Akıllı üretim = %9 verim. Hadi konuşalım.

Akıllı bir üretim projesinde %9'luk verim, bir yazılım hatası gibi görünebilir. Çoğu durumda dijital etiket takmak bir süreç sorunudur. 100 üniteden yalnızca 9'u denetimi geçtiğinde fabrika malzeme, işçilik, makine süresi ve müşteri güvenini kaybeder. Sensörler veya gösterge panelleri eklemek sorunun görülmesini kolaylaştırabilir ancak görünürlük tek başına verimi artırmaz. %9'un neyi ölçtüğünü, kusurların nerede başladığını ve mevcut sürecin neden bunların devam etmesine izin verdiğini anlamam gerekiyor. Getiri rakamının, herhangi birinin harekete geçmeden önce bağlama ihtiyacı vardır. %9 şu anlama gelir: - Ünitelerin %9'u ilk denetimi geçti mi? - %9'u her üretim adımını geçiyor mu? - %9'u yeniden çalışma sonrasında son testi geçti mi? - Belirli bir partinin %9'u hedefi tutturuyor mu? - Ürünlerin %9'u dar bir performans aralığını mı karşılıyor? Bu önlemler çok farklı kararlar doğuruyor. Düşük bir ilk geçiş verimi süreç değişimine işaret edebilir. Düşük nihai verim, taşıma, montaj, test etme veya yeniden işleme nedeniyle ortaya çıkan sorunları içerebilir. Daha fazla yazılım satın alarak başlamayacağım. Ölçümü kontrol ederek başlayacağım. ## Kaybın genellikle başladığı yer Bir üretim hattı çeşitli nedenlerden dolayı düşük verim gösterebilir. ### İşlem penceresi çok dar Bazı malzemeler ve bileşenler yalnızca küçük bir sıcaklık, basınç, hız, nem veya hizalama aralığında iyi performans gösterir. Küçük bir değişiklik, ürünü kabul edilebilir aralığın dışına itebilir. Ürün kalitesi yavaş yavaş düşerken makine hala normal bir durum gösterebilir. ### Veriler çok geç toplanıyor Birçok fabrika, ürünleri hattın sonunda inceliyor. Bu noktaya gelindiğinde kusurun kaynağının izini sürmek zor olabilir. Arızalı ünite, bir makine ayarından, malzeme değişikliğinden, operatör ayarlamasından veya bakım olayından birkaç saat önce etkilenmiş olabilir. Geç inceleme bana neyin başarısız olduğunu söylüyor. Bana her zaman nedenini söylemiyor. ### Farklı sistemler farklı tanımlar kullanır Üretim sistemi, makineden çıkan bir birimi tamamlanmış olarak sayabilir. Kalite sistemi bunu ancak testten sonra sayabilir. Finans sistemi, yeniden çalışılan birimleri tamamlanmış çıktı olarak sayabilir. Bu sistemler aynı ürün kimliğini ve zaman damgasını paylaşmadığında, bir fabrika aynı parti için üç verim rakamına sahip olabilir. ### Yeniden işleme asıl sorunu gizler Yeniden işleme sonrasında başarılı olan bir ürün, nihai raporda başarılı görünebilir. Bu rakam yanlış bir kontrol duygusu yaratabilir çünkü fabrika sonuca ulaşmak için hâlâ ekstra işçilik ve malzeme kullanıyordu. Hem ilk geçiş getirisini hem de nihai getiriyi izlemeyi tercih ediyorum. Aralarındaki boşluk, arızalı birimlerin onarılması için ne kadar çaba harcandığını gösteriyor. ## %9 verimi araştırmanın pratik bir yolu Basit bir sıralama kullanıyorum. ### 1. Verim formülünü tanımlayın Formülü sade bir dille yazın. Örneğin: İlk geçiş verimi = onarım olmadan testi geçen birimler ÷ sürece giren toplam birimler Onarılan birimleri ilk geçiş birimleriyle birleştirmeyin. Her sonucu görünür tutun. ### 2. Sürecin haritasını çıkarın Gelen malzemeden son incelemeye kadar her adımı listeleyin. Kayıt: - Kullanılan makine - Operatör veya vardiya - Malzeme partisi - Süreç ayarları - Denetim sonucu - Yeniden işleme eylemi - Üretim zamanı - Kusur türü Temel bir süreç haritası genellikle fabrikanın başlangıçta ve sonda verilere sahip olduğunu, ancak bu noktalar arasında çok az bilginin bulunduğunu ortaya çıkarır. ### 