Transkrypcja odcinka podcastu LUQAM. Odsłuchaj treść odcinka tutaj:

• Spreaker
• Spotify
• Apple Podcasts
• YouTube

TPM w erze cyfrowej – czym jest i po co się go stosuje?

W dzisiejszym odcinku porozmawiamy o TPM w erze cyfrowej. Muszę przyznać, że w pierwszym sezonie też zahaczyliśmy o ten temat, więc osoby, które nie słuchały tamtego odcinka, zachęcamy do nadrobienia. A dla tych, którzy mają trochę krótszą pamięć albo po prostu chcą szybkiego przypomnienia, Bartku, powiedz proszę, o co właściwie chodzi w TPM i jakie są jego cele?

TPM to bardzo ciekawe i jednocześnie dość złożone narzędzie, które może pomóc podnieść efektywność maszyn poprzez redukcję problemów, awarii i regulacji, które na tych maszynach występują. Z jednej strony można więc powiedzieć, że TPM służy poprawie efektywności działania parku maszynowego. Z drugiej strony jest to kompleksowe podejście do utrzymania maszyn i urządzeń, angażujące wszystkich pracowników w firmie.

TPM to filozofia wspierająca zarządzanie maszynami i produkcją po to, aby procesy były jak najbardziej wydajne. Może też służyć do burzenia takiej niewidocznej, wirtualnej ściany pomiędzy utrzymaniem ruchu a produkcją, która w wielu firmach niestety nadal istnieje. Często te dwa obszary zamiast współpracować, zaczynają ze sobą rywalizować. TPM ma właśnie pomóc tę barierę zlikwidować.

W TPM wyróżnia się kilka założeń i filarów. Do najważniejszych należą między innymi autonomiczne utrzymanie ruchu, które angażuje pracowników produkcji, oraz planowe, specjalistyczne utrzymanie ruchu, w które włączani są pracownicy utrzymania ruchu. To tylko dwa z ośmiu filarów TPM. Są jeszcze filary związane ze skoncentrowanymi usprawnieniami, zapewnieniem jakości, szkoleniami, TPM w biurze, bezpieczeństwem i higieną pracy oraz ochroną środowiska. Podczas dzisiejszej rozmowy na pewno poruszymy kilka z nich w kontekście cyfryzacji.

Dlaczego klasyczny TPM nie zawsze nadąża za smart factory?

Właśnie o to chciałem zapytać, bo mówimy o TPM w erze cyfrowej, a przecież w Polsce widać coraz więcej nowych fabryk, coraz więcej smart factory, coraz bardziej zautomatyzowanych i zrobotyzowanych. I mam wrażenie, że klasyczny TPM w takich warunkach trochę nie nadąża. Też masz takie odczucie?

Można tak to ująć. Sama metodyka TPM pozostaje taka sama, bo jej nadrzędny cel się nie zmienia. Nadal chodzi o redukcję awarii, defektów i wypadków, czyli o podejście zero awarii, zero defektów, zero wypadków. Ten główny cel towarzyszy TPM zarówno w starszym, jak i w nowocześniejszym wydaniu.

Różnica pojawia się jednak w sposobie działania i w efektywności wdrożenia. W podstawowej, często papierowej wersji TPM mogą pojawiać się spore utrudnienia. Nie bez powodu używam słowa „papierowej”, bo dane z maszyn, które trzeba zbierać i analizować, w tradycyjnym podejściu są zapisywane w raportach, zestawieniach i listach kontrolnych. Bardzo często trudno jest je pozyskać w sposób precyzyjny i spójny, a to właśnie precyzja jest tutaj kluczowa. W tym obszarze cyfryzacja daje ogromną przewagę.

Kilka razy spotkałem się z sytuacją, w której analizowaliśmy dane dotyczące awarii, regulacji i szczególnie mikroprzestojów, czyli zatrzymań trwających poniżej pięciu, a czasem nawet trzech minut. Zdarzają się też postoje liczone w sekundach. W tradycyjnym raporcie bardzo trudno jest coś takiego rzetelnie odnotować. Operator musiałby właściwie robić nic innego poza ciągłym obserwowaniem maszyny i skrupulatnym zapisywaniem każdego zdarzenia.

