Pada manufacturing, ada beberapa jenis OEE scoring berdasarkan metode pengambilan data. Pemilahan ini erat kaitannya dengan technology dan konsep yang digunakan. Antara Lain :
1. Metode Manual OEE
Metode inspeksi manual masih menjadi pilihan sebagian perusahaan untuk mencoba
mendapatkan nilai OEE. Biasanya dimulai dengan manual collecting data. Perusahaan menugaskan administrator untuk berkeliling mesin-mesin orang per orang mendapatkan data dengan wawancara dan visual inspeksi di mesin. Data dituangkan dalam secarik kertas sebagai reporting.
mendapatkan nilai OEE. Biasanya dimulai dengan manual collecting data. Perusahaan menugaskan administrator untuk berkeliling mesin-mesin orang per orang mendapatkan data dengan wawancara dan visual inspeksi di mesin. Data dituangkan dalam secarik kertas sebagai reporting.
Setelah data terkumpul dalam kertas, tenaga administrasi melakukan pengolahan data di komputer desktop menggunakan Microsoft Excel atau terkadang dengan kalkulator
Dibutuhkan tenaga operator/administrator/supervisor untuk mencatat setiap downtime yang terjadi durasi, quality rate dsb. System ini terkadang sangat mengandalkan daya ingat operator akan semua kejadian di mesin selama proses produksi.
Kelemahan Metode manual
Informasi OEE manual kurang bisa dipercaya, karena tidak realtime. Counter pencapaian produksi waktu yang tersedia untuk produksi tidak pernah bisa cocok, karena ada area downtime yang berlangsung 1,2, 3, puluhan detik, frekuensi tinggi yang tidak bisa tertangkapsecara manual. Bahkan cenderung ngarang dan bisa salah.”
Dari pengamatan kami di lapangan Metode Manual ini tidak akan pernah realtime, terkadang data OEE yang disajikan adalah data OEE 2 hari sebelumnya, bahkan seminggu sebelumnya. Informasi OEE manula tidak bisa dipercaya. Bahkan cenderung ngarang, copy paste dari data sebelumnya dan bisa salah.
Dari pengamatan kami di lapangan Metode Manual ini tidak akan pernah realtime, terkadang data OEE yang disajikan adalah data OEE 2 hari sebelumnya, bahkan seminggu sebelumnya. Informasi OEE manula tidak bisa dipercaya. Bahkan cenderung ngarang, copy paste dari data sebelumnya dan bisa salah.
2. Metode Semi Auto OEE.
Metode semi auto OEE adalah kombinasi antara inspeksi manual dan komputerisasi, Metode ini biasanya digunakan oleh beberapa perusahaan yang sudah mempunyai teknologi SCADA, FLOW INFO, FLOW SOLUTION dalam proses produksinya.
Namun Teknologi SCADA system ini bukan dikhususnya untuk menyajikan OEE Score.
Data-data masih perlu diinput secara manual ke dalam format excel sheet, untuk dilakukan perhitungan untuk mendapatkan OEE Score nya.
Data-data masih perlu diinput secara manual ke dalam format excel sheet, untuk dilakukan perhitungan untuk mendapatkan OEE Score nya.
Kelemahan dari sistem ini adalah tidak didapatkannya pengukuran yang Realtime, data yang didapat masih belum aktual, karena beberapa parameter diinput secara manual terlebih dahulu dan berasal dari SCADA. Meskipun pengolahan data sudah dilakukan secara komputer dengan microsoft excel.
Terkadang masih terdapat kesalahan yang tidak disengaja, ataupun disengaja dalam proses penginputan data.
“Beberapa parameter diinput secara manual terlebih dahulu. Meskipun pengolahan data sudah dilakukan secara komputer dengan microsoft excel
3. Metode Auto OEE – Hanya dengan Edge Cloud.
Data didapatkan langsung dari mesin dan fasilitas produksi. Dengan konektivitas ethernet port, data tersebut kemudian dikirim menggunakan gateway untuk diolah secara edge cloud. Semua perhitungan dilakukan di tingkat CLoud System.
Data bisa langsung dikonsumsi oleh user atau pabrik dalam bentuk website monitoring. Data tidak dilakukan pengolahan di tingkat shopfloor, melainkan langsung dikirim kepada virtual server, edge cloud untuk menghasilkan analytical data.
Kelemahan dari sistem ini, adalah informasi yang didapatkan dari aplikasi sangat sedikit, cenderung satu arah (hanya akses monitoring dan reporting). Karena beberapa hal yang menyangkut Production seperti counter up, minor stop, problem di luar mesin tidak dapat diberikan informasi dan action dengan cepat. Karena ada latency atau delay data yang sangat tinggi.
Metode auto OEE dengan edge cloud system, adalah metode yang tidak mengakomodasi adanya fungsi aktuator. Misalnya ketika ada penyimpangan data yang ekstrem terjadi. Katakanlah sebuah kondisi breakdown extreme, maka edge cloud tidak bisa menghentikan mesin, atau memperlambat mesin, atau membunyikan alarm yang sifatnya actuator.
Kelemahan Metode OEE – Hanya dengan Cloud System.
