Skuteczne zarządzanie jakością produktów ma kluczowe znaczenie dla sukcesu marki. Jakość musi być przedmiotem zainteresowania od pierwszej idei, przez proces projektowania, aż po dostawę produktu końcowego.
Oracle Fusion Cloud Quality Management to oprogramowanie do zarządzania jakością w pętli zamkniętej w chmurze, które pomaga identyfikować, analizować, korygować i przewidywać problemy związane z jakością. Quality Management to zintegrowana funkcja rozwiązania Oracle Fusion Cloud Product Lifecycle Management (PLM) osadzona w pakiecie Oracle Fusion Cloud Supply Chain & Manufacturing, stanowiąca część każdego procesu i dostępna dla każdego zespołu.
Te konfigurowalne panele informacyjne zapewniają dostęp do wszystkich danych dotyczących jakości w jednym miejscu, oferując w czasie rzeczywistym wgląd w jakość produktów w całym portfolio, w tym w opracowywane prototypy nowych produktów. Tutaj można zobaczyć wszystkie wadliwe pozycje i ile razy spowodowały one problem z jakością.
Dostęp do tego typu informacji o jakości na intuicyjnym ekranie oznacza, że zespoły mogą współpracować i modyfikować projekty, aby spełnić oczekiwania klientów. Pozwala także zachować proaktywność podczas projektowania nowych produktów, ponieważ można uwzględnić istniejące dane.
Zespoły, w tym globalne lub zdalne, mogą używać aplikacji Quality Management do rejestrowania, wizualizowania, monitorowania i współpracy w zakresie potencjalnych problemów z jakością z dowolnego urządzenia. Dzięki wbudowanym funkcjom uczenia maszynowego i inteligencji adaptacyjnej można odkrywać szczegółowe informacje i przeprowadzać analizę głównych przyczyn, aby szybko rozwiązywać problemy z jakością lub zanim one wystąpią.
Podobnie jak wiele produktów, ramiona robotyczne są złożone i integrują sprzęt z połączonym oprogramowaniem, co utrudnia zarządzanie jakością. Teraz, gdy produkty mogą być dostarczane jako usługa, potrzebujesz sposobu przewidywania problemów z jakością, zanim się pojawią.
Wygląda na to, że rozwiązanie Oracle Fusion Cloud Internet of Things Intelligent Applications zidentyfikowało potencjalny incydent, który wymaga uwagi. To robotyczne ramię może stanowić zagrożenie dla jakości.
Zagłębiając się w dane IoT Intelligent Applications, można sprawdzić, czy w atrybucie tego ramienia robotycznego wykryto anomalię. Ten panel informacyjny umożliwia zespołom ds. jakości monitorowanie produktów podczas produkcji i w terenie. Otrzymywanie automatycznych powiadomień o anomaliach pozwala rozwiązywać problemy, zanim staną się one problemem.
Pojedyncze źródło danych o produkcie oznacza, że można zastosować gotową do użycia statystyczną kontrolę procesu do monitorowania danych produkcyjnych przy użyciu określonego zakresu momentu obrotowego w celu przewidywania potencjalnych awarii.
Podczas dalszego badania otwartego incydentu za pomocą aplikacji Quality Management można zobaczyć, jak aplikacja IoT automatycznie wygenerowała raport o problemach. Wydaje się, że istnieje możliwość wystąpienia poważnego wyjątku momentu obrotowego, który wymaga eskalacji.
Posiadanie tych informacji w jednym systemie pozwala na połączenie wymagań oraz trybu awarii projektu i analizy efektu (DFMEA) w celu szybszej oceny jakości. Oznacza to, że jakość może być mierzona i oceniana całościowo w projekcie inżynieryjnym, produkcji i całym łańcuchu dostaw.
W ramach analizy zespół ds. jakości może dokonać przeglądu wymagań technicznych i uruchomić predykcyjne scenariusze warunkowe „co by było, gdyby” w celu sprawdzenia, czy dostosowanie bieżących specyfikacji momentu obrotowego lub parametrów testowych rozwiąże problem.
Inne techniki ograniczania ryzyka mogą być modelowane w systemie w celu dalszej poprawy jakości danych, takich jak szczegółowa analiza ryzyka.
Zespół ds. jakości może dokonać przeglądu DFMEA, aby sprawdzić, czy ryzyko zostało przewidziane i dostosowane do wymagań operacyjnych, aby określić, czy można znaleźć możliwe rozwiązanie.
