Սննդի վերամշակման ձեռնարկությունը ցանկանում է ավելի շատ արտադրանք թողարկել։

Առաջին լուծումը, որը սովորաբար գալիս է մտքին, նոր սարքավորում գնելն է։

Ավելի մեծ արտադրական գիծ։

Նոր արտադրամաս։

Լրացուցիչ աշխատողներ։

Նոր ներդրումներ։

Սակայն ժամանակակից սննդի արդյունաբերությունում ավելի ու ավելի հաճախ առաջանում է մեկ այլ հարց.

Իսկ արդյոք գործող գործարանն արդեն իսկ չունի չօգտագործվող հնարավորություններ։

Հնարավոր է արտադրական գծերը կարողանան ավելի շատ արտադրանք թողարկել՝ առանց նոր շենք կառուցելու։

Հնարավոր է սարքավորումները հաճախակի կանգ են առնում այնպիսի պատճառներով, որոնք կարելի է կանխատեսել։

Հնարավոր է արտադրության մեջ կան ժամանակի և հումքի կորուստներ, որոնք մարդու աչքը պարզապես չի նկատում։

Այս խնդիրների լուծման համար սննդի արդյունաբերություն է մտնում արհեստական բանականությունը։

Վերջին մասնագիտական հրապարակումներում ներկայացվել է, թե ինչպես է խոշոր սննդարտադրող ընկերություններից մեկը՝ Pringles-ի արտադրության օրինակով, կարողացել արհեստական բանականության և տվյալների վերլուծության միջոցով զգալիորեն բարձրացնել գործող արտադրական հզորությունների արդյունավետությունը՝ առանց նոր արտադրական գիծ կառուցելու։

Այս փորձը կարևոր հարց է առաջացնում նաև հայկական վերամշակող ընկերությունների համար.

Գուցե արտադրությունը մեծացնելուց առաջ պետք է նախ հասկանալ, թե որքան արդյունավետ է աշխատում արդեն գոյություն ունեցող գործարանը։

Գործարանի իրական հզորությունը միշտ չէ, որ այն է, ինչ գրված է սարքավորման փաստաթղթերում

Յուրաքանչյուր արտադրական գիծ ունի տեսական հզորություն։

Օրինակ՝ սարքավորումը կարող է նախատեսված լինել ժամում 5 տոննա արտադրանք մշակելու համար։

Բայց իրական կյանքում այդ թիվը կարող է շատ ավելի ցածր լինել։

Ինչո՞ւ։

Քանի որ արտադրական գործընթացում կան տասնյակ գործոններ.

- սարքավորումների անսպասելի կանգեր,
- հումքի մատակարարման ուշացումներ,
- տեխնիկական անսարքություններ,
- մաքրման ժամանակ,
- փաթեթավորման խնդիրներ,
- աշխատողների գործողությունների տարբերություններ,
- արտադրանքի որակի հետ կապված կորուստներ։

Արդյունքում արտադրական գիծը կարող է աշխատել իր հնարավորությունների միայն մի մասով։

Խնդիրն այն է, որ գործարանի ղեկավարությունը միշտ չէ, որ կարողանում է ճշգրիտ հասկանալ, թե որտեղ է կորում արտադրողականությունը։

Մարդը կարող է տեսնել խոշոր խնդիրը։

Բայց հազարավոր տվյալների մեջ փոքր, կրկնվող կորուստները հայտնաբերելը շատ ավելի դժվար է։

Այստեղ է սկսվում տվյալների և արհեստական բանականության դերը։

Արհեստական բանականությունը կարող է տեսնել այն, ինչ մարդը չի նկատում

Ժամանակակից սննդի գործարանը մեծ քանակությամբ տվյալներ է ստեղծում։

Սարքավորումների աշխատանքային արագություն։

Ջերմաստիճան։

Ճնշում։

Էլեկտրաէներգիայի սպառում։

Արտադրության ժամանակ։

Կանգառների քանակ։

Հումքի կորուստներ։

Պատրաստի արտադրանքի որակ։

Եթե այս տվյալները պարզապես պահպանվում են համակարգչում, դրանք մեծ արժեք չեն ստեղծում։

