వాల్యూ స్ట్రీమ్ మ్యాపింగ్ ఒక లైవ్ డేటా మోడల్ కాగలదా?

ముఖ్యమైన Value Stream Mapping ఒక ఉపయోగకరమైన Lean Manufacturing సాధనంగా ఉంది, ఇది ఉత్పత్తి వ్యవస్థలో మెటీరియల్, సమాచారం మరియు నిర్ణయాలు ఎలా కదులుతాయో అర్థం చేసుకోవడానికి సహాయపడుతుంది.కానీ సంప్రదాయ Value Stream Mapping కి ఒక మౌలిక పరిమితి ఉంది.ఫ్యాక్టరీ మారుతూ ఉంటుంది. మ్యాప్ మారదు.మీరు ఉత్పత్తి, ప్లానింగ్, క్వాలిటీ, మెయింటెనెన్స్, సప్లై చైన్ మరియు ఆపరేషన్స్ ను ఒకే వర్క్‌షాప్‌లోకి తీసుకురావచ్చు. సైకిల్ టైమ్స్, క్యూలు, బ్యాచ్ సైజులు, హ్యాండాఫ్‌లు, వేచి ఉండే సమయాలు, సమాచార ప్రవాహాలు మరియు బాటిల్‌నెక్‌లను మ్యాప్ చేయవచ్చు. వర్క్‌షాప్ ముగిసే సమయానికి, అందరూ చివరకు ఉత్పత్తి వ్యవస్థ ఎలా పనిచేస్తుందో ఒకే చిత్రాన్ని పంచుకోవచ్చు.ఆ తర్వాత వాస్తవం మారుతుంది.సప్లయర్ షిప్‌మెంట్ ఆలస్యంగా వస్తుంది. కస్టమర్ అత్యవసర ఆర్డర్ ఇస్తాడు. ఒక మెషీన్ ఆగిపోతుంది. క్వాలిటీ ఒక బ్యాచ్‌ను నిలిపివేస్తుంది. మెయింటెనెన్స్ ఒక రిసోర్స్‌ను ఉత్పత్తి నుండి తొలగిస్తుంది. ఒక సెటప్ అంచనా కంటే ఎక్కువ సమయం తీసుకుంటుంది. మెటీరియల్ తప్పు ప్రదేశంలో వేచి ఉంటుంది.గోడపై వేలాడుతున్న Value Stream Map ఇప్పటికీ నిన్నటి ఫ్యాక్టరీనే వివరిస్తుంది.అయితే Value Stream Map మరింత కాగలిగితే?ఈ ఎపిసోడ్‌లో, Value Stream Mapping ఒక స్టాటిక్ Lean Manufacturing డాక్యుమెంట్ నుండి ERP, MES, క్వాలిటీ, మెయింటెనెన్స్, మెషీన్ మరియు షాప్-ఫ్లోర్ డేటాకు కనెక్ట్ అయిన ఒక లైవ్ మ్యానుఫ్యాక్చరింగ్ డేటా మోడల్‌గా ఎలా అభివృద్ధి చెందవచ్చో మనం అన్వేషిస్తాము.లక్ష్యం కేవలం Value Stream Map ను డిజిటైజ్ చేయడం కాదు.లక్ష్యం ఉత్పత్తి వాస్తవంగా ఎలా ప్రవర్తిస్తుందో నిరంతరం ప్రతిబింబించే ఒక మోడల్‌ను సృష్టించడం.

