Big data verbetert productieproces: 10 voorbeelden
16 januari 2015
McKinsey & Company beschreef onlangs in een artikel hoe big data analyse het fabriceren van chemicaliën en farmaceutische middelen kunnen verbeteren. Het artikel liet zien hoe fabrikanten geavanceerde analyse gebruiken om omzet te verhogen en kosten te verlagen. Door een overvloed aan operationele data kunnen processen beter worden gevolgd. Het artikel laat aan de hand van voorbeelden zien dat big data en big data analyses kunnen bijdragen aan nieuwe operationele inzichten.
Aanvullend op dit artikel worden hieronder 10 voorbeelden gegeven over hoe big data de ontwikkeling van producten aan het veranderen is.
1. Verbetering van opbrengst en kwaliteit van productie.
In de farmaceutische productie is het niet ongebruikelijk dat er meer dan 200 variabelen worden gemonitord om de puurheid van de ingrediënten te garanderen. Een van de factoren die farmaceutische productie zo uitdagend maakt is dat de opbrengsten kunnen variëren tussen de 50% en 100%, zonder overduidelijke reden. Door geavanceerde analyse werd het mogelijk om de parameters te vinden die de meeste van deze variaties konden verklaren. Door deze inzichten werd het mogelijk dat de opbrengst van een vaccin met 50% steeg. Voor één vaccin betekende dit al een besparing van tussen de 5- en 10 miljoen euro op jaarbasis.
2. De Duitse ‘Industrie 4.0’ visie komt steeds dichter bij de realiteit.
De gigantische boost van integratie van IT, productontwikkeling en operationele systemen zorgt ervoor dat de visie die werd beschreven in de ‘Industrie 4.0‘ steeds realistischer wordt. ‘Industie 4.0’, geïnitieerd door de Duitse overheid, promoot de automatisering van de fabricerende industrie met als doel de ontwikkeling van Smart Factories. Big data wordt al gebruikt voor planning van productoptimalisatie met data van klanten, leveranciers, beschikbaarheid van machines en kostenbeperking. De productie waardeketen van sterk gereguleerde industrieën, afhankelijk van Duitse leveranciers, maken grote stappen richting deze visie beschreven in ‘Industrie 4.0’. Het initiatief laat afdelingen van multinationals steeds meer samenkomen, waarmee big data en big data analyse steeds belangrijker zijn voor hun succes.
3. Big data voorspelt steeds beter op belangrijke productie gebieden.
Big data levert steeds betere voorspellingen op het gebied van vraag en aanbod, de prestatie van machines en levering van snellere service en support aan klanten. Dit werd aangetoond in een enquête van LNS research en MESA international. Deze enquête werd uitgevoerd om te zien op welke gebieden big data hedendaags de grootste prestaties op het gebied van productie behaald.
4. Continue verbeteringen door integratie van analyse van het six sigma model .
Er komen steeds betere inzichten in elke fase van het six sigma model DMAIC (define, measure, analyze, improve, control) en hoe deze processen werken. Doordat de impact van beslissingen inzichtelijk kunnen worden gemaakt, kunnen productieprocessen steeds beter worden afgestemd op de consument.
5. Visualisatie van kwaliteit van leveranciers en voorspelling van resultaten verbeterd.
Door het gebruik van big data analyse, kunnen fabrikanten de kwaliteit van producten en de leveringen in real-time zien. Hierdoor wordt de wisselwerking met leveranciers steeds beter en kunnen orders steeds preciezer worden geplaatst en afgeleverd, waardoor de kwaliteit van producten toeneemt.
6. Meten van onderlinge resultaten tussen machines wordt mogelijk.
Doordat er sensoren worden geplaatst in machines in productieruimte worden data over de resultaten geleverd. Hierdoor kunnen managers exact en in real-time zien hoe machines opereren. Door geavanceerde analyse is de kwaliteit en de resultaten van elke machine, en zijn operator, te zien en te vergelijken met andere machines. Dit is van grote waarde voor de stroomlijning van werkprocessen in de productie en wordt in toenemende mate de norm.
7. Stijgende verkoop van meest winstgevende, aangepaste of custom producten.
Aangepaste- of op bestelling gefabriceerde producten leveren voor fabrikanten bovengemiddelde brutomarges op, maar kosten exponentieel ook meer als de productie niet goed wordt gepland. Door geavanceerde big data analyse ontdekken fabrikanten welke van deze aangepaste of op bestelling gefabriceerde producten ze kunnen verkopen met een minimale impact op bestaande productie planning, de machine belasting, staf en de werkvloer.
8. Management van kwaliteit en compliance systemen worden bedrijfsprioriteit.
Het artikel van McKinsey levert voorbeelden van de manier waarop big data analyse inzichten kan leveren in welke variabelen het meest van belang zijn voor management van kwaliteit en compliance. De meerderheid van deze variabelen worden echter steeds meer van belang voor de organisatie als geheel, en niet alleen de afdelingen voor kwaliteitsmanagement en compliance.
9. Beter in kaart brengen impact dagelijkse productie op financiële prestaties.
Big data analyse levert de sleutel die de productieactiviteiten en financiële resultaten van een fabrikant kan koppelen. Door te weten of de machines op de werkvloer efficiënt draaien, komen planners en management te weten hoe de productie kan worden vergroot. Door de dagelijkse productie en financiële matrix te verenigen, hebben fabrikanten een betere kans hun productie efficiënt en winstgevend te vergroten.
10. Monitoren producten en preventieve onderhoudsaanbevelingen verbetert service.
Fabrikanten kijken steeds meer naar de complexere producten door naar de sensoren in de operationele systemen te kijken. Deze sensoren kunnen namelijk activiteiten rapporteren en systemen preventief onderhouden. Big data analyse kan aanbevelingen samenvoegen waardoor er voor klanten hogere waarde kan worden gecreëerd. Het bedrijf General Electric doet dit momenteel al bij zijn machines en boorplatforms.
Meer informatie over Big Data?
Vragen over Big Data of bedrijfssoftware?
Neem contact op met Jaap Lucas voor een vrijblijvend gesprek.
Of bel direct: 0318-745010