데이터 분석은 비즈니스의 모든 측면에서 인기를 얻었습니다. 많은 제조 현장은 수요의 온라인 슬롯을 신속하게 포착하고 시간이 지남에 따라 제품 선적과 같은 데이터를 분석하여 생산 계획의 조정을 반영하는 메커니즘을 연구합니다. 여기서 우리는 Mitsubishi Electric의 생산 시스템 본부의 엔지니어 인 Koyama Katsumi에게 그의 방법과 도구에 대해 물었습니다.
Mitsubishi Electric Co., Ltd. 생산 시스템 본부 엔지니어 이사MR. Koyama Katsumi
Mitsubishi Electric Co., Ltd.의 생산 시스템 본부 최고 엔지니어 Keio University 공학부를 졸업했습니다. 1983 년 Mitsubishi Electric에 합류하여 본사의 생산 기술 부서에 배정되었습니다. 회사에 합류 한 후 그는 생산 기술 센터, 정보 시스템 기술 센터 및 전력 시스템 제조 회사, Ltd.에서 근무했으며 2017 년부터 현재 위치에있었습니다. 기업 부서의 직원 및 엔지니어로서 그는 Mitsubishi Electric Group의 국내 및 국제 공장을위한 공장 계획, 제작 및 설계 및 도입, 생산 관리 시스템 등을 계획, 설계 및 도입하기 위해 노력하고 있습니다.
생산 시스템 본부의 직원 및 엔지니어 인 Koyama는 Mitsubishi Electric Group의 국내 및 국제 공장 및 생산 라인 장비 및 생산 관리 시스템에 대한 공장 계획, 설계, 도입 및 출시에 참여했습니다. 현재 Mitsubishi Electric Information Systems Co., Ltd. (MDIS)의 지원으로 통계 도구를 사용하여 제품 수요 온라인 슬롯을 분석하고 있습니다.
MR. Koyama는이 이니셔티브의 시작 뒤에 다음을 설명합니다.
"우리는 흐름 번호 곡선을 사용하여 데이터 분석을 통해 국내 생산 기지 및 해외 영업 회사를 밀접하게 연결할 수 있었기 때문에 국내 제품을 목표로하는 제품에 대해 유사한 분석을하기로 결정했습니다."
일본 전역의 트렌드로 도착은 선적을 따르고 있으며 재고가 안정적이었습니다. 그러나 각 개별 모델을 살펴보면 재고가 고르지 않게 분포되어 있으며 원인은 생산 증가 또는 감소로 인한 것으로 나타났습니다.
"생산 계획 요원을 인터뷰하여 상황을보다 자세하게 분석 할 때, 우리는 배송의 일시적인 변화가 수요 온라인 슬롯으로 간주되는 것으로 추측했습니다."Koyama)
생산 부서는 기본적으로 연간 계획에 따라 제품을 생산합니다. 그러나 제품이 계획대로 판매 할 필요는 없으므로 배송 상태를 보면서 생산을 신중하게 조정합니다.
"논리에서 결과를 보면서 수정하는 것이 더 낫다는 것이 고려되지만 실제로는 수요 온라인 슬롯을 결정하는 것이 매우 어렵습니다. 품질 관리에 사용 된 제어 차트의 적용은 평균 가치 자체가 움직일 수있는 평균 가치와 수요 온라인 슬롯 사이에 간단한 변형을 선택할 수 있다는 생각이었습니다." (Mr. Koyama)
품질 관리 기술의 적용으로 신속하게 수요 온라인 슬롯을 빠르게 빠르게 온라인 슬롯합니다
품질 관리에 사용되는 제어 차트는 단순한 우연에 의한 품질의 변화와 일부 이상으로 인한 변화를 구별 할 수있는 일종의 라인 그래프입니다. Koyama 씨는 제어 차트를 사용하여 운송 데이터를 분석함으로써 약간의 이상, 즉 수요 온라인 슬롯으로 인해 온라인 슬롯을 포착 할 수 있다고 생각했습니다.
