مینوفیکچرنگ KPIs ڈیش بورڈ: OEE، پیداوار، سائیکل کا وقت اور تھرو پٹ

پیٹر ڈرکر کا یہ مشاہدہ کہ آپ جس چیز کی پیمائش نہیں کرتے اس کا انتظام نہیں کر سکتے اس کا اطلاق کسی دوسرے کاروباری فنکشن سے زیادہ مینوفیکچرنگ پر ہوتا ہے۔ ایک پروڈکشن لائن فی گھنٹہ سینکڑوں ڈیٹا پوائنٹس تیار کرتی ہے: مشین کی حالتیں، پیداوار کی گنتی، معیار کے نتائج، مواد کی کھپت، توانائی کا استعمال، اور مزدوری کی سرگرمی۔ چیلنج ڈیٹا کی کمی نہیں ہے۔ یہ ڈیٹا کی مطابقت ہے۔ ایک مینوفیکچرنگ KPI ڈیش بورڈ کو مٹھی بھر میٹرکس کو سامنے لانا چاہیے جو فیصلوں کو آگے بڑھاتے ہیں اور اس شور کو دباتے ہیں جو فالج کا سبب بنتا ہے۔

بہترین مینوفیکچرنگ ڈیش بورڈ دیکھنے کے چند سیکنڈ کے اندر تین سوالوں کے جواب دیتے ہیں: کیا ہم کافی پیداوار کر رہے ہیں؟ کیا معیار قابل قبول ہے؟ کیا ہم اپنے وسائل کو مؤثر طریقے سے استعمال کر رہے ہیں؟ OEE (مجموعی طور پر آلات کی تاثیر) تینوں کو ایک فیصد میں یکجا کرتا ہے۔ معاون KPIs جیسے فرسٹ پاس کی پیداوار، سائیکل ٹائم، تھرو پٹ، اور سکریپ کی شرح تشخیصی تفصیل فراہم کرتی ہے جب OEE کسی مسئلے کی نشاندہی کرتا ہے۔

یہ مضمون ہماری AI Era میں مینوفیکچرنگ سیریز کا حصہ ہے۔

اہم ٹیک ویز

• OEE (دستیابی x کارکردگی x معیار) واحد سب سے اہم مینوفیکچرنگ KPI ہے، جس کی عالمی معیار کی کارکردگی 85% ہے اور زیادہ تر مینوفیکچررز 60-75% پر کام کر رہے ہیں۔
• ریئل ٹائم OEE ایسے نمونوں کو ظاہر کرتا ہے جو اوسط کو چھپاتے ہیں، جیسے تبدیلی کے بعد پہلے گھنٹے کی مسلسل خراب کارکردگی
• صنعت کے معیارات سیاق و سباق فراہم کرتے ہیں لیکن آپ کا اپنا رجحان سب سے اہم موازنہ ہے، کیونکہ ایک صنعت کار 55% سے 70% تک بہتر کارکردگی کا مظاہرہ کرنے والے مدمقابل کو 80% پر کھڑا کر رہا ہے۔
• Odoo کا مینوفیکچرنگ ماڈیول تمام اہم KPIs کے خام ڈیٹا کو حاصل کرتا ہے جب کام کے مرکز سے باخبر رہنے اور کوالٹی کنٹرول پوائنٹس کے ساتھ مناسب طریقے سے ترتیب دیا جاتا ہے۔

---

مجموعی طور پر آلات کی تاثیر (OEE)

OEE فارمولا

OEE تین اجزاء کی پیداوار ہے، ہر ایک آلات کی کارکردگی کے مختلف پہلو کی پیمائش کرتا ہے:

OEE = دستیابی x کارکردگی x معیار

دستیابی منصوبہ بند پیداواری وقت کی فیصد کی پیمائش کرتی ہے جو سامان درحقیقت چل رہا ہے:

Availability = (Planned Production Time - Downtime) / Planned Production Time

ڈاؤن ٹائم میں سازوسامان کی ناکامی، تبدیلی، مواد کی کمی، اور کوئی دوسرا واقعہ شامل ہے جو منصوبہ بند پیداوار کے وقت کے دوران مشین کو روکتا ہے۔ منصوبہ بند دیکھ بھال اور طے شدہ وقفے منصوبہ بند پیداواری وقت سے خارج ہیں۔

کارکردگی زیادہ سے زیادہ ممکنہ رفتار کے مقابلے میں اصل پیداوار کی رفتار کی پیمائش کرتی ہے:

Performance = (Actual Output x Ideal Cycle Time) / Available Run Time

کارکردگی کے نقصانات سست سائیکلوں (ریٹیڈ اسپیڈ سے نیچے چل رہے ہیں) اور چھوٹے اسٹاپس (مختصر رکاوٹیں جو ڈاؤن ٹائم کے طور پر شمار نہیں ہوتے ہیں لیکن آؤٹ پٹ کو کم کرتے ہیں) سے آتے ہیں۔

معیار تیار شدہ یونٹس کے فیصد کی پیمائش کرتا ہے جو پہلی کوشش میں تصریحات پر پورا اترتے ہیں:

Quality = Good Units / Total Units Produced

معیار کے نقصانات میں سکریپ اور دوبارہ کام شامل ہیں۔ تصریحات کو پورا کرنے سے پہلے دوبارہ کام کرنے والے یونٹس کو معیار کے نقصانات کے طور پر شمار کیا جاتا ہے چاہے وہ آخرکار فروخت ہو جائیں۔

OEE مثال کے حساب سے

یہ مثال ایک ایسی مشین کو دکھاتی ہے جو انفرادی طور پر ہر فیکٹر پر معقول حد تک اسکور کرتی ہے لیکن جب عوامل کو ایک ساتھ ضرب کیا جاتا ہے تو صرف 75.3% OEE حاصل کرتا ہے۔ OEE کی ضرب فطرت کا مطلب ہے کہ ہر عنصر کے مرکب میں چھوٹی بہتری OEE کے اہم فوائد میں۔

OEE بینچ مارکس

چھ بڑے نقصانات

OEE نقصان کا تجزیہ تمام نقصانات کو چھ زمروں میں تقسیم کرتا ہے:

چھ بڑے نقصانات کا پاریٹو تجزیہ اس بات کی نشاندہی کرتا ہے کہ بہتری کی کوششوں کا سب سے زیادہ اثر کہاں پڑے گا۔ دبلی پتلی مینوفیکچرنگ تکنیک جیسے SMED ایڈریس سیٹ اپ نقصانات، جبکہ پیش گوئی کی دیکھ بھال آلات کی خرابیوں کو دور کرتی ہے۔

---

فرسٹ پاس کی پیداوار (FPY)

تعریف اور حساب

فرسٹ پاس کی پیداوار ان یونٹس کے فیصد کی پیمائش کرتی ہے جو کسی دوبارہ کام، مرمت یا دوبارہ معائنہ کے بغیر پہلی بار درست طریقے سے کسی عمل کے مرحلے سے گزرتے ہیں۔

FPY = Good Units (no rework) / Total Units Started

رولڈ تھرو پٹ یئلڈ (RTY) FPY کو متعدد عمل کے مراحل میں توسیع دیتا ہے:

RTY = FPY(Step 1) x FPY(Step 2) x FPY(Step 3) x ... x FPY(Step N)

ضرب اثر ڈرامائی ہے۔ 95% FPY کے ساتھ ہر قدم پر 5 قدمی عمل میں صرف 77.4% کا RTY ہوتا ہے۔ ہر قدم کو 99% تک بہتر کرنے سے 95.1% کا RTY حاصل ہوتا ہے۔

Odoo میں FPY کو ٹریک کرنا

اوڈو کا کوالٹی ماڈیول ہر مینوفیکچرنگ آپریشن میں معائنہ کے نتائج کو ٹریک کرتا ہے۔ FPY کا حساب اس سے لگایا جاتا ہے:

• ہر آپریشن میں کوالٹی کنٹرول پوائنٹ کے نتائج (پاس/فیل)
• مخصوص کارروائیوں سے منسلک سکریپ ریکارڈ
• مخصوص آپریشنز کے لیے بنائے گئے دوبارہ کام کے کام کے آرڈر

FPY کو آپریشن کے ذریعے ٹریک کرنا، نہ صرف تیار شدہ پروڈکٹ کے ذریعے، یہ ظاہر کرتا ہے کہ کون سا مخصوص عمل مرحلہ سب سے زیادہ معیاری فضلہ پیدا کرتا ہے۔ یہ سِکس سگما بہتری کے پروجیکٹس اور کوالٹی مینجمنٹ پروگرام کے لیے ضروری ڈیٹا ہے۔

---

سائیکل کا وقت

تعریف

سائیکل کا وقت وہ وقت ہے جو ایک یونٹ کو کسی مخصوص عمل کے مرحلے کے ذریعے یا پورے پیداواری عمل کے ذریعے مکمل کرنے کے لیے درکار ہوتا ہے۔

مشین سائیکل کا وقت: مشین کو ایک یونٹ (یا ایک بیچ) پر کارروائی کرنے میں جو وقت لگتا ہے۔ یہ مشین کی صلاحیت کی تکنیکی حد ہے۔

مؤثر سائیکل کا وقت: مشین سائیکل کے وقت کے علاوہ لوڈنگ، ان لوڈنگ اور آپریٹر کے کام۔ یہ اصل تھرو پٹ کا تعین کرتا ہے۔

کل سائیکل کا وقت: عمل کے تمام مراحل میں تمام مؤثر سائیکل اوقات کا مجموعہ۔ یہ کم از کم ممکنہ لیڈ ٹائم ہے اگر صفر قطاریں ہوں اور صفر انتظار ہو۔

سائیکل ٹائم تجزیہ

زیادہ تر مینوفیکچرنگ کے عمل میں، اصل پروسیسنگ کا وقت کل لیڈ ٹائم کا صرف 5-15٪ ہے۔ باقی 85-95% قطار کا وقت اور نقل و حمل کا وقت ہے۔ یہ بصیرت، جو مسلسل ویلیو اسٹریم میپنگ سے ظاہر ہوتی ہے، ظاہر کرتی ہے کہ لیڈ ٹائم میں سب سے بڑی بہتری انتظار کو کم کرنے سے آتی ہے، مشینوں کو تیز تر بنانے سے نہیں۔

اوڈو میں نگرانی

Odoo مینوفیکچرنگ ورک آرڈرز کے ذریعے سائیکل ٹائم ڈیٹا حاصل کرتا ہے:

• منصوبہ بند سائیکل کا وقت: ہر آپریشن کے لیے مینوفیکچرنگ روٹنگ میں ترتیب دیا گیا ہے۔
• اصل سائیکل کا وقت: ریکارڈ کیا جاتا ہے جب آپریٹرز ورک آرڈر آپریشن شروع اور ختم کرتے ہیں۔
• سائیکل کے وقت کا فرق: منصوبہ بند اور حقیقی، نمایاں کرنے والے آپریشنز کے درمیان فرق جو مسلسل توقع سے زیادہ وقت لیتے ہیں۔

---

تھرو پٹ

تعریف اور سیاق و سباق

تھرو پٹ وقت کی فی یونٹ پیدا ہونے والی اچھی اکائیوں کی تعداد ہے۔

Throughput = Good Units Produced / Time Period

کلیدی لفظ "اچھا" ہے۔ تھرو پٹ صرف ان اکائیوں کو شمار کرتا ہے جو وضاحتیں پوری کرتے ہیں۔ وہ پروڈکٹس جن کو ختم کیا جاتا ہے یا دوبارہ کام کی ضرورت ہوتی ہے وہ وسائل استعمال کرنے کے باوجود تھرو پٹ میں شمار نہیں ہوتے ہیں۔