Kelemahan sistem ini, juga terletak pada integrasi ditingkat shopfloor yang tidak terlalu mendukung. Misalnya integrasi dengan engineering, atau dengan utility ketika terjadi breakdown ekstrem di mesin, karena over kapasitas ampere, resistensi yang sangat tinggi misalnya. Dengan latency data yang tinggi, system ini kurang bisa dipercaya, tidak kredible di lapangan. Akan sangat berbahaya sekali Jika mengandalkan sistem ini bekerja dengan aktuator.
Metode ini, berciri khas menggunakan perangkat Smart relay sistem, smart data logger dan juga Gateway serta interface Cloud system.
Metode ini, berciri khas menggunakan perangkat Smart relay sistem, smart data logger dan juga Gateway serta interface Cloud system.
4. Metode AUTO OEE – PC Embeded System dan microcontroller.
Metode auto OEE scoring dengan PC embedded ataupun dengan mikrokontroler menggunakan perangkat device yang berbasis computer. Jumlah port komunikasi yang tersedia sangatlah terbatas, jumlah input output juga sangat terbatas.
Metode ini sangat cocok untuk beberapa mesin saja, atau beberapa lini produksi saja. Tidak bisa mengcover seluruh fasilitas produksi, apalagi cover area utility, Engineering, atau maintenance system.
Oleh karena sistem ini berbasis PC, Devise tidak mempunyai kemampuan distribusi data dengan trafic yang tinggi, dari banyak mesin atau fasilitas produksi. Yang dikenal dengan Fieldbus system. Kebanyakan masih serial, dengan port yang sangat terbatas.
Kelemahan Metode OEE – Dengan PC base dan Microcontroller
Dari pengalaman kami, noise yang terjadi sangat tinggi jika sudah melibatkan mesin di atas 5 unit. Beberapa data tidak tersampaikan kepada pooling system dengan baik. data hilang dan susah dilacak. Probabilitas Report atau data dari mesin ke system sangat tinggi. Metode ini memungkinkan Integrasi dengan PPIC, Engineering, Maintenance dan Utility
5. Auto OEE scoring – Dengan Edge Computing dan Edge Cloud (ideal system untuk manufacturing).
Ini adalah metode yang sangat ideal untuk manufacturing. Metode ini telah mengakumulasi semua kepentingan dengan platform edge computing, edge device, dan edge cloud system. Beberapa data dilakukan pengolahan langsung di lantai produksi atau dekat dengan sensor dan aktuator. Hal ini semata-mata untuk menghindari latensi dan nilai yang terjadi.
Kecepatan pengolahan data berlangsung dalam hitungan 100 mili sekon. Kecepatan tersebut rata-rata dimiliki oleh device PLC (programing logic controller). Kita kenal beberapa branded PLC seperti Schneider, Mitsubishi Electric, Omron yokogawa, Allan Bradley, Keyence, Siemens dll.
Data yang diolah dengan edge computing juga telah memberikan analisa, grafik dan trend terhadap setiap permasalahan yang timbul di lantai produksi.
Keuntungan metode ini adalah : data produksi dan mesin adalah realtime, actual dan presisi. Seorang kepala pabrik bisa mengambil action langsung terhadap permasalahan yang terjadi dengan cepat dan tepat. Mencegah permasalahan lebih awal. Membuat budaya baru dimana semua orang bicara dengan data yang aktual dan punya kredibilitas yang tinggi.
Penggunaan edge Computing dan edge cloud punya investasi awal yang lumayan mahal karena menggunakan beberapa devise industry yang heavy duty antaralain : Switching, PLC, Data logger, Remote, gateway, Cloud devices, dll. Namun semua akan terbayar mahal dengan penambahan jam kerja, penurunan downtime, peningkatan efektivitas mesin, erta eksekusi dan kredibilitas data yang baik. Dll.
Dari hasil wawancara dan pengalaman dengan beberapa client, aplikasi edge cloud dan edge computing mempunyai ROI (Return Of Investment) dalam waktu 6 bulan.
“Namun semua akan terbayar mahal dengan penambahan jam kerja, penurunan downtime, peningkatan efektivitas mesin, kredibilotas data, dll.”Victor Harefa
Semua aktivitas input data dilakukan secara auto dengan direct akuisisi triger langsung dari mesin, untuk adjustment quality yang tidak bisa terwakilkan oleh sensor, disediakan overwritting mode, berupa tombol-tombol, touchscreen atau barcode system. Dengan kecepatan Giga per second, system ini sangat powerfull.
“Dengan kecepatan data tinggi, system ini sangat powerfull, mencegah latency/delay yang muncul terhadapa puluhan bahkan ratusan mesin.”Victor Harefa
Metode ini adalah metode yang sangat direkomendasi untuk mendapatkan Nilai OEE score yang aktual, terintegrasi, realtime dan sangat terukur.
Beberapa vendor yang menyediakan Sistem Auto OEE Score Software dan Kits ini antara lain adalah Rockwell dari AB, Siemens, Schneider, Yokogawa, Schneider, dll.
Vendor lokal dari VMTECH INTEGRATOR 4.0 mungkin bisa dijadikan bahan pertimbangan. Selain investasi yang sangat kompetitive, juga sangat customized dibuat berdasarkan kebutuhan dan tuntutan top management.
