10 Alasan OEE - VMTECH sangat spesial

10 Alasan OEE  VMTECH sangat spesial

Seperti yang  sudah kami jelaskan pada sesi YouTube sebelumnya bahwa  OEE (Overall Equipment effectiveness)  hari ini sudah menjadi  key performance indicator bagi Manufacturing Processing.  

Sudah menjadi tools yang sangat powerful mengukur efisiensi dan tingkat kualitas pabrik, bahkan langsung terkait dengan Cost/unit.  Ketika hal itu sudah menjadi KPI ,  maka itu merupakan hal yang sangat serius buat perusahaan.  Terkait dengan pelaporan harian, mingguan dan bulanan, untuk monitoring dan kontrol produksi. Termasuk mesin dan fasilitas produksi lainnya.

Kami membangun OEE Software dan hardware   yang sangat ideal untuk anda dan pabrik anda. Punya data integrity yang tinggi,  punya kredibilitas data yang bisa dipertanggungjawabkan,  punya durabilitas data yang setiap hari bisa buat anda dan perusahaan anda nyaman. Anda tidak perlu kuatir terkait data tidak masuk,  anda tidak perlu kuatir trigger tidak menangkap counter product dengan baik. 

10 value yang kami tawarkan sebagai berikut :

1. Kami membangun sistem,  juga memberikan edukasi,  memberikan satu konsep pemikiran  yang benar,  bagaimana  new culture industrial 4.0  dari berbagai sisi dan aspek.  Kami akan memberikan satu training dan pembelajaran kepada client.  Memastikan bahwa customer  dalam track yang benar.  Searah dengan konsep digitalisasi di Manufacturing 4.0.  Sebab Manufacturing sangat spesial, berbeda dengan lini bisnis lainnya.  Jika ada hal-hal yang tidak sesuai,  maka kami akan luruskan.  Memastikan customer mendapatkan benefit atau value ataupun cost reduction atas setiap step dari digitalisasi.

"Memastikan customer mendapatkan benefit atau value ataupun cost reduction atas setiap step dari digitalisasi."

2.  Kami membangun sistem,  memberikan masukan dan merancang pengembangan ke depan dalam bentuk topologi atau arsitektur desain yang cocok dan tepat dengan konsep industrial 4.0.  Apakah  itu jaringan  distribusi data,  kapabilitas dan kapasitas dari  cloud system,  mana data yang diolah secara lokal,  mana yang bisa diakses dengan Protokol IOT dll.  Mana yang seharusnya akumulatif , mana yang  sifatnya Real Time display, mana yang sifatnya akumulatif.  Dengan demikian customer tidak menghabiskan  budget dan investasi untuk sesuatu hal yang tidak bermanfaat,  atau tidak penting.

3.  Aplikasi OEE  di bangun, sudah sampai kepada  tahap untuk capturing  rootcause  atau akar dari masalah,  dan juga gejala dari masalah yang ditimbulkan. Serta terintegrasi multi departemen.   Data management nya sangat rapi, sudah bisa dianalisa dengan mudah, bahkan oleh operator sekalipun,  Untuk tentukan bagaimana action plan selanjutnya.  Sangat detail dan sangat tajam analisanya.  Seorang manajer tidak perlu menghabiskan waktu  untuk menganalisa,  karena datanya sudah sangat mudah untuk dimengerti oleh level operator ataupun supervisor.

4.  Kami membangun sistem OEE  dengan prinsip robust design,  menggunakan hardware dan software yang industrial.  Dengan demikian maka  sistem dibangun dengan level atau grade industrial.  Sesuai dengan environmental industry.  Sesuai dengan signal yang industrial.   Semua sensor terkalibrasi dengan baik.  Dengan demikian,  maka sistem punyai reliabilitas yang tinggi ,serta durabilitas sistem yang tinggi.  Atau dalam bahasa yang mudah dimengerti "tahan banting".

5.  Kami bangun sistem OEE dengan prinsip seamless konektivitas,  searah dengan topologi industrial 4.0,  yang dianut oleh brand-brand besar seperti Siemens,  yokogawa,  Mitsubishi,  Schneider Electric,  Omron ataupun keyence. Data  masuk dan keluar pada tempatnya. 