Zdarzało się też, że podczas warsztatów doskonalących analizowaliśmy dane z papierowych raportów produkcyjnych i okazywało się, że tych danych po prostu brakuje. Nie było na czym pracować, bo były niespójne, niepewne albo niewystarczające. Wtedy poświęcaliśmy kilka dni na zbieranie dodatkowych informacji, żeby w ogóle uzyskać pełniejszy obraz sytuacji. W cyfrowym podejściu takie problemy są znacznie mniejsze.

Trudno też chyba mówić o operatorze jako o stricte przypisanym opiekunie jednej maszyny, skoro coraz więcej stanowisk jest zautomatyzowanych. Coraz częściej musimy też wspierać się nowoczesną technologią w kontroli, utrzymaniu ruchu i utrzymaniu prewencyjnym.

Dokładnie tak. Jeśli mówimy o sytuacji, w której automatyzacji jest coraz więcej, a jeden operator obsługuje kilka maszyn, to sprawa robi się poważniejsza. Nadal mówimy przecież o rozwiązywaniu problemów, bo właśnie o to chodzi w TPM: żeby problemy identyfikować, usuwać i dzięki temu ograniczać liczbę awarii, regulacji oraz mikrozatrzymań.

Jeżeli operator ma dodatkowo rejestrować dane z kilku maszyn, to jest to naprawdę ogromne wyzwanie. Widziałem też firmy, które skupiają się wyłącznie na rejestracji tego, co zostało wyprodukowane, czyli na liczbie sztuk w raportach produkcyjnych. To oczywiście ważne, ale równie istotne są dane dotyczące zatrzymań, bo bez nich nie ma na czym pracować.

Nie chodzi o to, żeby w kółko identyfikować awarie i je usuwać. Patrząc długofalowo, potrzebujemy danych, które pozwolą prowadzić analizy problem solvingowe. Te analizy prowadzą do odkrywania przyczyn źródłowych, ich eliminowania i w efekcie do sytuacji, w której awarii jest coraz mniej, a czas pomiędzy nimi na maszynie się wydłuża. Żeby jednak to zrobić, potrzebne są solidne dane. Dane, dane i jeszcze raz dane.

IoT, MES i CMMS w TPM – dane zamiast papieru

No właśnie, i teraz powiedz, jak będziemy pozyskiwać dane, które wykorzystamy do TPM w naszej cyfrowej fabryce? Jakie technologie mamy do dyspozycji?

Pierwsza rzecz, która przychodzi mi na myśl, to IoT, czyli Internet Rzeczy, oraz oczujnikowanie maszyn. Mówimy tutaj o czujnikach, które możemy zamontować na maszynach i które monitorują w czasie rzeczywistym różne parametry pracy. Może to być temperatura, wibracje, ciśnienie albo inne wartości, zależnie od rodzaju maszyny i procesu. W takim modelu dane są zbierane online, w czasie rzeczywistym. Jeżeli dzieje się coś nieodpowiedniego, system może to zasygnalizować na przykład za pomocą andonów, czyli sygnalizatorów świetlnych, tablic informacyjnych albo sygnałów dźwiękowych. Jeśli na przykład ciśnienie spadnie poniżej ustalonego poziomu, operator dostaje informację o zdarzeniu i musi podjąć odpowiednie działania, zgodnie z tym, jak proces został zdefiniowany w firmie.

W zależności od przyjętego rozwiązania operator może też zgłosić zdarzenie do kolejnego systemu, na przykład do CMMS, czyli systemu wspierającego działania utrzymania ruchu. Może to być również zwykła tablica, kartka lub inny prosty nośnik, na którym problem jest zapisywany. Możliwości jest naprawdę wiele.

