrzymać stabilne procesy w warunkach automatyzacji.

Warto zastanowić się, jak wykorzystać narzędzia, które mamy dziś w cyfrowym świecie, żeby jakość była jak najlepsza. Jakość i terminowość to dla klienta dwie podstawowe rzeczy. Oczywiście liczy się też cena, bo ona nadal pozostaje czynnikiem determinującym, ale to właśnie jakością i terminowością najczęściej wygrywa się dziś z konkurencją, jeśli obie te wartości stoją na odpowiednim poziomie. Dlatego rozwiązania, jakie niesie nam nowy świat, po prostu trzeba wykorzystywać.

Czyli nie możemy zapominać o jakości, tylko musimy równolegle prowadzić działania związane z jakością? A może, patrząc na cyfryzację, powinniśmy zacząć właśnie od obszaru jakości?

Nie no, aspekty jakościowe są przecież nieistotne, bo teraz wszystko przechodzi do cyfryzacji i jakość będzie się robiła sama, automatycznie. Oczywiście żartuję. Mówiąc poważnie, na początku trzeba powiedzieć, czym w ogóle jest jakość, jak ją mierzyć i jakie podejście powinna reprezentować firma, żeby cały system miał sens. Odpowiednią jakość produkt ma wtedy, kiedy spełnia wymagania klienta, kiedy jest zgodny ze specyfikacją, czyli dokładnie taki, jakiego klient oczekuje. I tu dochodzimy do ważnego rozróżnienia między kontrolą jakości a zapewnieniem jakości. To są dwie różne rzeczy, które trzeba od siebie oddzielić.

Zapewnienie jakości zamiast samej kontroli jakości

W kontekście cyfryzacji najbardziej chodzi mi o podejście: najpierw znajdź problem, ale potem przede wszystkim zapobiegnij mu, zanim się pojawi. Nie chodzi więc tylko o to, żeby coś wykryć i wyeliminować, ale żeby nie dopuścić do wystąpienia problemu. To oznacza wejście w obszar zapewniania jakości, a nie wyłącznie kontrolowania jakości. To bardzo ważna rzecz, której musimy być świadomi. Dla wielu osób to wydaje się oczywiste, ale w praktyce wciąż wiele firm skupia się głównie na wychwytywaniu błędów. A to nie jest najważniejsze.

Jakie są największe wyzwania, jeśli mówimy o zapewnieniu jakości w nowoczesnych, zautomatyzowanych produkcjach?

Często największym wyzwaniem jest świadomość. Znowu zaczynam od świadomości.

Czyli nie mamy jeszcze świadomych robotów?

Robotów, które same robią wszystko?

No bo jeśli mamy zrobotyzowaną produkcję, to czy nie chciałbyś jeszcze, żeby te roboty były świadome?

Jeśli mówisz o takiej całkowicie zautomatyzowanej i zrobotyzowanej produkcji, to tak.

Wiemy jednak, że tak pięknie jeszcze nie jest. Jakość trzeba zapewnić w każdej produkcji i na każdym etapie, a dobrze do tego wykorzystać nowoczesne rozwiązania. Powiedz więc, z jakimi wyzwaniami firmy spotykają się teraz najczęściej.

Myślę, że nadal nie jest aż tak pięknie, żeby wszystko było w pełni zrobotyzowane i zautomatyzowane. Choć oczywiście są takie firmy, gdzie rzeczywiście tak to wygląda. Są nawet tak zwane ciemne fabryki, gdzie wszystko działa bez operatorów, więc nie trzeba nawet włączać światła i można generować oszczędności. Ale to nadal mniejszość. Jeśli patrzymy na obecne wyzwania, to przede wszystkim trzeba powiedzieć, że systemy i procesy są często niezwykle złożone. Na pierwszy rzut oka trudno dostrzec problem. Może on wynikać z samego procesu, z ludzi albo z maszyn, więc ciężko znaleźć jeden punkt zaczepienia. Błędy często są ukryte i pojawiają się dopiero na dalszych etapach, dlatego to właśnie są najczęstsze problemy. Często wychodzą dopiero u klienta, a wtedy wiadomo, że jest za późno, bo pojawiają się koszty i przede wszystkim utrata reputacji. W procesach zautomatyzowanych błędy również się pojawiają i będą się pojawiać, ale ich wykrywalność jest dużo lepsza, bo mogą być wyłapywane w momencie wystąpienia, a nie dopiero na etapie końcowej kontroli czy już u klienta. Żeby to wszystko działało, trzeba jednak zintegrować wiele różnych rozwiązań. Trzeba też inwestować w rozwój kompetencji jakościowych i technicznych pracowników, bo ktoś to musi wdrażać i ktoś musi analizować dane z tych systemów automatycznych. To nadal nie jest tak, że wszystko będzie działało samo.

