ماذا يقصد بتحليلات التصنيع؟

مايكل هيكنز | خبير استراتيجي للمحتوى | 3 نوفمبر 2023

تستخدم شركات تصنيع كل شريط—مثل منتجي وصناع الألمنيوم والصلب للمكونات الإلكترونية ومحركات الطائرات والمواد الكيميائية—تحليلات البيانات لمساعدة مصانعهم على العمل بشكل أكثر سلاسة، وتتبع أداء المورّدين، وزيادة معدل الطلبات المثالية، وتحديد مشكلات سلسلة التوريد، وتحسين إنتاجية الموظفين، وتقليل عمليات سحب المنتجات، وفي النهاية خفض التكاليف وتعزيز الأرباح.

ماذا يقصد بتحليلات التصنيع؟

تستخدم الشركات المصنعة تحليلات البيانات لتقليل وقت التوقف غير المجدول وتتبع مؤشرات الأداء الرئيسة وتحسين كفاءة المصنع ورضا العملاء. يُطلق على الاتجاه الأوسع اسم الصناعة 4.0 أو التصنيع الذكي. يشمل هذا تجميع البيانات التي تم جمعها من أنظمة تكنولوجيا المعلومات التقليدية وكذلك المعدات الصناعية وتشغيل تطبيقات التحليلات لاتخاذ قرارات أكثر استنارة. تساعد التحليلات أيضًا الشركات المصنعة في تحديد الأسباب الجذرية لأخطاء الإنتاج والتنبؤ بالمشكلات عبر عمليات التصنيع وسلسلة التوريد التي يمكن أن تعطل تنفيذ الطلبات.

النقاط الرئيسة

  • تساعد الشركات المصنعة في الحفاظ على تشغيل معدات المصنع أثناء عمليات الإنتاج من خلال تحليل بيانات المستشعر للتعرف على متى من المحتمل أن تتعطل هذه المعدات.
  • تستخدم الشركات المصنعة التي تفكر في الانتقال إلى نماذج أعمال أكثر توجهًا نحو الخدمة التحليلات لتحديد تدفقات الإيرادات التي تؤثر عليها أوجه القصور في الإنتاج بشكل مباشر.
  • تساعد التحليلات الشركات المصنعة في مراقبة سلاسل التوريد باستمرار، مما يمنحها رؤية حول حركة المواد الخام أو قطع الغيار أثناء نقلها من المورّدين بالإضافة إلى المواد الموجودة في مختلف المصانع.
  • تستخدم الشركات المصنعة التحليلات لتقليل عدد عمليات استدعاء المنتجات ونطاقها من خلال تحديد آلات أو خطوط إنتاج محددة حدثت فيها مشكلات في الجودة. يتيح هذا للشركات المصنعة استدعاء دفعات منتجات محددة فحسب بدلاً من شحنات بأكملها.
  • تستخدم الشركات المصنعة التحليلات للحفاظ على تتبع مؤشرات الأداء الرئيسة المهمة لضمان وصولها إلى أهداف الطلب المثالية.

شرح تحليلات التصنيع

تستخدم معظم الشركات المصنعة أجهزة الاستشعار لجمع البيانات من مصنعها ومعداتها، والمعروفة باسم البيانات التشغيلية، ومن أنظمة تكنولوجيا المعلومات التي تدير التطبيقات لإدارة عمليات التصنيع والمالية وسلسلة التوريد والموارد البشرية. تساعد تحليلات التصنيع رواد الأعمال في اتخاذ القرارات بناءً على تلك البيانات المدمجة.

على سبيل المثال، تتيح أنظمة التحليلات لرواد الأعمال تتبع مؤشرات الأداء الرئيسة (KPI) لتحديد المورّدين الذين يسلمون باستمرار في الموعد المحدد، وتحديد مشكلات سلسلة التوريد، والحد من نطاق عمليات استدعاء المنتجات. تفسر أنظمة التحليلات أيضًا بيانات المخزون وأمر الشغل من نظام ERP والبيانات التي تم إنشاؤها بواسطة الآلات في أرضية المصنع، وتنبه المديرين بإمكانية تفويت فترة تسليم رئيسة بسبب عدم كفاية الإنتاج أو تعطل الأجهزة. يساعد هذا النوع من التحليلات الشركات المصنعة في تحسين معدل الطلبات المثالي—وهو مؤشر أداء رئيس يعكس قدرة الشركة على تسليم العدد الصحيح من البضائع، دون فقدان في التعبئة المناسبة أو تلفها، ومع الفواتير التي تعكس بدقة التسعير المنصوص عليه وعدد البضائع التي تم تسليمها.