Ale też chyba nic nie stoi na przeszkodzie, żeby takie powiadomienie o spadku ciśnienia poszło bezpośrednio do utrzymania ruchu, jeśli jest taka potrzeba. Możemy wtedy zdefiniować system reagowania, a dział utrzymania ruchu może wejść bezpośrednio do systemu, gdzie ma zagregowane wszystkie czujniki, zobaczyć, co się dzieje na konkretnym czujniku, jak wyglądają pozostałe wartości i dzięki temu szybciej, bezpośrednio ze swojego stanowiska, dowiedzieć się więcej o aktualnej sytuacji.

Oczywiście, że tak. To byłby już model idealny. W takim przypadku operator zostaje całkowicie odciążony z części obowiązków związanych z rejestracją problemów. Pokazuje to, że cyfryzacja i opomiarowanie maszyn zmieniają również podejście do autonomicznego utrzymania ruchu.

Na początku mówi się, że w autonomicznym utrzymaniu ruchu niezwykle ważny jest operator, który wszystkie problemy musi zgłaszać, zapisywać i przekazywać do utrzymania ruchu. Ale można pójść jeszcze o krok dalej. Czujniki zamontowane na maszynach mogą bezpośrednio informować służby utrzymania ruchu, a pracownik przy maszynie skupi się na procesie produkcyjnym, jakości procesu i dopilnowaniu produkcji. To kolejna zaleta rozwiązań cyfrowych. W takim układzie operator może być nawet częściowo wycofany z klasycznie rozumianego autonomicznego utrzymania ruchu.

Tak, a kolejną technologią, której pewnie nie da się pominąć, jest MES, prawda?

Tak, dokładnie. MES to system do zarządzania produkcją i zdarzeniami oraz do zbierania danych pojawiających się na maszynie. Zdarzenia wykrywane są przez czujniki, a same czujniki, jeśli działałyby w oderwaniu od systemu nadrzędnego, można powiedzieć, byłyby tylko częściowo użyteczne. Tworzą przede wszystkim big data, czyli ogromny zbiór danych.

Mogą sygnalizować zdarzenia poprzez andon albo sygnał dźwiękowy, że dzieje się coś złego, ale bardzo dobrze współpracują właśnie z MES, który zbiera i porządkuje wszystkie dane. Operator deklaruje wtedy typ postoju, który wystąpił na maszynie, zgodnie z tym, co wykryły czujniki, i dzięki temu tworzy się bardzo dokładny obraz sytuacji.

Jeżeli maszyna pracuje osiem godzin w ciągu zmiany, to możemy mieć zarejestrowane co do sekundy wszystkie zdarzenia, które wystąpiły. Dla osoby, która później zajmuje się analizą, jest to po prostu ogromna wartość.

Dokładnie, czyli na bieżąco możemy wyciągać analizy dotyczące wydajności bezpośrednio z systemu. Możemy zobaczyć wiele wizualizacji czy raportów, które pomagają analizować dane zebrane przez operatorów w MES. Możemy też połączyć to z CMMS-em, gdzie mamy informacje o konserwacjach maszyny, a MES może śledzić, ile czasu taka konserwacja trwa, czy mieści się w ustalonych ramach, czy pojawiają się anomalie, odchyłki i wydłużone czasy. Wszystko to będzie potem widoczne w analizach.

Tak, zgadza się. Te dwa systemy mogą ze sobą bardzo dobrze współpracować. MES jest systemem, który monitoruje to, co dzieje się na produkcji i na maszynie, natomiast CMMS jest zwykle systemem zarządzanym przez dział utrzymania ruchu. Tam prowadzona jest gospodarka magazynowa, liczone są wskaźniki działu utrzymania ruchu i planowana jest konserwacja.

Jak najbardziej mogą się uzupełniać. CMMS może przekazywać do MES informacje o planowanych postojach maszyn, a MES może zwracać dane o tym, ile takie zdarzenia trwały w rzeczywistości. W ten sposób baza danych staje się bardzo realna i stanowi świetny materiał do późniejszego problem solvingu, czyli analizy zdarzeń na maszynach.

