വാല്യു സ്ട്രീം മാപ്പിംഗ് ഒരു ലൈവ് ഡാറ്റാ മോഡലായി മാറാൻ കഴിയുമോ?

Value Stream Mapping ने Lean Manufacturing-ൽ material, information, decisions എന്നിവ ഉത്പാദന സംവിധാനത്തിലൂടെ എങ്ങനെ നീങ്ങുന്നു എന്ന് മനസ്സിലാക്കാൻ ഏറ്റവും ഉപയോഗപ്രദമായ ഉപകരണങ്ങളിലൊന്നാണ്.എന്നാൽ പരമ്പരാഗത Value Stream Mapping-ന് ഒരു അടിസ്ഥാന പരിമിതിയുണ്ട്.ഫാക്ടറി മാറിക്കൊണ്ടേയിരിക്കുന്നു. മാപ്പ് മാറുന്നില്ല.നിങ്ങൾക്ക് production, planning, quality, maintenance, supply chain, operations എന്നിവയെ ഒരേ വർക്ക്ഷോപ്പിലേക്ക് കൊണ്ടുവരാം. cycle times, queues, batch sizes, handoffs, waiting times, information flows, bottlenecks എന്നിവ മാപ്പ് ചെയ്യാം. വർക്ക്ഷോപ്പിന്റെ അവസാനത്തോടെ എല്ലാവരും ഉത്പാദന സംവിധാനം എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ ഒരേ ചിത്രം പങ്കിട്ടേക്കാം.പിന്നീട് യാഥാർത്ഥ്യം മാറുന്നു.ഒരു supplier shipment വൈകി എത്തുന്നു. ഒരു customer അടിയന്തിര order നൽകുന്നു. ഒരു machine നിന്നുപോകുന്നു. Quality ഒരു batch തടയുന്നു. Maintenance ഒരു resource ഉത്പാദനത്തിൽ നിന്ന് മാറ്റുന്നു. ഒരു setup പ്രതീക്ഷിച്ചതിലും നീളുന്നു. Material തെറ്റായ സ്ഥലത്ത് കാത്തിരിക്കുന്നു.ചുവരിൽ തൂങ്ങിക്കിടക്കുന്ന Value Stream Map ഇപ്പോഴും ഇന്നലത്തെ ഫാക്ടറിയെയാണ് വിവരിക്കുന്നത്.അപ്പോൾ Value Stream Map കൂടുതലായ ഒന്നായി മാറിയാലോ?ഈ എപ്പിസോഡിൽ, Value Stream Mapping ഒരു static Lean Manufacturing document-ൽ നിന്ന് ERP, MES, quality, maintenance, machine, shop-floor data എന്നിവയുമായി ബന്ധിപ്പിച്ച ഒരു live manufacturing data model ആയി എങ്ങനെ പരിണമിക്കാമെന്ന് ഞങ്ങൾ പരിശോധിക്കുന്നു.ലക്ഷ്യം ഒരു Value Stream Map-നെ ഡിജിറ്റൈസ് ചെയ്യുക മാത്രമല്ല.ഉത്പാദനം യഥാർത്ഥത്തിൽ എങ്ങനെ പെരുമാറുന്നു എന്നത് തുടർച്ചയായി പ്രതിഫലിപ്പിക്കുന്ന ഒരു മോഡൽ സൃഷ്ടിക്കുക എന്നതാണ്.

സ്റ്റാറ്റിക് Value Stream Mapping-ന്റെ പ്രശ്നം

പരമ്പരാഗത Value Stream Mapping ഉത്പാദന സംവിധാനത്തിന്റെ ഒരു പ്രധാന snapshot പകർത്തുന്നു. ഒരു ഉൽപ്പന്നം നിർമ്മിക്കാൻ ആവശ്യമായ process ക്രമം മനസ്സിലാക്കാൻ ഇത് ടീമുകളെ സഹായിക്കുന്നു, പക്ഷേ അതിന്റെ യഥാർത്ഥ മൂല്യം ബോക്സുകളും അമ്പുകളും വരയ്ക്കുന്നതിനും അപ്പുറമാണ്.

Processing times, waiting times, queues, inventory, batch sizes, changeovers, information flows, replenishment signals, production control rules, organizational handoffs എന്നിവയെല്ലാം ഒരു Value Stream Map വിവരിക്കാം. അതുകൊണ്ടുതന്നെ flow മനസ്സിലാക്കാൻ ഇത് അത്യന്തം ഉപയോഗപ്രദമാണ്.

