Bối cảnh / Vấn đề

Sự đình trệ trong hiệu quả hoạt động do các quy trình phụ thuộc vào con người.

Nhà máy Urawa của Lotte là một chuyên gia trong lĩnh vực bánh kẹo, tự hào với một trong những khối lượng sản xuất lớn nhất tại Nhật Bản. Nhà máy sản xuất chocolate, kẹo, món tráng miệng đông lạnh và sản phẩm kem.
Trong ngành sản xuất thực phẩm & đồ uống, mặc dù tự động hóa đang tiến triển, nhưng chưa được áp dụng một cách phổ biến. Đối với Lotte, các vấn đề của họ không được hiểu rõ, và các quy tắc ra quyết định cũng không rõ ràng. Nhiều quy trình vẫn tiếp tục hoạt động dựa vào "kinh nghiệm" của các kỹ sư có tay nghề. Kết quả là, những vấn đề trong tương lai đã được dự đoán, chẳng hạn như việc nghỉ hưu của các kỹ sư có tay nghề và tình trạng thiếu lao động trong tương lai, cũng như nhu cầu về nhân lực và thời gian để xử lý các sự cố ngừng hoạt động của dây chuyền sản xuất và các vấn đề máy móc do bất thường của thiết bị. Do đó, nhu cầu đã phát sinh để triển khai một giải pháp cho phép kiểm soát tập trung tất cả các quy trình liên quan đến sản xuất bằng cách tận dụng Internet vạn vật (IoT).

Giải pháp

Số hóa và phân tích kỹ năng cũng như kiến thức của các kỹ sư tay nghề cao.

Lotte đã triển khai giải pháp trong quy trình sản xuất của sản phẩm phức tạp "Yukimi Daifuku" (món bánh lạnh với kem vani được bọc trong lớp bột gạo mỏng), với mục tiêu sau đó mở rộng ra toàn bộ dây chuyền. Giải pháp này cho phép chẩn đoán theo thời gian thực và phân tích dữ liệu ngoại tuyến từ môi trường sản xuất.
(BƯỚC I) Hơn nữa, để triển khai và sử dụng giải pháp một cách hiệu quả, chúng tôi đã thêm các cảm biến có khả năng đo nhiệt độ, độ rung, áp suất, dòng điện, v.v., và thu thập dữ liệu liên quan đến chất lượng của bánh gạo, điều mà trước đây phụ thuộc vào “kinh nghiệm” của các chuyên gia tại hiện trường.
(BƯỚC II) Từ việc phân tích dữ liệu, chúng tôi đã làm rõ mối tương quan giữa độ hoàn thiện của bánh gạo và công suất điện tiêu thụ trong quá trình sản xuất, và đã thành công trong việc xây dựng các quy tắc chẩn đoán mới.
(BƯỚC III) Hiện tại, chúng tôi đang xây dựng và phát triển một cơ chế để thu thập, sử dụng và kiểm soát dữ liệu cho toàn bộ dây chuyền, không chỉ riêng quy trình sản xuất bánh gạo.

Hiệu ứng

Đã thành công trong việc nâng cao tính thông minh cho toàn bộ dây chuyền.

Chúng tôi đã dần dần mở rộng quy trình thu thập và sử dụng dữ liệu tự động mới từ một khu vực cụ thể đến toàn bộ dây chuyền. Bằng cách triển khai các dây chuyền sản xuất thông minh, chúng tôi đã thành công trong việc khởi động "bảo trì phòng ngừa" (phát hiện dấu hiệu hao mòn hoặc sự cố trước khi nó xảy ra), "ổn định chất lượng" (tăng cường khối lượng sản phẩm đạt yêu cầu ngay từ lần đầu tiên), và cuối cùng, chúng tôi đã nhận ra sự cải thiện về năng suất.

Phương pháp SMKL

Ngày sử dụng cho toàn bộ dây chuyền

Cấp D

Tối ưu hóa

Tăng dần ROI từng bước bằng cách sử dụng phương pháp SMKL.

Cấp độ C

Phân tích

Cấp B

Trực quan hóa

Cấp độ A

Thu thập

Cấp độ 1

Công nhân

Cấp độ 2

Nơi làm việc

Cấp độ 3

Nhà máy

Cấp độ 4

Chuỗi cung ứng

“Mô hình trưởng thành” là một loại phân tích đã được biết đến, nó cũng khiến người đọc nghĩ đến phân tích của ban lãnh đạo cao cấp, vì vậy đây là cách mô tả đúng đắn cho điều này… vì thực sự đây là một mô hình trưởng thành!

Chỉ việc thực hiện đầu tư liên tục có lẽ là một quyết định kinh doanh không tốt, nhưng để đảm bảo rằng khoản đầu tư đó bền vững có nghĩa là nó tự chi trả và tiếp tục tạo ra giá trị – chỉ việc đầu tư liên tục không đảm bảo mang lại lợi ích – chỉ tạo ra chi phí.

Phân tích Dữ liệu

• BƯỚC I C1:

  Trực quan hóa dữ liệu
  (thu thập và xử lý dữ liệu)
• BƯỚC II C2:

  Phân tích và khai thác dữ liệu
  xử lý dữ liệu theo thời gian thực
• BƯỚC III B3:

  Ứng dụng cho toàn bộ dây chuyền

Bắt đầu từ việc thu thập dữ liệu từ các khu vực hạn chế của quy trình, chúng tôi đã thúc đẩy việc phân tích và sử dụng dữ liệu theo thời gian thực. Sau đó, chúng tôi đã có thể mở rộng điều này từ các quy trình hạn chế đến toàn bộ dây chuyền.