Բայց եթե հնարավոր է դրանք վերլուծել միասին, կարելի է տեսնել այնպիսի օրինաչափություններ, որոնք նախկինում աննկատ էին մնում։

Օրինակ՝ համակարգը կարող է հայտնաբերել, որ արտադրական գիծը ամեն օր որոշակի ժամերին դանդաղում է։

Կամ սարքավորումը հաճախակի կանգ է առնում որոշակի ջերմաստիճանի դեպքում։

Կամ հումքի որոշակի խմբաքանակի օգտագործման ժամանակ թափոնների քանակը մեծանում է։

Այսպիսի օրինաչափությունները հայտնաբերելով՝ հնարավոր է փոխել արտադրական գործընթացը և ավելացնել թողարկվող արտադրանքի ծավալը։

Նոր սարքավորում գնելը միշտ չէ, որ առաջին լուծումն է

Սննդի վերամշակման ոլորտում նոր սարքավորումները թանկ են։

Արտադրական գիծ գնելը կարող է պահանջել միլիոնավոր դոլարների ներդրում։

Դրան ավելանում են.

- շինարարական աշխատանքները,
- նոր տարածքների անհրաժեշտությունը,
- էլեկտրական ենթակառուցվածքները,
- աշխատողների վերապատրաստումը,
- սպասարկման ծախսերը։

Սակայն եթե գործող արտադրական գիծն իրականում աշխատում է, օրինակ, իր հնարավորությունների 70 կամ 80 տոկոսով, ապա առաջին խնդիրը կարող է լինել ոչ թե նոր գիծ գնելը, այլ գոյություն ունեցողի արդյունավետությունը բարձրացնելը։

Սա կարող է զգալիորեն նվազեցնել նոր ներդրումների անհրաժեշտությունը։

Այլ կերպ ասած՝ երբեմն ամենաէժան նոր գործարանը այն գործարանն է, որն արդեն կառուցված է։

Պարզապես դեռ ամբողջ հզորությամբ չի աշխատում։

Արտադրության յուրաքանչյուր կանգառ գումար է արժենում

Սննդի արտադրամասում նույնիսկ մի քանի րոպեանոց կանգառները կարող են տարվա ընթացքում վերածվել հարյուրավոր կամ հազարավոր կորցրած արտադրական ժամերի։

Պատկերացնենք արտադրական գիծ, որը օրական տասը անգամ կանգ է առնում հինգ րոպեով։

Առաջին հայացքից սա լուրջ խնդիր չէ։

Ընդամենը 50 րոպե։

Բայց եթե դա տեղի է ունենում ամեն օր, մեկ ամսում կորուստը կարող է կազմել տասնյակ ժամեր։

Տարվա ընթացքում այդ ժամանակահատվածում հնարավոր էր արտադրել հազարավոր կամ նույնիսկ տոննաներով լրացուցիչ արտադրանք։

Արհեստական բանականության համակարգերը կարող են օգնել պարզել.

- ինչու են տեղի ունենում կանգառները,
- որոնք են ամենահաճախակի պատճառները,
- որ սարքավորումն է ամենաշատ խնդիր առաջացնում,
- ինչ պայմաններում է մեծանում խափանման հավանականությունը։

Այս տեղեկատվությունը թույլ է տալիս ոչ թե պարզապես արձագանքել խնդրին, այլ կանխել այն։

Կանխատեսվող խափանումների ժամանակաշրջան

Ավանդական գործարանում սարքավորումը սովորաբար վերանորոգվում է երկու դեպքում։

Կամ սահմանված ժամանակացույցով։

Կամ այն ժամանակ, երբ արդեն փչացել է։

Ժամանակակից տեխնոլոգիան առաջարկում է երրորդ տարբերակը։

Կանխատեսել, թե երբ կարող է սարքավորումը խնդիր ունենալ։

Սենսորների և տվյալների վերլուծության միջոցով համակարգը կարող է նկատել աշխատանքի անսովոր փոփոխություններ։

Օրինակ՝ շարժիչի ջերմաստիճանի աստիճանական աճ։

Կամ էներգիայի սպառման փոփոխություն։

Կամ սարքավորման աշխատանքի արագության անկում։

Այս տվյալները կարող են ազդանշան լինել, որ մոտ ապագայում անհրաժեշտ կլինի տեխնիկական միջամտություն։