3. Ayrı kusur türleri “Başarısız”, yararlı bir temel neden değildir. Arızaları aşağıdakiler gibi net gruplara ayırırım: - Boyut hatası - Yüzey hasarı - Elektrik testi hatası - Montaj sorunu - Kirlenme - Eksik bileşen - Yazılım veya konfigürasyon hatası - Test ekipmanı hatası Arızalı ünitelerin %60'ında bir kusur görünüyorsa, daha küçük sorunlardan önce dikkat edilmesi gerekir. ### 4. Normal ve anormal partileri karşılaştırın Düşük verim dönemiyle bağlantılı değişiklikleri arayın: - Yeni bir malzeme partisi - Bir bakım olayı - Bir takım değişikliği - Yeni bir operatör - Bir vardiya değişikliği - Bir yazılım güncellemesi - Sıcaklık veya nem değişikliği - Yeni bir tedarikçi bileşeni Bu karşılaştırma, açık bir soru olmadan büyük bir kontrol panelini incelemekten daha faydalıdır. ### 5. Ölçüm sistemini kontrol edin Bir test istasyonu hatalı hatalara neden olabilir. Üretim sürecini değiştirmeden önce göstergelerin, sensörlerin, fikstürlerin ve test yazılımının gerekli aralıkta çalıştığını doğrulayın. Basit bir gösterge tekrarlanabilirlik kontrolü, ürünün stabil olduğunu ancak muayene yönteminin stabil olmadığını gösterebilir. ### 6. Kontrollü bir deneme yapın Mümkün olduğunda her seferinde bir anahtar koşulu değiştirin. Örneğin, farklı bir sıcaklık aralığını test ederken malzemeyi ve operatörü sabit tutun. Daha sonra sonucu orijinal ayarla karşılaştırın. Beş koşulun aynı anda değiştirilmesi daha iyi bir verim sağlayabilir ancak nedeni belirsiz bırakır. ### 7. Bir inceleme döngüsü belirleyin Akıllı bir üretim sistemi, yalnızca sayıları görüntülemekle kalmayıp, düzenli kararları da desteklemelidir. Kusur eğilimlerini, yeniden çalışma saatlerini, malzeme kaybını ve süreç değişikliklerini sabit bir programa göre gözden geçirirdim. İnceleme üç soruyu yanıtlamalıdır: - Hangi kusur arttı? - Nerede başladı? - Bundan sonra hangi eylem test edilecek? ## Basit bir örnek Bir ürün partisi için %9'luk nihai verim bildiren bir elektronik montaj hattını hayal edin. Ekip ilk önce yerleştirme makinesinden şüpheleniyor. Daha yakından bakıldığında çoğu arızanın konnektör testinden kaynaklandığı görülür. Konektör farklı bir malzeme partisinden sağlandı ve test fikstürü eşit olmayan basınç uyguluyor. Fikstür düzeltildikten sonra kontrollü denemede başarısızlık oranı düşer. Yazılım sorunu tek başına çözmedi. Kusurun malzeme partisine, test istasyonuna ve üretim süresine bağlanmasına yardımcı oldu. Süreç ekibinin hâlâ fikstürü incelemesi ve değişikliği doğrulaması gerekiyordu. Bu ayrım önemli. Dijital araçlar muhakemeyi destekler; süreç bilgisinin yerini almazlar. ## Akıllı üretim projesinin ne kadar faydalı olması gerektiğini Küçük bir dizi sonuç ararım: - Üzerinde anlaşmaya varılan bir verim formülü - Üründen malzemeye ve makineye kadar izlenebilirlik - Operatörlerin kullanabileceği hata kodları - Arıza noktasına yakın toplanan veriler - İlk geçiş üniteleri ve yeniden işlenmiş üniteler için ayrı kayıtlar - Yalnızca nihai arızalara değil, proses sınırlarına dayalı uyarılar - Her düzeltici eylemin net bir sahibi Bir fabrikanın, her makinenin ilk günde bağlanmasına ihtiyacı yoktur. Güvenilir verilere sahip bir üretim hattı, tutarsız kayıtlarla dolu büyük bir sistemden daha fazla değer sağlayabilir. %9'luk verim ciddi bir sinyaldir ancak tam bir teşhis değildir. Doğru yanıt sayıyı tanımlamak, kaybın yerini tespit etmek, ölçümü doğrulamak ve değişiklikleri disiplinle test etmektir. Akıllı üretim, yalnızca daha fazla ekran ürettiğinde değil, veriler belirli bir üretim kararına yol açtığında yararlı olur.