Kelebihannya  terletak pada kredibilitas data,  durabilitas data.  Tidak kuatir data tidak masuk.  Tidak kuatir database hilang.  Tidak kuatir sistem intervensi oleh pihak ketiga.  Serta memastikan pabrik atau perusahaan sejalan dengan konsep industrial 4.0  yang sesungguhnya.

6.  Kami bangun sistem OEE yang full customize.  Sangat-sangat customized,  semua firmware,  source code  dibangun dan develop sendiri tentu dengan tools  industrial.  Kami bangun sistem mengakomodasi semua kepentingan,  kepentingan operator,  kepentingan supervisor,  sampai kepentingan owner perusahaan.  Tidak tergantung dengan engineering dari overseas (luar negeri).

Kami juga tidak lari dari konsep  Lean  dan Six Sigma.   Dengan demikian maka timbul motivasi dari setiap individu dan organisasi.  Karena punya keyakinan tinggi terhadap sistem,  untuk bisa lebih maju,  lebih produktif dengan berbagai program improvement.  

Seperti apa hal-hal yang kami akomodasi di lapangan?:  konfigurasi dari SKU yang berbeda dengan cycle time yang berbeda pula,  ID operator,  ID supervisor,  konfigurasi bATCH Numbering yang auto,  checkweigher,  berat karton,  ID karton,  expired date,  semua jenis planning,  aktivitas preventive maintenance,  schedule maintenance,  lifetime spare part  dan lain sebagainya semua sudah kami akomodasi dan kami ada di software.  Bisa kami katakan bahwa software yang kami bangun akan sangat fair play,  sangat objektif,  dan agile. Semua pihak happy dan termotivasi.

7.  Ketika bangun sistem OEE  hardware dan software,  System software dan hardware sudah memperhitungkan dan persiapkan satu fondasi yang kuat  untuk beberapa modul lainnya,  dengan CPU yang sama ( Central Processing Unit).  hanya tinggal menambahkan modul-modul lainnya,  ataupun input-output lainnya,  Diproses oleh CPU yang sama.  

Kalau hari ini modul yang dibangun konsentrasi pada OEE scoring, Jika dikemudian hari akan konsentrasi kepada MTTR & MTBF scoring,  ataupun energi monitoring system,  maka tinggal menambahkan modul-modul berikutnya.  Kami menggunakan data processing dengan hardware teknologi terkini.   Keluaran CPU terbaru dari brand-brand besar,  Mitsubishi,  keyence,  Omron,  Siemens dll.  Hal ini kami lakukan untuk mempersiapkan integrasi dan interkoneksi selanjutnya.

8.  Kami bangun sistem OEE  sudah memperhitungkan kecepatan data,  latensi yang terjadi,  sensitifitas sistem,  clocking yang dibutuhkan,  scanning rate yang dibutuhkan,  sesuai dengan kondisi produksi.  

Kami menggunakan dua platform  : platform yang berjalan secara  local processing data atau dikenal dengan edge computing,  kemudian adalah platform web based atau edge cloud.  Dengan demikian tidak ada masalah dengan sistem yang ngelag,  data tidak masuk,  jaringan lemot,  bandwidth yang kurang  dan lain sebagainya.  "The Ride  platform  on the right  processing".  Sistem yang dibangun akan sangat powerful,  scanning data dashboard yang Real Time  di bawah 1 detik,  punya aksesbilitas yang tinggi,  mobile monitoring,  namun juga tetap punya estetika terhadap tampilannya.

9.  Database yang kami bangaun dalam software dan hardware OEE,  siap untuk terintegrasi dengan platform  ERP ataupun SAP  yang sudah ada di customer.  Kami  menguasai  database beserta semua konfigurasinya,  karena kami systemnya  kembangkan sendiri, tidak tergantung dengan prinsipel.  

Kami akan membantu customer pada tahap integrasi database.  Sehingga klien atau customer tidak punya keragu-raguan atas eksistensi aplikasi OEE terhadap software dan aplikasi yang sudah ada.

10.  Kami membangun sistem dengan keterampilan dan skill yang sudah terbukti. Oleh putra-putri bangsa,  anak-anak negeri  dengan investasi  yang sangat terjangkau dan tidak neko-neko,  Kami lebih  fleksibel dan melakukan transformasi dengan pendekatan lokal. Semua Engineering, Mekanik, R & D,  Service  dilakukan secara lokal  deployment. 

