Schlankes Tagesmanagement mit AWS

Kontextualisierung von Daten aus Tulip Lean Daily Management-Tafeln mit Aufzeichnungssystemen, um bessere Einblicke in operative Verbesserungen zu erhalten

Zweck

Lean Daily Management Boards sind entscheidend, um Transparenz auf Zell-, Linien- und Werksebene zu schaffen. Es ist auch wichtig, Besprechungen auf allen drei Ebenen (Zelle, Linie und Anlage) durchzuführen, um Probleme bei Bedarf einfach eskalieren zu können.

Es ist auch wichtig, diese Besprechungen so datenorientiert wie möglich zu gestalten.Learn more with our article all about Lean Daily Management here{target=_blank}

Lean Daily Management-Besprechungen können sich typischerweise um ein SQDC-Board (Safety, Quality, Delivery, Cost) wie das unten abgebildete drehen:

Es gibt zwei wesentliche Verbesserungen, die mit Tulip und AWS vorgenommen werden können: 1. Digitalisieren Sie die Lean Daily Management-Tafeln mit Tulip-Apps, um die Erfassung von Metriken und die Aufzeichnung von Eskalationsmaßnahmen zu rationalisieren. 2. Streaming der Daten der Lean Daily Management-App zu AWS, wo sie im Kontext von Technik, Lieferkette und anderen Unternehmensdaten weiter analysiert werden können.

Diese beiden Verbesserungsbereiche für Lean Daily Management Boards bieten die Möglichkeit, konkretere Maßnahmen zu ergreifen, die von Bedeutung sind, sowie umfassendere Verbesserungsmöglichkeiten auf Unternehmensebene, die auf Fertigungsdaten aus der Produktion beruhen.

Beispiele hierfür sind die Neukonstruktion von Teilen auf der Grundlage von Bedienerfeedback und mehr.

Architektur und Einrichtung

Für die Architektur gibt es mehrere Optionen, die auf den Anforderungen an die Datenerfassung und -speicherung basieren. Nachstehend finden Sie ein Architekturbeispiel für den Einstieg:

Im Folgenden gehen wir Schritt für Schritt vor

Datenerstellung

Tulip-Apps werden verwendet, um die täglichen Lean-Management-Meetings zu verwalten. Zu diesem Zweck können Apps wie die Lean Dashboard-App in der Bibliothek verwendet werden.

Dies ermöglicht es den Vorgesetzten, Details auf Werkstattebene klar zu erfassen und entweder in Erledigungsprotokollen oder Tulip-Tabellen zu speichern.

Dateneingabe

Datenanalysten können entweder eine einfache Lambda-Funktion zur Abfrage von Daten aus Tulip oder ein robusteres Skript auf Glue ETL verwenden. Dies kann von der vorhandenen Erfahrung und den Arbeitsanforderungen abhängen. Wenn eine Datenbereinigung erforderlich ist, kann Glue ETL mehr Optionen bieten.Diese Anleitung zur Abfrage von Tulip-Tabellendaten über eine AWS Lambda-Funktion kann für beide Optionen gelten

Für die Aufnahme und Kontextualisierung von ERP- und anderen Unternehmensdaten gibt es eine Reihe von Optionen, die von REST-APIs und Glue ETL/Lambda bis zur Verwendung von AWS AppSync reichen.

Optional können Maschinendaten von IoT Sitewise oder IoT Core erfasst werden, um einen weiteren Shopfloor-Kontext zu erhalten.

Datenspeicherung

Die Daten von Tulip und anderen Unternehmenssystemen können in einer Reihe von Optionen gespeichert werden. Nachfolgend einige Beispiele: * Relationale Datenbank: eine bestehende relationale Datenbank (z.B. AWS RDS) kann verwendet werden, um schlanke tägliche Managementdaten zu speichern und dann mit dem Business Intelligence (BI) Tool Ihrer Wahl zu analysieren * Data Lake: S3 in Verbindung mit Glue und AWS Athena kann auch verwendet werden, um Daten einfach zu speichern, ohne eine Datenbank zu verwenden, und sie dann mit Athena in einer serverlosen Art und Weise abzufragen * Data Warehouse: Viele andere Optionen wie Redshift sind ebenfalls vorhanden, abhängig von Ihren Datenbeschränkungen, dem Volumen und anderen Überlegungen.

Datenanalyse und Visualisierung

Als einfacher Ausgangspunkt können die Erkenntnisse mit Bi-Tools wie Amazon Quicksight, PowerBI und Tableau analysiert werden.

Darüber hinaus können die schlanken täglichen Managementinformationen auch auf einer granulareren Ebene mit Tools wie Sagemaker Notebooks analysiert werden, wenn tiefere Analysen erforderlich sind.

Beispiel Wertschöpfung

Feedback aus Lieferkette und Technik

Durch die Analyse der täglichen Lean-Management-Daten zusammen mit den Daten aus der Lieferkette und der Technik können Sie erkennen, ob die Ursache eines Defekts oder eines Lieferproblems möglicherweise auf umfassendere Probleme in der Lieferkette oder im Produktdesign selbst zurückzuführen ist. Die Kontextualisierung von Daten aus dem Fertigungsbereich (Lean Daily Management), der Lieferkette und der Technik ermöglicht diese umfassendere Analyse.

Benchmarking

Die Aggregation von Lean-Daily-Management-Daten über mehrere Linien, Standorte und Geschäftseinheiten hinweg ermöglicht ein einfacheres Benchmarking, um die leistungsstärksten Zellen zu verstehen und herauszufinden, wie man führende Praktiken am besten im gesamten Unternehmen weitergibt.

Nächste Schritte

Sobald Sie diese anfängliche Architektur gemeistert haben, ist die Einbindung von Erkenntnissen aus maschinellen IoT-Daten ein großartiger nächster Schritt, um ein vollständiges Bild der Leistung in der Fertigung zu zeichnen.

Sehen Sie sich auch den Artikel Fetch all Tulip Tables an, um mehr über das richtige Abrufen aller Daten von Tulip zu erfahren.