छोटा जवाब: बेवरेज प्लांट में ऑपरेशनल एक्सीलेंस कुछ ऐसे विचारों पर चलता है जो हर डेटा व्यक्ति को AI छूने से पहले पता होने चाहिए। OEE (अवेलेबिलिटी गुणा परफ़ॉर्मेंस गुणा क्वालिटी) एक शिफ़्ट को एक संख्या में बदल देता है, और उससे ज़्यादा काम की बात, ऐसे नुकसानों में जिन्हें आप नाम दे सकें। 40,000 बोतल प्रति घंटा बनाने वाली एक उदाहरण फ़िलर लाइन पर 90 प्रतिशत अवेलेबिलिटी, 83.3 प्रतिशत परफ़ॉर्मेंस और 98 प्रतिशत क्वालिटी से 73.5 प्रतिशत OEE बनता है: एक ही शिफ़्ट में 79,500 बोतलें जो बनी ही नहीं। छह बड़े नुकसान बताते हैं कि वे कहाँ गईं। TPM, लीन और SPC वे तरीके हैं जिनसे प्लांट उन्हें पहले से वापस पाते हैं। और इन सबका डेटा पाँच सिस्टम में बिखरा है, इसीलिए प्लांट्स में AI प्रोजेक्ट असल में ज़्यादातर डेटा प्रोजेक्ट होते हैं।
बेवरेज प्लांट में आने वाले डेटा लोग अक्सर ‘डेटा’ माँगते हैं और फिर मॉडल बना देते हैं। प्लांट के लोग आमतौर पर यह सब शालीन धैर्य से देखते हैं, क्योंकि प्लांट के पास सुधार की अपनी एक भाषा पहले से है, और मॉडल वह भाषा नहीं बोलता।
यह सीरीज़ की चौथी पोस्ट है और पहली तीन की AI बुनियादी बातों और आख़िरी चार के इस्तेमाल के बीच का पुल है। अगर आप डेटा से आते हैं, तो यह प्लांट की शब्दावली है। अगर आप प्लांट से आते हैं, तो यह अपनी डेटा टीम को समझाने का तरीका है।
OEE: एक संख्या, तीन सवाल
ओवरऑल इक्विपमेंट इफ़ेक्टिवनेस किसी अवधि में एक लाइन के बारे में तीन सवाल पूछती है:
- अवेलेबिलिटी: जितना समय चलाने की योजना थी, उसमें से असल में कितना चलाया?
- परफ़ॉर्मेंस: चलते समय, आदर्श दर के कितने करीब चले?
- क्वालिटी: जो बनाया, उसमें से कितना अच्छा था?
OEE इन तीनों का गुणनफल है। यह 40,000 बोतल प्रति घंटा रेटेड फ़िलर पर एक उदाहरण शिफ़्ट है:
planned_min = 450 # 8 h shift less a 30 min planned break
stops_min = 20 + 15 + 10 # changeover overrun, filler jams, labeller faults
run_min = planned_min - stops_min # 405
ideal_per_min = 40_000 / 60 # 666.7 bottles a minute
total, good = 225_000, 220_500 # 4,500 rejects
availability = run_min / planned_min # 0.900
performance = total / (run_min * ideal_per_min) # 0.833
quality = good / total # 0.980
oee = availability * performance * quality # 0.735
