Dnešní výrobní technologie umožňují organizování poměrně velmi rozsáhlých sběrů dat od výrobních technologií a operátorů, kteří s těmito technologiemi pracují. Jaké budou požadavky na takový sběr dat? Bezpochyby to musí být pravdivost dat, k tomu asi není třeba komentáře, neboť následné výsledky a závěry uzavřené nad nepravdivými daty nebudou generovat nic jiného než nepravdivé výsledky.

Sběr dat by měl být opakovatelný – tedy ve srovnatelných podmínkách tak, aby se kdykoli mohl transparentně zopakovat a tak následně porovnávat data získaná v různých časových obdobích. Data by měla mít odpovídající četnost a pravidelnost, aby jejich vyhodnocení mělo náležitou statistickou přesnost.

Čas výrobní i nevýrobní

Připomeňme nyní hlavní výrobní data, která bývají předmětem sběru. Stroj (výrobní technologie) – směnnost, čistý výrobní čas, množství produkce (v měrných jednotkách dle typu výroby) množství neshodných výrobků. Dále nevýrobní čas a hlavně důvody nevýrobního času: seřizovací čas, čekání na materiál, nenaplněnost kapacity, atd. Samozřejmě také technologické parametry vlastního výrobního procesu ‒ tlaky, teploty, otáčky, atd. jednak pro analýzy řízení jakosti, ale v poslední době i jako doklad zákazníkovi, jak jsou dodržovány technologické podmínky výroby ve vztahu k předepsaným technologickým výrobním parametrům.

Samostatnou kapitolou je právě nevýrobní čas z důvodů poruchy výrobní technologie. Tady nastupuje celá další oblast tvorby datové základny a sběru dat pro následné analýzy a vyhodnocení: reakční doba od nahlášení poruchy do doby, kdy se na odstranění začíná pracovat, typ a druh poruchy a vlastní doba opravy, a můžeme jít dále, jaké jsou náklady na opravu externí i interní, náklady na náhradní díly, a to nejen na konkrétní opravu, ale sledování v čase, atd.

Data (byliny) rozličných druhů

Jen z tohoto nástinu možných oblastí sběrů dat a jejich typů je zřejmé, že to je oblast opravdu rozsáhlá. V žádném případě nelze tuto oblast zúžit na seznam „sbíraných“ výrobních dat (bylin), která jediná jsou ta správná. Zcela jiná data výrobních technologií (byliny) budou shromažďovat firmy a společnosti s opakovanou, sériovou a linkovou výrobou a zcela jiná data budou sbírat a vyhodnocovat firmy s výrobou zakázkového typu, tedy s nulovou, nebo minimální opakovatelností. Rozhodné, pro optimální strukturu dat, která budou sbírána, bude i branže, ve které konkrétní firma působí – strojírenství, elektrotechnický průmysl, chemický průmysl, zpracování plechů, nástrojárna, atd.

Nedílnou součástí sběru dat, má-li být tato oblast uchopena opravdu komplexně, je i odvádění práce. Odvádění práce operátory vlastních výrobních technologií. Opět s velmi odlišnými požadavky v sériových a zakázkových výrobách s malou opakovatelností výroby a konkrétní branže, jak bylo uvedeno výše.

Posbírali jste tady (byliny) data, která jsou pro nás důležitá a která jsme schopni v daných reálných výrobních podmínkách získat. Propojení oblasti sběru dat od výrobních technologií a odvádění práce, údržby, atd. je další důležitou fází. Zcela zásadní v dalším pokračování je vytvoření správných vazeb mezi nasbíranými daty tak, abychom ve výsledku získali co možná nejpřesnější informace, kde se „ztrácí“ produktivita práce, kde je nízké využití kapacity stroje, pracoviště nebo výrobní linky, kde se produktivita ztrácí v neshodných výrobcích, kde se ztrácí ve špatných logistických procesech, atd.

Můžeme začít léčit

To nejdůležitější je ale teprve je před námi ‒ rozhodnout o změnách a opatřeních, jejichž cílem je zlepšení efektivity (léčba) výrobních procesů. V naprosté většině případů, kdy jsou analyzována data výrobních procesů, se ukazuje, že příčiny neefektivity, nekvality, ztrát a dalších problémů leží nejen ve vlastní výrobě, ale i v jiných oblastech: v technické přípravě výroby, v logistických procesech, a to jak v oblasti nákupu, tak ve vnitřních skladovacích a přepravních procesech, v obchodu, atd. Pak už je nutno rozhodnout o dalších změnách (přimíchání dalších bylin). V praxi se stále častěji ukazuje, že zdánlivě úzká a uzavřená oblast sběru výrobních dat při analýze příčin neefektivity, ztrát a dalších komplikací začne ukazovat i na oblasti, které s vlastním sběrem dat od výrobních technologií zdánlivě souvisí jen velmi málo, nebo vůbec.

Nad takto vytvořenou analytickou základnou následuje rozhodování o konkrétních krocích, změnách, úpravách (namíchání správných bylin) v příslušných oblastech a jejich uvedení do praxe. Tato fáze zpracování nasbíraných výrobních dat bývá nejkomplikovanější, neboť nemusí obsahovat jen relativně snadnější organizační změny a opatření, ale může sahat i do investičních oblastí a podobně. Pak následuje rozhodnutí o tom, jaké konkrétní oblasti budou změněny. Zde je třeba připomenout, že výběr konkrétních změn a opatření a zásahů by měl být, mimo jiné vlivy, organizován tak, aby bylo zřejmé, jak (negativně, pozitivně) se takový zásah projevil. Pokud v konkrétní věci bude provedeno více zásahů najednou, pak je v následném vyhodnocení sporné exaktně určit, jaký konkrétní vliv mělo to či ono opatření na vlastní výsledek.

Někdy dobře, jindy špatně

Ještě je na místě připomenout, že každá konkrétní výrobní firma je propojený organismus, kde jedna oblast doplňuje druhou a spolupracuje s ní. Je třeba při úvahách o změnách a zásazích do takového organismu mít tuto skutečnost na paměti. V praxi to znamená, že konkrétní zásah (podaná bylina) sice může zdánlivě jasně významně pomoci na jednom místě, ale tentýž zásah (bylina) může způsobit komplikace nebo i „kolaps“ v jiné části organismu výrobní firmy.

A teď jsme znovu na začátku – sběr dat (bylin) pokračuje, jejich vyhodnocení kontinuálně probíhá a management sleduje, jak se konkrétní kroky, změny a úpravy (směs bylin) pozitivně, nebo také negativně projevily v dosahovaných skutečnostech a výsledcích. Tam, kde se to podařilo, pokračujeme nastoupeným směrem (použité byliny zůstávají) a tam, kde se výsledky neprojevily nebo nejsou dostatečně progresivní, je třeba navrhnout změny (zvolit jiné byliny), tak, aby cíle byly splněny. „Nekonečnost“ celého tohoto procesu (naznačená na obrázku) je nejen zřejmá, ale je podmínkou k tomu, aby „léčba“ byla ve svém výsledku opravdu účinná, efektivní a vedla k předpokládaným výsledkům.

Ing. Jiří Flídr Autor článku je poradcem v oblasti výrobních a logistických procesů.