SPC, IoT i systemy wizyjne jako wsparcie dla jakości

Powiedz, co się stanie, jeśli zautomatyzujemy kontrole za pomocą czujników, a te czujniki akurat przestaną działać w krytyczny sposób, nie dadzą znać, że są niesprawne, i przepuszczą wadliwe wyroby. Co wtedy? Co radzić firmom?

Jak każde urządzenie, każda maszyna może być zawodna. Może się też zdarzyć, że zawiodą czujniki. I tutaj wracamy do tematu utrzymania ruchu, a także bardziej zaawansowanego podejścia w kontekście cyfryzacji. Wszystkie rozwiązania, które wdrażamy, również będą musiały być serwisowane i obsługiwane. Potrzebne są odpowiednie kompetencje techniczne pracowników. To jest rzeczywiście duże wyzwanie, żeby szkolić ludzi z takich umiejętności technicznych, aby później ktoś potrafił te systemy utrzymywać. Bo oczywiście na produkcji pojawią się oszczędności, usprawnienia i lepsza jakość. Ale jeśli wydarzy się awaria, to staje się to wyzwaniem dla techników i informatyków, którzy muszą mieć odpowiednie kompetencje. Mimo to zdecydowanie więcej jest plusów niż minusów. Stosowanie cyfrowych rozwiązań w kontekście zapewnienia jakości jest opłacalne.

I właśnie nad tym się pochylmy. Jakie rozwiązania polecasz, które dziś się rozwijają i warto je wdrożyć, aby zapewnić jakość? Takie, które pomogą nam skutecznie zapewniać jakość, bo jak już wspomnieliśmy, to nie jest sprawa zero-jedynkowa.

Jeśli mówimy o zapewnieniu jakości, to od razu przychodzi mi na myśl statystyczna kontrola procesu SPC. W tradycyjnych warunkach, bez cyfryzacji, trzeba sobie wyobrazić, że dane z procesu i próbki co jakiś czas pobiera operator albo ktoś z działu jakości, a następnie poddaje je analizie i obróbce. Natomiast jeśli zastosujemy odpowiednie czujniki IoT i opomiarujemy maszyny oraz proces, to pomiary mogą być wykonywane automatycznie, w czasie rzeczywistym.

Czyli praktycznie kontrolowalibyśmy każdą sztukę.

Można tak powiedzieć. SPC działałoby wtedy cały czas, w czasie rzeczywistym, więc mielibyśmy obraz sytuacji sekunda po sekundzie, sztuka po sztuce. To byłby ideał. Jeśli dodatkowo operator miałby te dane zwizualizowane na monitorze i byłby przeszkolony z tego, że musi reagować w momencie pojawienia się przyczyn szczególnych zmienności procesu, to mielibyśmy coraz większą pewność, że proces pozostaje w granicach tolerancji i spełnia specyfikację klienta.

To na pewno pozwala zapewnić jakość. Jasne, praca operatora wciąż będzie potrzebna, ale być może w przyszłości sam proces będzie się dostosowywał do odczytów i korygował ustawienia tak, aby być w pełni autonomiczny.

Tak, można sobie wyobrazić, że z czujników będzie tworzona big data, a sztuczna inteligencja będzie analizować te dane i korygować parametry procesu.