73.5 प्रतिशत। अकेले यह संख्या बहुत काम की नहीं है। मायने यह रखता है कि यही गणना, बोतलों में करने पर, बताती है कि नुकसान कहाँ गए। 450 मिनट में अपनी आदर्श दर पर लाइन 300,000 बोतलें बना सकती थी। उसने 220,500 अच्छी बनाईं। ग़ायब 79,500 में से 30,000 स्टॉप में गईं, 45,000 धीमे या रुक-रुककर चलने में, और 4,500 रिजेक्ट में।
सबसे बड़ा बार परफ़ॉर्मेंस का है, और यह आम है। जो लाइन चल रही है, बस धीमी, या एक बार में बीस सेकंड के लिए रुक रही है, वह शायद ही किसी के नोट्स में आती है। आसान फ़ायदों का बड़ा हिस्सा भी यहीं है।
आप अक्सर 85 प्रतिशत को ‘वर्ल्ड क्लास’ कहते सुनेंगे। इसे अंगूठे का नियम मानिए, स्टैंडर्ड नहीं। OEE इस पर निर्भर है कि आप प्लान्ड टाइम और आदर्श दर को कैसे परिभाषित करते हैं, और अलग परिभाषा वाले दो प्लांट अपनी संख्याओं की तुलना नहीं कर सकते। किसी लाइन की तुलना समय के साथ उसी से कीजिए।
छह बड़े नुकसान
टोटल प्रोडक्टिव मेंटेनेंस, यानी TPM, हर खोए मिनट को छह ख़ानों में बाँटता है, OEE के हर हिस्से के लिए दो:
| OEE फ़ैक्टर | नुकसान | बेवरेज लाइन का उदाहरण |
|---|---|---|
| अवेलेबिलिटी | ब्रेकडाउन | फ़िलर वाल्व ख़राब, सीमर फ़ॉल्ट |
| अवेलेबिलिटी | सेटअप और चेंजओवर | लेबल या पैक फ़ॉर्मेट बदलना, फ़्लश के साथ फ़्लेवर बदलना |
| परफ़ॉर्मेंस | छोटे स्टॉप और खाली खड़े रहना | स्टार्टर व्हील पर बोतल जाम, सेंसर की गलत रीडिंग |
| परफ़ॉर्मेंस | घटी हुई स्पीड | लेबलर को धीमा चलाना क्योंकि पूरी रफ़्तार पर वह गड़बड़ करता है |
| क्वालिटी | प्रोसेस डिफ़ेक्ट | कम फ़िल, टेढ़े लेबल, ख़राब क्रिम्प |
| क्वालिटी | स्टार्ट-अप रिजेक्ट | रन की शुरुआत में या स्टॉप के बाद खोया प्रोडक्ट |
प्लांट के किसी भी AI प्रोजेक्ट में यह टेबल सबसे अहम डेटासेट है। अगर लाइन स्टॉप ऐसे समझदार रीज़न कोड के साथ दर्ज हों जो इन छह से जुड़ते हैं, तो इस सीरीज़ का लगभग हर विचार संभव हो जाता है। अगर आधे स्टॉप ‘other’ कोड वाले हैं, तो कोई नहीं।
TPM, लीन और SPC, एक-एक पैराग्राफ़ में
TPM OpEx का मेंटेनेंस वाला पहलू है: ऑपरेटर अपने उपकरण की बुनियादी देखभाल ख़ुद करते हैं, हालत और इतिहास के आधार पर प्लान्ड मेंटेनेंस होता है, और छह नुकसान ख़त्म करने पर लगातार ध्यान रहता है। प्रेडिक्टिव मेंटेनेंस यहीं फ़िट होता है।
लीन पूरे प्रवाह से वेस्ट हटाने के बारे में है। वेस्ट की क्लासिक सूची (ट्रांसपोर्ट, इन्वेंटरी, मोशन, इंतज़ार, ज़रूरत से ज़्यादा उत्पादन, ज़रूरत से ज़्यादा प्रोसेसिंग और डिफ़ेक्ट, और अक्सर आठवें के रूप में अनइस्तेमाल हुनर) पैकेजिंग हॉल को देखने का एक काम का चश्मा है। दो दिन से इंतज़ार कर रहा ख़ाली कैन का पैलेट इन्वेंटरी है। हर बैच शीट के लिए दूर रखे प्रिंटर तक चलकर जाता ऑपरेटर मोशन है।
