[vc_row][vc_column][vc_column_text]Desde que existen las fábricas, los fabricantes han buscado formas de mejorar la productividad. Esa búsqueda ahora define disciplinas profesionales enteras. Y ciertamente ha resultado en mejoras constantes, incluso notables, en la productividad en términos generales. También ha generado innumerables tecnologías, metodologías, protocolos y filosofías que directa o indirectamente buscan impulsar mejores resultados de fabricación, logrando menores costos, mayores ingresos o ambos. Y las data sources y las métricas inconsistentes pueden agravar esta complejidad, dando como resultado hallazgos engañosos e irreconciliables.
Arte, ciencia e intuición
Como todos los fabricantes modernos, la presión a la que se enfrenta no es solo para mejorar, y mejorar continuamente, sino también para demostrar que lo está haciendo. La “mejora” per se puede ser direccionalmente clara a través de las diversas métricas por las que se realiza un seguimiento, pero la comparación efectiva entre diferentes métricas es difícil. Establecer la “verdad completa” sobre la productividad es bastante difícil sin el factor de complicación de métodos y métricas dispares. Como resultado, a lo largo de las décadas, evaluar y administrar la productividad en su fábrica ha adquirido aspectos de “arte”. La intuición de los manufactureros se convierte en un filtro a manera de informes, incluso cuando hemos saturado a la empresa con más “ciencia” en todas las formas discutidas anteriormente. Cuando eso sucede, la verdad de una situación puede estar en el ojo subjetivo del espectador.
La complejidad inherente de OEE
A pesar de su utilidad, Overall Equipment Readiness (OEE), la medida más aceptada que muestra qué tan bien se está desempeñando una operación de fabricación, también puede agregar más complejidad al ecosistema de mejora de la producción. Existen múltiples ecuaciones para calcular el OEE, cada una de las cuales se considera válida en el entorno donde se implementa. Un cálculo de OEE válido más simple, (Good Count x Ideal Cycle Time)/Planned Production Time), no tiene en cuenta ciertas variables relacionadas con las pérdidas, mientras que otro (Availability x Performance x Quality) se centra en esos mismos factores.
Innumerables metodologías
Desde Six Sigma hasta Lean, SCADA hasta MES, las empresas continúan implementando una variedad cada vez mayor de técnicas para comprender, controlar y optimizar el funcionamiento de sus fábricas. Una gama tan amplia de enfoques genera una complejidad asombrosa. (MESA, la Manufacturing Enterprise Solutions Association, se fundó para hacer frente a esa complejidad, y eso fue hace 30 años). Esta complejidad significa fuentes de datos y estándares de medición disparados, incluso en fábricas individuales donde un observador casual esperaría algún grado razonable de armonización.
Métricas disparadas
Además, las cosas que se miden para evaluar la OEE son en sí mismas de diferente tipo y, por lo tanto, tradicionalmente se describen de acuerdo con unidades que no son inmediatamente comparables. La medida del tiempo de inactividad planificado y no planificado y el cambio, por ejemplo, normalmente se miden en horas. Velocidad de producción, en unidades por hora. Paradas menores, y scrap, siempre en unidades absolutas. Las implicaciones de estas métricas no suelen estar orientadas a una visión única y comparable de la realidad.
Fuentes de datos inconsistentes
Mientras tanto, mission-critical data se recopilan y residen en diferentes lugares del ecosistema de fabricación. La suma de éstos también presenta desafíos. Estas fuentes de datos pueden ser no solo discretas entre sí, sino también diferentes en tipo: ERP Systems, MES, PLC+s, IoT data, SCADA Systems. Y, por supuesto, a menudo hay soluciones puntuales de realización propia, cuyas complejidades y atributos pueden ser entendidos completamente solo por un equipo limitado.
El problema de los porcentajes
Para identificar los cuellos de botella y las oportunidades de producción, discernir la causa y el efecto y tomar las medidas más efectivas, las organizaciones a menudo utilizan informes basados en porcentajes, que en sí mismos pueden ser engañosos. Debido a que los aportes a los informes provienen de fuentes tan variadas, la imagen que emerge puede estar desalineada; menos coherente, menos precisa y menos eficaz para predecir la acción que mejor se debe tomar. Un gran porcentaje de mejora en un problema no tan crítico puede ser la opción menos óptima en comparación a una mejora menor en un paso más crítico. Además, dicha información tiende a ser sugerente; una versión de lo que estaba sucediendo en el momento en que se llevó a cabo una medición, retrasada aún más mientras se procesa a través de los muchos filtros y cálculos que hemos discutido.
Haciendo su caso
Los datos están en todas partes. Pero, ¿dónde está la verdad? Dada la abrumadora complejidad en la que resulta la competencia entre sistemas, las múltiples variables y las fuentes de datos disparadas, puede ser difícil de discernir y descubrirla. Dados los desafíos inherentes a la comparación de informes basados en porcentajes derivados de tipos de datos heterogéneos a través de múltiples fuentes, ¿cómo puede usted, como gerente de operaciones, discernir claramente y priorizar el próximo paso y de mayor impacto? ¿Y cómo presenta su caso en un lenguaje que sea mutuamente inteligible para todos?
Un idioma, una vista
Con la introducción de ThingWorx, Digital Performance Management, PTC ha cambiado el paradigma. DPM se concibió y diseñó para crear un vocabulario único y común para evaluar, priorizar y abordar los problemas que tendrán el mayor impacto en su productividad de fabricación. Toda la complejidad que define los datos que fluyen de la línea de producción moderna se resuelve y racionaliza en una métrica unificada (horas de producción) con un significado que no es ambiguo y comúnmente entendido. La verdad, y el camino hacia una mejora de la producción medible y demostrable, surgen más claramente que nunca.
Para mayor información sobre ThingWorx, Digital Performance Management no dude en contactarnos a: info@infoportal-mx.com[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][/vc_column][/vc_row]