AI, VR/AR i Digital Twin jako kolejne filary cyfrowego TPM

I jak najbardziej tutaj możemy wykorzystać metodę problem solvingu, ale skoro agregujemy te wszystkie dane, to możemy też wykorzystać AI, która pomoże nam te dane uporządkować, rozwikłać zależności i wskazać miejsca, na których trzeba się skupić. Na przykład na podstawie analizy trendów awaryjności można wskazać najbardziej krytyczne elementy maszyny albo przewidzieć awarię, zanim ona w ogóle nastąpi.

Postaram się to trochę uporządkować. Wcześniej mówiłem o ośmiu filarach TPM i o tym, że wrócimy do kilku najważniejszych. Teraz, kiedy rozmawiamy o cyfryzacji i rozwiązaniach cyfrowych, zacząłbym porządkować to w ten sposób: w autonomicznym utrzymaniu ruchu wykorzystujemy szczególnie czujniki IoT oraz MES, które odciążają operatora i monitorują stan maszyny.

Następnie mamy dane z czujników, z których powstaje big data, czyli baza wszystkich zdarzeń. To stanowi doskonały materiał do problem solvingu, a więc wpisuje się również w filar focused improvement, czyli ciągłego doskonalenia. Tam pracuje się na wskaźnikach, danych i problemach, a baza tworzona przez czujniki jest do tego idealną podstawą.

Wspomniałeś też o trendach i przeglądach. Umieściłbym to w kolejnym filarze, czyli w planowym albo specjalistycznym utrzymaniu ruchu, gdzie system CMMS wraz z bazą danych z czujników i ze sztuczną inteligencją analizuje dane, identyfikuje trendy i prowadzi nas w stronę predictive maintenance, czyli najwyższego stopnia utrzymania ruchu.

Kiedyś mówiło się głównie o kamerach termowizyjnych czy badaniach wibracji. Dziś mamy dodatkowo czujniki, które są stale zamontowane na maszynie. Nie trzeba już co jakiś czas podchodzić z urządzeniem pomiarowym i sprawdzać, co się dzieje. Czujnik bada maszynę cały czas, a my mamy z tego bazę danych. Na podstawie rzeczywistych trendów sztuczna inteligencja w CMMS mogłaby nawet modyfikować harmonogramy i częstotliwości przeglądów.

Przeglądy mogłyby być częstsze, jeśli dane wskazują na ryzyko awarii, albo ustalane dokładnie na podstawie trendów. To z kolei pozwala oszczędzać pieniądze, bo często w firmach słowo TPM i prewencja wywołuje od razu skojarzenie: „o, to będziemy teraz robić mnóstwo prewencji”. Tymczasem zbyt duża liczba działań prewencyjnych może oznaczać zwyczajne przepalanie budżetu.

Można dojść do sytuacji, w której robimy więcej prewencji niż produkcji. Trzeba więc znaleźć punkt, w którym to nadal jest opłacalne. I właśnie czujniki, zbieranie danych, big data oraz analizy prowadzone przez sztuczną inteligencję pomagają uniknąć takich sytuacji.

Tak, ale nie musimy skupiać się wyłącznie na danych. Myślę też o wirtualnej rzeczywistości i rozszerzonej rzeczywistości. Co powiesz na gogle, w których operator może najpierw szkolić się z obsługi i serwisowania maszyny, która normalnie pracuje na produkcji? Nie trzeba zatrzymywać urządzenia, a całe szkolenie można przeprowadzić online. Później można też wykorzystać takie gogle z rozszerzoną rzeczywistością do ułatwienia pracy na maszynie, wyświetlenia potrzebnych instrukcji i odciążenia operatora od noszenia segregatorów z dokumentacją.