Այս մոտեցումը կոչվում է կանխատեսող սպասարկում։

Դրա հիմնական նպատակը սարքավորումը վերանորոգելն է նախքան այն ամբողջությամբ կկանգնի։

Սննդի արտադրամասի համար սա կարող է նշանակել ավելի քիչ անսպասելի կորուստներ։

Արտադրության աճ՝ առանց ավելի շատ հումք գնելու

Արտադրողականության բարձրացման մյուս կարևոր ուղղությունը թափոնների նվազեցումն է։

Սննդի վերամշակման ընթացքում հումքի մի մասը կարող է կորել.

- մաքրման ժամանակ,
- կտրման ընթացքում,
- տեղափոխման ժամանակ,
- փաթեթավորման փուլում,
- որակի ստուգման արդյունքում։

Փոքր կորուստները հաճախ չեն դիտվում որպես մեծ խնդիր։

Սակայն մեծ արտադրական ծավալների դեպքում նույնիսկ մեկ տոկոսանոց կորուստը կարող է նշանակել հարյուրավոր հազարավոր դրամների կամ դոլարների վնաս։

Տվյալների վերլուծությունը կարող է օգնել հասկանալ, թե արտադրական որ փուլում են առաջանում ամենամեծ կորուստները։

Եթե գործարանը կարողանա նվազեցնել թափոնը, ապա նույն քանակությամբ հումքից ավելի շատ վերջնական արտադրանք կստանա։

Այսինքն՝ արտադրությունը կարող է աճել՝ առանց լրացուցիչ գյուղմթերք գնելու։

Սա հատկապես կարևոր է այն երկրների համար, որտեղ գյուղատնտեսական հումքի ծավալները սահմանափակ են։

Փոքր գործարանները նույնպես կարող են օգտագործել խելացի տեխնոլոգիաներ

Արհեստական բանականության մասին խոսելիս հաճախ պատկերացնում ենք հսկայական միջազգային ընկերություններ։

Սակայն տեխնոլոգիաների էժանացման հետ միասին դրանցից օգտվելու հնարավորություն կարող են ստանալ նաև փոքր և միջին ձեռնարկությունները։

Պարտադիր չէ անմիջապես կառուցել լիովին ավտոմատացված գործարան։

Թվայնացումը կարող է սկսվել փոքր քայլերից։

Օրինակ.

- արտադրության թվային հաշվառում,
- սարքավորումների աշխատանքի գրանցում,
- էլեկտրաէներգիայի սպառման վերահսկում,
- թափոնների հաշվառում,
- արտադրանքի որակի տվյալների հավաքագրում։

Առաջին քայլը կարող է նույնիսկ արհեստական բանականությունը չլինել։

Առաջին քայլը կարող է լինել տվյալների հավաքումը։

Որովհետև եթե գործարանը չի չափում իր աշխատանքը, դժվար է հասկանալ, թե որտեղ պետք է այն բարելավել։

Հայկական վերամշակող արդյունաբերության համար կարևոր հարց

Հայաստանում գյուղմթերքի վերամշակման ոլորտում աշխատում են բազմաթիվ փոքր և միջին ձեռնարկություններ։

Չրարտադրություն։

Պահածոներ։

Հյութեր։

Կաթնամթերք։

Մսամթերք։

Գինու արտադրություն։

Հրուշակեղեն։

Շատ ընկերությունների համար արտադրության ընդլայնումը կապված է նոր սարքավորումների ձեռքբերման հետ։

Սակայն մինչ նոր ներդրում կատարելը կարևոր է պատասխանել մի քանի հարցի.