Czyli będzie wiedziała, co skorygować, na przykład zwiększyć temperaturę tak, aby odczyt wrócił do normy.

Myślę, że to właśnie do tego zmierza. Zobaczymy, jak sytuacja będzie się rozwijała, ale z punktu widzenia jakościowego jest to niezwykle ciekawe.

Czyli SPC i IoT idą dziś praktycznie w parze, jeśli chodzi o zapewnianie jakości. Mówimy tu o różnych sensorach i kamerach, które analizują dane.

Tak, bo wspomnieliśmy o czujnikach, a ty mówisz również o kamerach, czyli o wszelkiego rodzaju systemach wizyjnych, które wykrywają defekty wizualne, mikropęknięcia, problemy z lakierem czy niezgodności ze specyfikacją. Zarówno rozwiązania wizyjne, jak i czujniki tworzą bazę danych. Z jednej strony to potencjał do tego, żeby dane były analizowane przez sztuczną inteligencję i korygowane automatycznie, a z drugiej strony na początku może to być także ogromna baza wiedzy dla nas, dla inżynierów i specjalistów. To daje doskonały materiał do analiz i do podejmowania działań dotyczących przyszłości procesu, zmian maszyn czy doskonalenia maszyn. To naprawdę bardzo duże pole do popisu.

Poka Yoke, andon i cyfrowy bliźniak w nowoczesnej produkcji

A co powiesz o Poka-Yoke? Czy to nadal jest moment, w którym powinniśmy z tego korzystać? Dziś, mając zautomatyzowane produkcje i algorytmy korygujące różne procesy, czy Poka-Yoke nadal ma sens? A może teraz należałoby przenieść je do świata algorytmów, bo tam mogą pojawiać się błędy, a na produkcji nasze procesy nie powinny już generować takich pomyłek? Co o tym myślisz?

To zależy od tego, o jakim procesie mówimy. Poka-Yoke ma za zadanie zabezpieczyć proces przed tym, aby operator nie wykonał błędnie jakiejś operacji i nie popełnił błędu. Zakładamy więc, że operator wciąż jest przy stanowisku. Jeśli będzie chciał na przykład włożyć detal do maszyny w nieprawidłowy sposób, to nadal widzę tutaj potrzebę zastosowania bardziej zaawansowanego Poka-Yoke, na przykład czujnika albo kamery, która to wykryje. W świecie w pełni zautomatyzowanym do takiej sytuacji po prostu nie powinno dojść.

Jeśli taki błąd się wydarzył, to znaczy, że wcześniej popełniono błąd w ustawieniach. Czyli Poka-Yoke nie traci znaczenia, tylko przenosi się również do cyfrowego świata. A jakie jeszcze nowoczesne metody są ci szczególnie bliskie?

Te, o których już mówiłem, czyli czujniki połączone ze SPC oraz systemy wizyjne. Można do tego dodać automatyczne andony połączone z czujnikami. To nie jest może rozwiązanie szczególnie skomplikowane, ale podobnie jak w przypadku prewencyjnego utrzymania ruchu, gdzie czujnik wykazuje anomalię na maszynie i operator zostaje o tym poinformowany, tak samo tutaj, jeśli czujnik albo system wizyjny wykryje anomalię jakościową, pracownik natychmiast otrzymuje sygnał w postaci andonu. Może to być lampka, sygnał dźwiękowy albo komunikat na tablicy wizualnej. Tu także istnieje duży potencjał do automatyzacji.

To wszystko brzmi bardzo nowocześnie.

Dokładnie. Jeśli mówimy o tych rozwiązaniach, to przychodzą mi też na myśl gogle VR, dzięki którym można szkolić operatorów jeszcze przed przyjściem na stanowisko pracy, zwracając uwagę właśnie na elementy jakościowe. To również narzędzie, które możemy wykorzystać w ramach cyfryzacji. No i oczywiście Digital Twin, czyli Cyfrowy Bliźniak. Jeśli odwzorujemy nasz proces w formie elektronicznej, możemy później wykorzystywać go do testowania zmian bez kosztów związanych z przestawianiem produkcji, zakupem urządzeń czy angażowaniem dodatkowych osób. Mówimy tu także o kosztach jakości, czyli kosztach złej jakości, które mogą się pojawić, jeśli coś zostanie źle zaprojektowane. Cyfrowy bliźniak może nam w tym bardzo pomóc.