Customer akan sangat nyaman  dengan pelayanan kami.  Customer akan sangat nyaman dengan budget investasi yang akan kami tawarkan.  Investasi bersahabat,  namun tidak kalah dengan fitur dan performance dari overseas produk.

Demikianlah 10 value yang kami tawarkan kepada calon pelanggan dan customer kami.

Tak lupa kami sampaikan bahwa,  platform software dan hardware yang kami bangun adalah PROVEN TEKNOLOGI , yang sudah terimplementasi bertahun-tahun di customer sampai dengan hari ini.  Telah dipersiapkan  menuju pengolahan data raksasa (Big Data) : Mesin Learning dan AI (  Artificial Intellegence). 

Salam Digital Transformasi
Created by : Victor Harefa
Managing Director VMTECH

Blog Lainnya : 

https://askvmtech.blogspot.com/2019/12/ada-apa-dengan-manual-oee-overall.html

Kelanjutan OEE Scoring

Selamat datang era new normal.

Era di mana, setiap individu dan organisasi butuhkan inovasi untuk lebih efisien dan efektif dari kondisi normal, dengan mematuhi berbagai protokol kesehatan. Tak terkecuali pabrik atau Manufacturing.

Inovasi dalam bentuk digitalisasi. Baik dari Scope yang kecil, menengah dan tingkat advance beberapa sudah dilakukan di pabrik. Ada yang berinovasi dengan automation industry 3.0, ada juga yang sudah berinovasi dengan konsep industri 4.0.

Memunculkan skor dari OEE di lantai produksi sudah menjadi tren di Manufacturing saat ini. Namun banyak sekali salah pengertian , salah pemahaman dan akhirnya salah implementasi.

Sejak pertama kali formula OEE di temukan dan dikembangkan oleh Mr. Seiichi Nakajima (JIPM). OEE pada hakekatnya adalah merujuk kepada masalah six big losses. Selama sistem tersebut tidak bisa menunjukkan six big losses, atau detail masalah., maka dipastikan OEE yang digunakan tidak bisa powerful. Tidak bisa banyak membantu untuk pabrik untuk berubah. Akan sia-sia.

Selama sistem software & hardware tersebut tidak bisa menunjukkan six big losses, atau detail masalah. Maka dipastikan OEE yang digunakan tidak bisa powerful, tidak bisa banyak membantu pabrik untuk berubah dan akan sia-sia.

Six big Losses sudah didapatkan selanjutnya?

Six big Losses atau detail masalah sudah di dapatkan, selanjutnya adalah action atau execution. OEE without Action is Zero. Action dan eksekusi ini perlu dasar pemikiran . Misalnya Kita gunakan pendekatan PDCA (plan-do-Check-Action).

Kita pertama kali harus menentukan dulu masalah yang kita akan lakukan action apa?. Action berdasarkan : policy, prioritas, cost dan waktu, serta kemudahan melakukan. Sehingga action dan execution kita tepat sasaran.

Hari ini, untuk menyimpulkan masalah dan solusinya berdasarkan berbagai macam variabel, parameter, kondisi seperti : policy perusahaan, Cost, prioritas, , waktu, kemudahan dll , tidak perlu repot-repot. Semua akan dilakukan secara otomatis dengan algoritma. Sangat memudahkan.

Untuk itu, Software kawal Cost reduction hadir untuk pabrik dan manufacturing. Mengawal OEE sampai benar-benar menjadi Cost Reduction bagi perusahaan.

