1. nodaļa: Ražošanas zināšanu unikālie atribūti un pārvaldības izaicinājumi
1.1. Ārkārtēja zināšanu izplatīšanas nelīdzsvarotība
Jebkurā montāžas rūpnīcā aptuveni 20% vecāko tehniķu ir 80% sarežģītu diagnostikas iespēju. Šiem veterāniem piemīt dziļi "mašīnas instinkti" — kurš robots laiku pa laikam iedarbojas, kurš sensora viltus-trauksmes mitruma gadījumā, kurš neparasts troksnis signalizē par gaidāmo kļūmi. Šīs zināšanas ir iegūtas, gadiem ilgi veicot problēmu novēršanu, taču tās reti tiek dokumentētas.
1.2. Spēcīgs laiks-jutīgums un versijas neskaidrības
Atšķirībā no pētniecības un attīstības zināšanām, ražošanas zināšanām ir savlaicīgums. Vadības programmas tiek atjauninātas, procesa parametri optimizēti, armatūra tiek nomainīta. Pirms sešiem mēnešiem pareiza procedūra pēc programmatūras atjaunināšanas var būt pilnībā novecojusi. Bez stingras versiju pārvaldības darbinieki var piekļūt novecojušai informācijai no personīgajiem diskiem, koplietotajām mapēm, WeChat grupām vai pat uz sienām izdrukātām lapām.
1.3. Augsta konteksta atkarība
Vienam un tam pašam kļūdas kodam dažādos kontekstos var būt nepieciešami pilnīgi atšķirīgi risinājumi. Signalizācija "Zems līmes daudzums" ziemā var nozīmēt līmes šļūteņu nepietiekamu uzsildīšanu; vasarā nodiluši blīvgredzeni uz līmes sūkņiem; dienas maiņā zems pneimatiskais spiediens; nakts maiņā operatori aizmirst nomainīt gandrīz{1}}tukšās mucas. Efektīvai KM ir jābūt šādai kontekstuālai informācijai.
1.4. Īpaši šaurs dokumentācijas laika logs
Ražošanas darbs seko takts laikam. Kad iekārtas neizdodas, visi koncentrējas uz "pēc iespējas ātrāku ražošanas atjaunošanu". Šajā augstā-spiediena brīdī daži domā: "Man tas ir jādokumentē tiem, kas nāk pēc manis." Līdz brīdim, kad ražošana atjaunojas un beidzas maiņas, detaļas izplūst vai tiek aizmirstas.
---
2. nodaļa. Trīs galvenie risinājumi KM ražošanai
1. risinājums: kļūdu koda zināšanu grafiks — galvenā tehniķa pieredzes digitalizēšana
Izmantojot kļūdu kodus kā galvenos mezglus, izveidojiet strukturētu zināšanu grafiku, kurā katrs kods ir saistīts ar: iespējamo cēloņu sarakstu (sakārtots pēc vēsturiskā biežuma), strukturētām problēmu novēršanas darbībām (ar attēliem/video), vēsturiskās izšķirtspējas ierakstiem, informāciju par rezerves daļām un rīkiem un drošības pasākumiem. Mērķis: pārveidot problēmas, kas prasa ekspertu klātbūtni, par uzdevumiem, ko pārvalda parastie darbinieki.
2. risinājums: ātrā palīdzība un ekspertu tīkls — ja zināšanu bāze nav pietiekama
Izveidojiet eskalācijas kanālu, padarot palīdzības lūgšanu tikpat vienkāršu kā WeChat ziņojuma nosūtīšanu. Galvenās funkcijas: palīdzības pieprasījums ar vienu-klikšķi, automātiska konteksta pakotne (kļūdas kods, aprīkojuma ID, jau izmēģinātās darbības,-reāllaika datu straumes), vieda ekspertu saskaņošana un automātiska saruna,-lai-nogūtu zināšanas.
3. risinājums: slēgtas-cikla kvalitātes anomālijas atsauksmes — no “Reaģējoša” uz “Preventīva”
Process: anomālijas ievadīšana → līdzīgu vēsturisku anomāliju tūlītēja saskaņošana → pamatcēloņu analīze → izsekojamība augšup, pamatojoties uz galveno cēloni → koriģējoša darbība un atpakaļ{0}}izplatīšanās uz FMEA, kontroles plāniem un darba instrukcijām. Katra anomālija kļūst par mācīšanās iespēju, kas veicina nepārtrauktu uzlabojumu.
---
3. nodaļa. Piektā{1}}pakāpju ieviešanas ceļvedis
1. darbība. -Vietnes diagnostika un zināšanu pārbaude (1.–2. mēnesis)
Identificējiet galveno zināšanu īpašniekus, izveidojiet biežu kļūmju scenārijus{0}}pēdējos 12 mēnešos, uzskaitiet esošos dokumentus, nosakiet zaudējumu risku, ja galvenie tehniķi aiziet.
2. darbība: ātrais izmēģinājums — pārklājiet 10 populārākos kļūdu kodus (3. mēnesis)
Iegūstiet zināšanas no vecākajiem tehniķiem, lai iegūtu visaugstākās-frekvences kodus, konvertējiet tos vieglos formātos (attēlus/video), izvietojiet vienkāršu priekšpuses{1}}interfeisu.
3. darbība: “Tveršanas, risināšanas” mehānisms (4.–6. mēnesis)
Izstrādājiet darbplūsmu, kurā katra eksperta palīdzības mijiedarbība automātiski ģenerē jaunu zināšanu ierakstu, kas prasa tikai 2 minūšu ievadi.
4. darbība: sistēmas integrācija un procesu iegulšana (6.–9. mēneši)
Integrējiet KM ar MES, Andon un EAM sistēmām. Trauksme izraisa zināšanu nobīdi.
5. darbība: ilgstoša darbība un kultūras pilnveidošana (notiek)
Iknedēļas zināšanu pārskata sanāksmes, vizuālie informācijas paneļi, atzinība un balvas zināšanu līdzstrādniekiem.
---
4. nodaļa: Ražošanas KM kvantitatīvā IA
Izmērāmie ieguvumi ir šādi: par 40-60% samazinājums vidējā remonta laikā (MTTR), ievērojams neplānotas dīkstāves samazinājums (katra ietaupītā minūte ir aptuveni 10 000 RMB 300 000 k-vienību ražotnē), par 30–50% ātrāka jauna nomas neatkarība, talantu samazinājums no 30 — 50% riska. zaudējums.
---
5. nodaļa: Reāla gadījuma izpēte
Priekšvēsture: 300 000 t
Īstenošana: iegūtas zināšanas par 20 augstas-biežuma kļūdu kodiem no trim vadošajiem tehniķiem, izveidotas attēlu/video risinājumu pakotnes, izvietoti 6 skārien-ekrāna kioski, izveidots "tveršanas, risinot" mehānisms ar 50 RMB atlīdzību par katru pieņemto risinājumu.
Rezultāti: Vidējais remonta laiks samazināts no 15 līdz 4 minūtēm (samazinājums par 73%). Ikmēneša dīkstāves laiks ir samazināts par 320 minūtēm, nodrošinot tiešu ekonomisko labumu 3,2 miljonu RMB. Jaunā-nomas neatkarības laiks ir samazināts no 5 uz 2,5 mēnešiem. Vairāk nekā 200 zināšanu ieguldījumu radīja pozitīvu pastiprināšanas cilpu.