എന്നാൽ ഉത്പാദനം ചലനാത്മകമാണ്. ഒരു വർക്ക്ഷോപ്പിൽ പകർത്തിയ സാഹചര്യങ്ങൾ ദിവസങ്ങൾക്കുശേഷം ഇതിനകം മാറിയിരിക്കാം. Demand മാറുന്നു, resources ലഭ്യമല്ലാതാകുന്നു, orders-ന് വ്യത്യസ്ത മുൻഗണനകൾ ലഭിക്കുന്നു, quality പ്രശ്നങ്ങൾ rework ഉണ്ടാക്കുന്നു, material വൈകി എത്തുന്നു, production schedules മാറുന്നു, യഥാർത്ഥ cycle times planning അനുമാനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമാകുന്നു. ഈ മാറ്റങ്ങൾ ഉത്പാദനത്തിന്റെ യഥാർത്ഥ flow-യെ ബാധിക്കുന്നു, പക്ഷേ അവ സാധാരണയായി Value Stream Map-ൽ സ്വയമേവ പ്രതിഫലിക്കുന്നില്ല.

ഇത് ആധുനിക ഉത്പാദനത്തിന് ഒരു രസകരമായ ചോദ്യം ഉയർത്തുന്നു: Value Stream Mapping ഫാക്ടറിയുടെ തുടർച്ചയായി അപ്ഡേറ്റ് ചെയ്യപ്പെടുന്ന ഒരു മോഡലാകുമോ?

Value Stream Map-ൽ നിന്ന് Live Data Model-ലേക്ക്

ഒരു live Value Stream Model, സ്ക്രീനിൽ ഒരു പരമ്പരാഗത Value Stream Map കാണിക്കുന്നതിൽ നിന്ന് അടിസ്ഥാനപരമായി വ്യത്യസ്തമായിരിക്കും. ഒരു diagram-നെ ഡിജിറ്റൈസ് ചെയ്യുന്നത് താരതമ്യേന എളുപ്പമാണ്. എന്നാൽ orders, operations, resources, materials, constraints, events, production states എന്നിവ തമ്മിലുള്ള ബന്ധങ്ങൾ മനസ്സിലാക്കുന്ന ഒരു മോഡൽ സൃഷ്ടിക്കുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാണ്.

ഒരു live manufacturing model താഴെപ്പറയുന്ന ചോദ്യങ്ങൾ മനസ്സിലാക്കേണ്ടതുണ്ട്:

• ഒരു order ഇപ്പോൾ എവിടെയാണ്?
• ഏത് operation അവസാനം പൂർത്തിയായി?
• അടുത്തതായി എന്ത് സംഭവിക്കണം?
• ഏത് resource ആവശ്യമാണ്?
• ആ resource യഥാർത്ഥത്തിൽ ലഭ്യമാണോ?
• Material കാത്തിരിക്കുന്നുണ്ടോ?
• Quality production തടയുന്നുണ്ടോ?
• Maintenance ലഭ്യമായ capacity കുറച്ചിട്ടുണ്ടോ?
• Order കാത്തിരിക്കുന്നത് ഒരു physical constraint കൊണ്ടാണോ അതോ ഒരു information delay കൊണ്ടാണോ?

ഏറ്റവും പ്രധാനമായി:

ഉത്പാദനത്തിന്റെ നിലവിലെ അവസ്ഥ തെളിയിക്കുന്ന തെളിവ് എന്താണ്?

ഇത് Value Stream Mapping-നെ documentation-ൽ നിന്ന് operational intelligence-ലേക്ക് നീക്കുന്നു.

ഒരു Order, പല Manufacturing Systems

ഒരു make-to-order ഉത്പാദന പരിസ്ഥിതി പരിഗണിക്കുക. ഒരു customer order ആവശ്യമായ delivery date-യോടെ ബിസിനസ്സിൽ പ്രവേശിക്കുന്നു.

ERP sales order സൃഷ്ടിക്കുന്നു, production requirements ഉണ്ടാക്കുന്നു, material ലഭ്യത പരിശോധിക്കുന്നു, പ്രതീക്ഷിക്കുന്ന operations-ന്റെ ക്രമം വിവരിക്കുന്ന routing വിവരങ്ങൾ നൽകുന്നു. എന്നാൽ ERP ചിത്രത്തിന്റെ ഒരു ഭാഗം മാത്രമാണ് നൽകുന്നത്.

