به احتمال زیاد، روش های مدیریت تولید مدار الکترونیک در آینده نسبت به امروز تفاوت فاحشی خواهد داشت.
ما در حال حاضر شاهد حرکتی به سمت کارخانه‌های «چراغ خاموش» یا همان «کاملاً خودکار» هستیم، جایی که سهم عمده‌ای از محل‌های مربوط به کار دستی، دیگر به صورت خودکار انجام میشوند. کارگران انسانی با روبات‌ها جایگزین میشوند، به طوری که برخی محیط‌های تولید پیچیده در حال تبدیل شدن به ماشین‌های خودمختار عظیم هستند. پس از ساخت این نوع کارخانه، مرحلهی راه اندازی یک طبقه فروشگاه به سادگی کار با یک ماشین اختصاصی است که در آن فقط باید روی ورودی ها و خروجی ها تمرکز کنیم - نه نحوه عملکرد داخلی.
بنابراین، هنگامی که به یک شبکه تولید جهانی نگاه می کنیم، در صورتیکه مغازه ها به عنوان شبکه ای از نقاط تولید در نظر گرفته شوند، برخی ماشینها و رباتهایی که در یک طبقه مغازه مراحل تولید را انجام میدهند نیز به طور منطقی مانند یک زنجیر مروارید و به صورت مجازی در این شبکه به یکدیگر متصل میشوند.
آینده مدیریت تولید الکترونیک به‌عنوان کارخانه‌های مجازی دیده میشود. تولید محصول در موقعیتهای معقول اقتصادی را می‌توان تقریباً از هر نقطه از طریق اینترنت مدیریت کرد. به عنوان یک شرکت یا کاربر خصوصی می توانید یک سرویس تولید مجازی را میزبانی یا اجاره کنید و علیرغم فاصله بین شما و نهاد فیزیکی، آن را مدیریت کنید.
در مورد EMS (آینده ی خدمات تولید الکترونیک (بجز مدیریت تولید که بالاتر بحث شد))، چطور؟
تولید چراغ خاموش (تولید خودکار بدون ورود دستی) انتظار دارد که محیط به ندرت نیاز به پیکربندی مجدد یا تغییر تنظیمات عمده نیاز داشته باشد. این دقیقا برعکس نحوه کار خدمات تولید (مدارهای) الکترونیک یا همان EMS ( Electronics Manufacturing Service) است. (زیرا سرعت تغییرات در این صنعت، بالاست)
شرکتهای EMS باید با ترکیب بسیار بالایی (طرح های متفاوتی) از محصولاتی که عمدتاً در مقادیر کم تولید میشوند، کنار بیایند. به عنوان مثال، شرکت های EMS بزرگتر سطح 2 ممکن است 50000 طرح محصول مختلف و 50 میلیون محصول در سال تولید کنند (بنابراین میانگین تعداد قطعه ، از هر طرح در سال، حدود 1000 قطعه است) با استفاده از 5 میلیارد جزء در سطح جهان.
این یک چشم انداز بزرگ با جزئیات زیادی است که باید روی آن تمرکز کرد، به خصوص زمانی که تولید بین ده‌ها کارخانه تولیدی در نقاط مختلف جهان به اشتراک گذاشته میشود، و آنها نیز به نوبه خود از چندین طبقه و صدها ماشین تشکیل شده‌اند که باید به خوبی کار کنند.
تولید لوازم الکترونیکی یک فرآیند پیچیده است. شما باید روی تصویر کلی از فرایند و (مراحل) خط تولید و حتی جزئیات سطح ماشین تمرکز کنید. اما واقعیت این است که این دو دیدگاه به ندرت در یک لحظه از زمان همسو می شوند (دیدگاه تصویر کلی و دیدگاه جزئیات).
چالش های EMS:
پس چرا اینقدر سخت است که به تصویر بزرگ (و کلی از فرایند تولید) توجه کنیم و همزمان روی جزئیات تمرکز کنیم؟
چه چیزی ما را از آینده اتوماسیون کامل و تولید مجازی جدا می کند؟ دلایل زیادی وجود دارد، اما همه چیز با چالش های ساده و در عین حال پیچیده شروع می شود.