كيف تعمل تحليلات التصنيع؟

ترسل الشركات المصنعة على الأكثر، أجهزة الاستشعار المتصلة بالقطع الرئيسة من المعدات تدفقات ثابتة من البيانات، تلك المخزنة عادةً في مستودع البيانات حول كل نوع يمكن تخيله من المعلمات—مثل درجة الحرارة التي يتم تشغيل المحرك بها ومستوى الاهتزازات المنبعثة من حاملات الكرات—وكلها يمكن أن تشير إلى مشكلة محتملة يجب معالجتها قبل تعطل المعدات وإغلاق خط الإنتاج.

تجمع المصانع الأكثر تطورًا بين البيانات التشغيلية وتكنولوجيا المعلومات ذات الصلة لتنبيه وحدات الإنتاج حول الاضطراب المحتمل ورواد الأعمال بتهديد أمر شغل معين أو إنتاج معين مرتبط بتلك المعدات. يمكن أن يتضمن هذا النوع من التحليلات أيضًا المخزون. يستخدم المديرون التطبيقات لتصور موقع العثور على المخزون—في مستودعات مختلفة أو أثناء النقل من مورّد—وتطبيق التحليلات لاتخاذ قرارات أفضل وأسرع حول التعامل مع نقص محتمل في المخزون يمكن أن يوقف تشغيل الإنتاج إذا لم يتم معالجته بسرعة.

مزايا تحليلات الأعمال

توفر تحليلات التصنيع مزايا كبيرة، أهمها موضح أدناه.

  • منع التعطل غير المجدول. تستخدم الشركات المصنعة التحليلات لتفسير بيانات المستشعر التي يمكن أن تشير إلى أن جزءًا من المعدات من المحتمل أن يتعطل قريبًا. على سبيل المثال، يمكن لأجهزة الاستشعار اكتشاف أن حاملات الكرات في عمود التروس تهتز بتردد غير عادي، مما يشير إلى ضبطها قريبًا. باستخدام هذه البيانات، يمكن للشركات المصنعة إجراء صيانة وقائية للحفاظ على تشغيل الماكينة وخط الإنتاج وفقًا إلى الجدول.
  • تحسين الإنتاجية. باستخدام التحليلات، يمكن للشركات المصنعة زيادة إنتاجية أجهزتهم وموظفيهم وتعزيز هوامش الربح بنسبة تصل إلى 10%، وفقًا لـ McKinsey. استشهدت الشركة الاستشارية بمثال شركة عالمية للمواد الكيميائية خفضت التكاليف بعدة ملايين يورو سنويًا، وبشكل جزئي عن طريق الحد من اعتمادها على مورّدي أطراف ثالثة في بعض خطوط الإنتاج وتحديد الفرص لتوسيع القدرة عن طريق زيادة إنتاجية بعض أصول الإنتاج الهامة. كما زادت الشركة من المبيعات من خلال زيادة القدرة الإنتاجية لفئات المنتجات الأخرى. استخدمت الشركة المُصنّعة نموذج تحليلات أدى إلى القضاء على أكثر من 500 متغير، وأكثر من 3000 قيد، ومئات من خطوات الإنتاج.
  • دعم نماذج الأعمال الجديدة. تجرّب العديد من الشركات المصنعة نماذج أعمال جديدة تستند إلى تقديم الخدمات وبيع المنتجات النهائية ببساطة، والمعروفة في بعض الدوائر باسم المنتج كخدمة. من الأمثلة على ذلك شركات تصنيع محركات الطائرات التي تفرض رسومًا على شركات الطيران بناءً على عدد الساعات التي يطير فيها المحرك دون الحاجة إلى إصلاحات، وتفرض شركة تصنيع المعدات الطبية رسومًا على المستشفيات على أساس الاستخدام، مما يضمن وقت تشغيل المعدات مقابل رسوم الخدمة المستمرة. تجعل التحليلات هذه الخدمات مُمكنة عندما تحلل الشركات المصنعة البيانات التي يتم جمعها من أنظمتهم لتحديد وقت الحاجة إلى الصيانة الوقائية. بالإضافة إلى السماح للشركات المصنعة بإنشاء تدفق إيرادات متكررة متباين، تساعد البيانات التي يجمعونها ويحللونها في تحسين المنتجات المستقبلية، ويساعدهم النموذج على بناء علاقات عملاء طويلة الأجل.
  • تحسين التكاليف. يمكن للشركات المصنعة فهم تكاليفهم الإجمالية بشكل أفضل، بما في ذلك العمالة والمواد والنفقات العامة والنفقات الشاذة، مثل طلب الكثير من مخزون الأمان للمواد الخام التي تؤدي إلى تكاليف تحمل زائدة. يمكن أن يؤدي استخدام التحليلات هذا إلى تحسين الهوامش.
  • البقاء على اطلاع بمؤشرات الأداء الرئيسة (KPI). يستخدم رواد الأعمال التحليلات لمساعدتهم في تحديد المشكلات المحتملة التي يمكن أن تؤثر على الجوانب الرئيسة للأعمال، في مصانعهم وعبر سلاسل التوريد. لا يمكن أن يشير مؤشر أداء رئيس واحد إلى طريقة أداء مصنع أو شركة تصنيع. علاوة على ذلك، لا تعكس بعض مؤشرات الأداء الرئيسة، مثل التسليم في الوقت المحدد أداء مصنع واحد فحسب، بل تعكس أداء سلسلة توريد بأكملها. تستخدم الشركات الرائدة التحليلات لمساعدة المديرين في فهم المشكلات الكامنة وراء كل مؤشر من مؤشرات الأداء الرئيسة هذه بالإضافة إلى طريقة ارتباطها ببعضها بعضًا.