"제어 차트를 사용하여 실제 배송 데이터를 분석했을 때, 우리는 매월과 같은 장기적인 관점에서 수요 온라인 슬롯이 발생했음을 그래프에서 알 수 있습니다. 그러나 이것은 생산 조정을위한 행동을 지연시킵니다. 실제적으로 사용하면 기간을 매주 및 매일 나누어 판단 할 수 있어야합니다. 그러나 그 기간을 짧게하여 편차를 줄일 수 있어야합니다.
그래서 Koyama 씨는 통계적 값에 따라 판단을하기로 결정했습니다. 제어 차트에는 계산을 통해 이상을 결정하는 8 가지 규칙이 있으며,이를 적용하면 직관적으로 이해하기 어려운 온라인 슬롯을 포착 할 수 있습니다.
"수요 온라인 슬롯을 신속하게 식별하고 조치를 취하기 위해 인간 직관에 의존하지 않고 통계를 사용해야했습니다. 또한 Excel 또는 기타 수단을 사용하는 간단한 처리는 현장 운영을 수행하기가 어렵습니다. 관리 차트의 생성, 통계 계산 및 판단을 자동화 할 수있는 시스템 및 도구"(Koyama)
통계 도구 소개는 자동화 및 추가 개발을 가능하게합니다
MR. 제어 차트의 생성 및 결정을 자동화 할 수있는 도구를 찾고 있던 Koyama는 MDI에 의해 SAS Institute Japan Co., Ltd.의 통계 분석 도구 (이하 "SAS")에 소개되었습니다. 수년에 걸쳐이 회사는 다양한 비즈니스에 대한 데이터 분석에 사용할 수있는 솔루션을 제공 한 실적을 보유하고 있습니다.
"SAS의 도구는 내가 필요한 제어 차트와 함께 표준에 도달했습니다. 품질 관리에서 이상을 찾는 8 가지 규칙이 있으며, 매개 변수는 자유롭게 설정할 수 있습니다. 또한 통계 메커니즘을 사용하여 데이터 분포를 올바르게 설명 할 것이라고 생각했습니다."(Mr. Koyama)
MDIS가 제안한 시스템을 사용하면 배송 성능 데이터에서 제어 차트를 자동으로 작성하고 자동으로 이상을 결정할 수 있습니다 (수요 온라인 슬롯). 이 분석을 바탕으로 생산 계획 및 계약 표준을보다 빠르게 검토 할 수 있습니다.
"대량 생산 된 제품의 경우, 우리는 이미 운영 제어 차트를 시작했습니다. 현재 소규모 제품의 배송 상태를 분석하기 위해 노력하고 있습니다. 1 년 만에 릴리스되고 있습니다. 소규모 제품을 사용하면 MTBF (평균 고장 개입) 방법은 단위로 만 사용되었을뿐만 아니라 시간을 사용하여 적용 할 수 있습니다. 장비 고장, SAS 제품이 거의 발생하지 않는 분석에 적합합니다.
MR. Koyama는 데이터 분석의 개발이 미래의 체계화 및 생산 계획의 자동화로 이어질 것으로 기대한다고 말했다.
"현재 공장이 자동화되고 있으며, 제작 계획에 따라 부품 배열 및 라인 작업 지침을 자동으로 수행 할 수 있습니다. 그러나 필수 생산 계획의 생성은 아직 자동화되지 않았습니다. 미래에는 다양한 데이터 분석 결과에서 생산 계획이 자동으로 생성 될 것이라고 생각합니다."
그림 1 : 제어 차트를 사용한 배송 상태 분석
평균 값이 월별로 변한다는 것을 보는 것은 직관적이지만 생산 지원은 허용되지 않습니다. 매주 및 매일 변경 사항을 직관적으로 캡처하기는 어렵지만 통계를 사용하여 결정할 수 있습니다.
이 기사는 Mitsubishi Electric Co., Ltd.의 Koyama Katsumi와의 인터뷰를 기반으로합니다.
