设计集成的生产监控和分析平台，以提高每小时工作量和返工率

问题陈述

一家领先的 OEM（原始设备制造商）在车辆生产过程中，从入库阶段到最终检查，都面临着持续的挑战，即 JPH 值低，返工率高。JPH（每小时工作量）是汽车生产中常用的指标，用于衡量生产线的效率。当前 JPH（基线）为 10。在推出结构化制造卓越计划之后，我们的愿望是在两个季度末之前将这一数字提高到 16 个。之前的返工率约为 6%，而目标是在随后两个季度的生产结束之前将其降低到 2%。核心参与团队由 LoB（业务线负责人，例如质量和生产负责人）、IT 总经理以及亚马逊云科技和亚马逊云科技合作伙伴团队组成。

在发现阶段，来自亚马逊云科技的领域专家团队与客户合作，发现了以下运营差距，导致返工率高且无法满足节拍时间：1) 跨流程的数据孤立，阻碍了对 JPH 损失的有效分析；2) 缺乏针对生产短缺的对策的短时间间隔控制措施；3) 无法在给定时间点对损失进行根本原因分析的传统平台；4) 装配、车身车间和喷漆车间的生产能力不平衡，导致中间库存堆积；5) 生产主管平均每周花费两个工作日用于数据录入，每月八个工作日使用手工电子表格进行返工原因分析；6) 将生产线和质量检验站的延误输入单一停机数据库的流程不当，导致节拍时间报告出现差异，无法整合和解决停机问题。

提议的解决方案

亚马逊云科技提议部署统一的集成解决方案，用于装配、车身车间和喷漆车间运营的生产监控和分析。如图 1 所示，拟议的平台有三个核心部分：1) 硬件集成；2) 核心应用程序；以及 3) 集中控制塔。

图 1。拟议的综合生产监控和分析解决方案的核心部分

第 1 部分：提议平台的硬件集成

使用 OPC UA 和 OPC DA 作为协议，将车间 PLC（可编程逻辑控制器）系统与边缘 PLC 集成，以按需和更新间隔为基础获取过程参数。还需要对现有的 PLC 进行修改，这些 PLC 是根据目前的许可模式提供的。其他硬件组件包括：

• 铺设网络电缆/托盘并连接到边缘服务器，同时调试新的 PLC 系统，以访问先前未捕获的过程参数；
• 在特定站点配置了条形码读取器以及 SAP 终端，以自动采集数据，从而减少手动工作和输入错误。我们将这个新系统称为操作员辅助模块（OAM）；
• 触摸屏终端/移动应用程序，用于与物联网 (IoT) 应用程序屏幕进行交互以输入/查看数据；以及
• 在每个维修间粘贴二维码，用于跟踪返工数量、返工时间和返工消耗品。

第 2 部分：核心应用程序以及拟议平台的硬件元素将使以下人员能够跟踪 JPH 损失：

• 从车身车间和总装开始，该应用程序为操作员辅助系统提供动力，该系统允许操作员从预定义的列表中选择错误或问题。然后，由缺陷和错误跟踪和可视化来补充，并以 VIN（车辆识别码）为索引，为直线经理提供短间隔控制。
• 该应用程序还通过名为 Digital Andon 卡的数字工作流程系统在操作员确认后立即触发 CAPA（纠正措施和预防措施）工作流程，从而促进对生产线上的错误和缺陷进行详细的根本原因分析。
• 利用现有的数据湖整合运营技术数据和企业应用程序数据。
• Amazon IoT Events 用于管理来自大会、车身车间和喷漆车间资产的物联网传感器数据、喷漆和检查过程数据、第三方传感器数据，以帮助实时识别异常和偏差。通过识别和减少这些异常，可以进一步最大限度地减少影响 JPH 的总体损失时间。
• 流式分析可对检查和装配操作员的行为进行低延迟和近乎实时的分析，并几乎即时响应相关建议，从而消除了前期返工的根本原因。
• 屏幕上显示了现有潜在故障模式的列表，以帮助操作员考虑对策。
• 绩效指标清单显示在仪表板上，以帮助轮班主管和生产经理做出决策。例如，这些指标包括近乎实时的线性 JPH、节拍时间、偏差分析、平均故障和修复间隔时间、从容量角度进行瓶颈分析等。
• 提供自助服务历史数据分析，显示车辆各种尺寸和属性的关键绩效指标（关键性能指标）的统计数据、相关性和趋势。如果这些属性不符合规范，则可以实时校正这些属性，从而降低返工率。
• OAM 根据用户输入的查询或现场的当前情况，以工作流程（或离散指令）的形式提供相关的标准操作程序 (SOP)，以帮助操作员在主动检查期间采取行动。这会影响每辆车的返工时间。
• 可提供机器启动和切换的数字检查表，这有助于减少手动处理信息所需的时间，使其更接近于防错。这减少了计划外管理损失，从而影响了 JPH。
• 除了适用于 SAP 的 Amazon AppFlow 之外，该应用程序还利用优秀实践和顶级工具进行通信加密 (TLS 1.2)、数据加密和授权管理，通过 Amazon Identity and Access Management (Amazon IAM) 进行授权管理，其他企业使用这些方法来安全地管理身份以及对亚马逊云科技服务和资源的访问。
• 订单计划工具使用可用/运行能力和现有订单的指标，按班次、每天或每周生成生产计划。