VR i AR to rzeczywiście kolejne narzędzia, które mogą być niezwykle pomocne. Widziałem już rozwiązania, w których operator przed przystąpieniem do pracy szkoli się na testowym stanowisku. Z jednej strony spotkałem się z fizycznym modelem stanowiska montażowego, czyli rzeczywistą miniaturą procesu w osobnej salce. Ale po co budować dodatkowe stanowiska i tworzyć osobne przestrzenie, skoro można przenieść to do świata wirtualnego, założyć gogle i wykonywać te same operacje cyfrowo?

To daje oszczędność pieniędzy i czasu. Oczywiście trzeba zainwestować w sprzęt i oprogramowanie, ale potem to rozwiązanie zostaje z nami na dłużej i stale wspiera pracę. Gogle są bardzo dobrym narzędziem szkoleniowym dla operatorów.

W jednej z firm widziałem również, że są wykorzystywane przez pracowników utrzymania ruchu do diagnozowania stanu maszyny po połączeniu z serwisem zdalnym, który znajduje się poza firmą. To daje możliwość wsparcia się takimi goglami, tak aby serwisant założył je i przeniósł się niejako do świata naszej maszyny, przypominając sobie, jak wygląda ona u nas na miejscu. To bardzo praktyczne rozwiązanie.

Wspomniałeś jeszcze o rozszerzonej rzeczywistości, czyli o instrukcjach wyświetlanych w goglach. To również świetne podejście. Jako operator mogę mieć przed oczami instrukcję krok po kroku, bez szukania papierowych materiałów, bez przewracania kolejnych stron i bez odrywania się od pracy. Wszystko mam wprost przed sobą, a system pokazuje mi kolejność działań. To naprawdę bardzo wygodne.

Ta technologia zresztą stale się rozwija, więc pewnie będzie jeszcze bardziej zaawansowana. Za jakiś czas gogle mogą być nawet w stanie zaznaczać konkretną śrubkę, którą trzeba odkręcić w danym momencie, żeby dokładnie przestrzegać instrukcji.

Mówimy teraz o cyfrowych rozwiązaniach i wydaje mi się, że większość słuchaczy widzi już ich korzyści i chciałaby mieć je u siebie. Powiedz więc, jak wdrożyć takie TPM w cyfrowym środowisku?

Zanim do tego przejdziemy, przyszło mi do głowy jeszcze jedno rozwiązanie z cyfrowego świata, z którym też się spotkałem i które dobrze znam, czyli cyfrowy bliźniak. To narzędzie pozwala odwzorować cały aktualny proces w świecie wirtualnym, na przykład z wykorzystaniem programu FlexSim. Mając taką kopię procesu, możemy wprowadzać zmiany, przestawiać maszyny, projektować rozwiązania logistyczne, dodawać liczbę operatorów, wózków transportowych i testować różne scenariusze bez fizycznej ingerencji w proces.

To naprawdę doskonałe rozwiązanie. Tego typu narzędzia potrafią przeliczyć bardzo wiele rzeczy, między innymi czas potrzebny na wdrożenie zmiany czy wpływ na techniczny koszt wytworzenia. To świetny sposób na oszczędność czasu i pieniędzy.

Jak najbardziej. A skoro mamy dobrze odwzorowanego cyfrowego bliźniaka, to możemy polegać na tym, że dane ze wszystkich scenariuszy będą rzetelne i że da się na nich oprzeć decyzje.

Dokładnie. A jeśli możemy testować scenariusze, to ile problemów jesteśmy w stanie wyeliminować jeszcze przed ich wystąpieniem? Ile zbędnych kosztów, które w realnym procesie zostałyby wygenerowane, możemy dzięki temu uniknąć?

Tutaj pilotowanie, o którym mówimy w modelu PDCA, może być częściowo prowadzone już w warunkach wirtualnych. To ogromna korzyść. Oczywiście trzeba najpierw stworzyć model, a to wymaga czasu i wiąże się z kosztami. Ale myślmy długofalowo. Potem możemy na tym modelu pracować, testować scenariusze, zmieniać praktycznie wszystko i obserwować konsekwencje tych zmian.