    تتضمن مؤشرات الأداء الرئيسة الأكثر شيوعًا ما يلي:
    • معدل الطلبات المثالي، يمثل كما تمت مناقشته سابقًا مركب من مؤشرات الأداء الرئيسة المختلفة التي تعكس طريقة تسليم الشركة المصنعة البضائع الجاهزة دون أخطاء، بما في ذلك شحن العدد المناسب من البضائع وتعبئتها بشكل صحيح، والتأكد من أنها مصحوبة بوثائق تتطابق مع الكمية الفعلية التي تم شحنها وتحرير فواتير لها وفقًا إلى الأسعار المنصوص عليها.
    • العائد، وهو ما يقيس الكفاءة التي يتم بها إنتاج البضائع، من خلال احتساب عدد الوحدات التي يتم إنتاجها للمواصفات القياسية بصفتها نسبة مئوية من إجمالي عدد الوحدات المنتجة.
    • الفعّالية العامة للمعدات (OEE)، التي تقيس النسبة المئوية للوقت الذي تكون فيه المنشأة مُنتجة، مع مراعاة جودة المنتج وتوافر المعدات والأداء. من خلال تحليل الفعّالية الكلية لمعدات الإنتاج في أي وقت، يمكن للشركات المصنعة التنبؤ بحالات تعطل المعدات المحتملة والتخطيط للصيانة وفقًا إلى ذلك.
    • التسليم في الوقت المحدد، الذي يقيس النسبة المئوية للوحدات التي تم تسليمها خلال إطار زمني محدد كما وعد بها العميل. يساعد هذا التحليل على فهم التأخيرات المحتملة في إنجاز الطلبات وتحديد سببها بالضبط، سواء كانت مرتبطة بمشكلات تسليم المورّدين أو عقبات في إدارة الطلبات.
    • الإنتاجية، التي تحسب كفاءة مصنع أو شركة مصنعة معينة، استنادًا إلى إجمالي عدد البضائع المنتجة خلال إطار زمني محدد. من خلال المراقبة المستمرة لهذا النوع من البيانات، يمكن للشركات المصنعة تحديد أوجه القصور المحتملة في المعدات وإدارة متأخرات الموارد وتعديل خطط الإنتاج لتحقيق أهدافها.
    • وقت الدورة، وهو طريقة لحساب إمكانية منشآت المصنِّع على تلبية الطلب، ويتم قياسه بكمية البضائع التي ينتجها المصنع من لحظة تقديم العميل لطلب حتى وقت استلام العميل للبضائع.
    • حجم الإنتاج، الذي يقيس إجمالي عدد الوحدات المنتجة خلال إطار زمني محدد.
    • استخدام القدرة الإنتاج، الذي يقيس مدى توافق المصنِّع مع القدرة على الطلب، ويتم احتسابه عن طريق قسمة إجمالي القدرة المستخدمة في إطار زمني محدد على إجمالي القدرة الإنتاجية المتاحة، مضروبًا في 100 للحصول على نسبة مئوية.
    • معدل الفاقد، الذي يقيس كمية المواد التي يجب إلغاؤها بعد انتهاء أمر الشغل. كلما انخفض المعدل، كان ذلك أفضل.
  • تتبع أداء المورد. تستخدم الشركات المصنعة التحليلات لتحديد المورّدين الذين يسلمون باستمرار قطع الغيار أو المواد الخام في الوقت المحدد. كما أنها تستخدمها لمراقبة جودة منتجات المورّدين وأسعارهم بالنسبة للمنافسين ومدى امتثالهم لمعايير العمل والبيئة.
  • اكتساب رؤية حول سلسلة التوريد. تستخدم الشركات المصنعة التحليلات لإنتاج تقارير حول مستويات مخزونها من المواد الخام أو قطع الغيار. يمكنها تصور قطع الغيار التي لا تزال قيد النقل وأين هي من بين مصانعها المختلفة التي لديها مخزون يمكن نقله لسد عجز في موقع آخر. إن هذا مهم بشكل خاص للشركات المصنعة الكبيرة مع الآلاف من المورّدين التي تسد مئات من الطلبات في وقت واحد.