图 2。该表显示了应用程序范围内制造设置所有三个子部分的关键绩效指标类别，以帮助首席执行官、首席运营官和制造团队做出决策

第 3 部分：帮助推动短间隔控制的虚拟 "Andon" 系统

该应用程序为集成的虚拟 Andon 系统提供动力，该系统公开 API，因此操作员可以围绕 JPH 丢失时间和返工原因提出事件和问题。然后，可以使用工作流程将这些问题实时路由给解决团队或个人。此外，还计划进行改进，以帮助改善用户体验，包括能够添加图像以便于识别问题，能够为根本原因添加详细消息以更快地指导解决类似问题，以及能够查看和跟踪整个制造场所或特定位置或区域的问题。管理员（例如主管和生产经理）使用 Web 界面来定义其出厂设置、站点名称、流程类型、每个流程的事件类型以及工作站列表。在解决方案的工作流程中，用户可以监控制造工作站中的事件，记录该事件，然后将事件传送给正确的工程师进行解决。

结论

本文中概述的解决方案对所有车辆类型的总 JPH 的潜在影响高达 24%。这反过来又对每日生产成本产生了直接影响，高达 1.1%，对返工时间产生了 15% 的影响。引用的百分比基于 OEM 工业工程团队在分析的过去 12 个月的标准化基准线中所做的估计。该项目还确定了轮班和每日层面容量规划和调度的瓶颈。这个简单的调度程序应用程序帮助生产经理根据来料原材料、手头库存、中间库存和可用的人力进行规划，并根据工人的技能组合生成计划。

类似的案例研究和成功案例，涵盖制造业和供应链垂直领域，可在 https://aws.amazon.com/automotive/ 找到。此外，您可以联系我们，评估您当前的 JPH 和重新设计基准，并共同制定解决方案路线图。

附录

定义

• 节拍时间——精益制造的基本概念；衡量在满足客户需求的同时生产产品所花费的最大时间。
• andon 是一种用于制造环境的视觉和听觉警报机制；发出生产过程状态的信号，并指示何时需要立即关注（来源：精益工具）。
• CAPA 是一种管理和解决产品和服务质量问题的方法；涉及解决现有问题的纠正措施和避免未来风险的预防措施（来源：精益六西格玛）。
• 返修——质量不佳的结果；根据车辆检查期间报告的在线缺陷和错误进行评估。
• 制作性能——实际 JPH/目标 JPH
• 通用总成 — 总装是生产设置中用于车辆装配的部分。

安妮迪亚·巴塔查里亚

亚马逊云科技制造和供应链行业专家 Anindya Bhattacharya 推动亚马逊云科技印度市场的制造和供应链行业解决方案。他拥有近二十年的核心制造和供应链专业知识，专注于提供全面的息税折旧摊销前利润转型、智能制造部署和围绕战略供应链平台的咨询。在加入亚马逊云科技之前，他曾在日立、Blue Yonder、安永和塔塔钢铁集团在全球担任过各种职务。Anindya 拥有在金属、汽车和工业等关键行业领域大规模按件部署智能工厂的经验。

Ayush Ragesh

Ayush Ragesh 是亚马逊云科技的解决方案架构师，拥有超过 9 年的总体云经验，其中 3.5 年帮助汽车和制造业客户采用云技术。他在物联网技术方面的专长，加上他在各个领域的专业知识，使他能够支持这些客户推动创新和拥抱云的采用。Ayush 对尖端技术的热情一直使他能够快速学习，在不断变化的环境中保持领先地位。