Jak wdrożyć TPM w środowisku cyfrowym krok po kroku?

No i widzisz, teraz kazałeś słuchaczom czekać jeszcze dłużej, a oni już chcieliby mieć to wszystko u siebie najlepiej na jutro. Więc powiedz: jak to zrobić?

Tak na jutro to niestety nie działa. Wszyscy zazwyczaj chcieliby wszystko od razu, ale w praktyce tak się nie da. Myślę, że można to uporządkować w kilku krokach.

Jeśli mówimy o TPM, najpierw trzeba sprawdzić, na jakim etapie jesteśmy. Czyli zrobić ocenę dojrzałości: jak wygląda nasze podejście do maszyn, jaka jest nasza filozofia TPM, jakie technologie mamy dziś dostępne. Ale nie chodzi tylko o technologie. Trzeba też wejść w miękki aspekt, czyli sprawdzić, jakie mamy w firmie podejście do TPM jako takiego. Ja zawsze do tego wracam, bo wiem, jak ważna jest kultura organizacyjna.

Nie myślmy, że cyfryzacja i wszystkie rozwiązania, które ze sobą niesie, uzdrowią wszystkie problemy w firmie. Jeżeli nie ma odpowiedniego podejścia i właściwej kultury organizacyjnej, to cyfryzacja sama w sobie może być problematyczna. Dlatego trzeba to mieć z tyłu głowy. To jest pierwszy krok: zróbmy ocenę dojrzałości i sprawdźmy, czy naprawdę jesteśmy gotowi na takie rozwiązania.

Widziałem też przypadki, kiedy firma otrzymywała dofinansowanie i wchodziła bardzo mocno we wszystko naraz, ale później nie było komu tego obsługiwać. Nie zawsze wiedziano, jak korzystać z nowych narzędzi, więc rozwiązania istniały, pieniądze zostały wydane, ale system nie działał tak, jak powinien.

Krok 2: małe kroki i pilotaż

Czyli drugi krok to małe kroki?

Tak, tutaj odwołałbym się do Kaizen i PDCA. Małymi krokami, spokojnie, stopniowo wchodźmy w świat cyfrowy, uczmy się go, dotykajmy, poznawajmy. Jeżeli okaże się, że rozwiązanie się sprawdza, wtedy będziemy mogli wdrażać kolejne, coraz lepsze narzędzia.

Czyli tak między nami, informacja do słuchaczy: odkładamy na razie ten koszyk z tysiącem czujników, które sobie wrzuciliśmy, bo to nie jest jeszcze ten moment, prawda?

Zależy, co pokaże ocena dojrzałości, ale z reguły właśnie tak będzie. Tysiąc czujników to zdecydowanie za dużo. Spokojnie. Skupmy się na wybranym obszarze, na jednej maszynie albo kilku podobnych maszynach. Nie od razu wszędzie i nie na hurra, bo to mogą być ogromne pieniądze, które nie zostaną wykorzystane tak, jak byśmy chcieli.

Często podaję przykład siłowni i klubów fitness na początku roku. Wszyscy zapisują się tak, jakby mieli od razu biegać, skakać, pływać i robić wszystko w tygodniu. A potem przychodzi marzec i zapał opada. Kluby pustoszeją. Tutaj może być podobnie. Dlatego zacznijmy od jednej maszyny i usuńmy najpierw papierologię, bo to często najbardziej irytuje i zabiera czas.

Jeżeli TPM już w firmie funkcjonuje, to zwykle istnieją listy kontrolne z zapisanymi czynnościami, które pracownik ma wykonać na maszynie. Często musi się też podpisywać, że wszystko zrobił. Zacznijmy od tego: przenieśmy papierową listę do dedykowanej aplikacji, która będzie operatorowi przypominała o czynnościach i pozwalała je odklikiwać po wykonaniu.