  • تحديد أولوية أوامر الشغل. تسهل التحليلات على فِرق التصنيع تحديد المشروعات وتشغيل الإنتاج لتحديد الأولويات—استنادًا إلى عوامل مثل وقت الوعد بمنتج ما، وإذا كانت توجد اضطرابات حالية في سلسلة التوريد، وإذا كانت الفِرق لديها مخزون محدد مطلوب لكل أمر. تتيح التحليلات للمشرفين مقارنة أوامر الشغل وأوامر المبيعات والمخزون المتوافر، كما تتيح للمشرفين على الإنتاج معرفة مدى ملاءمة عمليات الإنتاج المختلفة لخطة التصنيع الشاملة. على سبيل المثال، قد يقرر مدير المصنع تشغيل أمر عمل أحدث لعميل متميز أو صاحب طلبات كبيرة الحجم تحتاج إلى توفيتها بسرعة وإلغاء أولوية أمر سابق من عميل أقل ثباتًا لن يستغرق وقتًا طويلاً لتوفيرها.
  • تحسين إنتاجية الموظف. يمكن أن تساعد التحليلات في تقليل وقت التعطل غير المجدول، كما هو موضح أعلاه، بحيث نادرًا ما يتعطل عمال الإنتاج. لكن يمكن أن تساعد أيضًا الموظفين على جدولة أنشطة الصيانة في الأوقات التي لا تكون فيها المعدات قيد الاستخدام، مما قد يصبح من الصعب القيام بذلك يدويًا عندما توجد العديد من أوامر الشغل قيد التنفيذ عبر أكثر من منشأة واحدة. يساعد هذا بدوره في ضمان عدم توقف طواقم الصيانة في انتظار صيانة الآلات—وهو أمر غير شائع. في الواقع، يقضي موظفو الصيانة حوالي ربع وقتهم في القيام بعمل منتج، وفقًا إلى التقديرات. يمكن استخدام هذه الأنواع نفسها من التحليلات لتعديل العمليات الأخرى، مثل أوقات بداية الوردية ونهايتها للتوافق مع نوافذ تسليم المواد أو العوامل الخارجية الأخرى.
  • وضع حد لنطاق عمليات استدعاء المنتجات. تستخدم التحليلات تقارير تفصيلية من قطع فردية من المعدات، بما في ذلك بيانات الإنتاج في الوقت الفعلي وتقارير مراقبة الجودة، لمساعدة الشركات المصنعة في تحديد وقت ظهور مشكلة بالجودة بالضبط، وفي أي خط إنتاج، وفي أي قطعة من المعدات. يساعد ذلك في الحد من نطاق عمليات استدعاء المنتجات وخفض التكاليف وزيادة رضا العملاء.
  • الحصول على بيانات أكثر تفصيلاً. تدير الشركات المصنعة عملياتها باستخدام مؤشرات الأداء الرئيسة مع البيانات الموجودة بشكل عام على مستوى المصنع. يمكن ربط هذه البيانات أيضًا بخطوط الإنتاج الفردية وحتى الآلات، مما يتيح للشركات المصنعة تحسين الإنتاجية وأوقات الدورات ومؤشرات الأداء الرئيسة الأخرى على مستوى دقيق.
  • تقليل استنزاف الموظفين. يمكن أن تساعد التحليلات الشركات المصنعة على تحديد مخاطر السلامة وتصحيحها، وظروف العمل الصعبة، وورديات العمل الطويلة للغاية، والموظفين غير المستغلين، مما يساعد في تحسين الروح المعنوية والسلامة والحيازة. تستخدم الشركات المصنعة أيضًا التحليلات للمساعدة في تحديد الموظفين بمهارات أخرى غير تلك التي يستخدمونها لمنصب معين، مما يتيح لهم إعادة تعيين الموظفين إلى مجالات مُختلفة من العمل وتطوير مهنهم.
  • إنتاج بيانات مالية مُتسقة. تنتهي غالبًا الشركات التي لا تزال تستخدم جداول البيانات وغيرها من الوسائل اليدوية المنفصلة إلى إدارة البيانات المالية ببيانات غير متسقة. قد يكون هذا نتيجة الإبلاغ عن الأخطاء أو لأن المديرين يحاولون وضع أفضل صورة ممكنة على موقف معين. يمكن أن تنتج التحليلات المطبقة على البيانات المستخرجة من كل من التطبيقات والمعدات المالية في المصنع تقارير آلية ودقيقة خالية من الأخطاء البشرية أو التلاعب بها.