تھروپپٹ اور تھیوری آف کنسٹرائنٹس

تھیوری آف کنسٹرائنٹس فریم ورک میں، تھرو پٹ بنیادی آپریشنل پیمائش ہے۔ رکاوٹ زیادہ سے زیادہ تھرو پٹ کا تعین کرتی ہے، اور کسی بھی غیر محدود وسائل کو بہتر بنانے سے تھرو پٹ میں اضافہ نہیں ہوتا ہے۔

تھرو پٹ کا اظہار مالی لحاظ سے کیا جا سکتا ہے:

Throughput Dollar Value = Revenue - Truly Variable Costs (materials only)

یہ مالیاتی تھرو پٹ میٹرک مصنوعات کے اختلاط، قیمتوں کا تعین، اور سرمایہ کاری کے بارے میں فیصلوں کو روایتی لاگت کے حساب سے مختلف انداز میں چلاتا ہے، جو مصنوعات کے لیے مقررہ لاگت مختص کرتا ہے اور غلط ترجیح کا باعث بن سکتا ہے۔

---

سکریپ ریٹ اور ڈاؤن ٹائم تجزیہ

سکریپ ریٹ

Scrap Rate = Scrapped Units / Total Units Produced

سکریپ کی شرح کو اس کے ذریعہ ٹریک کیا جانا چاہئے:

• پروڈکٹ (کون سی مصنوعات میں سب سے زیادہ سکریپ ہے؟)
• آپریشن (کون سا عمل مرحلہ سب سے زیادہ سکریپ پیدا کرتا ہے؟)
• مشین (کونسی مشین سب سے زیادہ سکریپ تیار کرتی ہے؟)
• وقت (کیا سکریپ کی شرح اوپر، نیچے، یا موسمی رجحان میں ہے؟)
• آپریٹر (کیا سکریپ ریٹ آپریٹر پر منحصر ہے؟)
• مواد (کیا سکریپ کی شرح مادی لاٹ یا سپلائر کے لحاظ سے مختلف ہوتی ہے؟)

ڈاؤن ٹائم تجزیہ

بہتری کی ترجیحات کی نشاندہی کرنے کے لیے وجہ کوڈ کے ذریعے ڈاؤن ٹائم کو ٹریک کریں:

---

صنعت کے معیارات

صنعت کے لحاظ سے KPI بینچ مارکس تیار کرنا

| KPI | آٹوموٹو | الیکٹرانکس | خوراک اور مشروبات | فارماسیوٹیکل | جنرل مشینی | |------|------------|------------| | OEE | 80-90% | 75-85% | 65-80% | 50-70% | 60-75% | | فرسٹ پاس کی پیداوار | >98% | >95% | >97% | >99% | >93% | | سکریپ کی شرح | <1% | <2% | <1.5% | <0.5% | <3% | | شیڈول کی پابندی | >95% | >90% | >92% | >95% | >85% | | MTBF (گھنٹے) | >500 | >300 | >200 | >400 | >250 | | MTTR (گھنٹے) | <1 | <2 | <2 | <1.5 | <3 | | تبدیلی کا وقت | <10 منٹ | <30 منٹ | <15 منٹ | <60 منٹ | <30 منٹ | | انوینٹری موڑ | >20 | >8 | >15 | >4 | >6 |

یہ بینچ مارک اچھی سے عالمی سطح کی کارکردگی کی نمائندگی کرتے ہیں۔ انہیں دشاتمک اہداف کے طور پر استعمال کریں، مطلق معیار کے نہیں۔ آپ کی صنعت کا ذیلی طبقہ، مصنوعات کی پیچیدگی، اور آلات کی عمر سبھی حقیقت پسندانہ اہداف کو متاثر کرتے ہیں۔

---

اوڈو میں ڈیش بورڈ بنانا

ڈیش بورڈ ڈیزائن کے اصول

معلومات کا درجہ بندی: ڈیش بورڈ کو اہمیت کے لحاظ سے سوالات کے جوابات دینے چاہئیں:

1. اس وقت مجموعی کارکردگی کیسی ہے؟ (OEE، تھرو پٹ)
2. کارکردگی کے مسائل کی وجہ کیا ہے؟ (ڈاؤن ٹائم وجوہات، قسم کے لحاظ سے سکریپ)
3. رجحانات کیا ہیں؟ (تاریخی OEE، پیداوار، سائیکل کا وقت)
4. کس چیز پر توجہ کی ضرورت ہے؟ (انتباہات، مخصوص حالات سے باہر)

تجویز کردہ ڈیش بورڈ لے آؤٹ

اوپر کی قطار: خلاصہ KPIs (موجودہ شفٹ یا دن)

• رجحان اشارے کے ساتھ OEE (اوپر/نیچے/مستحکم)
• تھرو پٹ بمقابلہ ہدف
• سکریپ کی شرح
• شیڈول کی پابندی کا فیصد

درمیانی سیکشن: تفصیلی تجزیہ

• OEE عنصر کی خرابی (دستیابی، کارکردگی، کوالٹی بار چارٹ)
• ڈاؤن ٹائم پاریٹو (سب سے اوپر 5 وجوہات)
• سکریپ پاریٹو (سب سے اوپر 5 خرابی کی اقسام)
• گھنٹہ کے حساب سے (لائن چارٹ پیداوار کی رفتار دکھا رہا ہے)

نیچے کا حصہ: ڈرل ڈاؤن

• مشین یا لائن کے ذریعہ OEE (موازنہ ٹیبل)
• فعال انتباہات اور معیار کے مسائل
• آنے والی دیکھ بھال کا شیڈول
• اسٹیٹس کے ساتھ کام کے احکامات جاری ہیں۔

اوڈو میں ڈیٹا کے ذرائع

ریئل ٹائم بمقابلہ تاریخی مناظر

ڈیش بورڈ کو دونوں نقطہ نظر کی حمایت کرنی چاہئے:

ریئل ٹائم ویو: موجودہ شفٹ کی کارکردگی، لائیو مشین کی حیثیت، فعال مسائل جن کے لیے جواب درکار ہے۔ IoT ڈیٹا اور Odoo ورک آرڈر کی حیثیت سے ہر 1-5 منٹ بعد اپ ڈیٹ کیا جاتا ہے۔

تاریخی منظر: دنوں، ہفتوں اور مہینوں کے رجحانات۔ شفٹوں، مشینوں، پروڈکٹس، اور ٹائم پیریڈز کا موازنہ۔ یہ نظریہ بہتری کے منصوبے کی شناخت اور طویل مدتی کارکردگی سے باخبر رہنے کی حمایت کرتا ہے۔

---

عام KPI نقصانات

---

اکثر پوچھے گئے سوالات

میری فیکٹری کے لیے اچھا OEE سکور کیا ہے؟

ایماندارانہ جواب یہ ہے کہ آپ کا موجودہ OEE چھ ماہ پہلے کے OEE کے مقابلے میں تجریدی بینچ مارکس کے مقابلے میں زیادہ معنی خیز ہے۔ اس نے کہا، زیادہ تر مینوفیکچررز 60-75% OEE کے درمیان کام کرتے ہیں۔ عالمی سطح پر 85 فیصد سمجھا جاتا ہے۔ اگر آپ کا موجودہ OEE 65% سے کم ہے، تو ممکنہ طور پر تین OEE عوامل میں سے ایک یا زیادہ میں بہتری کے نمایاں مواقع موجود ہیں۔ اس بات کی نشاندہی کرکے شروع کریں کہ کون سا عنصر (دستیابی، کارکردگی، یا معیار) میں سب سے بڑا فرق ہے اور وہاں توجہ مرکوز کرنے میں بہتری ہے۔