Akıllı bir fabrika her dakika binlerce veri noktası toplayabilir ve yine de %9'luk bir verim oranıyla mücadele edebilir. Sorun nadiren sensör eksikliğinden kaynaklanır. Çoğu zaman fabrikada bağlamsız veriler, süreç kontrolü olmayan otomasyon ve kayıplar gerçekleştikten sonra gösteren gösterge tabloları bulunur. Düşük verimli bir üretim hattına baktığımda yeni bir yazılım alımıyla başlamıyorum. Basit bir soruyla başlıyorum: Ürün gerekli standardı karşılamayı nerede bırakıyor? Bu soru, görünür semptomları sürecin içinde gizli olan nedenlerden ayırmaya yardımcı olur. ### Düşük getiri oranı genellikle net olmayan ölçümlerle başlar. Farklı ekipler farklı getiri tanımları kullanabilir. Üretim ekibi hattan geçen her birimi sayabilir. Kalite ekibi yeniden işlenmesi gereken birimleri kaldırabilir. Finans ekibi maddi kayıpları ve iade edilen ürünleri dahil edebilir. Her rakam kendi sistemi içerisinde doğru olabiliyor ama fabrika üç farklı verim oranıyla karşılaşıyor. Açık bir verim formülü şunları tanımlamalıdır: - Hesaplamaya hangi birimler giriyor - Hangi kusurlar arıza olarak sayılıyor - Yeniden işleme nasıl kaydediliyor - Hurda nasıl kaydediliyor - Hangi üretim periyodu ölçülüyor - Zararın hangi süreç aşamasına ait olduğu Bir fabrika %9 verim oranı bildirirken diğeri %90 rapor ediyorsa, fark üretim sürecinden ziyade hesaplama yönteminden kaynaklanabilir. Paylaşılan bir tanım, yöneticilere ortak bir başlangıç ​​noktası sağlar. ### Veri hacmi yararlı içgörü anlamına gelmez Birçok akıllı fabrika, makineleri bir üretim yürütme sistemine veya MES'e bağlar. Sistem sıcaklığı, basıncı, hızı, arıza süresini, alarm kodlarını ve denetim sonuçlarını saklar. Birisi bir kusurun nedenini bulmaya çalışana kadar bu tam gibi görünüyor. Bir makine saat 10:05'te sıcaklık değişimini kaydedebilir. Denetim sistemi 10:18'de bir kusur kaydedebilir. İki sistem bir ürün kimliğini, parti numarasını veya zaman referansını paylaşmıyorsa fabrika olayları güvenle bağlayamaz. Basit bir veri zinciri oluşturmayı tercih ediyorum: Makine olayı → üretim partisi → operatör veya vardiya → denetim sonucu → yeniden işleme veya hurdaya çıkarma nedeni Zincirin büyük bir yapay zeka projesiyle başlamasına gerek yok. Dört veya beş önemli kayıt arasındaki temiz bir bağlantı, bağlantısız grafiklerle dolu büyük bir kontrol panelinden daha fazlasını ortaya çıkarabilir. ### Fabrika yanlış süreci otomatikleştiriyor olabilir Otomasyon, zayıf bir sürecin daha hızlı çalışmasını sağlayabilir. Bir makine tutarsız malzeme alırsa otomasyon aynı sorunu daha az insan müdahalesiyle tekrarlayacaktır. Bir tarifin onay alınmadan değiştirilmesi durumunda otomatik hat, kimsenin farkına varmadan daha fazla kusurlu ünite oluşturabilir. Daha fazla otomasyon eklemeden önce şunları gözden geçiriyorum: - Malzeme teslim kontrolleri - Makine kurulum kuralları - Reçete kontrolü - Takım kalibrasyonu - Denetim sıklığı - Alarmlara operatörün tepkisi - Yeniden işleme onayı Bir proses haritası genellikle bir yazılım ekranının gizlediği boşlukları ortaya çıkarır. Örneğin bir hat, bir ürünün her makineden geçtiğini gösterebilirken hiçbir sistem vardiya başlangıcında doğru takımın takılıp takılmadığını kaydetmez. ### Küçük süreç değişiklikleri büyük kayıplara neden olabilir Verim sorunları genellikle küçük görünen bir değişikliğin ardından ortaya çıkar. Bir fabrika tedarikçiyi değiştirir, kürleme sıcaklığını ayarlar, bir aleti değiştirir veya yazılımı günceller. Her değişiklik ayrı bir incelemeden geçebilir. Kombine etki yine de ürün kalitesini düşürebilir. Kontrollü bir değişiklik süreci şunları kaydetmelidir: 1. Ne değişti 2. Değişiklik neden yapıldı 3. Hangi ürünler veya partiler etkilendi 4. Değişikliği hangi test verileri destekliyor 5. Sürümü kim onayladı 6. Önceki ayar ne zaman geri yüklenebiliyor? Gerçek neden birkaç hafta önce değişen malzeme spesifikasyonu olduğunda üretim ekiplerinin bir makine arızası aradığını gördüm. Makine ayarlanan aralıkta çalışıyordu. Giriş artık aynı değildi. ### Ekipman alarmları, ekipmanın nedenleriyle aynı değildir Bir fabrikada yüzlerce alarm olabilir, ancak yalnızca küçük bir kısmı verim kaybıyla ilgilidir. Bir alarm ekibe bir koşulun sınırı aştığını bildirir. Durumun neden değiştiğini her zaman açıklamaz. Her alarma eşit muamele etmek alarm yorgunluğuna neden olabilir. Operatörler çok sık görünen mesajları görmezden gelmeye başlar. Daha iyi bir yaklaşım, alarmları ürün kalitesi üzerindeki etkilerine göre gruplandırır: - Doğrudan kusur riski - Süreç istikrarsızlığı - Ekipman durumu - Güvenlik veya kapatma - Yalnızca bilgi Ekip daha sonra her grubu net bir yanıtla birbirine bağlayabilir. Doğrudan bir kusur riski hattı durdurabilir. Bir ekipman durumu bir bakım bildirimi oluşturabilir. Bir bilgi mesajı, üretimi kesintiye uğratmadan görünür durumda kalabilir. Bu, kontrol odasını gürültüyle doldurmak yerine dikkati verimi etkileyen olaylara odaklar. ### Denetimin nedene yakın yapılması