ഫാക്ടറി ഫ്ലോറിൽ, Manufacturing Execution System work dispatch ചെയ്യാം, operator confirmations രേഖപ്പെടുത്താം, ഉത്പാദന പുരോഗതി ട്രാക്ക് ചെയ്യാം, serial അല്ലെങ്കിൽ batch വിവരങ്ങൾ നിലനിർത്താം.

Machine systems മറ്റൊരു കാഴ്ചപ്പാട് നൽകുന്നു. ഒരു machining center running, idle, faulted, അല്ലെങ്കിൽ setup നടക്കുന്നു എന്ന് റിപ്പോർട്ട് ചെയ്യാം. ഒരു furnace temperature വിവരങ്ങളും cycle completion events-ഉം നൽകാം. ഒരു test station pass അല്ലെങ്കിൽ fail ഫലങ്ങൾ സൃഷ്ടിക്കാം. Industrial gateways, historians, PLCs, IoT systems എന്നിവ അധിക operational signals ശേഖരിക്കാം.

Quality systems മറ്റൊരു പാളി ചേർക്കുന്നു. ഒരു inspection result material hold-ൽ ഇടാം. ഒരു nonconformance rework-ന് കാരണമാകാം. Physical inspection കഴിഞ്ഞ് മണിക്കൂറുകൾക്കുശേഷമാകാം quality release നടക്കുന്നത്.

Maintenance systems യഥാർത്ഥ production schedule-നെയും സ്വാധീനിക്കുന്നു. Planning system-ൽ ഒരു machine ലഭ്യമായി കാണപ്പെടാം, പക്ഷേ scheduled maintenance അത് നിരവധി മണിക്കൂർ ഉപയോഗശൂന്യമാക്കാം.

ഓരോ system-ലും വിലപ്പെട്ട വിവരങ്ങളുണ്ട്. പക്ഷേ ഒന്നും മാത്രം ഉത്പാദന flow-യുടെ പൂർണ്ണചിത്രം നൽകണമെന്നില്ല.

Lead Time എവിടെ പോയി?

ഒരു order വൈകി shipped ആകുന്നതായി സങ്കൽപ്പിക്കുക. ERP-ക്ക് order എപ്പോൾ സൃഷ്ടിച്ചു എന്ന് അറിയാം. ആസൂത്രിത delivery date അറിയാം. MES-ന് ഓരോ operation-ഉം എപ്പോൾ confirm ചെയ്തു എന്ന് അറിയാം. Machine data machine പ്രവർത്തിച്ചത് എപ്പോഴെന്ന് കാണിക്കാം. Quality systems inspections എപ്പോൾ നടന്നു എന്ന് അറിയാം. Maintenance resources എപ്പോൾ ലഭ്യമല്ലായിരുന്നു എന്ന് അറിയാം.

പക്ഷേ planner ഇങ്ങനെ ഒരു ലളിതമായ ചോദ്യം ചോദിക്കുന്നു:

ഈ order എന്തുകൊണ്ട് വൈകി? Lead time യഥാർത്ഥത്തിൽ എവിടെ പോയി?

ഒരുപക്ഷേ order machining-ന് ശേഷം കാത്തിരുന്നിരിക്കാം. ഒരുപക്ഷേ material ശാരീരികമായി തയ്യാറായിരുന്നിട്ടും transport അത് നീക്കിയിരുന്നില്ല. ഒരുപക്ഷേ inspection പൂർത്തിയായിരുന്നിട്ടും quality release മണിക്കൂറുകൾ വൈകി. ഒരുപക്ഷേ machine-ന് capacity ഉണ്ടായിരുന്നു, പക്ഷേ ആവശ്യമായ material മറ്റെവിടെയോ കാത്തിരിക്കുകയായിരുന്നു. ഒരുപക്ഷേ യഥാർത്ഥ constraint-ന് മുമ്പുള്ള ഘട്ടത്തിൽ അധികം work release ചെയ്തതുകൊണ്ട് queue ഉണ്ടായിരിക്കാം. ഒരുപക്ഷേ shop floor-ലേക്ക് order പ്രവേശിച്ചപ്പോൾ തന്നെ production schedule അയഥാർത്ഥമായിരുന്നിരിക്കാം.

ഈ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ ആവശ്യമായ ഡാറ്റ ഇതിനകം നിലനിൽക്കാം. പ്രശ്നം അത് ഒന്നിലധികം systems-ൽ ചിതറിക്കിടക്കുന്നു എന്നതാണ്.