Manfaat untuk parbik dan perusahaan :

• Algoritma akan merekomendasikan solusi agar supaya waste, losses ini berkurang bahkan dapat dihilangkan. Tentu algoritma bekerja berdasarkan data yang objektif.
• Komitmen dari semua pihak yang terlibat, lintas departemen tercatat dan tervisualisasi dengan baik dalam system.
• Semua kontribusi orang dan departement yang terkait dengan project improvement tervisualisasi, tercatat dengan baik.
• Progress demi progres, task, check list, job card termonitoring dengan baik
• Cost setiap aktivitas improvement ter visualisasi dengan baik
• System akan memberikan alarm dan notifikasi jika ada aktvitas yang jauh menyimpang dari planning.
• Untung dan rugi akan tergambar jelas dalam nilai rupiah.
• Sukses semua orang dan departemen akan tergambarkan bagi top management, semua tervisualisasi dengan baik.
• Dapat menjadi sumber pertimbangan bagi improvement lainnya, sehingga menjadi lebih mudah.
• Software ini hanya sebagai tools, tidak manggantikan ERP, tidak menggantikan SAP, tidak gantikan MES. Lebih kepada tools seorang plan manager dan manager Operational Excellent untuk memastikan OEE bisa menuju Cost Reduction.

Terimakasih.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

Topology yang tidak Ideal untuk Manufacturing

Topology yang tidak Ideal untuk Manufacturing

Hari ini banyak sekali konsep dan topologi yang menurut kami tidak cocok untuk Manufacturing.  Konsep IIOT  atau jaringan IIOT  pada pertanian perikanan logistik bangunan konstruksi tidak cocok diterapkan di Manufacturing.   Mengapa karena memang di Manufacturing membutuhkan akurasi, presisi, safety faktor yang tinggi,  serta high speed output.

Fungsi Edge computing sangat dominan di manufakturing.  prinsip pengolahan data cepat,  dekat dengan mesin atau sensor,  di lantai produksi  adalah sangat dibutuhkan.  tidak perlu menunggu konektivitas  internet,  dalam hal ini cloud system,  atau virtual server,  baru kemudian dilakukan eksekusi. Itu sangat tidak masuk di akal, alias berbahaya.

Informasi abnormal diluar dari standart, bukan  hanya bisa di akses lewat mobile phone  atau website.  Melainkan harus dieksekusi dalam bentuk tindakan,  alarm  dan notificationsecepatnya.

Kita tahu bahwa latency atau delay internet sangat tinggi,  tidak bisa real Time.  Hal itu yang membuat tidak cocok diterapkan di tingkat lnatai produksi .  Namun bukan berarti, edge cloud, vitual server tidak membantu.  Justru konsep yang sangat ideal menurut saya adalah perpaduan keduanya. Kombinasi antara Edge CLoud dan edge Computing.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

Topology Ideal di manufacturing

E-Factory Mitsubishi

Kali ini kita akan mengupas tuntas konsep digital Factory dari Mitsubishi.

Masing masing pemain besar controller, dan sekaligus pelaku industrial 4.0. mempunyai istilah yang berbeda-beda akan industrial 4.0, Schneider misalnya Smart Manufacturing, Mitsubishi Electric Japan menyebutnya e factory, AB dengan Rockwell Automation, Keyence dengan konsep IIOT, dll.

Selangkapnya melalui Video Youtube di bawah ini :

Kesimpulan :

Mitsubishi electric punya produk yang sangat luas ditingkat shopfloor produksi.  mulai dari robotik ,  electrical discharge mesin,  programmable controller,   control system,  inverter,  AC servo.  human machine interface. motor 3 fasa,  permanent magnet motor dll.

Apa yang dikehendaki oleh Mitsubishi pada Edge computing  ada empat fitur : pertama adalah collect data,  kemudian analisa,  kemudian diagnosis kemudian adalah feedback..  ini berlangsung dalam satu loop sistem.  Untuk mendapatkan achievement Production dan high quality output  yang real time.

Pada tingkat edge computing mitsubishi sudah punya fitur : collect data, analisa,  diagnosis, kemudian adalah feedback. Wow, tidak perlu sampai Edge cloud - victor harefa

Industrial PC,  dan  MC work 64,  digunakan untuk processing data pada edge  computing.    Semua yang terkait dengan software produksi,  sensor, programmable controller,  mekatronik,  energy saving,  diolah diproses secara Edge computing. Khusus untuk data-data produksi mesin kita perhatikan tidak ada yang langsung menuju IT System  dalam hal ini adalah edge fog. 

Kemudian ada kata-kata sustainability.
Kalau menurut penjelasan Wikipedia sustainability adalah keberlangsungan positif yang terus menerus dengan memperhatikan faktor-faktor lainnya.  Artinya sistem  yang dibangun harus bisa mengakomodasi dan flexible.