gerekiyor Hat sonu denetimi fabrikaya neyin başarısız olduğunu bildirir. Başarısızlığın ne zaman başladığını göstermeyebilir. Bir ürün, son testte bir kusur buluncaya kadar on işlemden geçebilir. Bu noktada fabrika, üçüncü operasyonda zaten hasar görmüş olan bir ürün için malzeme, makine zamanı ve işçilik harcamış olabilir. Denetimi yüksek riskli süreç noktalarının yakınına yerleştirmek, ekibe daha kısa bir geri bildirim döngüsü sağlar. Yararlı kontroller şunları içerebilir: - Şekillendirme sonrası boyut kontrolleri - Kaplama sonrası yüzey kontrolleri - Montaj sonrası elektrik kontrolleri - Doldurma sonrası ağırlık kontrolleri - Paketleme öncesi mühür kontrolleri Amaç, her aşamada her şeyi denetlemek değildir. Amaç, kusurlar hattın geri kalanından geçmeden önce bulmaktır. ### İnsanlar hala akıllı fabrika performansını şekillendiriyor Dijital sistem, operatörün karar vermesi ihtiyacını ortadan kaldırmaz. Yargının kullanılma şeklini değiştirir. Operatörler şunları bilmelidir: - Hangi sinyaller acil eylem gerektirir - Hangi ayarları ayarlayabilirler - Hangi değişiklikler onay gerektirir - Bir kusur nasıl kaydedilir - Etkilenen malzeme nasıl beklemeye alınır - Bakım veya kalite personeli ne zaman aranmalı Sistem operatörlerden her olay için on alan girmesini isterse, bazı girişler belirsiz veya eksik olabilir. Açık seçeneklere sahip daha kısa bir form daha yararlı veriler üretebilir. Ayrıca süreç toplantıları sırasında operatör geri bildirimlerini incelemeyi tercih ediyorum. Operatörler genellikle olağandışı sesleri, malzeme davranışlarını veya kurulum sorunlarını gösterge panosunda bir desen görünmeden önce fark ederler. ### Kısa bir verim iyileştirme döngüsü kullanın Pratik bir iyileştirme döngüsü şu şekilde işleyebilir: Kayıpları tanımlayın Bir kusur türü, bir makine grubu veya bir üretim aşaması seçin. Her sorunu tek bir projede birleştirmekten kaçının. Temel çizgiyi onaylayın Her inceleme dönemi için aynı getiri formülünü kullanın. Çıktıyı, yeniden çalışmayı, hurdayı, arıza süresini ve malzeme kaybını kaydedin. En fazla katkıda bulunanı bulun Kusur Pareto tablosu, toplu karşılaştırma, vardiya karşılaştırması veya makine karşılaştırması kullanın. Tekrarlanabilir bir model arayın. Bir değişikliği test edin Bir süreç değişkenini veya bir iş talimatını ayarlayın. Mümkün olduğunca diğer koşulları sabit tutun. Sonucu kontrol edin Değiştirilen grubu önceki yöntemi izleyen benzer bir grupla karşılaştırın. Hem kaliteyi hem de üretim hızını inceleyin. Değişikliği koruyun veya geri alın Sonuç olumlu ve tekrarlanabilirse süreç belgesini güncelleyin. Sonuç net değilse önceki ayara dönün ve başka bir nedeni test edin. Bu yaklaşım, büyük bir teknoloji programını başlatmaktan daha yavaş gelebilir. Her testin tanımlanmış bir amacı olduğundan genellikle daha net bir öğrenme sağlar. ### Elektronik üretiminden pratik bir örnek Elektronik üretiminde düşük geçiş hızı, lehim sıcaklığına, bileşen nemine, yerleştirme doğruluğuna veya denetim ayarlarına bağlı olabilir. Yalnızca nihai test sonucunu gösteren bir kontrol paneli bu nedenleri ayıramaz. Daha güçlü bir kurulum, arızalı her kartı aşağıdakilere bağlar: - Bileşen partisi - Yerleştirme makinesi - Lehimleme profili - Operatör vardiyası - Denetim görüntüsü - Onarım işlemi - Nihai test sonucu Fabrika daha sonra partiler ve makineler arasındaki arıza modellerini karşılaştırabilir. Kusurlar çoğunlukla bir lehimleme profilinden sonra ortaya çıkıyorsa ekibin odaklanmış bir süreç sorusu vardır. Kusurlar birden fazla makinede bir bileşen partisini takip ediyorsa, tedarikçi veya gelen denetim süreci dikkate alınmalıdır. Aynı yöntem gıda, tıbbi cihazlar, ambalaj, otomotiv parçaları ve diğer üretim ortamları için de geçerlidir. Veri alanları değişir. İzlenebilirlik ihtiyacı aynı kalıyor. ### Başka bir platform satın almadan önce neyi gözden geçirirdim Altı soru sorardım: - Arızalı bir ünitenin malzemesine, makinesine, ayarına ve vardiyasına kadar izini sürebilir miyim? - Her takım aynı getiri tanımını mı kullanıyor? - Operatörler üretimi yavaşlatmadan nedenleri kaydedebilir mi? - Proses değişiklikleri kalite sonuçlarıyla bağlantılı mı? - Sistem sorunları meydana geldiği noktaya yakın gösterebiliyor mu? - Her uyarı tanımlanmış bir eyleme yol açıyor mu? Cevap hayır ise yeni bir platform, altta yatan sorunu çözmeden başka bir katman ekleyebilir. Akıllı bir fabrika daha fazla ekrana, sensöre veya otomatik rapora sahip olduğu için etkili olmaz. İnsanlar süreç değişikliklerini ürün sonuçlarıyla ilişkilendirebildiklerinde ve küçük bir değişiklik büyük bir parti kaybına dönüşmeden önce harekete geçtiklerinde bu durum gelişir. Yüzde 9'luk verim oranı ciddi bir sinyaldir ancak bir teşhis değildir. Yararlı çalışma, fabrikanın sayıyı tanımlaması, verileri bağlaması, süreci kontrol etmesi ve her seferinde bir nedeni test etmesiyle başlar. Bu disiplin, kafa karıştırıcı bir üretim sorununu bir dizi yönetilebilir karara dönüştürür.