9 أفضل ممارسات لتحليلات التصنيع

تشترك مشروعات التحليلات الناجحة في العديد من الخصائص الرئيسة، الموضحة في أفضل الممارسات الواردة أدناه.

1. جعله مشروع أعمال

إشراك أصحاب المصلحة في الأعمال، وصولاً إلى مجموعة كبار الموظفين، في تطوير مشروعات التحليلات. تأكد من أن المشروعات تحقق نتائج مبكرة وذات فائدة (راجع قسم مؤشرات الأداء الرئيسة) حتى لا يُنظر إليها على أنها مجرد مجموعة أخرى من مشروعات تكنولوجيا المعلومات. على سبيل المثال، إثبات أن الجمع بين تكنولوجيا المعلومات والبيانات التشغيلية يمكن أن يساعد في تحليل المقاييس المتصلة، مثل تأثير التسليم في الوقت المحدد على رضا العملاء أو تأثير تعطل الجهاز على معدل الطلب المثالي.

2. البدء تدريجيًا

لإثبات قيمة التحليلات، ابدأ بالبيانات التي تم جمعها من عدد قليل من الآلات، تلك التي هي مشكلات أو الهامة بشكل خاص لخط الإنتاج، بدلاً من محاولة إنشاء مشروع على نطاق المؤسسة. يُعد هذا النهج أقل تكلفة من دفعة واحدة، ومن المرجح أن تظهر له نتائج فورية، ويؤدي غالبًا إلى زيادة الطلب على مشروعات التحليلات على نطاق أوسع.

3. حصر بياناتك

المشاركة في اكتشاف واسع النطاق لأنواع البيانات المُختلفة المتاحة من أنظمة مُختلفة تستخدمها الإدارات المختلفة. يجب أن يتضمن هذا التقييم التطبيقات التي تستخدمها الشركات التي تم الاستحواذ عليها؛ وتطبيقات حسابات المدفوعات وكشوف الرواتب وغيرها من تطبيقات المكاتب الخلفية المُضافة بمرور الوقت؛ وحتى ذلك التطبيق الفردي الذي أنشأه المطور لشخص ما قبل عقد من الزمان وما زال يعمل على خادم في مكتب شخص ما.

4. تضمين البيانات التشغيلية

تضمين البيانات التي يتم جمعها من معدات المصنع أو العمليات الأخرى بجانب البيانات التي يتم جمعها في التطبيقات التي تدير عمليات التصنيع للحصول على التحليل الأدق. على سبيل المثال، يمكن أن يشير تحليل بيانات أمر الشغل من تطبيق ERP مع البيانات التشغيلية حول وقت دورة خط الإنتاج إلى إذا كان يتم استيفاء أمر معين في الوقت المحدد أم لا، وهي نتيجة تؤثر بشكل مباشر على رضا العملاء وإيراداتهم.

5. إنشاء مستودع بيانات واحد

يمكنك تجميع البيانات من مستودعات بيانات مُختلفة في مستودع بيانات واحد أو بحيرة بيانات قائمة على السحابة. يكون هذا أمر بالغ الأهمية بعد الاستحواذ لأن الشركات المختلفة تستخدم غالبًا أنظمة إدارة بيانات مختلفة لا تتكامل بشكل جيد مع بعضها بعضًا.

6. قياس ما يلزم إدارته

توسيع نطاق مشروعات التحليلات بحيث يتم جمع الأنواع المناسبة من البيانات وتحليلها. إذا كان أحد أهداف المشروع هو تقليل وقت التوقف عن العمل، فتأكد من جمع بيانات المستشعر للمعدات التي يجب صيانتها في حالة العمل. إذا كان الهدف هو تحسين الإنتاجية، فتأكد من أنه يمكنك تسجيل الحجم وجمع بيانات المتوالية الزمنية حتى تتمكن من قياس مقدار الإنتاج خلال إطار زمني معين.

7. تبني الذكاء الاصطناعي والتعلم الآلي

من خلال الاستفادة من التعلم الآلي بدون تعليمات برمجية ضمن التحليلات، يمكن لأي شخص في مؤسسة التصنيع لديك الكشف عن الأنماط الخفية بناءً على البيانات القديمة، مثل تحديد اتجاهات التراكم في المخزون، والتنبؤ بتعطل الآلات، وتحليل الاستخدام الناقص للموارد، وربط تأثير نقص الإنتاج بمقاييس الأعمال الرئيسة، مثل الإيرادات والهوامش.

8. توسيع إمكانات التحليلات بشكل تدريجي

يمكنك تحديد المجالات الرئيسة التي لا يتم فيها جمع البيانات وإضافة أجهزة استشعار أو إمكانات أخرى للسماح بحدوث ذلك. توسيع نطاق مشروعات التحليلات وتعقيدها وفقًا إلى ذلك. على سبيل المثال، يمكن للشركات المصنعة البدء بقياس كمية الوحدات المنتجة والنسبة المئوية للوقت الذي تعمل فيه المعدات بكامل طاقتها، ثم إضافة مقاييس الجودة، مثل عدد الوحدات المقبولة بصفتها نسبة مئوية من إجمالي الوحدات المنتجة.