Di tingkat   shopfloor produksi, safety udah menjadi pertimbangan dari Mitsubishi  kemudian masalah sekuritas data juga sudah diperhitungkan oleh Mitsubishi dalam tingkatan shop floor.

Kemudian kita berlanjut ke edge sistem nya.   Mitsubishi menerapkan data primary Processing dan analisa.  dengan menggunakan MC Work 64.   Data-data dari shop floor biasanya ditampung dengan protokol MC work 64.  Semacam  bridging dari data lapangan database system.  data-data yang keluar dari MC work 64 adalah masih  Raw data  atau data primer.   data-data tersebut kemudian diolah  untuk menghasilkan analisa dalam bentuk grafik,  histogram ataupun chart.  ini semua dilakukan oleh  MC work 64.  Sebuah protokol  juga sebagai ada modulnya, yang  disiapkan oleh Mitsubishi, namanya MES modul

Saya tidak pernah mau menggunakan standar software dari Mitsubishi.  sebab,  selain harganya cukup mahal.  Juga data manajemen yang mereka tersedia terkadang tidak bisa mengakomodasi  semua kebutuhan lapangan.  Alias yang standar-standar saja.   Sementara kan beda perusahaan beda kasus. Biasanya sih kami untuk konektivitas dengan brand atau merek lain lebih suka menggunakan OPC server.

Saya tidak pernah mau menggunakan standar software dari Mitsubishi. Biasanya sih kami untuk konektivitas dengan brand atau merek lain lebih suka menggunakan OPC server. - Victor Harefa

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

Kenal dengan EDGE COMPUTING

Pada kesempatan kali ini, saya akan menjelaskan bagaimana perbedaan antara edge computing dan Edge Fog. Edge computing sebagian besar dijumpai di Manufacturing Processing. Edge fog juga saat ini perkembangannya kan akan ada 75 juta dwvice IOT akan aktif di seluruh dunia, dapat di jumpai di berbagai sektor : pertanian, peternakan, logistik dll..

Sebelumnya kita harus punya identifikasi terhadap kedua sistem computing ini. Edge computing adalah sebuah konsep dimana Processing data dilakukan dekat dengan data source. Dalam hal ini dekat dengan sensor ataupun aktuator. Data tidak dikirim langsung dengan internet menuju ke cloud sistem atau sesuatu pokoknya centralized  data. Data diolah untuk menghasilkan informasi di tempat. Devise yang terlibat dalam Edge computing adalah : Sensor, remote, PLCs, moduls, dan ethernet port.

CONTOH EDGE COMPUTING

Contohnya misalnya, ketika sensor temperatur dalam hal ini termokopel menunjukkan angka suhu sebesar 37,8  Celcius.  Angka tersebut kemudian digunakan untuk memunculkan alarm.  Alarm yang muncul ini adalah  sebagai trigger untuk menggerakkan aktuator.  Seperti menutup atau membuka pintu.   Goals nya adalah : bagi tubuh yang temperatur nya diatas 37 derajay celcius, maka pintu akan terbuka.

Proses ini berlangsung dengan kecepatan scanning data yang tinggi.  Dalam hitungan mili second.  Karena  thermocouple dihadapkan pada  item, dan sampling dalam jumlah dan kecepatan tinggi.  Data  dengan nilai 37,8  Celcius tidak perlu dikirim Edge fog atau virtual server, atau cloud dulu.  Mesti harus diolah di lokasi  Sumber data untuk menghasilkan informasi dan execution.

Contoh lain adalah seperti ketika kita menotifikasi down time yang terjadi di mesin.  Ketika terjadi downtime di mesin, dengan interface HMI (human machine interface),   seketika itu juga sistem akan bertanya kepada operator akan down time yang terjadi itu apa?.  Kemudian operator menotifikasi kejadian  downtime tersebut dengan pencetan touch screen pada layar HMI. Exsekusi ini harus segera dilakukan dan di notifikasi,  secepatnya tanpa harus ke Edge FOG (IT system).  ini menghendaki data diproses dengan Edge Computing.

Notification dari operator kemudian digunakan untuk trigger dalam memilih jenis down Time.,  starting Time dan duration time dari Breakdown Machine.

