Piattaforma di Operazioni Manifatturiere
Manifatturiero · Fornitori Automotive e Aerospaziali
2024
enterprise
Quello di cui avevano bisogno
L'azienda gestisce cinque stabilimenti che producono componenti metallici di precisione per fornitori automotive e aerospaziali. Ogni stabilimento tracciava la produzione con un misto di cartellini cartacei, fogli di calcolo e un modulo MES vecchio di 15 anni che si sincronizzava solo di notte. I capireparto non avevano modo di vedere lo stato delle macchine o l'avanzamento degli ordini senza recarsi fisicamente a un terminale, così i fermi macchina restavano spesso non segnalati per ore. La sede centrale non poteva vedere la capacità tra stabilimenti in tempo reale, il che significava che gli ordini in ritardo venivano scoperti solo dopo la chiamata di un cliente. I clienti automotive e aerospaziali si aspettavano inoltre registri di fermo macchina e causa radice tracciabili e pronti per audit su richiesta, cosa che il processo cartaceo non riusciva a produrre rapidamente. Un nuovo rollout ERP era a sei mesi di distanza e non poteva colmare da solo il gap a livello di reparto.
Quello che abbiamo costruito
Prixelo ha costruito una piattaforma di tracciamento della produzione che acquisisce dati di macchine e linee — catturati tramite sensori IoT retrofittati sulle apparecchiature esistenti — attraverso flussi di eventi Kafka e li memorizza in PostgreSQL per il reporting e lo storico di audit. Una dashboard React dà ai plant manager e alla dirigenza aziendale una vista live di throughput, tempi di cambio formato e cause di fermo su tutti e cinque gli stabilimenti, con drill-down fino a un singolo ordine di lavoro. Accanto ad essa, abbiamo costruito un'app companion mobile per i capireparto: un'interfaccia basata su React che portano con sé in reparto, che mostra lo stato macchina in tempo reale, gli avvisi aperti e gli obiettivi di turno, con notifiche push quando una linea si ferma. Il backend Node.js gira come un insieme di servizi Docker per stabilimento, così un'interruzione di rete in un sito non manda mai giù gli altri. I capireparto registrano le cause dei fermi macchina direttamente dall'app invece che su un cartellino cartaceo.
Come lo abbiamo affrontato
Scelto Kafka per l'acquisizione degli eventi macchina — alimentato da sensori IoT retrofittati sulle apparecchiature esistenti — così gli eventi di fermo macchina e tempo ciclo fluiscono in tempo reale invece delle sincronizzazioni batch notturne su cui si basava il vecchio MES.
Distribuito il backend Node.js come container Docker per stabilimento dietro un gateway condiviso, così l'interruzione di rete di uno stabilimento non manda mai giù il monitoraggio degli altri quattro.
Costruita l'app per i capireparto come una PWA React installabile invece di due codebase native, così l'IT poteva inviare aggiornamenti ai tablet di reparto senza i ritardi di revisione degli app store.
Modellati i codici causa dei fermi macchina e gli ordini di lavoro in PostgreSQL con uno schema adatto agli audit, così i report sulla causa radice potevano essere estratti direttamente per gli audit di qualità dei clienti.
L'impatto ottenuto
Fermi Macchina Non Pianificati Ridotti
Velocità di Segnalazione dei Fermi Macchina
Macchine e Linee Connesse
"Prima venivamo a sapere di un fermo linea la mattina dopo, durante la sincronizzazione notturna del MES. Ora un supervisore lo segnala dall'app in reparto e la sede centrale lo vede nello stesso minuto. Solo quel cambiamento ha ripagato il progetto."
VP Operations
Azienda manifatturiera
Dicci cosa
costruire.
Portaci quella che tutti dicevano fosse troppo difficile. Risposta gratuita e senza impegno entro 24 ore — NDA su richiesta.