9. تعديل خطة التصنيع

يمكن للشركات المصنعة استخدام الرؤى القائمة على التحليلات من البيانات المدمجة من المخزون المتكامل بالإضافة إلى التنفيذ وتجربة العملاء والمبيعات والإنتاج ومصادر الجهات الخارجية لاتخاذ قرارات سريعة وتعديل خطط الإنتاج حسب الحاجة.

حالات استخدام الأعمال لتحليلات التصنيع

تستخدم الشركات المصنعة تحليلات البيانات لتحسين الكفاءة الإجمالية لعملياتهم على مستوى المصنع وسلاسل التوريد واكتساب رؤى أفضل حول مؤشرات الأداء الرئيسة، مثل الكفاءة الإجمالية للمعدات ووقت تشغيل المعدات والإنتاجية الخارجة عن العائد. تمعّن في الأمثلة التالية.

  • HarbisonWalker International. يمكن للشركات المصنعة الكبيرة متعددة الجنسيات استخدام التحليلات لتحسين دقة التنبؤ وتسليم الطلبات في الوقت المحدد. على سبيل المثال، HarbisonWalker International، وهي شركة عمرها أكثر من 150 عامًا تصنع منتجات حرارية (منتجات يمكنها تحمل درجات عالية من الحرارة أو الضغط أو الهجمات الكيميائية)، تمتلك عشرات المنشآت المنتشرة عبر ثلاث قارات. أدى الجمع بين عمليات الاستحواذ والتطبيقات العديدة التي تم تصحيحها معًا خلال السنوات العشرين الماضية إلى صعوبة جمع البيانات وتحليلها. من خلال دمج البيانات والتطبيقات في نظام ERP سحابي واحد، حللت HarbisonWalker بيانات التصنيع والبيانات المالية على مستوى المؤسسة لتحسين دقة التنبؤ وتقليل الوقت الإضافي للعامل وضبط مستويات المخزون وتحسين التسليم في الوقت المحدد إلى أكثر من 90%.
  • شركة Western Digital. تساعد التحليلات الشركات الكبيرة على اتخاذ قرارات قائمة على البيانات بسرعة أكبر. على سبيل المثال، تباطأت عمليات سير عمل إعداد تقارير البيانات في شركة تخزين البيانات Western Digital بسبب عدة عوامل، بما في ذلك استحواذها على Hitachi Global Storage Technologies وSanDisk، التي استخدم كل منها منصات مختلفة للبيانات وسير العمل. كان لدى الشركات الثلاث مجتمعة أكثر من 2000 تطبيق لإدارته، واستغرق تحديث مستودع البيانات أكثر من ثماني ساعات لتكنولوجيا المعلومات. ترك هذا الإعداد مستخدمي الأعمال دون الوصول إلى التحليل الذكي للأعمال والتحليلات خلال يوم العمل، وعندما أصبحت التقارير مُتاحة، كانت البيانات بعمر 24 إلى 48 ساعة. من خلال توحيد البيانات وسير العمل على نظام جديد قائم على السحابة مع إعداد تقارير مهيأة مسبقًا، منحت شركة Western Digital قادة أعمالها إمكانية الوصول إلى البيانات التحليلية في غضون حوالي 20 دقيقة. بالإضافة إلى ذلك، أتاح دمج البيانات والمنصات للشركة تبسيط عمليات سير العمل وضمان عمل جميع المديرين والمديرين التنفيذيين من نفس مجموعات البيانات والتقارير.
  • Bitron. تستخدم الشركات المصنعة التحليلات لتقليل الوقت الذي يقضيه المديرون التنفيذيون في البحث عن البيانات، مما يسهل عليهم اتخاذ القرارات على أساس تجريبي ليس تأكيدي تستخدم شركة Bitron، وهي شركة إيطالية مصنعة لمجموعة من المكونات الميكانيكية والإلكترونية لمجموعة متنوعة من الصناعات، بما في ذلك الطاقة والسيارات وشبكات التدفئة والتهوية والتبريد (HVAC)، وتقنية السحابة للتخلص من مستودعات البيانات. تتيح أدوات التحليلات ذاتية الخدمة للمديرين إنشاء التقارير التي يحتاجون إليها. يحتاج عادةً المستخدمون إلى تصدير البيانات من مصادر مختلفة وتشغيل التحليلات بشكل منفصل باستخدام أدوات تحليلات النقاط، مما يؤدي إلى رؤى بها أخطاء. مع ذلك، باستخدام Oracle Analytics Cloud، التي تتضمن إمكانات إعداد البيانات وإثرائها، يمكن للمستخدمين تجميع البيانات بسهولة أكبر وإنتاج مؤشرات الأداء الرئيسة لمساعدتهم في إدارة عمليات التصنيع.
  • Bonnell Aluminum. تمنح التحليلات الشركات المصنعة رؤية أكبر لسلاسل التوريد والعمليات، مما يتيح لهم تلبية متطلبات العملاء بشكل أفضل. حاولت Bonnell Aluminum، وهي شركة مصنعة لمنتجات الألمنيوم المصنعة والنهائية المخصصة، استخدام البيانات من أنظمة الموارد البشرية والإدارة المالية وعمليات المصانع، بما في ذلك البيانات من خمس مصانع تصنيع كانت في مستودعات بيانات غير قابلة للتشغيل البيني. جمع مديرو المصانع البيانات في الموقع من جداول البيانات مع نظام تقارير ERP محلي، مما أدى إلى عدم اتساق البيانات والقرارات مستندة إلى أساس ضعيف. أدى الافتقار إلى البيانات الموثوقة إلى استحالة تحديد أو ربط نقص المواد في جميع أنحاء العالم، وتحديد المورّدين أصحاب الأداء الضعيف، وتحديد أولويات طلبات العملاء. أصبح هذا النقص في الوضوح غير محتمل مع 80% من أعمال Bonnell في التصنيع المخصص، مما يتطلب منها تسليم البضائع المصنوعة وفقًا إلى مواصفات محددة وفي وقت معين. بفضل منصة ERP والتحليلات الجديدة المستندة إلى السحابة، اتخذت الشركة قرارات شراء ومخزون أفضل. من خلال ربط البيانات عبر المؤسسة، بما في ذلك البيانات من المورّدين، يمكن لشركة Bonnell فهم المنتجات الأعلى طلبًا بشكل أفضل، وتحديد مشكلات العمليات (مثل تأخيرات المورّدين ومشكلات المخزون ذات الصلة)، وإجراء التغييرات اللازمة (مثل إعادة تخصيص العمالة والإنفاق) لتلبية هذه المتطلبات المُخصصة.