Edge computing digunakan untuk reducing  latensi  dan delay yang terjadi pada sistem pengiriman data.  Mempertahankan Speed dan performance data  dari sensor menuju Edge Cloud.

Edge computing digunakan untuk reducing  latensi  dan delay yang terjadi pada sistem pengiriman data.  Mempertahankan Speed dan performance data  dari sensor menuju Edge Cloud.

Bagaimana dengan edge fog?,  edge  buka melakukan komputasi storage dan communication Perbedaannya terletak di mana data dan  ke laut berjarak.  yang paling bagus adalah  kombinasi antara Edge computing  dengan Edge fog.  dengan demikian kita mendapatkan performa sistem yang tinggi.

Namun semua tergantung kepada  goals dari apa yang akan kita bangun.  ada hal-hal yang membutuhkan kecepatan pengolahan dapatkan  informasi lanjutan. Ada juga hal-hal yang tidak membutuhkan pengolahan data mana dekat dengan sumber data.

Bagaimana edge computing bisa mengurangi cost?

Salah satu contoh aplikasi yang kita bisa lihat mana penggunaan video untuk CCTV.  CCTV digunakan untuk melihat dan memonitoring visual sebuah Jalan Raya.  pada prakteknya dilapangan Jalan Raya tidak selalu berisi mobil atau keramaian.  mungkin sepertiganya hanya ada data,  dua pertiganya lagi tidak punya data ,  alias Jalan Raya nya kosong.

video tersebut sebaiknya tidak langsung di upload edge fog  Menuju ke cloud sistem.  akan sangat besar biayanya storage cost, channel a& distibution cost  jika semua secara continuous dikirimkan  kepada Cloud system.  susu seperti ini sebaiknya diolah secara edge computing saja.  jauh lebih hemat dan lebih cepat.

Tips Implementasi OEE Scoring

Apa sesungguhnya tujuan kita sementasi digitalisasi khususnya menangkap OEE ? skoring di lantai produksi?.

Banyak  perusahaan yang kami temui dalam perjalanannya dan perjuangannya untuk agar supaya OEE  bisa menjadi digital  artinya dari manual menjadi otomatis.   Mohon maaf, banyak yang terombang-ambing dengan berbagai pertimbangan.  Sudah tidak sejalan dengan konsep di awal.  beberapa alasannya antara lain :

1. Terkendala baget  pembelian
2. Scope yang setujui oleh top manajemen hanyalah sekop kecil,   lagi lagi top management sedikit berhemat anggaran (Katanya seperti itu).
3. Konsep OEE  yang belum matang,  terutama mapping problem di mesin masih belum sempurna. ingat 6 big losses.
4. Beda vendor beda konsep,  beda topologi.  masing-masing mempunyai aliran catatan sendiri sendiri.   sehingga user seringkali  terombang-ambing.
5. Bagian purchasing sedikit bingung karena diwajibkan untuk komparasi atau tender.  sementara lemah di sisi technical dan konsep, setiap vendor punya konsep software dan hardware yang berbeda.
6. Purchasing hanya memilih berdasarkan nilai rupiah keluarkan oleh vendor.

Solusi dari kami sebagai berikut :

1. Ingat tujuan awal dari  digitalisasi OEE  adalah menangkap problem/brakdown/unplanned/downtime di lantai produksi .  Menangkapnya seperti apa?Problem yang ditangkap harus sedetail mungkin dan automatis.  Sampai kepada mesin.  bukan hanya lini produksi.  Sampai ke satuan terkecil dari shopfloor.  Ketika bicara continuous Line  problem harus bisa diuraikan sampai ke mesin. 
2. Seminimum mungkin   operator atau orang berperan.  Kalau bisa semua otomatis. Ketika bentuknya lini produksi,  artinya terdiri atas beberapa mesin dan beberapa proses,   sebisa mungkin  sistem otomatis mesin mendeteksi mesin mana  yang menyebabkan  Line produksi terganggu outputnya dan membebankan downtime ke mesin tersebut secara otomatis. Sekali lagi, itu otomatis jangan pakai orang atau operator adjustment lagi.
3. OEE  yang digunakan adalah OEE shift,  bukan OEE bacth, atau OEE product. Tidak ada OEE bacth atau OEE product.
4. System harus bisa customized dan terintegrasi dengan platform line seperti SAP, ERP, Edge Cloud dsb.

