Hur små och medelstora företag använder data för att göra sin produktion smartare och effektivare

Den nederländska tillverkningsindustrin står inför en dubbel utmaning: kunderna förväntar sig större flexibilitet och skräddarsydda lösningar, samtidigt som personalbrist, stigande kostnader och snäva marginaler sätter press på produktionskapaciteten. Samtidigt erbjuder maskininlärning (ML) konkreta möjligheter att producera mer effektivt, minska antalet fel och fatta bättre beslut baserade på data.

‍

I denna vitbok belyser vi två praktiska tillämpningar av maskininlärning som är direkt relevanta för små och medelstora tillverkningsföretag: visuell kvalitetskontroll och processoptimering.

‍‍

Tillämpning 1: automatisk kvalitetskontroll med datorseende

‍

Situation
Ett företag i Almelo som tillverkar formsprutade plastdetaljer producerar tekniska komponenter för bilindustrin. Kvalitetskraven är höga: till och med en minimal deformation eller missfärgning kan leda till att kunden underkänner produkten. Fram till nyligen kontrollerade medarbetarna komponenterna manuellt för att upptäcka synliga fel. Detta ledde regelbundet till att defekter förbisågs, vilket i sin tur medförde returer och kostnader.

‍

Lösning
Företaget installerade ett kamerasystem vid utmatningen från formsprutningsmaskinerna och kopplade detta till en algoritm för maskininlärning som tränats på tusentals exempelbilder av korrekta och felaktiga produkter.

‍

Så här fungerar det

• Under tillverkningen tar kameran kontinuerligt bilder av varje komponent
• Algoritmen jämför dessa med den ideala profilen och upptäcker avvikelser såsom luftfickor, grader och missfärgningar
• Felaktiga delar tas automatiskt bort från produktionslinjen

‍

Resultat

• 95 % av felen upptäcks nu automatiskt
• Antalet returer minskade med 60 %
• Kundnöjdheten och leveranssäkerheten ökade märkbart
• Operatörerna kan fokusera på processen istället för på den visuella kontrollen

‍

Denna tillämpning ledde till en omedelbar kvalitetsförbättring, lägre kostnader och högre produktivitet per heltidsanställd.

‍‍

Tillämpning 2: processoptimering genom dataanalys

‍

Situation
Ett metallbearbetningsföretag i Noord-Brabant tillverkar komponenter i små serier på tre produktionslinjer. Planeringen verkade effektiv, men produktionschefen misstänkte att ledtiden var längre än nödvändigt. Det fanns inga tydliga uppgifter om var i processen förseningarna uppstod.

‍

Lösning
Tillsammans med en dataspecialist samlade företaget in data från PLC-systemen, ERP-systemet och genom manuell inmatning från operatörerna. Därefter tränades en maskininlärningsmodell för att identifiera flaskhalsar i processen.

‍

 Vad visade det sig?

• Inställningstiderna varierade kraftigt mellan arbetslagen, särskilt vid mer komplexa uppgifter
• Skiftbytet ledde till en genomsnittlig försening på 20 minuter per skift
• En produktionslinje var genomgående mindre effektiv på grund av felaktigt planerade seriestorlekar

‍

Kampanjer

• Inställningsrutinerna har standardiserats utifrån bästa praxis enligt modellen
• Lagöverlämningen har anpassats med ett digitalt överlämningsformulär
• Produktionsplaneringen optimerades utifrån dataanalys

‍

 Resultat

• Den genomsnittliga handläggningstiden minskade med 14 %
• Produktionen per skift ökade med 11 % utan extra arbetstimmar
• Operatörerna känner sig mer engagerade tack vare insyn i sina prestationer

‍

Detta projekt visar att även enkla insikter från data, i kombination med maskininlärning, kan leda till konkreta förbättringar av effektiviteten och engagemanget.

‍

Slutsats

Maskininlärning är ingen avlägsen framtidsvision. Små och medelstora tillverkningsföretag i Nederländerna använder redan idag tekniken för att förbättra kvaliteten och effektivisera produktionsprocesserna. Visuell inspektion och processoptimering är två lättillgängliga tillämpningar som ger snabba resultat, förutsatt att de används på rätt sätt.

‍

TMC Media hjälper tillverkningsföretag att omsätta denna teknik till tydliga strategier och kommunikation. Oavsett om du redan samlar in data eller just nu letar efter ett praktiskt sätt att komma igång: vi hjälper dig att ta steget mot smart tillverkning på ett konkret sätt. 

‍