«РТСофт – Смарт Грид» и «РТСофт – Встраиваемые системы» группы компаний «РТСофт» приглашают посетить стенд А174 в зале № 8 на ХХVI Международном форуме «ЭЛЕКТРИЧЕСКИЕ СЕТИ»
Ученые Российской системы климатического мониторинга и суверенная методика расчета антропогенных выбросов и поглощения парниковых газов позволили России провести «ревизию» антропогенных выбросов на территории страны.
Чтобы понять, какую роль качество может сыграть в успехе компании, не нужно заглядывать дальше того, какое влияние на производителей оказывают растущие дефекты и отзывы продукции с точки зрения финансовых потерь, ослабления имиджа и репутации бренда, а также необходимых времени и ресурсов, чтобы их исправить. Большинство производителей из числа внедривших систему менеджмента качества (QMS), вопреки появлению отзывных компаний, могут решить возникающие проблемы значительно быстрее. Однако не только дефекты и отзывы заставляют делать упор на качество. С растущими требованиями соблюдения нормативных документов, со стороны регулирующих органов, лучше справляются организации, которые используют систему менеджмента качества.
Качество 4.0, менее ажиотажная, чем Индустрия 4.0, но быстро зарождающаяся, по состоянию на 2020, год концепция в отрасли 4.0. Она пытается далее классифицировать те конкретные технологии, практики и процедуры, которые позволяют производителям разрабатывать, управлять и поддерживать стандарты качества во всех цепочках поставок.
Качество 4.0 определяет подход, который производители могут применять при внедрении новых технологий. Это включает в себя машинное обучение, прогнозную аналитику, Интернет вещей, большие данные и облачные вычисления - с традиционными системами управления качеством, такими как программное обеспечение системы управления качеством, - для обеспечения непрерывного улучшения и повышения общей производительности бизнеса.
Цифровые технологии, которые сопровождаются более умными практиками и процедурами, могут помочь улучшить качество различными способами. Например, компании могут отслеживать процессы и собирать данные в режиме реального времени, а также применять аналитику для прогнозирования проблем качества и потребностей в обслуживании. Цифровые инструменты также позволяют людям выполнять свою работу быстрее, лучше и с меньшими затратами.
Качество 4.0 влияет не только на то, что происходит на заводе - оно охватывает всю цепочку поставок - от НИОКР до закупок, производства, логистики и продаж, услуг и послепродажного обслуживания и других корпоративных функций - вплоть до администрирования и управления.
Качество 4.0 охватывает людей, процессы и технологии. Первый шаг в любом серьезном преобразовании - культурный. Он требует рассматривать качество как стратегическую бизнес-инициативу, а не как оперативную функцию. Для этого производители должны понимать, почему качество имеет значение. Необходимо выявить свои болевые точки и слабые места, привлечь всех заинтересованных лиц и установить измеримые результаты. Последующие этапы связаны с интеграцией и оптимизацией процессов для обеспечения бесшовных потоков процессов между различными функциями и системами. Это требует создания технологического стека, а также команды качества, чтобы реализовать эти процессы. Создав основу для успешной программы обеспечения качества, компании могут использовать ее на протяжении всего жизненного цикла продукта и экосистемы цепочки поставок, чтобы неукоснительно поддерживать и превосходить стандарты качества.
Исследование Quality 4.0, Boston Consulting Group (BCG) в партнерстве с ASQ и Deutsche Gesellschaft für Qualität (DGQ) в конце 2019 года, было проведено для лучшего понимания роли технологий в преобразовании управления качеством. Основное внимание в исследовании уделялось возможностям, общим вызовам и технологиям, связанным с качеством, а также способам совершенствования традиционных передовых методов управления качеством. Согласно отчету, почти две трети производителей считают, что Quality 4.0 существенно повлияет на их работу в течение ближайших пяти лет. Однако только 16% говорят, что их компания начала внедрять практики Quality 4.0, а 63% даже не достигли стадии планирования. Хотя компании признают, что Quality 4.0 может создать существенную ценность, лишь немногие из них определили детальную стратегию и уже запустили программу внедрения. Успех с Quality 4.0 может быть достигнут только с помощью многопланового подхода, который - помимо технологических вопросов - включает в себя также полный спектр практик.
