シートメタルのネスティング戦略とジョブショップのためのデータの活用

プーチット / iStock / ゲッティイメージズプラス

機器が稼働しているかどうか、または稼働していない理由を知るのは非常に役立ちます。最新のマシンのほとんどはテレメトリーを提供し、各瞬間に何を行っているかを示します。テレメトリーとソフトウェアダッシュボードを組み合わせると、クラウドに接続された機器が製造現場で何が起こっているかについての豊富な洞察を提供します。しかし、それでも、パズルには 1 つのピースが欠けていることがよくあります。機器が稼働していることを知るのは素晴らしいことですが、それが価値を生み出しているかどうかを知ることも同じくらい重要です。

たとえば、これはネストの悩みです。図 1 に示すネストには、さらに 2 つのパーツを追加するのに十分なスペースがありますが、作業指示ではそれほど多くのパーツは必要ありません。他にその材料を必要とする未処理の注文はなく、利用可能なフィラー部品も、生産する完成品在庫もありません。顧客は、シートを補充するために数量を増やしたいと考えているかもしれませんが、キューに他の何百もの注文があるため、あまり時間に余裕はありません。シートに記入する部分をさらに 2 つ追加していただけますか?

この部品の切断にはわずか 15 秒しかかかりませんが、いずれにしてもその領域はすべて廃棄されることになります。無駄を省いてみませんか？ 1 つの部品が故障した場合でも、交換品を用意する必要はありません。そうでない場合、顧客は追加の部品を 1 ～ 2 つ受け取ります。

当店でもしばらくはそれが原則でした。シート上のスペースを無駄にするのは非常にもったいないと考えたので、1 枚のシートを補充し、別のシートの隙間を小さなパーツで埋め、さらには消耗が予想される難しい仕事では積極的に余分な部分を削減しました。シート全体を使用するのは気持ちが良く、追加のパーツを受け取るとお客様に喜んでいただくこともよくありました。その一方で、材料の無駄が減り、故障した部品を再度キューに入れる必要性が若干減りました。

私たちが認識していなかったのは、真のコストは必ずしも材料、労働時間、設備の稼働コストではないということです。本当のコストは、無駄な容量でした。 1,000 個の部品の注文では 1 つか 2 つの追加は問題にならないかもしれませんが、1 週間に何百もの小規模な注文を行うと、その余分な時間が加算されます。

このことは、レーザーのオンタイムだけでなく、請求されたレーザー時間の追跡を開始するとすぐに明らかになりました。私たちは、結果に基づいてレーザー時間を分類するシステムを構築しました。つまり、今日切断された部品のこの割合が出荷され、この数が廃棄され、この数が余剰になったなどです。その結果は啓発的なものでした。

図 2 は、これらの余分な部品が日によってどれほど劇的にレーザー時間を吸収するかを示しています。シフト内で使用可能なレーザー時間の 10% が、収益を生まない部品の切断に費やされることもありました。人件費、減価償却費、ガス使用量、電気代、材料費など、レーザー時間にかかる実際のコストを数値化することができます。これらの数字は重要ですが、無料で働く機会費用と比較すると見劣りします。

平均して、当社の各レーザーは、アクティブな動作時間あたり約 3,000 ドルを生み出します。それより高い場合もあれば、低い場合もあります。すべては毎月の製品構成によって異なります。この 3,000 ドルという数字には、材料、曲げ、タッピング、粉体塗装など、レーザー切断によって可能になるすべての下流収益が組み込まれています。この数字に基づくと、余分な部品をカットするだけで、1 回の 8 時間のシフトで収益能力の 5,000 ドル近くを無駄にすることがありました。

修正は簡単でした。たとえ余裕があったとしても、余分な部品を追加するのはやめてほしいとオペレーターに要請しました。はい、それは時々押し売りです。追加の部品を 1 か所だけ完璧に配置することを無視すると、細心の注意を払うオペレーターは気が狂ってしまいます。いずれにせよ、それは多くの場合正しい決断です。余分な部品を追加することは十分無害であるように見えましたが、無駄な容量として多大なコストがかかりました。機械時間を請求済みか無駄として分類することで、レーザー能力の 10% をすぐに回収できる日もありました。

その結果、売上原価はわずかに減少し、スクラップ販売はわずかに増加しました。長期的な効果はより顕著でした。人員、店舗スペース、新しい設備を追加する前に、既存の設備によって収益を増やすことができました。資本集約的な事業では、それが重要です。