స్టాటిక్ Value Stream Mapping యొక్క సమస్య
సంప్రదాయ Value Stream Mapping ఉత్పత్తి వ్యవస్థ యొక్క ఒక ముఖ్యమైన స్నాప్‌షాట్‌ను సంగ్రహిస్తుంది.ఒక ఉత్పత్తిని తయారు చేయడానికి అవసరమైన ప్రాసెస్‌ల క్రమాన్ని అర్థం చేసుకోవడానికి ఇది బృందాలకు సహాయపడుతుంది, కానీ దాని నిజమైన విలువ బాక్సులు మరియు బాణాలు గీయడం కంటే చాలా ఎక్కువ.Value Stream Map ప్రాసెసింగ్ సమయాలు, వేచి ఉండే సమయాలు, క్యూలు, ఇన్వెంటరీ, బ్యాచ్ సైజులు, చేంజ్‌ఓవర్‌లు, సమాచార ప్రవాహాలు, రీప్లెనిష్‌మెంట్ సంకేతాలు, ఉత్పత్తి నియంత్రణ నియమాలు మరియు సంస్థలోని వివిధ భాగాల మధ్య హ్యాండాఫ్‌లను వివరించగలదు.ఇది ప్రవాహాన్ని అర్థం చేసుకోవడానికి అత్యంత ఉపయోగకరమైనది.కానీ ఉత్పత్తి డైనమిక్‌గా ఉంటుంది.వర్క్‌షాప్ సమయంలో సంగ్రహించిన పరిస్థితులు అనేక రోజుల తర్వాత ఇప్పటికే భిన్నంగా ఉండవచ్చు.డిమాండ్ మారుతుంది.రిసోర్స్‌లు అందుబాటులో లేకుండా పోతాయి.ఆర్డర్‌లకు వేర్వేరు ప్రాధాన్యతలు లభిస్తాయి.క్వాలిటీ సమస్యలు రీవర్క్‌కు దారితీస్తాయి.మెటీరియల్ ఆలస్యంగా వస్తుంది.ఉత్పత్తి షెడ్యూల్‌లు మారుతాయి.ప్లానింగ్ అంచనాల కంటే వాస్తవ సైకిల్ టైమ్స్ భిన్నంగా ఉంటాయి.ఈ మార్పులు ఉత్పత్తి యొక్క వాస్తవ ప్రవాహాన్ని ప్రభావితం చేస్తాయి, కానీ అవి సాధారణంగా Value Stream Map లో స్వయంచాలకంగా ప్రతిబింబించవు.ఇది ఆధునిక తయారీకి ఒక ఆసక్తికరమైన ప్రశ్నను లేవనెత్తుతుంది:Value Stream Mapping ఫ్యాక్టరీ యొక్క నిరంతరం నవీకరించబడే మోడల్‌గా మారగలదా?

Value Stream Map నుండి లైవ్ డేటా మోడల్ వరకు
లైవ్ Value Stream Model స్క్రీన్‌పై సాంప్రదాయ Value Stream Map ను చూపించడం కంటే మౌలికంగా భిన్నంగా ఉంటుంది.ఒక డయాగ్రామ్‌ను డిజిటైజ్ చేయడం సాపేక్షంగా సులభం.ఆర్డర్‌లు, ఆపరేషన్‌లు, రిసోర్స్‌లు, మెటీరియల్స్, కన్‌స్ట్రెయింట్‌లు, ఈవెంట్‌లు మరియు ఉత్పత్తి స్థితుల మధ్య సంబంధాలను అర్థం చేసుకునే మోడల్‌ను సృష్టించడం చాలా కష్టం.లైవ్ మ్యానుఫ్యాక్చరింగ్ మోడల్ ఈ ప్రశ్నలను అర్థం చేసుకోవాలి:ఇప్పుడు ఒక ఆర్డర్ ఎక్కడ ఉంది?చివరిగా ఏ ఆపరేషన్ పూర్తయింది?తర్వాత ఏమి జరగాలి?ఏ రిసోర్స్ అవసరం?ఆ రిసోర్స్ నిజంగా అందుబాటులో ఉందా?మెటీరియల్ వేచి ఉందా?క్వాలిటీ ఉత్పత్తిని అడ్డుకుంటుందా?మెయింటెనెన్స్ అందుబాటులో ఉన్న సామర్థ్యాన్ని తగ్గించిందా?ఆర్డర్ భౌతిక కన్‌స్ట్రెయింట్ వల్ల వేచి ఉందా లేదా సమాచార ఆలస్యం వల్లా?మరియు అత్యంత ముఖ్యంగా:ఉత్పత్తి యొక్క ప్రస్తుత స్థితిని ఏ సాక్ష్యం రుజువు చేస్తుంది?ఇది Value Stream Mapping ను డాక్యుమెంటేషన్ నుండి ఆపరేషనల్ ఇంటెలిజెన్స్ వైపు తీసుకువెళ్తుంది.