Dengan pertimbangan di atas,  anda sebagai user dan sebagai Project leader  tidak terombang ambing alias tetap dengan purpose di awal.  Saya sudah Urutkan dari nomor 1 prioritas utama sampai dengan nomor 4,  semoga hal ini bisa membantu  bapak ibu ya tetap dalam konsep yang benar a head dengan  industrial Revolution 4.0.  Terima kasih.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

SYARAT IMPLEMENTASI MES/OEE AUTO SCORING

Beberapa syarat yang harus dipenuhi oleh sistem untuk mengimplementasikan auto OEE scoring

1. Sistem tersebut mempunyai syarat sebagai proses produksi, ada starting Point, processing step, serta ending Point. 

2. Mesin atau Line tersebut menghasilkan barang dalam satuan tertentu serta mempunyai tingkat kualitas tertentu. 

3. Mempunyai standar waktu shift, sebagai bagian dari aturan perusahaan. 

Tidak ada persyaratan khusus bagi suatu proses produksi dalam implementasi OEE scoring. Apapun jenis apa pun kondisi mesin, mesin PLC atau tidak?, PLC punya koneksi Ethernet atau tidak?.

Semua hal diatas, seharusnya tidak menjadi persoalan bagi integrator untuk mengimplementasikan MES atau OEE scoring.   Sebab ada banyak sekali metode yang digunakan,   untuk melakukan data akuisisi langsung dari mesin dan fasilitas produksi.

Proses perubahan dari Manual Reporting OEE Score menjadi Auto OEE Score bukanlah sesuatu hal mudah untuk dilakukan oleh perusahaan. Dibutuhkan waktu dan komitment yang kuat antara operator lapangan dengan keinginan Top Management. 

Artinya, dibutuhkan keseragaman visi dan misi segenap aspek dan departement  yang ada di suatu perusahaan. Jika hanya dilakukan oleh inisiatif per seorangan , dapat dipastikan Auto OEE Score tidak akan  berlangsung dengan baik. Satu hal yang harus dipikirkan sejak awal adalah REACTION AFTER OEE SCORE. "OEE Score without reaction is zero"

IMPLEMENTASI AUTO OEE SCORING

Ketika visi dan misi antara top management dengan tingkat lapangan sudah sama, langkah selanjutnya adalah melihat kondisi lapangan dan kapasitas line produksi untuk menunjang auto data collection. 

1. Tentukan Goals dan Main Problem dari System
2. Lihat tingkat kedalaman  data terkait : Jenis DOWNTIME dan notifikasi nya
3. Tentukan jenis Quality dan Cycle time setiap product yang akan melalui mesin produksi
4. Tentukan Planned Downtime dan Unplanned downtime.
5. Lakukan akuisisi data langsung dari mesin
6. Visualisasi yang tepat dan sesui dengan kebutuhan management
7. Graph dan 7 tools untuk menganalisa permasalah yang ada.

System AUTO OEE SCORE membutuhkan perangkat yang terhubung langsung dengan mesin dan fasilitas produksi lainnya. Gunakanlah jalur ter-aman untuk melakukan akuisisi data dari mesin.

Pastikan bahwa kinerja existing system untuk menjalankan mesin tidak terganggu oleh adanya sistem OEE SCORE yang auto.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

OEE SCORE BUKANLAH PRODUKTIFITAS

Kenapa OEE bukan Produktivitas?, karena OEE tidak memuat informasi tentang komponen Man hours dan labour cost  yang terlibat dalam proses produksi. OEE hanya menyangkut efektivitas mesin dan fasilitas produksi.

Apakah OEE bisa digunakan untuk menghitung produktivitas?

Betul, data OEE yang komprehensif bisa digunakan untuk menghitung produktivitas pada sebuah lantai manufacturing. OEE yang bisa digunakan untuk menghitung produktivitas adalah OEE yang telah mengakomodasi tracebility akan group kerja dan operator, no SAP, no material, batch numbering, line achievement secara absolute time.