مینوفیکچرنگ KPIs کو کتنی بار اپ ڈیٹ کیا جانا چاہیے؟

شاپ فلور ڈیش بورڈ کے لیے ریئل ٹائم (ہر 1-5 منٹ میں) جسے آپریٹرز اور سپروائزر موجودہ حالات کا جواب دینے کے لیے استعمال کرتے ہیں۔ پیداوار کے انتظام کے جائزے کے لیے فی گھنٹہ۔ پلانٹ کے انتظام کے لیے روزانہ۔ ایگزیکٹو رپورٹنگ کے لیے ہفتہ وار۔ کلیدی اصول یہ ہے کہ کام کے قریب ترین لوگوں کو سب سے زیادہ موجودہ ڈیٹا کی ضرورت ہوتی ہے، کیونکہ وہی لوگ اس پر فوری عمل کر سکتے ہیں۔

کیا ہر مشین میں OEE ٹریکنگ ہونی چاہیے؟

ضروری نہیں۔ OEE ٹریکنگ کی سب سے زیادہ قیمت رکاوٹوں کے وسائل (رکاوٹوں) اور اعلیٰ قیمت والے آلات پر ہے۔ زیادہ صلاحیت والی غیر محدود مشینوں کے لیے، زیادہ OEE فائدہ مند نہیں ہے کیونکہ اس سے زیادہ پیداوار ہوتی ہے۔ OEE ٹریکنگ اور بہتری کو 20% مشینوں پر مرکوز کریں جو فیکٹری آؤٹ پٹ کے 80% کا تعین کرتی ہیں۔ دوسرے آلات کے لیے آسان میٹرکس (اپ ٹائم، کوالٹی) استعمال کریں۔

OEE کا فی یونٹ لاگت سے کیا تعلق ہے؟

OEE فی یونٹ لاگت کو براہ راست متاثر کرتا ہے کیونکہ مقررہ لاگتیں (فرسودگی، اوور ہیڈ، مینجمنٹ) اچھے یونٹس کی تعداد میں پھیلی ہوئی ہیں۔ اعلی OEE کا مطلب ہے کہ ایک ہی مقررہ لاگت کی بنیاد سے تیار کردہ زیادہ اچھی یونٹس، فی یونٹ لاگت کو کم کرنا۔ سالانہ مقررہ لاگت میں $500,000 والی مشین پر 10% OEE بہتری فی یونٹ مقررہ لاگت کو تقریباً 10% کم کر دیتی ہے، جو براہ راست مارجن میں بہتری کی طرف جاتا ہے۔

---

آگے کیا ہے۔

مینوفیکچرنگ KPIs صرف ڈیش بورڈ پر نمبر نہیں ہیں۔ وہ فیڈ بیک میکانزم ہیں جو مسلسل بہتری لاتے ہیں۔ جب OEE، پیداوار، سائیکل کا وقت، اور تھرو پٹ مرئی، درست اور بروقت ہوتے ہیں، تو پروڈکشن ٹیمیں ہر شفٹ کے ہر گھنٹے میں بہتر فیصلے کرتی ہیں۔

ECOSIRE جامع KPI ڈیش بورڈز کے ساتھ Odoo مینوفیکچرنگ سسٹمز کو لاگو کرتا ہے جو مینوفیکچررز کو پروڈکشن کی کارکردگی میں حقیقی وقت کی نمائش فراہم کرتا ہے۔ کسٹم ڈیش بورڈ ڈویلپمنٹ کے ذریعے ورک سینٹر کی ترتیب سے، ہماری ٹیم مینوفیکچررز کو پیمائش کے بنیادی ڈھانچے کی تعمیر میں مدد کرتی ہے جو عالمی معیار کے آپریشنز کو سپورٹ کرتا ہے۔

لین مینوفیکچرنگ اور سِکس سگما پروسیس میں بہتری، یا ہم سے رابطہ کریں پر اپنی مینوفیکچرنگ تجزیات کی ضروریات پر بات کرنے کے لیے ہماری متعلقہ گائیڈز کو دریافت کریں۔

---

شائع کردہ بذریعہ ECOSIRE — کاروباروں کو Odoo ERP، Shopify eCommerce، اور OpenClaw AI میں AI سے چلنے والے حل کے ساتھ پیمانے میں مدد کرنا۔