ఒక ఆర్డర్, అనేక తయారీ వ్యవస్థలు
మేక్-టు-ఆర్డర్ తయారీ వాతావరణాన్ని పరిగణించండి.ఒక కస్టమర్ ఆర్డర్ అవసరమైన డెలివరీ తేదీతో వ్యాపారంలోకి ప్రవేశిస్తుంది.ERP సేల్స్ ఆర్డర్‌ను సృష్టిస్తుంది, ఉత్పత్తి అవసరాలను ఉత్పన్నం చేస్తుంది, మెటీరియల్ లభ్యతను తనిఖీ చేస్తుంది మరియు ఆశించిన ఆపరేషన్ల క్రమాన్ని వివరించే రూటింగ్ సమాచారాన్ని అందిస్తుంది.కానీ ERP మాత్రమే చిత్రంలో కొంత భాగాన్ని అందిస్తుంది.ఫ్యాక్టరీ ఫ్లోర్‌లో, Manufacturing Execution System వర్క్‌ను డిస్పాచ్ చేయవచ్చు, ఆపరేటర్ నిర్ధారణలను రికార్డ్ చేయవచ్చు, ఉత్పత్తి పురోగతిని ట్రాక్ చేయవచ్చు మరియు సీరియల్ లేదా బ్యాచ్ సమాచారాన్ని నిర్వహించవచ్చు.మెషీన్ సిస్టమ్‌లు మరొక దృక్కోణాన్ని అందిస్తాయి.ఒక మ్యాచినింగ్ సెంటర్ అది రన్ అవుతోందా, ఐడిల్‌గా ఉందా, ఫాల్ట్‌లో ఉందా లేదా ప్రస్తుతం సెటప్ అవుతోందా అని నివేదించవచ్చు.ఒక ఫర్నేస్ ఉష్ణోగ్రత సమాచారం మరియు సైకిల్ పూర్తి ఈవెంట్‌లను అందించవచ్చు.ఒక టెస్ట్ స్టేషన్ పాస్ లేదా ఫెయిల్ ఫలితాలను ఉత్పత్తి చేయవచ్చు.ఇండస్ట్రియల్ గేట్‌వేలు, హిస్టారియన్‌లు, PLCలు మరియు IoT సిస్టమ్‌లు అదనపు ఆపరేషనల్ సిగ్నల్స్‌ను సేకరించవచ్చు.క్వాలిటీ సిస్టమ్‌లు మరో పొరను జోడిస్తాయి.ఒక ఇన్‌స్పెక్షన్ ఫలితం మెటీరియల్‌ను హోల్డ్‌లో ఉంచవచ్చు.ఒక నాన్‌కన్‌ఫార్మెన్స్ రీవర్క్‌ను ప్రేరేపించవచ్చు.క్వాలిటీ రిలీజ్ భౌతిక ఇన్‌స్పెక్షన్ ఇప్పటికే ముగిసిన గంటల తర్వాత జరగవచ్చు.మెయింటెనెన్స్ సిస్టమ్‌లు కూడా వాస్తవ ఉత్పత్తి షెడ్యూల్‌ను ప్రభావితం చేస్తాయి.ప్లానింగ్ సిస్టమ్‌లో ఒక మెషీన్ సాంకేతికంగా అందుబాటులో ఉన్నట్లు కనిపించవచ్చు, కానీ షెడ్యూల్ చేయబడిన మెయింటెనెన్స్ వల్ల అది అనేక గంటలపాటు అందుబాటులో ఉండదు.ప్రతి సిస్టమ్ విలువైన సమాచారాన్ని కలిగి ఉంటుంది.కానీ ఏ ఒక్క సిస్టమ్ మాత్రమే పూర్తి ఉత్పత్తి ప్రవాహాన్ని వివరించదు.