• OEE (Overall Equipment Effectivenes) bukanlah productivitas, OEE sebagai salah satu indikator keberhasilan TPM (Total Productive Maintenance) dari sebuah manufakturing proses.
• 
  
• OEE yang baik, berbuah produktifitas yang baik pula, sebaliknya, OEE bernilai rendah berbuah kepada rendahnya tingkat produktifitas suatu proses produksi.
• 
  
• OEE score yang ideal dan dapat dipercaya adalah OEE Score yang disajikan secara realtime, actual dan auto reporting, tanpa manual input serta terintegrasi langsung dari tingkat mesin. Data disajikan apa adanya sebagai bahan untuk perbaikan selanjutnya. Salam Produktivitas :)

"OEE score yang ideal dan dapat dipercaya adalah OEE Score yang disajikan secara realtime, actual dan auto reporting,  terintegrasi dan flexible."

Ada 3 unsur penting dalam OEE = Availability % x Performance % x Quality %

OEE  (overall equipment effectiveness) digunakan untuk memantau efisiensi pada proses manufaktur serta untuk membantu mengidentifikasi proses demi perbaikan-perbaikan yang terukur (data antitatif)
OEE juga disebutkan sebagai salah satu KPI (key performa index) dari sebuah sistem produksi. OEE memberikan informasi seberapa efektif sebuah proses yang berlangsung.

OEE sebagai Production Dasboard

OEE  (overall equipment effectiveness) sebagai production dashboard bagi seluruh departement, tidak terkecuali, Quality Department , serta PPIC, Maintenance,GA dll, juga bisa merasakan manfaat dari informasi OEE.

Akan sangat menyenangkan bila seorang kepala parbik mempunyai Dashboard produksi yang realtime, akurat dan menyediakan Report Otomatis yang mudah dipahami dan dianalisa untuk Action selanjutnya.

Secara umum,  informasi OEE dapat digunakan oleh multi layers:

1. Downtime dan detailnya dapat terlihat dengan sangat jelas 
2. Performance memberikan informasi tentang achievement line
3. Quality Rate sangat berguna bagi  Departement Quality
4. Produk achievement sangat berguna untuk Departement Produksi dan PPIC
5. Rejection information , sangat berguna untuk Department Produksi dan Quality.
6. Cycle time sangat berguna bagi kepala pabrik
7. OEE auto realtime dapat membentuk jaringan client server terhadap vendor atau customer.
8. OEE auto realtime dapat menjadi system yang interaktif untuk merespons setiap aktivitas yang out fo range, meresukan dalam bentuk alarm system, pesan singkat, notifikasi email, dll.

Cara Menghitung OEE

Nilai OEE dihitung dengan mempertimbangkan tiga faktor, yaitu:
Availability: waktu produksi sebenarnya, dibandingkan dengan waktu produksi yang direncanakan.

Jika nilai Availability 100%, artinya proses selalu berjalan dalam waktu yang sesuai dengan waktu produksi yang telah direncanakan (tidak pernah ada down time).
Performance: artinya performa proses, apakah mampu memaksimalkan percepatan produksi. Jika nilai Performance 100%, maka proses telah berjalan dengan kecepatan maksimal (secara teoretis, berdasarkan Ideal Cycle Time dan Total Pieces).
Quality: berkaitan dengan defect dan scrap. Nilai 100% untuk Quality artinya produksi tidak menghasilkan produk cacat sama sekali.
Setiap faktor tersebut menjelaskan dengan dekat dan seberapa efisien proses manufaktur yang sedang berlangsung.

Contoh:
Waktu operasional = 8 jam (480 menit)
Waktu  setup = 10 menit
Breakdown = 0 menit
Availability = (480 – 10 – 0) / 480 = 98%
Waktu running = 470 menit
Cycle time = 17 detik per unit
Jumlah produk diproses = 1400 unit
Performance rate = (17 detik x 1400 unit) / 470 menit = (23800 detik) / (28200 detik) = 84%
Jumlah Reject = 168 unit
Quality rate = (1400 – 168) / 1400 = 1232 / 1400 = 88%
OEE (Overall Equipment Effectiveness) = 98% x 84% x 88% = 72%

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

JENIS OEE SCORING ( Overall Equipement Effectivesness)

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.

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.

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.

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.

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.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah