Lean Daily Management az AWS-szel

A Tulip Lean Daily Management táblák adatainak kontextusba helyezése a nyilvántartási rendszerekkel, hogy jobb betekintést nyerjen a működési fejlesztésekbe.

Cél

A Lean Daily Management táblák kulcsfontosságúak a sejt-, vonal- és üzemi szintű átláthatóság biztosításához. Az is kritikus fontosságú, hogy mindhárom szinten (sejt, vonal és üzem) szigorúan vezessék a megbeszéléseket, hogy szükség esetén könnyen eszkalálhassák a problémákat.

Az is fontos, hogy ezek az értekezletek a lehető legadatorientáltabbak legyenek.Learn more with our article all about Lean Daily Management here{target=_blank}

A Lean Daily Management megbeszélések jellemzően egy SQDC (Safety, Quality, Delivery, Cost) tábla körül foroghatnak, mint például az alábbi:

A Tulip és az AWS segítségével két jelentős javulás érhető el: 1. A Lean Daily Management táblák digitalizálása Tulip-alkalmazásokkal a mérőszámok rögzítésének és az eszkalációs lépések rögzítésének egyszerűsítése érdekében. 2. A Lean Daily Management alkalmazás adatainak átirányítása az AWS-re, ahol azok tovább elemezhetők a mérnöki, ellátási lánc és egyéb vállalati adatok összefüggésében.

A lean napi menedzsment táblák e két fejlesztési területe lehetőséget teremt arra, hogy konkrétabban hozzon létre olyan intézkedéseket, amelyek számítanak, valamint szélesebb körű vállalati szintű fejlesztési lehetőségeket, amelyek az üzemből származó gyártási adatokban gyökereznek.

Példaként említhetjük a mérnöki részek újratervezését a kezelői visszajelzések alapján és így tovább.

Architektúra és beállítás

Az architektúra az adatbeviteli és tárolási követelmények alapján többféle lehetőséggel rendelkezik. Az alábbiakban egy mintaarchitektúra látható a kezdéshez:

Az alábbiakban lépésről lépésre végigmegyünk rajta.

Adatok létrehozása

A Tulip alkalmazásokat a lean napi vezetői értekezletek kezelésére használják. Erre a célra olyan alkalmazások használhatók, mint például a könyvtárban található Lean Dashboard alkalmazás.

Ez lehetővé teszi a felügyelők számára, hogy egyértelműen rögzítsék a műhelyszintű részleteket, és tárolják azokat akár a befejezési feljegyzésekben, akár a Tulip táblákban.

Adatbevitel

Az adatelemzők vagy egy egyszerű lambda függvényt használhatnak az adatok lekérdezéséhez a Tulipból, vagy egy robusztusabb szkriptet a Glue ETL-en. Ez függhet a meglévő tapasztalatoktól, valamint a munkaterhelési követelményektől. Ha adattisztításra van szükség, a Glue ETL több lehetőséget biztosíthat.Ez az útmutató a Tulip-tábla adatainak AWS lambda-funkcióból történőlekérdezéséről mindkét lehetőségre alkalmazható.

Az ERP- és egyéb vállalati adatok bevitelére és kontextualizálására számos lehetőség létezik a REST API-k és a Glue ETL / Lambda-tól kezdve az AWS AppSync használatáig.

Opcionálisan a gépi adatok az IoT Sitewise vagy az IoT Core segítségével rögzíthetők a további üzemi kontextushoz.

Adattárolás

A Tulip és más vállalati rendszerekből származó adatok számos lehetőséggel tárolhatók. Az alábbiakban néhány példa: * Relációs adatbázis: egy meglévő relációs adatbázis (pl. AWS RDS) használható a sovány napi menedzsmentadatok tárolására, majd a választott üzleti intelligencia (BI) eszközzel történő elemzésre * Adattó: Az S3 a Glue-val és az AWS Athena-val együtt szintén használható az adatok egyszerű tárolására adatbázis használata nélkül, majd az Athena segítségével szervermentes módon történő lekérdezésre * Adattárház: számos más lehetőség, például a Redshift is létezik az Ön adatkorlátozásaitól, mennyiségétől és egyéb megfontolásoktól függően.

Adatelemzés és vizualizáció

Egyszerű kiindulópontként a meglátások elemezhetők Bi eszközökkel, például az Amazon Quicksight, a PowerBI és a Tableau segítségével.

Ezen túlmenően a sovány napi menedzsmentinformációk részletesebb szinten is elemezhetők olyan eszközökkel, mint a Sagemaker notebookok, ha mélyebb elemzésekre van szükség.

Példa Értékteremtés

Ellátási lánc és mérnöki visszajelzés

A lean napi menedzsment adatoknak az ellátási lánc és a mérnöki adatokkal együtt történő elemzésével megértheti, hogy egy hiba vagy szállítási probléma gyökere az ellátási láncban vagy magában a terméktervezésben felmerülő szélesebb körű problémákra vezethető-e vissza. Az adatok kontextualizálása az üzemcsarnok (Lean Daily Management), az ellátási lánc és a mérnöki részlegek között lehetővé teszi ezt a szélesebb körű elemzést.

Benchmarking

A lean napi menedzsment adatainak több gyártósoron, telephelyen és üzleti egységben történő összesítése lehetővé teszi a könnyebb összehasonlító értékelést a legjobban teljesítő cellák megértése és annak megértése érdekében, hogy hogyan lehet a legjobban átadni a vezető gyakorlatokat az egész vállalaton belül.

Következő lépések

Ha már elsajátította ezt a kezdeti architektúrát, a gépi IoT-adatokból származó betekintések beépítése nagyszerű következő lépés a teljes kép megrajzolásához az üzemi teljesítményről.

Ezen kívül, tekintse meg az Összes Tulip-tábla lekérdezése cikket, ahol további összefüggéseket talál a Tulip összes adatának megfelelő lekérdezésével kapcsolatban.