רוצים תעשייה חכמה לשיפור הייצור? הנה הבעיה – וגם הפתרון

כתב: ד"ר אייל קאופמן, מייסד ומנכ"ל QualityLine.

ייצור סדרתי של מוצרים איכותיים הוא אתגר משמעותי. התהליך היומיומי של שמירה על איכות המוצרים בקו הייצור הוא קשה, מורכב ולעתים אף מתסכל. ארגונים ועובדיהם עובדים כל כך קשה בקו הייצור שלהם על מנת לבנות מוצרים איכותיים ובכל זאת, הם נאלצים יום יום להתמודד עם בעיות איכות.

הקושי הרב נובע מכך שכדי שהמוצר יצא תקין מקו הייצור, צריך שכל אחת משרשרת של מאות ולעתים אלפי פעולות תסתיים בהצלחה. מספיק שפעולה אחת תבוצע באופן לא תקין – למשל פעולת הרכבה, בדיקה או חלק לא תקין – כדי שהמוצר ייפסל, יישלח לתיקון או בטעות יישלח ללקוח.

אני שומע פעמים רבות את הביטויים מעגלי איכות, Total Quality Management ועוד תיאוריות לניהול איכות הקמות חדשות לבקרים. אבל, עם יד על הלב, האם הארגונים באמת יודעים מה קורה בקו הייצור שלהם? האם בסביבת העבודה הלחוצה של קו הייצור באמת אפשר להסיק מסקנות ולמנוע מתקלות האיכות לחזור על עצמן? האם למנהלי התפעול, הייצור, האיכות וההנדסה יש את הכלים הדרושים לבקרה רציפה על איכות הייצור ולחקר מהיר של תקלות? וכיצד ארגון באמת ידע שהלקוחות שלו מקבלים מוצרים ברמת האיכות הנדרשת?

אני יודע, בכל קו ייצור סדרתי קיימות תחנות בדיקת איכות, שבודקות את המוצרים בתהליך ייצורם. אני יודע גם שיש הן חיישנים שנותנים אינדיקציה והן בדיקות ידניות. מה גם שרוב המפעלים כבר מבינים את חשיבות המידע ולכן דואגים לאסוף אותו. אבל, ברוב המקרים יש שימוש מוגבל ונקודתי במידע שנאסף. יש לכך שלוש סיבות: אין יכולת "לעכל" ולנתח ברמה יומית ומפורטת את הכמות אדירה של המידע שנאגר; המגוון הרב של מקורות המידע – מכונות, חיישנים ומערכות מידע שונות – מקשה מאוד על שימוש משמעותי בו; ואין יכולת לקשור בצורה חכמה ורציפה בין התקלות לסיבות שייצרו אותן.

מה הפתרון?

במאמר זה אני מבקש להציע שבעה עקרונות חשובים לבניית הפתרון הנדרש: איסוף רציף של המידע הייצורי מכל שלב של תהליך הייצור; "תרגום" התוכן של המידע הנאסף; אבחון הבעיות בקו ודירוגן לפי סדר מידת החומרה שלהן; חקר מהיר להבנת הסיבות לתקלות – חומר גלם לא תקין, עובד לא מיומן, תהליך בדיקה לא תקין, בעיות מכונה, בעיות תכנון המוצר וכדומה; התראות אוטומטיות על בעיות איכות; בקרה על יציבות ותחזוקתיות הצב"ד והמכונות; וניתוח תיקונים של יחידות תקולות מקו הייצור או שכאלה חזרו מהלקוחות.

למערכות כאלה קוראים Manufacturing Analytics, וכבר קיימות דוגמאות של שימוש מוצלח מאוד בהן במפעלים בישראל.