図 1. このネストジョブには、さらに 2 つのパーツを入れるのに十分なスペースがあります。

この教訓は、製品構成や販売戦略が異なる店舗に当てはまる場合もあれば、当てはまらない場合もあります。 10,000 個に数個の余分な部品はおそらく問題になりません。また、完成品在庫を扱うショップの方が、余分な部品は最終的に販売されるため、より柔軟性があります。

精通した製造者は図 2 を見て、回収までにさらに時間がかかることがわかるかもしれません。一般に、余分な部品によって失われる時間は、レーザーのダウンタイムによって失われる時間に比べればわずかです。これは素晴らしい点であり、今後の記事で詳しく説明します。最大の成果は、問題の範囲を理解した後、余分な部品によって失われた時間を文字通り一晩で取り戻すことができたことです。

この種の分析を他の方法に適用する余地はまだあります。シートカットやスラッグ破壊の影響を考慮すると仮定しますか? 真に価値を生み出すレーザー時間は、パーツのプロファイルを切断するのに必要な時間です。シートカットとスラグ破壊プロファイルは他の下流工程に役立ちますが、機会費用にもなります。私たちのショップでは、レーザー時間を 10% 追加するスラグ破壊プロファイルの場合、操作 1 時間あたりの機会費用が 500 ドルかかります。そのため、代わりにマイクロジョイントを使用し、効率の純向上を図るために、下流での巣作りの労働力を増やすことを計画しています。

スラグ破壊の代わりにマイクロジョイントを使用すると、より多くの巣を剥がす労力を犠牲にして処理能力が向上します。これは、マシンの能力の向上を活用するのに十分な作業がある場合にのみ意味を成します。時間に余裕がある場合は、スラッグ破壊の方が良い選択肢になるかもしれません。

当社の初期の頃、当社の原材料購入戦略はその場限りで無計画なものでした。作業にさらに材料が必要だとわかった場合は、必要なものに加えて、手元に置いておく少しの材料を注文します。最も使用されている素材が何であるかについての私たちの個人的な認識に基づいて、それは非常に意外でした。

成長して材料が追加されるにつれて、そのプロセスは非効率になってきました。不適切な記録管理と管理により、気付かないうちに二重注文をしたり、間違った数量を注文したり、注文書 (PO) の提出が遅すぎて期限内に注文に応じられなかったりすることがありました。その間、在庫に縛られた現金の量は増え続けました。この状況は、非効率性の皮肉な組み合わせを生み出しました。間違った種類の在庫が多すぎるため、注文の発送が遅れることがよくありました。

経験豊富な製造者は、これらは基本的な間違いであり、簡単な手順で簡単に解決できることを正しく指摘するかもしれません。同意します！私たちの場合、在庫管理と購入を追跡および自動化するソフトウェアを導入しました。材料使用量に関するデータを収集することで、過去の使用量に基づいて最小在庫レベルと最大在庫レベルを自動的に設定できるようになり、自動化されたスケジューリングとネスティングプロセスにより、購買システムが需要の変化に適応できるようになり、発注書の作成時に需要と最小/最大レベルが考慮された自動発注書生成が可能になりました。レビューのために使用します (図 3 を参照)。

過去の使用量に基づいて最小/最大在庫レベルを設定し、それらの目標に基づいて購入することで、原材料在庫を 25% 以上削減することができました。一方、材料不足により出荷が遅れた注文の数は大幅に減少しました。これは、キャッシュフローと効率性の向上、そして顧客の勝利を意味します。

適切な情報を適切なタイミングで提供すれば、あらゆるビジネスプロセスを改善できます。データを使用して在庫とネスティング戦略を最適化すると、キャッシュフローと納期厳守が改善され、労働力と高価な設備がより効率的に使用されます。このようなデータを活用した最適化を総合すると、実際に測定可能な方法で収益が向上します。

まだ活用していない店舗でも、これらの最適化のほとんどはすぐに利用できるようになります。未加工在庫と発注書の管理は、製造指向の ERP システムであれば十分に利用できるはずです。同様に、最新の機器のほとんどは遠隔測定を提供するか、遠隔測定を行うために改造することができます。機械のオンタイムが実際の値と一致するかどうかを自動的に判断することは、より困難になる可能性があります (はい、レーザーは切断していますが、その料金は請求されますか?)。代わりに、データ収集が自動化されていない場合でも、適切なトレーニングとプロセス管理を行うことで、機器の稼働時に収益が確実に得られるようにすることができます。

最終的に、コネクテッドショップは無数の方法でデータを使用できます。データを取得できれば、チャンスはたくさんあります。私は、利用可能な大量のデータを実用的なビジネスインテリジェンスに変えるのに役立つ新しいツールが登場すると期待しています。どこへ行くのか楽しみです！