Pewnie także AI i machine learning, które na bieżąco analizują dane, mogą nas uchronić przed niezgodnością na podstawie danych historycznych. Jeśli system widzi, że nie jest w stanie skorygować jakiegoś procesu, potrzebna jest na przykład manualna korekta ze strony operatora. Wtedy operator może zatrzymać produkcję wcześniej, zanim dojdzie do błędu jakościowego. Możemy więc korzystać z modeli matematycznych do eliminowania takich problemów i wykrywania ich, zanim się wydarzą.

Jak najbardziej. To podobna sytuacja jak przy analizie sygnałów z maszyn pod kątem anomalii. Tutaj również, jeśli pojawiają się problemy jakościowe, na podstawie naszej bazy danych prowadzi się analizy i od razu wprowadza korekty całego procesu, żeby w przyszłości takich niezgodności już nie było.

A co z tradycyjnymi narzędziami, które są wykorzystywane od lat, czyli Kaizen, Analiza 5 Why czy diagram Ishikawy? Czy dalej warto z nich korzystać, żeby poprawiać jakość?

Na ten moment jak najbardziej. Te analizy będą wspierane przez bazy danych, które się tworzą. Idąc dalej, w bardziej cyfrową erę, nie wiemy jeszcze dokładnie, jak to wszystko się rozwinie. Możliwe, że w przyszłości nie będziemy już używać takich narzędzi, bo cały proces będzie dziać się automatycznie. Jest nawet duże prawdopodobieństwo, że tak właśnie będzie. Na ten moment jednak spotykam się z sytuacjami, w których czujniki zbierają dane, tworzą bazę i jest na czym pracować oraz prowadzić warsztatowe spotkania, podczas których problemy są rozwiązywane. Czynnik ludzki nadal jest więc bardzo ważny.

Kultura jakości i rola człowieka w Przemyśle 4.0

Kiedy podróżujesz między naszymi klientami i zastanawiasz się, jak będzie wyglądał operator przyszłości, to widzisz go z jakimś smartwatchem, na który dostaje powiadomienia z poszczególnych czujników? A może z okularami VR, o których wspomniałeś? Czy nadal jest miejsce na tradycyjną pracę? Czy raczej wszystko zmierza w stronę pełnego opomiarowania, ciągłych powiadomień i produkcji stale monitorowanej, w pełni autonomicznej?

Taki smartwatch brzmi naprawdę nieźle.

Czyli myślisz, że niedługo każdy operator będzie miał firmowy smartwatch zintegrowany ze wszystkimi systemami?

Na którym będą pojawiały się wszystkie zdarzenia? To mogłoby być ciekawe. Zamiast świecących andonów i piszczących maszyn wszystko trafia na zegarek, wyświetla się i operator podejmuje decyzje. Brzmi interesująco. Nie wiem jednak, co z całkowitą eliminacją czynnika ludzkiego. Tu byłbym ostrożny. Na ten moment myślę, że człowiek wciąż odgrywa bardzo ważną rolę, a narzędzia cyfrowe traktujemy jako ogromne wsparcie, które będzie coraz większe. Na razie przy tym zostajemy.

Czyli jeśli mówimy o produkcji, która nie jest jeszcze w pełni autonomiczna, z samymi robotami i zautomatyzowanymi procesami, to nadal powinniśmy budować kulturę jakości. W późniejszym etapie, gdy produkcja będzie już całkowicie autonomiczna, może wyglądać to inaczej, ale teraz nadal warto tę kulturę rozwijać. Jakie są więc sposoby, żeby to robić?