SPC, यानी स्टैटिस्टिकल प्रोसेस कंट्रोल, देखता है कि प्रोसेस सामान्य व्यवहार कर रहा है या नहीं। एक कंट्रोल चार्ट, मान लीजिए, समय के साथ फ़िल वॉल्यूम दिखाता है, जिसकी सीमाएँ प्रोसेस के अपने उतार-चढ़ाव से निकाली जाती हैं। सीमाओं से बाहर के पॉइंट, या उनके भीतर पॉइंट्स की असामान्य कतारें, संकेत देती हैं कि कुछ बदल गया है। SPC दशकों से चुपचाप बेवरेज क्वालिटी चला रहा है, और यही वह बेसलाइन है जिसे किसी भी AI एनोमली डिटेक्शन को हराना होता है।
डेटा कहाँ रहता है
ISA-95 मॉडल मैन्युफ़ैक्चरिंग प्लांट की परतों को बताता है, और आपका डेटा कहाँ बैठा है, इसका यह अच्छा नक्शा है:
- स्तर 0 से 2, प्रोसेस और उसका कंट्रोल। सेंसर, PLC, SCADA और HMI। रीडिंग आमतौर पर एक हिस्टोरियन में सहेजी जाती हैं: तापमान, प्रेशर, फ़्लो, स्पीड और गिनती, सेकंड दर सेकंड।
- स्तर 3, मैन्युफ़ैक्चरिंग ऑपरेशंस। MES में प्रोडक्शन ऑर्डर, लाइन की स्थिति, स्टॉप के कारण और बैच रिकॉर्ड होते हैं। CMMS में मेंटेनेंस वर्क ऑर्डर और एसेट इतिहास होता है। LIMS में लैब के नतीजे होते हैं।
- स्तर 4, बिज़नेस प्लानिंग। ERP में ऑर्डर, स्टॉक, लागत और प्रोडक्शन प्लान होते हैं।
ज़्यादातर प्लांट्स के पास पाँचों होते हैं और बहुत कम के पास ये जुड़े होते हैं। फ़िलर के स्टॉप इवेंट MES में हैं, उसका वाइब्रेशन हिस्टोरियन में, उसकी मरम्मत का इतिहास CMMS में और उसके रिजेक्ट सैंपल LIMS में। ‘लाइन 2 के 40 मिनट क्यों गए?’, पिछली पोस्ट का सवाल, इसका जवाब देने के लिए इनमें से कम से कम तीन चाहिए।
प्लांट्स में AI प्रोजेक्ट उम्मीद से ज़्यादा समय क्यों लेते हैं, इसकी ईमानदार वजह यही है। मॉडल कुछ हफ़्तों का काम है। सिस्टम जोड़ना, परिभाषाओं पर सहमति बनाना और स्टॉप कोड साफ़ करना कुछ महीनों का। यही सबक Cellar Ledger में वाइनरी की डेटा नींव का है: डेटा मॉडल पहले आता है।
यह कहाँ टूटता है
OEE से खेला जा सकता है। प्लान्ड टाइम में क्या गिना जाता है, इसे बदलिए, या आदर्श दर घटाइए, और एक भी अतिरिक्त बोतल के बिना OEE बढ़ जाता है। परिभाषाएँ तय कीजिए और उन्हें प्रकाशित कीजिए।
स्टॉप कोड उतने ही अच्छे हैं जितना रात 3 बजे उन्हें दर्ज करने वाला व्यक्ति। बहुत ज़्यादा कोड हों तो ऑपरेटर पहला वाला चुन लेते हैं। बहुत कम हों तो सब कुछ ‘other’ है। PLC से अपने आप स्टॉप पकड़ना और साथ में एक छोटी, सोच-समझकर चुनी गई कारण सूची, दोनों से बेहतर काम करती है।