ما دو "نقطه درد" اصلی را شناسایی کرده‌ایم که امروزه تقریباً هر تولیدکننده الکترونیک با آن مواجه است:,
· داده ها(ی بخش های مختلف تولید) به طور متناقض (و به فرم های متفاوت) جمع آوری شده اند
· داده های تحلیلی به صورت تکه تکه و نه یکپارچه مشاهده می شوند
(نتیجه اینکه نمی توانند سوابق دادههای موجود را یکپارچه جمع آوری کنند و براساس آن، پیش بینی و بهبود روش بهینهتر را انجام دهند)
مصاحبه‌هایی با تولیدکنندگان لوازم الکترونیکی انجام داده شده است که نتایج آنها، دو نکته کلیدی را نشان داد:
· از هر 20 شرکت، 19 شرکت اعتراف می کنند که دارای داده هستند (براساس سوابق تولید)، اما احساس می کنند که به ندرت از آن برای یادگیری استفاده می کنند (بررسی سوابق و استفاده از آن برای بهبود تولید)
· 18 شرکت از 20 شرکت احساس می کنند که نمی توانند تصویر بزرگ (نمای کلی بروز فرایند) را به اندازه کافی سریع ببینند و باید به داده های قدیمی تکیه کنند.
علل ایجاد چالشها:
دلایلی که چرا ما با این چالش ها روبرو هستیم ساده است: هیچ روش استانداردی برای جمع آوری داده ها از ماشین ها وجود ندارد.
انواع پایگاه‌های داده و اتصال محدود و فایل‌های گزارشی تولید شده به صورت محلی بدون پروتکل‌های اختصاصی وجود دارد. این امر باعث میشود که برای آماده‌سازی دادههای جمع‌آوری‌شده برای ارسال به بخش تحلیل، کارهای دستی و مدیریت میکرو (جزئی) با برگه‌های اکسل انجام شود. بنابراین تجزیه و تحلیل وجود دارد، اما نحوه مشاهده آن پراکنده است - مانند مقایسه 10 برگه اکسل مختلف از بخش های مختلف، زیرا هر یک فرمت خاص خود را برای گزارش وضعیت دارد.
اکثر ماشین آلات در یک خط تولید در حال حاضر دیجیتالی شده اند. آنها در هر ثانیه تعداد زیادی اعداد تولید می کنند. حجم عظیمی از داده ها هر روز توسط یک خط تولید تولید می شود. اما از آنجایی که داده ها «یکپارچه» (و دارای یک فرم) نیستند، بدست آوردن ارزش زمان واقعی از آن بسیار دشوار است – همه اینها به این دلیل است که باید از روش های اتلاف وقت و نیمه خودکار برای دیدن جزئیات در تصویر بزرگتر فرایند استفاده کنیم.
همچنین، روش هایی که ما برای تجسم داده ها استفاده می کنیم، نسبتا ثابت هستند. وقتی به داشبوردهای مدیریت تولید خود نگاه می‌کنیم، استانداردهای خشک کیفی تجهیزات را می‌بینیم که بیشتر به سمت نشان دادن اتفاقات دیروز، به جای تلاش برای پیش‌بینی آنچه امروز اتفاق میافتد، جهت‌گیری دارند. به عنوان مثال، یادگیری و شناخت OEE(شاخص عملکردهای کلیدی) خوب است ، اما یادگیری این استاندارد کیفی، زمان زیادی می برد، به خصوص در محیط هایی که ممکن است اشتباهات در بحث فروش، هزاران یورو در ثانیه هزینه داشته باشد (و نیازمند درک و رفع سریع مشکل باشد).
همچنین عوامل تقویت کنندهای نیز برای این چالش ها وجود دارد. هنگامی که تنها یک یا دو خط با کمتر از 100 کارگر در یک کارخانه تولیدی وجود دارد، رسیدگی به تصویر کلی فرایند و جزئیات فنی مزاحم آسان‌تر است، زیرا مدیر تولید می‌تواند هر زمان که نیاز باشد از اپراتورها و مهندسان فروشگاه درخواست به‌روزرسانی کند. اما هرچقدر که تولید با چندین محصول مختلف، رشد می کند، فرآیند مدیریت به طور تصاعدی پیچیده تر می شود.
