Hur Wozniak Industries uppnår operativ excellens med hjälp av data

Wozniak Industries, Inc. är en ledande leverantör av konstruerade metallösningar med ett engagemang för precision och snabb leverans. De använder manuella och automatiska processer för att tillverka delar och har ett starkt fokus på operativ excellens i alla sina anläggningar.

Vi intervjuade Lorne Day, VP of Operations, om deras övergång till att använda Factbird för att få information om tillverkningen. Han belyser hur data har hjälpt dem att förbättra effektiviteten, ta itu med dolda utmaningar och förbättra deras slutresultat.

Hur såg ditt arbetsflöde ut innan Factbird?

Vi mäter oss själva på effektivitet, och effektiviteten baserades på arbetsordern. Och det var ganska svårt att mäta den. Så det fanns inga data som talade om för oss om det var en bra dag.

När jag kom hit för tre år sedan började jag bland annat använda vad jag kallar man-to-base. Det är förhållandet mellan arbetade timmar och producerade maskintimmar, och det gav oss en startpunkt. Och när vi gjorde effektivitetsförbättringar skulle vi se att förhållandet man-till-bas förbättrades.

De data vi använde var extremt manuella. Det tog lång tid, och vi behövde information omedelbart, varje timme, minut för minut.

När jag sedan hörde talas om Factbird på en golfträff blev jag väldigt entusiastisk. Och det var då vi började titta på möjligheterna att skaffa ett system som gör det möjligt för oss att styra beteenden med hjälp av data.

Varför valde du Factbird?

Det som gjorde Factbird så spännande för mig var två saker:

Den ena var kostnaden. Det var en mycket konkurrenskraftig kostnad, och jag är helt för kostnader; det är så vi driver vår verksamhet.

Och för det andra handlade det om huruvida vi kan anpassa den så att den ser ut som jag vill ha den för att förstå data.

När jag pratade med andra företag om hur vi mäter prestanda, eller OEEsa de: "Här är det. Så här kommer det att se ut."

Och för mig var det inte vad jag ville att det skulle se ut som. Jag ville ha en särskild rapport som var meningsfull för mig och teamet när de skulle fatta beslut.

Hur många produktionslinjer övervakar ni? 

Från och med idag har vi fem linjer. Vi har tre automatiska pressar, vi har en utjämnare och sedan har vi vad vi kallar en put and take, vilket är en manuell press.

Jag kan se data varje dag. Jag kan se dem varje timme. Jag kan sitta på mitt huvudkontor och se hur vi presterar.

Vi har laddat all information om varje artikelnummer som vi kör. Vi vet vad vi bör köra. Vi kan löpande utvärdera om vi når upp till antalet detaljer per timme.

Så alla är igång. Det fungerar bra, och vi utvärderar det varje dag.

Hur samlar ni in produktionsdata?

Det är ett plug-in-verktyg. Det kopplas till din PLC. Det var ganska enkelt att spåra produktionen. 

Men som med all implementering är det en inlärningskurva. Vi hade inlärningskurvor eftersom varje PLC är annorlunda. Vi har en PLC för pressar, en annan anläggning har PLC:er för induktion, en annan har PLC:er för maskinbearbetning.

Alla talar olika språk. Och därför kommer var och en att ha en liten inlärningskurva. Men när du väl har gjort en och vet hur man gör en är resten enkelt.

Streckkodning kom in för orsakskoder (stopporsaker). Det är bara att trycka på en streckkodsläsare så får man en orsakskod.

Vi började med mellan åtta och tio orsakskoder som, om du har rast, om vi hade en omställning, om vi hade ett spolbyte, kunde vi skanna den och veta hur lång tid det tog.

Ett område där vi arbetar med streckkoder är till exempel coilbyten. Jag anser att ett spolbyte bör ta 20 minuter. De skannar, de startar spolbytet och de avslutar. Det börjar. Och vi skannar den igen. Jag känner till tidsgränsen, och när vi har passerat tidsgränsen måste vi vidta en korrigerande åtgärd.

Vi vill ha enkelhet. Vi vill inte ha en operatör som skriver ner saker. Vi vill att en operatör ska kunna streckkoda den, starta cykeln och köra den.

Hur analyserar man effektivitet?

Med Factbird kunde vi manipulera data och arbeta med Factbird för att ge oss det vi ville se. Paynter-diagrammet är exakt så som jag vill se det.

Jag kan klicka på varje operation och titta på incidenter, om hur många avbrott, eller hur många gånger det förekom spolbyten eller verktygsbyten. Och jag kan klicka på en annan knapp som talar om för mig, för dessa incidenter, hur lång tid de tog.

Varje dag får jag rapporten klockan fem på morgonen. Jag tittar på rapporten för den press jag ska titta på, och jag kan klicka på de minuter som vi var nere på grund av orsakskoder, lunchrast, underhåll, spolbyte, verktygsbyte, vad det nu kan vara.

För mig är det enormt. Det är det som förändrar beteendet. Och det handlar inte om färger och alla klockor och visselpipor. För mig handlar det om enkelhet. Och jag är en enkel kille, du vet, jag vill ha enkla data. Jag vill ha data som alla kan förstå. 

Varför föredrar du Paynter-diagram framför Pareto-diagram?

Problemet med Pareto-analys är att man kan angripa fel problem.

Du vill angripa problem som återkommer varje dag. Med paretodiagram kan den största stapeln ha träffat en gång, och det är din största linje.

Paynter-diagram handlar om att angripa återkommande problem. Ett Paynter-diagram ger dig den informationen eftersom du har dagar överst, incidenter här, och det mäter allt detta.

Ett Pareto-diagram visar bara driftstopp med en stor stapel. Det säger inget om hur ofta det inträffar.

Det var därför jag valde Paynter-diagram, och jag tror att om man driver ett företag vill man verkligen veta vad som händer varje dag och varför det händer.

Hur använder ni Factbird för att förbättra er verksamhet?

Ansvaret vilar på oss nu. Det är upp till vårt ledarskap att se till att vi fattar rätt beslut.

Det är bara ett verktyg, eller hur? Det talar om för oss att vi har ett problem. Det är vad vi behöver. Vi behöver något som talar om för oss om vi har ett problem eller om vi har haft en bra dag.

Varje dag vill vi veta OEE1, OEE2 och OEE3. Och min OEE2-baslinje är 60%, och det är startpunkten. Jag är inte ens där än. Vi har alltså gått från 30 % till 45-50 %. Jag tror inte att vi hade kunnat göra det utan Factbird, eftersom vi inte hade någon information som gjorde att vi visste att vi hade möjligheter.

Och när du pratar om 10 % är det en enorm summa pengar du sparar. Och om du bara ligger på 45-50 %, tänk då när vi kommer upp i 80 %.

Factbird är bara ett verktyg; ingenting förändras om inte du förändras. Det handlar om information för att styra beteenden och förbättra vår operativa effektivitet. Och om vi inte formar material förlorar vi pengar.

Hur lätt var det att implementera Factbird?

Vi behövde inte ta in någon ny person i vårt företag för att driva det. Vi har en ME [Manufacturing Engineer] som har gjort ett fantastiskt jobb; han är vår företagsexpert nu. Vi behöver inte knacka på Factbirds dörr varje gång vi har ett problem.

Jag tror att under de första två, säg ett par månader, var vi bekväma. Det tog ett tag för streckkodningen. Den var ny. Det tog ett tag för oss att definiera hur vi ville att Paynter-diagrammet skulle se ut.

Jag kan säga att det förmodligen var mindre än tre månaders ROI för oss. Det är ett mycket prisvärt verktyg.

Och om du inte kan spara pengar under det första kvartalet, om du inte kan betala av det under det första kvartalet, då är det inte verktygets problem.

Hur förändrade ni kulturen?

Vi är så vana vid att fråga vad som hände när det uppstår ett problem. Men när en operatör har en bra dag måste du vara där ute och säga: Här är datan. Uppgifterna säger mig att du hade en fantastisk dag. Tack så mycket.

Och frågan är, vad hände? Varför hade vi en bra dag? Varför tog det bara 20 minuter? Allt hamnade där det skulle hamna, för det är det man vill veta.

Om du har verktyget och bara tittar på det, utan att ställa frågor, kommer beteendet inte att förändras. Beteendet förändras först när du ställer frågor.

Varje öre jag spenderar på en tillgång, och det här är en tillgång, handlar om avkastning, eller hur? Och det verkade från början som att det här är något som Lorne vill göra, och det är fel sak. Jag presenterade det förmodligen fel. Det här är ett verktyg som vi behöver för att vara framgångsrika och hålla dörrarna öppna.

Så det här är vårt verktyg, inte mitt verktyg. Det är den kulturen du måste förändra. Du måste få folk att köpa in sig. Allt handlar om varför. Allt handlar om varför.

Folk har inget emot förändring, de har bara något emot att bli förändrade. Det här är alltså en beteendeförändring. Nu håller vi ledarna ansvariga. Det handlar inte nödvändigtvis om att hålla operatörerna ansvariga. Det handlar om att hålla ledarskapet ansvarigt för att genomföra den process som du har infört och använda data.

Har Factbird hjälpt er att öka drifttiden?

För oss på Factbird handlar allt om drifttid. Det handlar om att pressarna eller avvägaren går upp och ner eller rör sig. Om vi inte formar delar förlorar vi pengar varje minut.

Jag måste säga att om man tittar på ett mått för det, så har våra artiklar per timme ökat med cirka 20 till 25 procent.

Vi körde övertid. Och nu pratar vi faktiskt om att "med den nuvarande produktionsnivån kanske vi måste börja erbjuda folk lite ledigt". Så det är en betydande minskning av våra kostnader.

Den har redan betalat för sig själv. Jag vet att när jag först tog in den frågade mina chefer: "Måste vi betala för något annat?" Jag tänkte att det här kommer att betala sig på nolltid.

Varför tror du att data är så viktigt?

Vi lever i en värld av effektivitet. Vi lever i en värld där hundar äter hundar, du vet, och det finns alltid någon som är billigare där ute eftersom de är bättre än du.

Och anledningen till att de är bättre än du är att de har ett verktyg som de använder bättre. Eftersom deras maskiner, deras pressar är desamma, de går upp och ner. Det är hur du kör det. Det är hur du använder data och gör de förändringar du behöver göra.

Allt vi gör handlar om operativ excellens. Du kan vara en duktig spelare, du kan vara en duktig ingenjör, du kan vara duktig på det ena eller det andra, vad som helst. Men om vi inte är bra på drift spelar det ingen roll hur bra alla andra är, då är det kört för oss.