作为一个资深吃货,三文鱼刺身当属老黑最爱的食物之一。轻轻一咬,那清甜的味道,简直比四月的天还让人沉醉……
所谓念念不忘,必有回响。带着吃货的深深执念,黑湖智造在上周就去探访了一个三文鱼加工厂……
接近零度的车间里,挑鱼刺的工人捏着一片三文鱼剖片,手中的镊子上下翻飞,再将挑出的鱼刺迅速点入旁边盛满水的桶中,只不到30秒的功夫,一片三文鱼的去刺工序就宣告完成。
生产主管告诉老黑,一般来说,一整只三文鱼可以剖出4片鱼片,10吨原料能产出7吨左右的产品。但主管也直言:就今天这批已经加工过半的三文鱼来看,10吨鱼能出6吨就不错了。
为什么实际与预测有这么大的差异?这引起了老黑的注意。
1 “薛定谔”的三文鱼
给大家出一个简单的数学题:1吨原料鱼可产出0.7吨成品,请问10吨鱼可产出多少成品?
生产管理员:不知道,没法算,算不准
这就是三文鱼工厂的难题
EXO ME?
这不是一个简单的数学题吗?
10x0.7=7(吨)
错!
在实际生产场景中,还真不是简单的数学题。这牵扯到一个加工行业的概念——出成率:原料经过初加工后,成品与原料的质量或体积的百分比。
在某些行业(例如矿石加工),出成率是比较稳定且好计算的。但是在鱼类加工行业,每批原料的出成率都不尽相同,且差距大难计算。
为什么难算呢?
这就要从三文鱼的加工方式讲起了,比如现在有A和B两条三文鱼:
看起来都一样对吧?
三文鱼A切开后,肉质粉红紧致,在经过称量后直接被加工成「粉红01带皮段」,鱼肉损耗较小。
三文鱼B切开后,肉质橘黄较为松软,在经过称量后要加工成「橘黄02去皮段」,因为去了皮嘛,皮下脂肪就露出来了,他还要被送去修脂肪,鱼肉损耗较大。
然后,这两种半成品又会根据形态、质量在后续加工工序完成后产出多种不同类型的成品。
三文鱼品种对应色卡
鱼生难料阿~
就像薛定谔的猫一样,在没被切开和秤量之前,谁都不知道这条鱼的命运如何。肉的颜色,重量都会影响最终产品类别,而不同产品的损耗是不一样的。
换句话说,在全部加工完成前,谁也不知道这批货能加工出多少吨不同种类产品。这就是为什么三文鱼加工难以预测和统计出成率原因。
既然如此,可以说是“薛定谔的三文鱼”没错了。
2 聚合分析解决“出成率”问题
但对水产工厂来说,出成率很重要。
在边角料都剔除后,水产品的出成率越高,意味着具备更高的加工水平和更好的成本控制能力。
相对实时和准确的出成率,可以精确透明地监控每一个加工环节的损耗,并据此进行生产状态评估,促进工艺改进和员工技能强化。
水产加工厂基本会采用纸单记录生产过程中的相应数据,在全部加工完之后,再经过人工统计分析,反推出出成率。某些较为粗放管理的车间,甚至直接通过经验来“估算”出成率。
这也直接导致生产状态不透明,无法追溯损耗环节等问题。如下的情况就很常见:
那么问题来了,三文鱼加工厂应该如何科学的计算出成率呢?
以我们探访的这家加工厂为例:
8吨原料鱼在经过投料,剖片,称量,去皮修脂肪等一系列加工过程后(见下图),产出规格A、B、C、D四种产品。
它们各自的出成率是多少?
拿三文鱼产品A(1吨)为例,有几种算法:
方法A:用成品重除以总重
1吨➗8吨=12.5%
(不准确,偏低)
方法B:用成品重除以切段重量
1吨➗1.5吨=66.7%
(与总重脱节,不准确)
在之前,该厂是先采用了方法B,再根据总重进行加权平衡,在业内相对更科学一些,但是仍然不够精准。
那么,有没有保证精确且实时统计的完美算法?
答案是:有!
我们黑湖智造的实施团队在详细调研了该厂的生产环节后,打造了准确而又便捷的数字化解决方案:
对于每一批三文鱼,我们在生产过程中会实时统计每个环节的损耗,通过云端的聚合分析,就可以又准又快的算出各个产品的出成率。
3 数字化升级,我们是专业的
当然了,出成率只是该厂的生产管理难题之一。针对流程管控,员工绩效,跨部门协同等问题,我们集合了生产、物料、质量、设备四大模块,配合流程引擎(SOP)、自动称量两大能力,打造了水产行业专属数字化解决方案。
短短1周多的时间,该厂就完成了方案的理论模拟验证,目前系统正在调试,处于上线试跑的过程中。
食品加工、冷链工厂的朋友们看过来!
如果你也有上述痛点,或者其他的生产管理难题,欢迎了解黑湖智造云端协同系统,4-6周即可上线数字化系统,灵活按需配置,大大降低企业数字化升级成本。我们已经成功帮助近千家客户实现了数字化转型,对于数字化改造具备丰富的经验,我们期待与你合作,打造下一个智能工厂典范!
为什么疫情未除,老黑还敢去探访冷链工厂?
首先,目前有风险的三文鱼都来自进口鱼,这家水产工厂早已使用国产优质三文鱼代替了进口原料,源头上不存在病毒接触可能性。其次,这家工厂有非常非常严格的检测、消杀以及追溯体系,老黑也是穿着严严实实入场探访的,大家就不用担心拉~❤️