Արդյոք գործող սարքավորումն ամբողջ հզորությամբ աշխատո՞ւմ է։

Որքա՞ն ժամանակ է արտադրական գիծը կանգնած մնում։

Որքա՞ն հումք է կորում արտադրության ընթացքում։

Ո՞ր փուլն է ամենադանդաղը։

Որքա՞ն էլեկտրաէներգիա է ծախսվում մեկ միավոր արտադրանքի համար։

Այս հարցերի պատասխանները կարող են ցույց տալ, որ գործարանի ներսում արդեն կան արտադրության աճի հնարավորություններ։

Տվյալները կարող են դառնալ նոր հումք

Սննդի արդյունաբերությունը սովորաբար աշխատում է ֆիզիկական հումքով։

Մրգեր։

Բանջարեղեն։

Կաթ։

Միս։

Հացահատիկ։

Սակայն ժամանակակից արտադրությունում հայտնվում է ևս մեկ կարևոր հումք։

Տվյալները։

Եթե գյուղմթերքը վերամշակող ընկերությունը գիտի իր արտադրության յուրաքանչյուր փուլի մասին, այդ տեղեկատվությունը կարող է օգնել ավելի արդյունավետ օգտագործել.

- հումքը,
- աշխատուժը,
- սարքավորումները,
- էներգիան,
- ժամանակը։

Այս իմաստով տվյալները դառնում են արտադրության նոր ռեսուրս։

Որքան լավ է ընկերությունը հասկանում իր սեփական գործարանի աշխատանքը, այնքան ավելի հեշտ է գտնել թաքնված հնարավորությունները։

Խելացի գործարանը պարտադիր ռոբոտներով լի շինություն չէ

«Խելացի գործարան» արտահայտությունը հաճախ ստեղծում է ապագայի ֆիլմերի պատկեր։

Ռոբոտներ։

Անմարդ արտադրամասեր։

Բարդ համակարգիչներ։

Իրականում խելացի գործարանը կարող է սկսվել շատ ավելի պարզ լուծումներից։

Սարքավորման աշխատանքի տվյալների հավաքումից։

Արտադրության թվային հաշվառումից։

Թափոնների չափումից։

Էներգիայի վերահսկումից։

Խափանումների պատճառների վերլուծությունից։

Այս բոլոր քայլերը միասին կարող են աստիճանաբար փոխել գործարանի կառավարման համակարգը։

Ապագայում մրցակցությունը կարող է լինել ոչ թե սարքավորումների, այլ արդյունավետության միջև

Երկու գործարան կարող են ունենալ գրեթե նույն սարքավորումները։

Աշխատել նույն հումքով։

Արտադրել նույն ապրանքը։

Բայց դրանցից մեկը կարող է ավելի շատ շահույթ ստանալ։

Պատճառը միշտ չէ, որ ավելի լավ մեքենան է։

Երբեմն տարբերությունը կառավարման մեջ է։

Ով է ավելի արագ նկատում խնդիրը։

Ով է ավելի քիչ հումք կորցնում։

Ով է կանխում սարքավորումների կանգառը։

Ով է ավելի արդյունավետ օգտագործում աշխատաժամանակը։

Արհեստական բանականությունն ու տվյալների վերլուծությունը կարող են հենց այս ոլորտներում դառնալ մրցակցային առավելություն։

Նոր գործարանից առաջ պետք է հարցնել՝ արդյոք հինը լիարժեք աշխատո՞ւմ է

Սննդի վերամշակման արդյունաբերության զարգացման մասին խոսելիս հաճախ ուշադրությունը կենտրոնանում է նոր գործարանների բացման վրա։

Նոր շենք։

Նոր սարքավորումներ։

Նոր արտադրական գծեր։

Սակայն առաջիկա տարիներին ոչ պակաս կարևոր կարող է դառնալ մեկ այլ ուղղություն.

արդեն գործող գործարանների խելացի արդիականացումը։

Գուցե արտադրության ծավալը մեծացնելու համար միշտ չէ, որ անհրաժեշտ է նոր շենք կառուցել։

Գուցե նախ պետք է հասկանալ, թե որքան արդյունավետ է աշխատում այն, ինչ արդեն կա։

Քանի որ ժամանակակից սննդի արդյունաբերությունում երբեմն ամենամեծ արտադրական ռեզերվը ոչ թե նոր տարածքում է։

Այն արդեն գոյություն ունի։

Պարզապես թաքնված է գործող արտադրամասի մեքենաների, աշխատաժամանակի, էներգիայի և հազարավոր տվյալների մեջ։

Եվ այն ընկերությունը, որը կարողանա գտնել այդ թաքնված հնարավորությունները, կարող է ավելի շատ արտադրել՝ առանց պարտադիր ավելի մեծ գործարան կառուցելու։