%9'luk bir getiri, bir e-tabloda çekici görünebilir. Neden dikkat çektiğini anlıyorum. Tasarruf oranları mütevazıyken ve yaşam maliyetleri artmaya devam ediyorsa, yüksek gelir rakamı çözüm gibi görünebilir. Ancak verim resmin yalnızca bir kısmıdır. Geri dönüş, faiz, temettü, kira veya diğer nakit ödemelerden gelebilir. Büyüme genellikle dayanak varlığın, işletmenin veya portföyün değerindeki artışı ifade eder. İkisi birlikte hareket edebilir, ancak bunu her zaman yapmazlar. Yatırımcıların, varlığın kendisindeki değişiklikleri gözden kaçırırken her ay aldıkları ödemeye odaklandıklarını gördüm. Bir mülk güçlü bir kira üretebilir, ancak onarımlar, boş pozisyonlar, vergiler ve düşen piyasa değeri genel sonucu azaltabilir. Bir fon, hisse fiyatının düştüğü dönemde %9 oranında dağıtım yapabilir. Nakit ödeme görünür durumda kalır. Kaybın gözden kaçırılması daha kolaydır. Bu yüzden daha geniş bir soru sormayı tercih ediyorum: Gelir, ücretler, vergiler, enflasyon ve fiyat değişiklikleri dahil edildikten sonra toplam değere ne oldu? Basit bir örnek yardımcı olabilir. Birinin yılda %9 getiri sağlayan bir varlığa 100.000 dolar yatırdığını hayal edin. Maliyetler hariç gelir 9.000 dolardır. Varlık değeri %6 düşerse toplam değer vergi ve harçlar hariç 103.000 ABD Doları olur. Gelir güçlü görünüyor ancak genel artış %3'e yakın. Varlık değeri %4 oranında artarsa ​​sonuç değişir. Gelir ve fiyat hareketi birleşerek daha büyük bir toplam getiri yaratır. Aynı %9'luk verim çok farklı sonuçlara yol açabilir. Bu yüksek verimi kötü yapmaz. Bu, ödemenin nereden geldiğini ve arkasında hangi risklerin yattığını anlamam gerektiği anlamına geliyor. Birkaç pratik kontrol kullanıyorum. Getirinin kaynağına bakın Ödeme iş kazançları, kira geliri, tahvil faizi veya varlık satışıyla mı destekleniyor? Sabit nakit akışıyla finanse edilen bir ödeme, borçlanarak veya orijinal sermayenin bir kısmını iade ederek finanse edilen ödemeden farklı bir risk profiline sahip olabilir. Ürünün adı bu soruya cevap vermiyor. Mali tablolar, fon belgeleri ve dağıtım kayıtları daha yararlı ayrıntılar sağlayabilir. Geliri toplam getiriden ayırın İki rakamı kaydediyorum: - Alınan nakit - Varlığın değerindeki değişim Daha sonra ücretleri, vergileri ve diğer maliyetleri çıkarıyorum. Bu bana yalnızca verime bakmaktan daha net bir görüş sağlıyor. Aylık ödeme güven verici olabilir ancak bu her zaman yatırımın büyüdüğü anlamına gelmez. Enflasyonun ne yaptığını kontrol edin Enflasyon ortalama %3 ise ve bir varlık maliyet öncesi %9 getiri sağlıyorsa, bu getirinin harcama gücü manşetteki rakamın önerdiğinden daha düşüktür. Sonuç aynı zamanda vergi ve kişisel harcama ihtiyaçlarına da bağlıdır. Her yüzde puanı harcayabileceğim para olarak değerlendirmiyorum. Getirinin bir kısmının gelecekteki satın alma gücünü desteklemek için yatırımda kalması gerekebilir. Rakamın ardındaki riski inceleyin Daha yüksek getiri, daha yüksek kredi riskini, fiyat değişkenliğini, sınırlı likiditeyi, yoğunlaşmayı veya faiz oranlarına duyarlılığı yansıtabilir. Zor bir dönemde ödemenin düşmesine neyin sebep olabileceğini ve değerin ne kadar değişebileceğini soruyorum. Sakin bir incelemenin cesur bir tahminden daha yararlı olabileceği yer burasıdır. Büyümeye net bir rol verin Büyüme, yeniden yatırılan gelirden, artan kârlardan, daha yüksek kira gelirinden, iyileşen nakit akışından veya bir varlığa olan talebin artmasından kaynaklanabilir. Çoğu zaman zaman alır ve düz bir çizgide görünmeyebilir. Bir kişi için büyüme, bir emeklilik fonu oluşturmak anlamına gelebilir. Bir diğeri için bu, gelecekteki gelirin enflasyondan korunması anlamına gelebilir. Düzenli nakit akışına ihtiyaç duyan biri, daha uzun bir zaman ufku olan birinden farklı bir bakiye seçebilir. Ürünü seçmeden önce amacını yazıyorum. Gerçekçi beklentiler kullanın %9'luk getiri, varsayılacak bir sonuç olarak değil, araştırılacak bir rakam olarak ele alınmalıdır. Geçmiş performans gelecekteki sonuçları belirlemez ve yayınlanan getiri, piyasa fiyatlarına veya dağıtım politikalarına göre değişebilir. Ayrıca bir planı güçlü bir yıla göre yargılamaktan da kaçınırım. Daha uzun bir kayıt, gelir ve değerin farklı piyasa koşullarında nasıl davrandığını gösterebilir. Benim görüşüm basit: Gelir önemlidir ama resmin tamamını gizlememelidir. Bir varlığın ne kadar nakit ürettiğini, değerinin nasıl değiştiğini, elde tutmanın maliyetini ve sonucun kişisel hedefimi destekleyip desteklemediğini bilmek istiyorum. %9 getiriyle ilgili bir konuşma, gerçek sorulara doğru ilerlediğinde daha faydalı hale gelir: Ödemeyi ne destekliyor? Ödeme düşerse ne olur? Varlık zamanla büyüyebilir mi? Hangi düzeyde kaybı kabul edebilirim? Plan zaman ufkuma ve nakit ihtiyaçlarıma nasıl uyuyor? Her yatırımcı için tek bir cevap yoktur. Net bir süreç, manşetteki rakamların daha iyi kararlarla değiştirilmesine yardımcı olabilir. Para yatırmadan önce mevcut belgeleri inceler, riskleri anlar ve karar kişisel tavsiye gerektirdiğinde düzenlenmiş mali rehberlik ararım.