طريقة تنفيذ تحليلات البيانات في التصنيع

تستخدم معظم شركات التصنيع تحليلات البيانات، لكن في كثير من الحالات لم تنفذ بعد استراتيجية شاملة. يشمل ذلك تجميع البيانات وتنقيحها بشكل مُتسق، وتشغيل الاستعلامات التحليلية مقابل تلك البيانات، وتنظيم الاستجابات للتنبيهات أو المعلومات الأخرى التي كشفت عنها البيانات. ينبغي للشركات المصنعة مراعاة أفضل ممارسات التنفيذ العشرة التالية.

  1. إنشاء مخزون للحالة الحالية لمستودعات البيانات وتوثيق ما تريد أن تكون عليه الحالة النهائية، بما في ذلك المقاييس التي ترغب في رؤيتها يتم إنتاجها (من أجل الصيانة الوقائية وتحسين الجودة وسلامة العمال وما إلى ذلك).
  2. حصر أنواع البيانات. يتضمن هذا البيانات غير المنظمة التي تم جمعها من الآلات والأجهزة والأصول قيد النقل والمصادر الأخرى، بالإضافة إلى التصنيع والإدارة المالية وسلسلة التوريد والمبيعات والتسويق والموارد البشرية والتطبيقات الأخرى، بالإضافة إلى البيانات المنظمة في مستودعات البيانات أو بحيرات البيانات.
  3. بدء عملية ترحيل البيانات، من خلال دمج البيانات أولاً في مستودع بيانات واحد أو مستودع آخر، ويتم نسخها احتياطيًا لضمان استمرارية الأعمال. بالإضافة إلى كونه خطوة أولى هامة في عملية التحليلات، يساعد ترشيد البيانات بهذه الطريقة أيضًا في تقليل تكاليف التخزين، وهو انتصار أولي مقبول.
  4. إنشاء موصلات أو مواجز بيانات من مصادر بيانات مُختلفة في المخزن المركزي.
  5. استخدام برنامج تصحيح البيانات لإزالة البيانات المكررة أو المتناقضة أو غير الدقيقة التي تم جمعها من أنظمة مُختلفة، مما يضمن أن البيانات المركزية نظيفة وموثوقة.
  6. البدء تدريجيًا، كما ذُكر سابقًا. استهدف في البداية قطعة واحدة من معدات الإنتاج تم تحديدها على أنها عنق الزجاجة حتى تتمكن الفِرق من تطبيق التحليلات لغرض الصيانة الوقائية وتقليل وقت التعطل. أو تحديد مجموعة من مؤشرات الأداء الرئيسة (أوقات الدورات، والإنتاجية، وسلامة العمال، وما إلى ذلك) لتتبع استخدام التحليلات وتحسينه.
  7. نقل التحليلات إلى خطوط إنتاج أهم أو عمليات سلسلة التوريد.
  8. دع مستخدمي الأعمال يعدون تقاريرهم ولوحات المعلومات في الفواصل الزمنية التي يختارونها، لتقليل اعتمادهم على قسم تكنولوجيا المعلومات.
  9. إعداد التقارير بحيث تكون موجهة بصريًا (مقابل تنسيق جدولي)، مما يسهل على الأشخاص اتخاذ القرارات بناءً على أوجه الخلل في البيانات أو العلامات الأخرى.
  10. استخدم التقارير التي تم إعدادها مسبقًا كلما أمكن والتي تعد جزءًا من حزمة برامج التحليلات، مما يوفر مؤشرات أداء رئيسة قياسية في المجال تساعدك في قياس عملياتك مقارنة بعمليات المنافسين.
صورة لطريقة تنفيذ تحليلات البيانات في التصنيع
يمثل إعداد برنامج تحليلات التصنيع عملية تكرارية تنطوي على البدء بمشروع صغير وتوسيع النطاق ببطء.