روند این تغییر به این صورت است که ترکیب محصول، بیشتر و حجم بسیار کمتر می شود. هرچه فناوری‌ها بیشتر پیشرفت کنند، بیشتر از سفارشی‌سازی انبوه پشتیبانی می‌کنند. این به نوبه خود، به توانایی افزایش مقیاس بسیار بیشتر، به علاوه انعطاف‌پذیری بیشتر نیاز دارد، زیرا تنوع بیشتری از محصولات برای تولید همزمان وجود دارد. مسائلی که ممکن است با برقراری ارتباط ساده بین افراد قابل حل باشند، دیگر وجود ندارند - زیرا فقط زمان زیادی صرف میکند و به اندازه کافی برای نیازهای رو به رشد شرکت دقیق نیست.
طبقه مغازه مانند آشپزخانه در یک رستوران است. احتمالاً می‌دانید که برنامه‌ریزی دقیق و تجربه، برای موفقیت بسیار مهم است، اما در آشپزخانهی یک رستوران فشار زمان نیز وجود دارد. همه چیز آنطور که انتظار می رود پیش نمی رود و اگر به مشتری به خوبی خدمات داده نشود، ممکن است به مکان دیگری برود. این یک مثال عالی از تمرکز بر روی نمای بزرگ (سرعت تولید غذا و ارائه به مشتری) و پیگیری جزئیات (خوب بودن خدمات جزئی و کیفیت غذا) در همان زمان است.
شما می خواهید از آنچه در حال وقوع است آگاه باشید و چندین مرحله را به طور همزمان ببینید. وقتی آماده شده اید و همه چیز طبق برنامه پیش می رود آسان است. اما شرایط در ناخوشایندترین لحظات تغییر می کند.
رویکرد داده محور:
ما می‌خواهیم این چالشها را حل کنیم و مدیریت فروشگاه‌ها را بسیار شفاف‌تر و آینده‌نگرتر از امروز کنیم. از آنجایی که دو چالش اصلی اساساً کمبود داده در یک لحظه معین از زمان است، ما بر روی داده ها تمرکز می کنیم.
اولین ماموریت استفاده از داده های موجود است. در بیشتر موارد داده ها وجود دارند، اما مدیران یا سایر طرف های مسئول نمی توانند آن را در لحظه ای که به آن نیاز دارند مشاهده کنند. در برخی موارد هیچ نمایی برخطی وجود ندارد - فقط گزارش هایی از روز یا هفته قبل است. ما می خواهیم آن را با گرفتن داده ها و تجسم آن برای شما تغییر دهیم.
از آنجایی که ماشینها در خطوط تولید حجم عظیمی از داده‌ها را تولید می‌کنند، ما فقط باید آنها را جمع‌آوری کنیم و تا حد امکان عاقلانه از آنها استفاده کنیم. هدف ما این نیست که تلاش زیادی برای بهبود KPI ها انجام دهیم، بلکه قصد داریم بر روی آنچه واقعاً در فروشگاه اتفاق میافتد تمرکز کنیم.
با ترکیب فعالیت‌های بخش‌های مختلف بسترو فروشگاه، از بین ماشین‌های متصل و نقاط تولید، یک طبقه فروشگاه مجازی ایجاد می‌کنیم. این یک رویکرد صرفاً مبتنی بر داده است و احتمالاً در آینده نزدیک نحوه مدیریت فروشگاه‌ها را تغییر خواهد داد - همانطور که دید ما از فناوری اطلاعات امروز را در مقایسه با 10 سال پیش تغییر داده است.
به نظر میآید خدمات تولید الکترونیک یک تجارت جهانی است. کارخانه ها در کشورهای مختلف در سراسر جهان به هم متصل میشوند به طوری که معنای یک کارخانه تولیدی واحد، اندکی کاهش یافته است. بنابراین رویکرد حل مسئله نیز باید ناظر به تمام تولید کنندهها یعنی یک رویکرد جهانی باشد. از آنجایی که مناطق مختلف دیدگاه های خاص خود را در زمینه تولید دارند، حل چالش ها با تبادل دانش فرامرزی امکان پذیر است.
راه حل شرکت مدیوم، یک سرویس ابری است که کارخانه ها را در سراسر جهان در یک محیط مجازی به هم متصل می کند. این سرویس به عنوان یک سرویس مرکزی عمل می کند، اما در عین حال هر کارخانه را می توان به صورت جداگانه مدیریت کرد.
درک این نکته مهم است که تغییر شکل دیجیتالی یک محیط تولید، یک فرآیند تکراری است. راه حل ها تنها با همکاری عمیق بین IT و رشته های تولیدی به دست می آیند.