లీడ్ టైమ్ అసలు ఎక్కడికి పోయింది?
ఒక ఆర్డర్ ఆలస్యంగా షిప్ అవుతుందని ఊహించుకోండి.ERP కి ఆర్డర్ ఎప్పుడు సృష్టించబడిందో తెలుసు.ERP కి ప్లాన్ చేయబడిన డెలివరీ తేదీ తెలుసు.MES కి వ్యక్తిగత ఆపరేషన్లు ఎప్పుడు నిర్ధారించబడ్డాయో తెలుసు.మెషీన్ డేటా అది ఎప్పుడు రన్ అవుతోందో చూపవచ్చు.క్వాలిటీ సిస్టమ్‌లకు ఇన్‌స్పెక్షన్లు ఎప్పుడు జరిగాయో తెలుసు.మెయింటెనెన్స్‌కు రిసోర్స్‌లు ఎప్పుడు అందుబాటులో లేవో తెలుసు.కానీ ప్లానర్ చాలా సరళమైన ప్రశ్న అడుగుతాడు:ఈ ఆర్డర్ ఎందుకు ఆలస్యమైంది?లీడ్ టైమ్ అసలు ఎక్కడికి పోయింది?బహుశా ఆర్డర్ మ్యాచినింగ్ తర్వాత వేచి ఉండి ఉండవచ్చు.బహుశా మెటీరియల్ భౌతికంగా సిద్ధంగా ఉన్నా రవాణా దాన్ని తరలించకపోయి ఉండవచ్చు.బహుశా ఇన్‌స్పెక్షన్ పూర్తయినా క్వాలిటీ రిలీజ్ గంటల తర్వాత జరిగి ఉండవచ్చు.బహుశా మెషీన్‌కు సామర్థ్యం ఉన్నా అవసరమైన మెటీరియల్ మరొక చోట వేచి ఉండి ఉండవచ్చు.బహుశా ఎగువ ప్రవాహంలో ఎక్కువ పని విడుదల కావడం వల్ల అసలు కన్‌స్ట్రెయింట్ ముందు క్యూ ఏర్పడి ఉండవచ్చు.బహుశా ఆర్డర్ షాప్ ఫ్లోర్‌లోకి ప్రవేశించక ముందే ఉత్పత్తి షెడ్యూల్ అవాస్తవికంగా ఉండవచ్చు.ఈ ప్రశ్నలకు సమాధానం చెప్పడానికి అవసరమైన డేటా ఇప్పటికే ఉండవచ్చు.సమస్య ఏమిటంటే అది అనేక సిస్టమ్‌ల్లో విస్తరించి ఉంది.