Dzięki temu pozbędziemy się papierologii, usprawnimy proces, operator dostanie przypomnienia, nie będzie podpisów, archiwizacji i drukowania. Dla operatora to powinno być możliwie przyjazne rozwiązanie. A jeśli nie będzie przyjazne, pojawi się opór. I to także da nam ważny sygnał, że trzeba jeszcze popracować nad samym rozwiązaniem.

Gdybyśmy od razu wdrożyli elektroniczne listy i checklisty wszędzie, mogłoby się okazać, że to nie jest to, czego oczekiwaliśmy. Wystarczy wyobrazić sobie, ile to pieniędzy, ile frustracji i ilu zdemotywowanych operatorów mogłoby się pojawić. Dlatego najpierw mały obszar, tablet, jedna maszyna, a dopiero później kolejne rozszerzenia, bardziej rozbudowane listy kontrolne i instrukcje wyświetlane krok po kroku. Ale cały czas w obrębie jednego wybranego obszaru.

Krok 3: zaangażowanie operatorów

Czyli przechodzimy do trzeciego kroku, którym jest zaangażowanie operatorów.

Tak. Zaangażowanie to jeden z trudniejszych etapów. Pamiętajmy, że żadna technologia, przynajmniej na obecnym etapie, nie zastąpi operatorów. Operator jest ważnym elementem całej układanki. Cyfryzacja ma służyć temu, żeby wspierać operatorów i cały proces, a nie ich wypierać.

Dlatego trzeba operatorów oswajać z nowymi rozwiązaniami i szkolić ich. To, co wdrażamy, musi być dla nich przyjazne. Możemy też spotkać się z sytuacją, w której obsługa będzie się tych rozwiązań zwyczajnie bała. Wtedy kluczowe jest dobre przekazanie celu i sensu zmiany, tak aby nie pojawił się lęk.

Jest wiele osób, które nadal są na etapie papieru i wolą coś zapisać, niż odklikać elektronicznie w aplikacji. I też trzeba to uwzględnić.

Integracja systemów i ciągłe doskonalenie w cyfrowym TPM

A to nie tylko zapis elektroniczny w jednym z systemów, bo kolejny krok to integracja tych systemów. Teraz mówimy o systemach, które muszą ze sobą współpracować. Muszą ze sobą rozmawiać, żeby korzystać ze wspólnych danych. MES będzie komunikował się z ERP, MES z CMMS i tak dalej. Czyli nie mówimy już o osobnych systemach, tylko o środowisku, w którym systemy komunikują się i wymieniają dane.

Dokładnie, to już rozwiązanie kompleksowe. W takim przypadku warto dołożyć kolejne czujniki, które będą zbierały dane rejestrowane w MES, CMMS i brane pod uwagę również w ERP, który odpowiada za planowanie produkcji. Wtedy systemy zaczynają współpracować i wzajemnie się uzupełniać.

I czy to już koniec, czy mamy jeszcze jakiś krok?

Możemy dołożyć jeszcze jeden bardzo ważny krok, czyli ciągłe doskonalenie i usuwanie problemów. To ten najwyższy etap, o którym mówiliśmy wcześniej. Po to też zbieramy dane, żeby się doskonalić, czyli być jak najlepiej zorganizowani i efektywni.

Wszystkie dane, które są zbierane, wykorzystujmy potem do analizy problemów. To będzie nasza baza danych. Zbieramy grupę roboczą, angażujemy operatorów danej maszyny i na podstawie tego, co zarejestrowały czujniki, pracujemy nad analizą problemu oraz usuwaniem przyczyn źródłowych.

Po co my to wszystko robimy? Chcemy przecież mieć większą dostępność maszyn, mniej nieplanowanych przestojów.

Korzyści jest kilka, ale najważniejsza jest właśnie ta, o której powiedziałeś, czyli większa dostępność maszyn dzięki eliminacji niechcianych zdarzeń, regulacji, awarii i mikrozatrzymań. Jeśli te zdarzenia będą eliminowane albo chociaż redukowane na początku, to naturalną konsekwencją będzie obniżenie kosztów.