ERP ഡാറ്റ ഉത്പാദന യാഥാർത്ഥ്യമല്ല

ഉത്പാദനത്തിന് ERP systems അത്യാവശ്യമാണ്. Orders, materials, routings, requirements, inventory, purchasing എന്നിവ അവ കൈകാര്യം ചെയ്യുന്നു.

എന്നാൽ ERP routing വിവരിക്കുന്നത് ഉത്പാദനം എങ്ങനെ നടക്കണം എന്നാണ്. ഇപ്പോൾ ഫാക്ടറി ഫ്ലോറിൽ യഥാർത്ഥത്തിൽ എന്താണ് നടക്കുന്നത് എന്ന് അത് സ്വയമേവ വിവരിക്കുന്നില്ല.

ഉത്പാദനം ഒപ്റ്റിമൈസ് ചെയ്യാൻ ശ്രമിക്കുമ്പോൾ ഈ വ്യത്യാസം നിർണ്ണായകമാകുന്നു. ഒരു production plan പറയാം ഒരു order അടുത്ത operation-ലേക്ക് നീങ്ങാമെന്ന്. പക്ഷേ ഫാക്ടറി പൂർണ്ണമായും വ്യത്യസ്തമായ കാര്യം പറയാം. Machine ലഭ്യമല്ലായിരിക്കാം. Material എത്തിയിട്ടുണ്ടാവില്ല. Operator ലഭ്യമല്ലായിരിക്കാം. Quality batch തടഞ്ഞിരിക്കാം. മുമ്പത്തെ operation പ്രതീക്ഷിച്ചതിലും നീണ്ടിരിക്കാം. മറ്റൊരു urgent order ഇതിനകം resource കൈവശപ്പെടുത്തിയിരിക്കാം.

ആസൂത്രിത ഉത്പാദന മോഡലും യഥാർത്ഥ ഉത്പാദന സംവിധാനവും വേഗത്തിൽ വ്യതിചലിക്കാം. ഈ വ്യത്യാസം വെളിപ്പെടുത്താൻ ഒരു live Value Stream Model സഹായിച്ചേക്കാം.

എന്തുകൊണ്ട് MES മാത്രം മതിയാകുന്നില്ല

ERP-യെക്കാൾ വളരെ ആഴത്തിലുള്ള ഉത്പാദന ദൃശ്യത MES നൽകുന്നു. Work orders, operations, confirmations, ഉത്പാദന പുരോഗതി, genealogy, shop-floor execution എന്നിവ അത് ട്രാക്ക് ചെയ്യാം.

എന്നാൽ MES മാനുഫാക്ചറിംഗ് പരിസ്ഥിതിയുടെ ഒരു ഭാഗം മാത്രമാണ് പ്രതിനിധീകരിക്കുന്നത്. ഉത്പാദന തീരുമാനങ്ങൾ MES-ന് പുറത്ത് സംഭരിച്ചിരിക്കുന്ന വിവരങ്ങളെ ആശ്രയിച്ചിരിക്കാം. Quality systems. Maintenance systems. Warehouse systems. Industrial IoT platforms. Machine historians. Planning systems. Scheduling systems. ERP. Operator input. Transportation systems. ഉത്പാദനത്തെ സ്വാധീനിക്കുന്ന operational വിവരങ്ങൾ spreadsheets-ലും ഉണ്ടാകാം.

അതുകൊണ്ട് ഒരു live manufacturing model-ന് മറ്റൊരു ഒറ്റപ്പെട്ട dashboard എന്നതിനേക്കാൾ ഈ systems തമ്മിലുള്ള ബന്ധങ്ങൾ ആവശ്യമാണ്.

Real-Time Dashboards live Value Streams അല്ല

പല digital manufacturing പദ്ധതികളും real-time visibility-യിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. Machine states ശേഖരിക്കപ്പെടുന്നു. ഉത്പാദന ഡാറ്റ lakehouse-ൽ പ്രവേശിക്കുന്നു. Dashboards open orders കാണിക്കുന്നു. Power BI KPI-കൾ ദൃശ്യവൽക്കരിക്കുന്നു. Managers കൂടുതൽ അപ്ഡേറ്റഡ് വിവരങ്ങൾ ലഭിക്കുന്നു.

ഇത് അത്യന്തം മൂല്യവത്തായിരിക്കാം. പക്ഷേ real-time ഡാറ്റ മാത്രം