Основной проблемой является нехватка ИТ-специалистов для поддержки эффективных программ качества и связанных с ними новых технологий. Кроме того, качество требует серьезного изменения мышления, поэтому управление изменениями является предпосылкой его успеха. Давление на изменение качественного мышления сверху вниз может создать трудности. Руководители бизнеса должны работать вместе с менеджерами по качеству и ИТ, чтобы поддерживать инициативу в масштабах всего предприятия. Кроме того, цепочки поставок становятся все более сложными, и становится все труднее поддерживать стандарты качества на всем пути.
Ключевым моментом является то, что используемая QMS может масштабироваться для удовлетворения меняющихся потребностей. Она должна позволить управлять созданием, распространением и архивированием всех важных документов в централизованной и контролируемой структуре. Кроме того, система должна быть достаточно гибкой, чтобы можно было использовать передовой опыт, применять его и быстро адаптироваться к внутренним и внешним бизнес-задачам. Кроме того, такие средства предлагают расширенную аналитику и искусственный интеллект, которые помогают принимать решения на основе данных путем сбора и анализа ключевых показателей качества, таких как эффективность производства, удовлетворенность клиентов или производительность поставщиков. Однако собранные данные должны быть легко проанализированы и применимы к действиям, чтобы их можно было использовать для улучшения будущих результатов.
Для международных компаний, имеющих подразделения в разных странах реализовать концепцию можно через программу обеспечения качества и использование облачных решений QMS для автоматизации своего ручного документооборота, включая процессы цепочки поставок. Автоматизированная система QMS позволяет распознавать, определять и документировать передовой опыт в масштабах всего предприятия. В результате компания может постоянно предоставлять клиентам постоянно улучшающиеся продукты и сопутствующие услуги. Время, необходимое поставщику для обработки корректирующих действий, было может быть снижено вдвое, а это означает меньше ошибок, а также меньше ремонтов и повторных отправок, что делает клиентов более удовлетворенными.
Предиктивная аналитика качества - это инструмент, используемый производителями для прогнозирования качества продуктов, компонентов и материалов, которые уже находятся в производственном процессе.
Предиктивная аналитика начинается с очистки, форматирования и анализа огромных объемов данных, собранных в процессе производства. Затем к данным применяются статистические алгоритмы и машинное обучение, чтобы получить полезную информацию. Эти идеи могут позволить производителям выявить полезные корреляции между критическими переменными, распознать шаблоны данных, обнаружить аномалии и предсказать будущие результаты и тенденции. Это помогает устранить первопричины проблем заранее - до того, как непосредственно возникнут какие-либо проблемы с качеством. Предиктивная аналитика качества позволяет производителям выявлять аномальные события и основные причины, которые могут привести к снижению качества продукции, влияя на продукты, компоненты и материалы.
Исследовательский центр электромобильности (eLab) при Аахенском университете в Германии изучил, можно ли использовать прогнозную аналитику качества для увеличения производительности при производстве аккумуляторных элементов. По состоянию на 2020 год в секторе электромобилей качество производства аккумуляторных элементов является серьезной проблемой - средний процент брака может достигать 15%. Это увеличивает стоимость электромобилей, снижает объем производства аккумуляторов и расходует драгоценное сырье. Затраты растут.
Команда исследователей eLab вместе с специалистами по обработке данных Elisa Smart Factory приступила к поиску решения для повышения качества продукции. Решение было найдено с использованием прогнозной аналитики. Работа началась с понимания производственного процесса с точки зрения данных посредством исследования данных и использования методов анализа процессов (process mining). Затем были применены статистические алгоритмы и машинное обучение, чтобы определить шаблоны данных, которые предсказывали проблемы качества в дальнейшем в процессе.
В результате проекта команды смогли снизить процент брака аккумуляторных элементов на 16 процентов, прогнозируя качество аккумуляторных элементов на ранних этапах производственного процесса.
В крупносерийном автоматизированном процессе ручная проверка качества требует больших затрат и времени. Так называемый выборочный контроль, то есть определение качества всей производственной партии путем анализа небольшой части продукции, из-за растущих требований к качеству, больше не является масштабируемым решением. Здесь в игру вступают машинное зрение и глубокое обучение, что обеспечивает заводской контроль качества. Эти технологии позволяют автоматизировать контроль - для каждого продукта на линии, с последовательными и точными результатами контроля. Машинное зрение может исключить человеческую переменную из уравнения и обеспечить стабильные результаты 24/7.