Akıllı üretimdeki %9'luk verim, bir teknoloji başarısızlığı gibi görünebilir. Pek çok fabrikada bu sayı birkaç farklı sorunu gizlemektedir: Ürün yeni olabilir, süreç hala istikrarsız olabilir veya fabrika üretim akışında yanlış noktayı ölçüyor olabilir. Fabrikayı yalnızca %9'luk rakama bakarak yargılamam. Daha yararlı bir soru soracağım: %9 neyi temsil ediyor? ### Verim her zaman aynı noktada ölçülmez Verim aşağıdakilere atıfta bulunabilir: - İlk denetimi geçen üniteler - Tüm üretim sürecini tamamlayan üniteler - Nihai işlevsel testi geçen üniteler - İade olmadan müşteriye ulaşan üniteler - Onarım ve yeniden işleme sonrasında satılabilir ürünler Bu rakamlar çok farklı görünebilir. Bir hattın ilk geçiş verimi %9 iken, onarımdan sonra nihai verimi %86'ya ulaşabilir. Başka bir satır %9 nihai verim bildirebilir, bu da çok daha derin bir süreç sorununa işaret eder. İyileştirme planlarını tartışmadan önce her zaman formülü isterim: Getiri = kabul edilen birimler ÷ sürece giren toplam birimler × %100 Formül basittir. Arkasındaki üretim hikayesi öyle olmayabilir. ### Ürün lansmanı sırasında genellikle %9'luk bir verim ortaya çıkar. Yeni ürünler daha fazla süreç riski taşır. Mühendisler hâlâ makine ayarlarını, malzeme kombinasyonlarını, denetim sınırlarını ve montaj yöntemlerini ayarlıyor olabilir. Akıllı bir fabrika büyük miktarlarda veri toplayabilir ancak veri toplama süreç değişkenliğini ortadan kaldırmaz. Sensörler sıcaklık, basınç, titreşim, tork, nem ve çevrim süresini gösterebilir. Ekibin hâlâ bu sinyalleri gerçek kusurlara bağlaması gerekiyor. Yeni bir elektronik modül düşünün. Bir üretim partisi 1.000 ünite içeriyor, ancak yalnızca 90 tanesi ilk işlevsel testi geçiyor. Ekip montaj robotunu suçlayabilir. Kayıtları kontrol ettikten sonra çeşitli nedenler bulabilirler: - Bir konnektör tam olarak oturmamış - Vardiya sırasında lehim sıcaklığı değişiyor - Bir tedarikçi daha geniş boyut çeşitliliğine sahip parçalar sağlıyor - Test fikstürü hatalı arızalar yaratıyor - Yazılım ayarları en son ürün sürümüyle eşleşmiyor %9 rakamı bize hatta bir sorun olduğunu söylüyor. Hangi sorunun dikkate alınması gerektiğini bize söylemez. ### İlk görev, arızalı birimleri net kategorilere ayırarak başladığım kusurları ayırmaktır. Yararlı bir kusur listesi şunları içerebilir: 1. Malzeme kusurları 2. Makine hataları 3. Operatör yönetimi sorunları 4. Yazılım veya program hataları 5. Test sistemi hataları 6. Tasarımla ilgili arızalar 7. Yeniden çalışmadan kaynaklanan hasar Bu adım yaygın bir hatayı önler: arızalı her üniteyi aynı arıza olarak ele almak. Reddedilen 910 üniteden 600'ünün aynı konnektör sorununu gösterdiğini varsayalım. 20 ünitede küçük bir kozmetik kusur bulunmadan önce konektör işlemi dikkat çekmeyi hak ediyor. Pareto grafiği, ekibin en büyük kayıp kaynaklarını görmesine yardımcı olabilir. Amaç karmaşık bir rapor oluşturmak değil. Amaç pratik bir soruyu yanıtlamaktır: Hangi kusur en iyi birimleri hattan uzaklaştırır? ### Akıllı ekipmanın temiz verilere ihtiyacı vardır Birçok üretici, veri kurallarını tanımlamadan önce kameralar, sensörler ve üretim yazılımı yükler. Fabrika daha sonra net bir kararı destekleyemeyen binlerce kaydı toplar. Birkaç temel veri noktasına bakıyorum: - Makine Kimliği - Ürün modeli - Malzeme partisi - Operatör veya vardiya - Proses sıcaklığı - Basınç ve hız - Test sonucu - Kusur kodu - Yeniden çalışma geçmişi - Arıza süresi Veriler, süreç boyunca ürünü takip etmelidir. Son test başarısız olursa ancak sistem üniteyi hangi makinenin kullandığını gösteremezse, fabrikanın elinde izlenebilirliği olmayan bilgiler bulunur. Otomatik görsel incelemede pratik bir örnek bulunabilir. Bir kamera, yüzey işareti nedeniyle