Sposobów budowania kultury jakości jest kilka i możemy do tego podejść na różne sposoby. Przede wszystkim jakość to nie dział, tylko sposób myślenia całej organizacji o tym, jak zapewnić jakość. To rola każdej osoby w firmie, nie tylko działu jakości. Dział jakości może wspierać w budowaniu świadomości, w szkoleniach oraz w zbieraniu informacji o incydentach jakościowych, ale nie jest jedyną komórką odpowiedzialną za kulturę jakości. Nie można też pominąć roli liderów, ale liderów prawdziwych, którzy wiedzą, czym jest przywództwo. Lider to nie osoba, która tylko pokaże palcem, co trzeba zrobić, i nie ktoś, kto będzie karcił pracowników czy zabierał premie za słabe wyniki lub błędy. Tego również trzeba się uczyć.

Kolejna sprawa to angażowanie operatorów. Tak jak przy wdrażaniu każdego narzędzia czy nowej metodyki, tak i tutaj, przy promowaniu dobrej kultury jakości, ważne jest aktywne włączanie pracowników. Trzeba przede wszystkim prowadzić szkolenia pokazujące, czym jest zapewnienie jakości. I tutaj znowu wracają kompetencje, badanie kompetencji pracowników w obszarze jakości, mapy kompetencji. Mamy dziś odpowiednie narzędzia i aplikacje, które wspierają ten proces w dobie cyfryzacji. Już mówiłem o tym w którymś z podcastów, że warto się temu przyjrzeć, bo dobrze prowadzone mapy kompetencji i właściwie sprawdzani pracownicy pozwalają planować szkolenia naprawdę trafione, a nie takie „zapchajdziury”, jak ja to nazywam, czyli szkolenia organizowane tylko dlatego, że w budżecie zostały jeszcze pieniądze. Zawsze trzeba odpowiedzieć na pytanie, czy takie szkolenie jest rzeczywiście potrzebne i czy wniesie coś dobrego dla operatorów.

Zbliżamy się do końca dzisiejszego odcinka. Wiem, że chciałeś na koniec powiedzieć coś słuchaczom, więc oddaję ci głos. Żegnam się ze słuchaczami i zostawiam przestrzeń na jakościowe przesłanie na zakończenie.

Z przesłaniem jakościowym w dobie informatyzacji i cyfryzacji wszystkiego. Myślę, że w takim świecie Przemysłu 4.0 prawdziwym standardem sukcesu jest właśnie jakość bez kompromisów, czyli jakość stabilna, przewidywalna i wspierana zarówno przez ludzi z całej organizacji, jak i przez nowe technologie, które przynosi nam współczesny świat. Tak właśnie chciałbym to ująć i podsumować jako zakończenie naszego odcinka podcastu.

Stabilna jakość w erze automatyzacji i Przemysłu 4.0

W warunkach rosnącej automatyzacji i cyfryzacji produkcji utrzymanie stabilnych, powtarzalnych procesów staje się jednym z kluczowych wyzwań organizacji przemysłowych. Sama technologia nie gwarantuje jakości — równie istotne są odpowiednio zaprojektowane procesy, skuteczny nadzór nad danymi oraz umiejętność szybkiego reagowania na odchylenia.

W praktyce oznacza to przejście od reaktywnej kontroli jakości do podejścia opartego na prewencji i predykcji, gdzie decyzje podejmowane są na podstawie danych w czasie rzeczywistym, a nie jedynie wyników końcowych. W tym modelu szczególnego znaczenia nabierają narzędzia cyfrowe, integracja systemów oraz rozwój kultury jakości w całej organizacji. Wdrażanie tego typu rozwiązań wpisuje się w szerszy kontekst transformacji cyfrowej i podejścia Przemysłu 4.0, które łączą automatyzację, analitykę danych i zarządzanie procesowe w jeden spójny ekosystem.

LUQAM wspiera organizacje w tym obszarze, realizując projekty związane z cyfryzacją procesów i wdrażaniem rozwiązań w duchu Industry 4.0.