औसत नुकसान छिपा देते हैं। 75 प्रतिशत का साप्ताहिक OEE एक बहुत ख़राब शिफ़्ट और कई अच्छी शिफ़्टों को छिपा सकता है। वितरण देखिए, शिफ़्ट के हिसाब से, प्रोडक्ट के हिसाब से और फ़ॉर्मेट के हिसाब से।
SPC सीमाएँ स्थिर प्रोसेस से आनी चाहिए। अगर कंट्रोल सीमाएँ उस अवधि से निकालें जब प्रोसेस नियंत्रण से बाहर था, तो चार्ट अराजकता को सामान्य कहेगा।
निचोड़
OEE एक शिफ़्ट को अवेलेबिलिटी, परफ़ॉर्मेंस और क्वालिटी में बदलता है, और फिर ऐसी बोतलों में जिन्हें आप गिन सकें। छह बड़े नुकसान बताते हैं कि वे कहाँ गईं। TPM, लीन और SPC वे तरीके हैं जिनसे प्लांट हमेशा से लड़ते आए हैं, और इन्हें सहारा देने वाला डेटा एक हिस्टोरियन, एक MES, एक CMMS, एक LIMS और एक ERP में रहता है जो शायद ही आपस में बात करते हैं। इस सीरीज़ का हर आगे का AI विचार इसी नींव पर खड़ा है। स्टॉप कोड सही कीजिए और सिस्टम जोड़िए, और AI वाला हिस्सा आसान बन जाता है।
अगली पोस्ट: OpEx के लिए क्लासिक AI, SPC के ऊपर प्रेडिक्टिव मेंटेनेंस, सॉफ़्ट सेंसर और एनोमली डिटेक्शन। लाइन OEE के Tableau व्यू के लिए देखिए Tableau में पैकेजिंग-लाइन OEE। पूरी सूची सीरीज़ पेज पर है।
अक्सर पूछे जाने वाले सवाल
बॉटलिंग लाइन पर OEE कैसे निकालते हैं? OEE है अवेलेबिलिटी गुणा परफ़ॉर्मेंस गुणा क्वालिटी। अवेलेबिलिटी है रन टाइम भाग प्लान्ड प्रोडक्शन टाइम। परफ़ॉर्मेंस है असली गिनती भाग वह जो लाइन उस रन टाइम में अपनी आदर्श दर पर बनाती। क्वालिटी है अच्छी यूनिट भाग कुल यूनिट। 90 प्रतिशत अवेलेबिलिटी, 83.3 प्रतिशत परफ़ॉर्मेंस और 98 प्रतिशत क्वालिटी वाली लाइन का OEE 73.5 प्रतिशत है।
OEE में छह बड़े नुकसान कौन-से हैं? ब्रेकडाउन और सेटअप या चेंजओवर के नुकसान अवेलेबिलिटी घटाते हैं। छोटे स्टॉप और घटी हुई स्पीड परफ़ॉर्मेंस घटाते हैं। प्रोसेस डिफ़ेक्ट और स्टार्ट-अप रिजेक्ट क्वालिटी घटाते हैं। खोए हुए हर मिनट को इन छह में से किसी एक से जोड़ना किसी भी सुधार कार्यक्रम का पहला कदम है, और प्लांट के किसी भी AI प्रोजेक्ट को चाहिए पहला डेटासेट।
बेवरेज प्लांट में प्रोडक्शन डेटा कहाँ रहता है? यह ISA-95 के स्तरों में बिखरा होता है। सेंसर और PLC डेटा कंट्रोल स्तरों पर होता है और हिस्टोरियन में सहेजा जाता है। प्रोडक्शन ऑर्डर, लाइन स्टॉप और बैच रिकॉर्ड आमतौर पर MES में रहते हैं। मेंटेनेंस इतिहास CMMS में होता है, लैब के नतीजे LIMS में, और ऑर्डर, स्टॉक और लागत ERP में। ज़्यादातर AI प्रोजेक्ट अपने पहले कुछ महीने इन्हें आपस में जोड़ने में लगाते हैं।