bir ürünü reddedebilir. İşaret, kalıplama işleminden, kirli konveyörden veya kamera yakınındaki zayıf aydınlatmadan kaynaklanabilir. Görüntü kayıtları ve süreç geçmişi olmadan ekip yanlış makineyi ayarlayabilir. ### Prosesi değiştirmeden önce ölçüm sistemini kontrol edin Kötü bir test yönteminden düşük verim gelebilir. Üretim ekiplerinin, denetim donanımını kontrol etmeden günler önce makineleri ayarladığını gördüm. Gevşek bir kontak pimi, dengesiz güç kaynağı, zayıf aydınlatma veya yanlış test limitleri hatalı arızalara neden olabilir. Bir ölçüm sistemi incelemesi şunları içermelidir: - Aynı ünite üzerinde tekrarlanan testler - Farklı test cihazları arasında karşılaştırma - Kalibrasyon durumu - Test fikstürü durumu - Yazılım sürümü - Operatör talimatları - Kabul sınırları Aynı iyi ünite bir test cihazından geçer ve diğerinde başarısız olursa, süreç değişiklikleri beklenmelidir. Ölçüm sistemine dikkat edilmesi gerekiyor. Test sonucu objektif göründüğü için bu noktanın gözden kaçırılması kolaydır. Ekrandaki bir sayı yalnızca test yöntemi kararlı olduğunda kullanışlıdır. ### Süreci küçük bölümler halinde gözden geçirin Bir fabrika, üretim hattının tamamını büyük bir sorun olarak ele almamalıdır. Bunu süreç bloklarına ayırmayı tercih ediyorum: - Gelen malzeme denetimi - Hazırlık - Montaj - Birleştirme veya yapıştırma - Programlama - Fonksiyonel test - Paketleme Ekip her blokta verimi hesaplayabilir. Bu, en büyük kaybın nerede meydana geldiğini gösterir. Örneğin: | Süreç aşaması | Birimler giriyor | Kabul edilen birimler | Verim | |---|---:|---:|---:| | Montaj | 1.000 | 870 | %87 | | Programlama | 870 | 810 | %93 | | Fonksiyonel test | 810 | 90 | %11 | | Son denetim | 90 | 86 | %96 | Genel sonuç zayıftır ancak tablo fonksiyonel testlere işaret etmektedir. Montaj süreci üzerinde çalışma yapılması gerekebilir ancak test aşamasındaki %9'luk sonucun ana nedeni bu değildir. Bu yöntem aynı zamanda iç argümanları da azaltır. Takımlar kendi departmanlarını savunmak yerine ölçülen kayıpları tartışabilirler. ### Yalnızca ortalama değerleri değil, varyasyonları da arayın Ortalama proses verileri, arızanın kaynağını gizleyebilir. Bir makine her vardiyanın başında ve sonunda kararsız sonuçlar üretirken kabul edilebilir bir ortalama sıcaklık gösterebilir. Bir tedarikçi, tolerans sınırına yakın birkaç parti gönderirken ortalama malzeme boyutunu karşılayabilir. Verimi şuna göre kontrol ederim: - Saat - Vardiya - Makine - Ürün modeli - Malzeme partisi - Tedarikçi - Operatör grubu - Üretim tarihi Desenler genellikle bu bölünmeden sonra ortaya çıkar. Bir fabrika çoğu arızanın takım değişiminden sonra meydana geldiğini keşfedebilir. Bir diğeri, nem proses aralığının dışına çıktığında kusurların arttığını görebilir. Üçüncüsü, arızaları tek bir malzeme partisine bağlayabilir. Sebebi fabrikanın en gelişmiş kısmı olmayabilir. Kimsenin kaydetmediği küçük bir değişiklik olabilir. ### Kontrollü denemeler kullanın Süreç değişiklikleri mümkün olduğunda her seferinde bir değişken olarak test edilmelidir. Ekip sıcaklığı, basıncı, yazılım sınırlarını, takımları ve malzemeyi aynı anda değiştirirse verim, nedenini açıklamadan artabilir. Hattın kontrol edilmesi de daha sonra zorlaşabilir. Kontrollü bir deneme şu modeli izleyebilir: 1. Mevcut süreç ayarlarını kaydedin 2. Ana hata kategorisini onaylayın 3. Olası bir nedeni seçin 4. Güvenli aralıktaki bir ayarı değiştirin 5. Tanımlanmış bir örnek boyutu çalıştırın 6. Sonucu orijinal verilerle karşılaştırın 7. Yeni kusurların görünüp görünmediğini kontrol edin Örnek boyutu ürün riskine, üretim hacmine ve süreç kararlılığına bağlıdır. Küçük bir deneme bir sonraki teste yol gösterebilir ancak uzun vadeli