ERP డేటా ఉత్పత్తి వాస్తవంతో ఒకటి కాదు
ERP సిస్టమ్‌లు తయారీకి అత్యవసరమైనవి.అవి ఆర్డర్‌లు, మెటీరియల్స్, రూటింగ్‌లు, అవసరాలు, ఇన్వెంటరీ, పర్చేసింగ్ మరియు అనేక ఇతర వ్యాపార ప్రక్రియలను నిర్వహిస్తాయి.కానీ ERP రూటింగ్ ఉత్పత్తి ఎలా జరగాలని ఆశించబడుతుందో వివరిస్తుంది.ఇప్పుడు ఫ్యాక్టరీ ఫ్లోర్‌లో భౌతికంగా ఏమి జరుగుతోందో అది స్వయంచాలకంగా వివరించదు.ఉత్పత్తిని ఆప్టిమైజ్ చేయాలనుకున్నప్పుడు ఆ వ్యత్యాసం కీలకమవుతుంది.ఉత్పత్తి ప్లాన్ ఒక ఆర్డర్ తదుపరి ఆపరేషన్‌కు వెళ్ళవచ్చని చెప్పవచ్చు.ఫ్యాక్టరీ పూర్తిగా భిన్నమైనది చెప్పవచ్చు.మెషీన్ అందుబాటులో ఉండకపోవచ్చు.మెటీరియల్ రాకపోయి ఉండవచ్చు.ఆపరేటర్ అందుబాటులో ఉండకపోవచ్చు.క్వాలిటీ బ్యాచ్‌ను అడ్డుకుని ఉండవచ్చు.మునుపటి ఆపరేషన్ అంచనా కంటే ఎక్కువ సమయం తీసుకుని ఉండవచ్చు.మరొక అత్యవసర ఆర్డర్ ఇప్పటికే రిసోర్స్‌ను ఆక్రమించి ఉండవచ్చు.ప్లాన్ చేయబడిన ఉత్పత్తి మోడల్ మరియు వాస్తవ ఉత్పత్తి వ్యవస్థ త్వరగా విడిపోవచ్చు.లైవ్ Value Stream Model ఆ వ్యత్యాసాన్ని బయటపెట్టడంలో సహాయపడగలదు.

MES ఒక్కటే ఎందుకు సరిపోదు
MES ERP కంటే చాలా లోతైన ఉత్పత్తి దృశ్యమానతను అందిస్తుంది.ఇది వర్క్ ఆర్డర్‌లు, ఆపరేషన్‌లు, నిర్ధారణలు, ఉత్పత్తి పురోగతి, జెనియాలజీ మరియు షాప్-ఫ్లోర్ ఎగ్జిక్యూషన్‌ను ట్రాక్ చేయగలదు.కానీ MES కూడా తయారీ వాతావరణంలో ఒక భాగాన్ని మాత్రమే సూచిస్తుంది.ఉత్పత్తి నిర్ణయాలు MES వెలుపల నిల్వ చేయబడిన సమాచారంపై ఆధారపడి ఉండవచ్చు.క్వాలిటీ సిస్టమ్‌లు.మెయింటెనెన్స్ సిస్టమ్‌లు.వేర్‌హౌస్ సిస్టమ్‌లు.ఇండస్ట్రియల్ IoT ప్లాట్‌ఫారమ్‌లు.మెషీన్ హిస్టారియన్‌లు.ప్లానింగ్ సిస్టమ్‌లు.షెడ్యూలింగ్ సిస్టమ్‌లు.ERP.ఆపరేటర్ ఇన్‌పుట్.రవాణా వ్యవస్థలు.స్ప్రెడ్‌షీట్‌లలో కూడా ఉత్పత్తిని ప్రభావితం చేసే ఆపరేషనల్ సమాచారం ఉండవచ్చు.కాబట్టి లైవ్ మ్యానుఫ్యాక్చరింగ్ మోడల్‌కు వేరుగా ఉన్న మరో డాష్‌బోర్డ్ కాకుండా, ఈ సిస్టమ్‌ల మధ్య సంబంధాలు అవసరం.

రియల్-టైమ్ డాష్‌బోర్డ్‌లు లైవ్ Value Streams కాదు
అనేక డిజిటల్ తయారీ ప్రాజెక్టులు రియల్-టైమ్ దృశ్యమానతపై దృష్టి పెడతాయి.మెషీన్ స్థితులు సేకరించబడతాయి.ఉత్పత్తి డేటా లేక్‌హౌస్‌లోకి ప్రవేశిస్తుంది.డాష్‌బోర్డ్‌లు ఓపెన్ ఆర్డర్‌లను ప్రదర్శిస్తాయి.Power BI KPIలను విజువలైజ్ చేస్తుంది.మేనేజర్‌లకు మరింత తాజా సమాచారం అందుతుంది.అది అత్యంత విలువైనదే కావచ్చు.కానీ కేవలం రియల్-టైమ్ డేటా మాత్రమే సరిపోదు.