Można również określić potencjalne ryzyko, oceniając i klasyfikując części w specyfikacji struktury wyrobu. Ocena ryzyka pomaga zespołom monitorować pozycje, które mogą stać się problemami.
W tym przykładzie widać ocenę ryzyka stosowaną na początku cyklu projektowania, która pozwala wybrać pozycje do monitorowania pod kątem możliwych problemów. Agregując czynniki dotyczące jakości, dostawcy, zaopatrzenia i inne informacje, ocena ryzyka pomaga określić prawdopodobieństwo wystąpienia problemu z daną pozycją.
Te potencjalne problemy są traktowane priorytetowo na podstawie ich wyniku, a zespoły ds. jakości mogą wykorzystać złożony wynik, aby zdecydować, które problemy należy eskalować, a które wymagają działań zapobiegawczych.
W procesie zamkniętej pętli analiza przyczyn źródłowych jest inicjowana w nowym przepływie pracy, a zespół może współpracować, aby złagodzić i opanować potencjalny problem w zakładach produkcyjnych, zanim ramię robotyczne spowoduje problemy w terenie.
Na tym ekranie można zobaczyć raport dotyczący problemów w różnych zakładach produkcyjnych oraz wewnętrzne relacje między różnymi danymi dotyczącymi jakości i produktu, aby ułatwić zrozumienie zakresu problemu. Dzięki temu będzie można określić najlepsze rozwiązanie problemu.
Kontekstowa analiza głównych przyczyn, modelowana w tym przypadku jako diagram Ishikawa / Fishbone, pomaga powiązać produkt z wymaganiami technicznymi i wcześniej zareagować na problemy w łańcuchu dostaw.
W tym przypadku główną przyczyną była awaria silnika dostarczonego przez zewnętrznego dostawcę, który nie spełniał specyfikacji momentu obrotowego.
Dla wszystkich problemów z jakością związanych z dowolnym dostawcą można zainicjować audyt i przeprowadzić dochodzenie.
W tym przypadku audyt powiadamia dostawcę o potencjalnym problemie z ich silnikiem. Widzimy, że dostawca otrzymał prośbę o poprawienie ogólnej jakości silnika i usprawnienie procesu produkcyjnego.
Dopóki dostawca nie rozwiąże problemu, zespoły inżynieryjne mogą zainicjować zmianę dostawcy na takiego, którego silnik działa zgodnie ze specyfikacjami i ma większy moment obrotowy. Zapobiega to również wytwarzaniu przyszłych aktywów z wadliwymi częściami.
Podejmując tego typu działania podczas projektowania i produkcji ramienia robotycznego, można utrzymać standard jakości we wszystkich lokalizacjach produkcyjnych.
Po zmianie dostawcy i uzyskaniu nowego silnika, monitorując zasób w terenie za pomocą łączności IoT, widać, że ramię robotyczne spełnia standardy.
Ten proces jakościowy w pętli zamkniętej pozwala rejestrować i przewidywać problemy oraz działać, zanim problem wpłynie na klienta.
Graficzna reprezentacja sprawia, że każdy kanał w organizacji jest wcześniej zaangażowany w proces jakości. Na tym ekranie można szczegółowo przeanalizować każdy etap cyklu życia produktu, aby lepiej zrozumieć powiązania pomiędzy połączonymi danymi i współzależnością problemów z jakością. Tutaj można wyszukać i zobaczyć wpływ zdarzenia związanego z jakością.
Mając dostęp do wszystkich informacji dotyczących jakości w odpowiednim kontekście, można modyfikować wstępne projekty, aby udoskonalać produkty i stale zadowalać klientów. Można także wykorzystać te same informacje, aby poinformować innowatorów o potencjalnych nowych pomysłach na przyszłe produkty.
Lokalne aplikacje jakościowe nie spełniają już wymagań klientów. Quality Management to zintegrowana funkcja Oracle Cloud PLM osadzona w pakiecie Supply Chain & Manufacturing, która tworzy pojedynczy cyfrowy wątek do przesyłania danych dotyczących produktów w zamkniętej pętli i przyspieszania kompleksowej jakości. W rezultacie uzyskuje się większą lojalność klientów, rozpoznawalność marki i zwrot z inwestycji oraz większą przewagę konkurencyjną.
Dowiedz się więcej o Oracle Fusion Cloud Product Lifecycle Management