performansın kanıtı olarak görülmemelidir. ### Yeniden işlemeyi verim numarasının içine saklamayın Yeniden işlenmiş ürünler ayrı bir kaydı hak eder. Bir kez arızalanan, manuel onarım alan ve daha sonra geçen bir ünite, ilk denemede başarılı olan bir üniteye eşit değildir. Her ikisi de müşteriye ulaşabiliyor ancak farklı miktarlarda emek, zaman ve malzeme tüketiyorlar. Şunları takip ediyorum: - İlk geçiş verimi - Yeniden çalışma sonrası nihai verim - Yeniden çalışma saatleri - Hurda oranı - Tekrarlanan arıza oranı - Kabul edilen birim başına maliyet Bu, yöneticilere üretim durumu hakkında daha dürüst bir görüş sağlar. %85 nihai verime sahip ve ağır manuel onarıma sahip bir hat, %75 ilk geçiş verimine ve basit, düşük maliyetli düzeltmeye sahip bir hattan daha pahalı olabilir. Verim önemlidir, ancak bunu başarmak için kullanılan yol da önemlidir. ### Otomasyon süreç sahipliğinin yerini alamaz Akıllı üretim araçları kalıpları tespit edebilir, uyarılar gönderebilir ve izlenebilirliği destekleyebilir. Ürünü ve ekipmanı anlayan kişiler olmadan süreç değişikliğinin güvenli olup olmadığına karar veremezler. Yararlı bir iyileştirme ekibi şunları içerebilir: - Üretim mühendisliği - Kalite - Bakım - Yazılım veya kontroller - Tedarik zinciri - Etkilenen hattaki operatörler Operatörler genellikle değişiklikleri gösterge tablosundan önce fark eder. Yükleme sırasında farklı bir makine sesi duyabilir, dirençte bir değişiklik hissedebilir veya maddi bir sorun görebilirler. Gözlemleri, sensör verileriyle aynı iyileştirme sürecine girmelidir. ### Sağlıklı bir iyileşme planı neye benzer? Pratik bir iyileşme planında üç aşama bulunabilir. Birinci aşama: kaybı kontrol altına alın Bilinen kusurların yayılmasını durdurun. Şüpheli malzemeyi ayırın, test donanımlarını doğrulayın ve açık bir denetim noktası tanımlayın. İkinci aşama: ana nedenleri bulun Kusur kodlarını, süreç geçmişini, ölçüm kontrollerini ve kontrollü denemeleri kullanın. Her sorunu aynı anda onarmaya çalışmak yerine en büyük kayba odaklanın. Üçüncü aşama: kazancı koruyun Çalışma talimatlarını, makine ayarlarını, bakım planlarını, eğitim kayıtlarını ve kontrol limitlerini güncelleyin. Sonucu çeşitli üretim döngülerinde izleyin. Bir takım değişiminden veya yeni bir malzeme partisinden sonra sayı tekrar düşerse, kısa vadeli verim artışı yeterli değildir. ### %9'un ardındaki gerçek ders %9 rakamı bir sinyaldir, tam bir teşhis değil. Erken bir pilot çalışmayı, katı bir ilk geçiş testini, zayıf bir süreci veya hatalı bir ölçüm sistemini tanımlayabilir. Bunu anlamanın tek güvenilir yolu akma noktasını tanımlamak, kusurları izlemek, ölçüm yöntemini doğrulamak ve üretim verilerini gerçek ürün sonuçlarıyla birleştirmektir. Akıllı bir üretim hattını incelerken, kaç tane sensöre sahip olduğunu sorarak başlamıyorum. Fabrikanın arızalanan her üniteyi sade bir dille açıklayıp açıklayamayacağını soruyorum. Bir fabrika daha fazla sayı toplayarak daha akıllı hale gelmez. Ekip kontrollü bir değişiklik yapmak, etkiyi ölçmek ve iyileştirmeyi yerinde tutmak için doğru sayıları kullanabileceğinde daha akıllı hale gelir. Daha fazlasını mı öğrenmek istiyorsunuz? Huang ile iletişime geçmekten çekinmeyin: mr.huang@foyotrobotclaw.com/WhatsApp +8613600570999.

1. Douglas C. Montgomery 2019 İstatistiksel Kalite Kontrole Giriş 2. Uluslararası Standardizasyon Örgütü 2015 Kalite Yönetim Sistemleri Temelleri ve Kelime Bilgisi 3. Uluslararası Otomasyon Topluluğu 2018 Otomasyon, Sistemler ve Enstrümantasyon Sözlüğü 4. Klaus Schwab 2016 Dördüncü Sanayi Devrimi 5. Peter GW Keen ve Michael S. Scott Morton 1978 Karar Destek Sistemleri 6. John W. Davis 2017 Akıllı Üretim ve Endüstriyel Dönüşüm için Endüstri 4.0 İlkeleri