В 2020 году подавляющее большинство приложений машинного зрения на производстве основаны на двухмерной (2D) визуализации. Это быстрый и надежный метод автоматической проверки, который предлагает анализ для приложений, таких как считывание штрих-кода, ориентация этикеток и проверка печати. Трехмерное (3D) машинное зрение чаще всего используется для осмотра и измерения сложных трехмерных поверхностей произвольной формы. Существует несколько методов построения трехмерных изображений, в том числе метод «времени полета», лазерная триангуляция, стереозрение, проекция световых полос, «shape from shading» и интерферометрия белого света. Наиболее распространенным методом является триангуляция, основанная на лазерном сканировании с использованием движения продукта в процессе визуализации.
В 2020 году становится понятно, что камеры машинного зрения недостаточны для контроля качества на производстве. Невозможно идентифицировать все дефекты качества одинаково. Фактически, определение того, как идентифицировать дефект на основе изображения, может быть невероятно сложной задачей. Даже обученные профессионалы могут упустить мелкие детали, в разрезе дефектов качества. С другой стороны, некоторые признаки могут ввести в заблуждение человека, не склонного к риску, и заставить отказаться от продукта приемлемого качества. Методы глубокого обучения можно использовать, чтобы научить систему контроля качества машинного зрения обнаруживать различные типы дефектов систематически на основе изображений. Глубокое обучение включает в себя загрузку в систему контроля качества машинного зрения тысяч изображений и обучение ее, чтобы узнать, какое качество приемлемо, а что нет, и непрерывно улучшать эти результаты.
Стандартная операционная процедура (СОП) — это пошаговый набор инструкций, описывающих, как выполнять рутинную деятельность. СОП может использоваться для предоставления инструкций по выполнению ручных и автоматизированных задач, а также может служить руководством по безопасным методам проведения работы. Сотрудники должны выполнять их каждый раз одинаково, чтобы операции оставались согласованными.
Преимущества СОП в производстве: СОП может помочь производителям установить согласованные методы работы в организациях, поддерживать высокий уровень качества, обеспечивать эффективность и безопасность труда, избегать недопонимания и предотвращать несоблюдение отраслевых норм. Он может оптимизировать производственный процесс, сводя к минимуму риск ошибок. Как выглядит хорошая СОП? Контрольный список шаблона соответствия СОП должен быть кратким, простым для понимания и однозначно сформулированным. Действия должны быть легкими для выполнения. Хорошая стандартная рабочая процедура должна четко описывать шаги и информировать сотрудников о любых проблемах безопасности. СОП могут обеспечить единое обучение для новых сотрудников. Их также следует периодически обновлять, чтобы они оставались актуальными для текущих потребностей организации. Как производители могут оптимизировать СОП? Современные платформы управления корпоративным контентом (ECM) позволяют производителям внедрять СОП с расширенными функциями, такими как надежный контроль доступа, централизованный контроль версий, простое создание и изменение; и управление процедурами.
Программы ролевого обучения, рабочие процессы и задания задач гарантируют, что все сотрудники соблюдают правильные процедуры, списки задач и обучение. Электронные подписи могут использоваться для подтверждения и проверки выполненных задач. SOP-приложения для смартфонов теперь делают бумажные распечатки, таблицы Excel и рукописные подписи устаревшими, а общее управление SOP более эффективным.
SOP можно превратить из простого пошагового списка задач в приложение для упреждающего заказа на работу с помощью расширенного мониторинга и автоматизации процессов. Это может вызвать своевременные рабочие задания для задач, перечисленных в СОП, например, заказать запасную часть и предоставить правильную СОП для требуемого технического обслуживания.
Однако Качество 4.0 - это не только технология. Это новый способ управления качеством. Цифровые инструменты в сочетании с более продвинутыми практиками и более разумными процессами теперь могут позволить качественным командам постоянно предоставлять клиентам высокопроизводительные продукты. Это может быть сделано при сохранении большей безопасности, более высокой внутренней эффективности, а также за счет экологических и устойчивых операций.