مستقبل تحليلات التصنيع

في حين أن معظم الشركات المصنعة تستخدم بالفعل تكنولوجيا المعلومات، إلى حد ما المعلوماتية البعدية أو غيرها من الأجهزة على معداتها، لذا يميل استخدامها لتكنولوجيا المعلومات والتحليلات على وجه الخصوص إلى أن يكون غير متساو. ذلك لأن البيانات موجودة في مستودعات مُختلفة، مما يجعل الوصول إليها وتحليلها أمرًا صعبًا.

يساعد توحيد أنظمة تكنولوجيا المعلومات المستندة إلى السحابة الشركات المصنعة على دمج كل هذه البيانات—سواء البيانات المهيكلة أو غير المهيكلة—مما يتيح لها استخدام التحليلات بطريقة متناسقة ومتسقة للوصول إلى رؤى دقيقة وموثوقة لتحسين عملية صنع القرار.

أخيرًا، يتيح إدخال التعلم الآلي منخفض التعليمات البرمجية وبدون تعليمات برمجية مُضمن في التحليلات لمستخدمي الأعمال إنشاء تقارير بأنفسهم، دون الحاجة إلى ملء تذكرة طلب أو الحصول على مساعدة من تكنولوجيا المعلومات. يؤدي ذلك إلى استخدام أكثر تكرارًا للبيانات وجميع المزايا المترتبة على ذلك.

مواكبة عمليات التصنيع المستقبلية باستخدام أنظمة Oracle

تساعد Oracle Cloud Supply Chain & Manufacturing، وهي جزء من Oracle Fusion Cloud ERP الشركات المصنعة على الاستجابة بسرعة لظروف الطلب والعرض والسوق المُتغيرة. يمكن للشركات المصنعة التي تستخدم مجموعة التطبيقات هذه مراقبة أنماط المخزون باستمرار للتخفيف من مخاطر تراكمات أوامر الشغل، وتحديد إذا كان أداء المورد قد يؤثر على أهداف الإنتاج، وغير ذلك الكثير.

تُمكِّن Oracle Fusion Supply Chain & Manufacturing Analytics الشركات المصنعة من زيادة الإنتاجية من خلال الرؤى التي تم إنشاؤها مسبقًا، وتحسين كفاءة قسم الإنتاج من خلال الكشف السريع عن أوجه الخلل، وتحسين العمليات من التخطيط إلى الإنتاج من خلال عرض متكامل لبيانات التصنيع وسلسلة التوريد.

الأسئلة الشائعة حول تحليلات التصنيع

كيف تساعد التحليلات شركات التصينع؟
تستخدم الشركات المصنعة التحليلات لمجموعة متنوعة من الأغراض، بما في ذلك تقليل وقت التعطل غير المخطط، وتتبع أداء المورّدين وتحسينه، وتحديد أولويات أوامر الشغل، وتعزيز إنتاجية الموظفين، وتقليل عيوب المنتجات.

ما هي أنواع الأحداث المادية التي يمكن لأجهزة الاستشعار اكتشافها؟
يمكن للمستشعرات اكتشاف وجود اللهب وتسرب الغاز ومستويات الزيت، ويمكنها استشعار الخصائص الفيزيائية مثل درجة الحرارة والضغط والإشعاع. يمكنها أيضًا اكتشاف حركة الكائنات وقربها من بعضها بعضًا.

من أين تحصل الشركات المصنعة على البيانات التي يحللونها؟
تربط شركات التصنيع البيانات من مجموعة متنوعة من المصادر، بما في ذلك الآلات بأرض المصنع، وتطبيقات تكنولوجيا المعلومات في المكاتب الخلفية، والمورّدين، وجهات توفير البيانات الخارجية التي تركز على الأسواق؛ والبيانات الديموغرافية؛ والطقس؛ واللوائح؛ وبراءات الاختراع؛ والممارسات البيئية والاجتماعية والإدارية؛ وفئات المعلومات الأخرى.

تقديم النتائج النهائية بصورة أسرع باستخدام مركز قيادة سلسلة التوريد

تعرف على طريقة تعزيز جودة وسرعة اتخاذ قرارات سلسلة التوريدات الخاصة بك والمضي قدمًا في تحديات المستقبل في كتابنا الإلكتروني.