വർക്ക് സ്റ്റഡിയും ടൈം സ്റ്റഡിയും

നേട്ടങ്ങൾ:

• സ്റ്റാൻഡേർഡ് സമയം, ടെമ്പോ റേറ്റിംഗ്, അലവൻസ് (അലവൻസ്) ആശയങ്ങൾ എന്നിവ കണക്കാക്കാനുള്ള കഴിവ്
• ജോബ് സ്റ്റെപ്പ് അനാലിസിസ്, ECRS ഒപ്റ്റിമൈസേഷൻ, AI ഉപയോഗിച്ച് MTM/ലൈൻ ബാലൻസിങ് ഡ്രാഫ്റ്റുകൾ എന്നിവ നിർമ്മിക്കാനുള്ള കഴിവ്
• യഥാർത്ഥ മെഷർമെൻ്റ് ഡാറ്റ ഉപയോഗിച്ച് AI നിർദ്ദേശിച്ച സ്റ്റാൻഡേർഡ് സമയങ്ങൾ പരിശോധിക്കുന്നതിനുള്ള അച്ചടക്കം പ്രയോഗിക്കാനുള്ള കഴിവ്

വ്യാവസായിക എഞ്ചിനീയറിംഗിൻ്റെ സ്ഥാപക വിഷയങ്ങളിലൊന്നാണ് വർക്ക് സ്റ്റഡി: ഒരു ജോലി എങ്ങനെ ചെയ്യപ്പെടുന്നു (രീതി പഠനം) വ്യവസ്ഥാപിതമായി പരിശോധിച്ച്, എത്ര സമയമെടുക്കുന്നു (സമയ പഠനം) അളക്കുന്നതിലൂടെ മെച്ചപ്പെട്ട പ്രവർത്തന രീതിയും റിയലിസ്റ്റിക് സ്റ്റാൻഡേർഡ് സമയവും നിർമ്മിക്കുക. സ്റ്റാൻഡേർഡ് സമയം; ഇത് ചെലവ്, ശേഷി ആസൂത്രണം, ലൈൻ ബാലൻസിങ്, പ്രോത്സാഹന സംവിധാനങ്ങൾ എന്നിവയുടെ അടിസ്ഥാനമാണ്. തെറ്റായ നിലവാരം എന്നാൽ തെറ്റായ വിലനിർണ്ണയവും യാഥാർത്ഥ്യബോധമില്ലാത്ത ലക്ഷ്യങ്ങളുമാണ്. ജോലി ഘട്ടങ്ങൾ വിശകലനം ചെയ്യുന്നതിനും ECRS മെച്ചപ്പെടുത്തൽ ആശയങ്ങൾ സൃഷ്ടിക്കുന്നതിനും ലൈൻ ബാലൻസിങ് ബ്ലൂപ്രിൻ്റുകൾ സ്ഥാപിക്കുന്നതിനും AI ഈ മേഖലയിൽ ശക്തമാണ്; എന്നാൽ ടെമ്പോ ഗ്രേഡിംഗും യഥാർത്ഥ സമയ അളവെടുപ്പും വയലിൽ നിന്നാണ് വരുന്നത്. ഈ യൂണിറ്റിൽ ഞങ്ങൾ സ്റ്റാൻഡേർഡ് ടൈം അക്കൌണ്ടിംഗും AI-യുടെ ശരിയായ പങ്കും ഉൾക്കൊള്ളുന്നു.

സ്റ്റാൻഡേർഡ് സമയത്തിൻ്റെ ഘടകങ്ങൾ

പല ഘട്ടങ്ങളിലായി നിരീക്ഷിച്ച അസംസ്കൃത സമയത്തിൽ നിന്നാണ് സ്റ്റാൻഡേർഡ് സമയം ലഭിക്കുന്നത്.

1) നിരീക്ഷിച്ച സമയം (NZ): ഒരു സ്റ്റോപ്പ് വാച്ച് ഉപയോഗിച്ച് അളക്കുന്ന അസംസ്കൃത സമയം (ശരാശരി).2) സാധാരണ സമയം (NZ) = OZ × ടെമ്പോ (റേറ്റിംഗ് ഘടകം) - "സാധാരണ" വേഗതയുമായി ബന്ധപ്പെട്ട ഓപ്പറേറ്ററുടെ റേറ്റിംഗാണ് പേസ്. - 100% = സാധാരണ, 110% = സാധാരണയേക്കാൾ വേഗത, 90% = വേഗത.3) സ്റ്റാൻഡേർഡ് സമയം (SZ) = NZ × (1 + ഷെയർ റേഷ്യോ) - ഷെയറുകൾ: വ്യക്തിഗത ആവശ്യം, ക്ഷീണം (വിശ്രമം), അനിവാര്യമായ കാലതാമസം.

ഒരു ചെറിയ ഉദാഹരണം. ഒരു അസംബ്ലി പ്രവർത്തനത്തിൻ്റെ ശരാശരി നിരീക്ഷിച്ച സമയം 45 സെക്കൻഡ് ആണെന്നും നിരീക്ഷിച്ച ടെമ്പോ 110% ആണെന്നും മൊത്തം മാർജിൻ 15% ആണെന്നും പറയാം:

NZ = 45 × 1.10 = 49.5 സെക്കൻഡ്SZ = 49.5 × (1 + 0.15) = 49.5 × 1.15 ≈ 56.9 സെക്കൻഡ്

അതിനാൽ, യഥാർത്ഥ പ്രകടനം വേഗതയേറിയതാണെങ്കിലും (ടെമ്പോ ഉയർന്നതാണ്), മാർജിനുകൾ ചേർക്കുമ്പോൾ സ്റ്റാൻഡേർഡ് സമയം നിരീക്ഷിച്ച സമയത്തെ കവിയുന്നു. ഇവിടെ ടെമ്പോ മൂല്യം ഒരു ആത്മനിഷ്ഠ എഞ്ചിനീയറിംഗ് വിധിയാണ് കൂടാതെ അനുഭവം ആവശ്യമാണ്; നിങ്ങൾക്കായി ഇത് നിരീക്ഷിക്കാൻ AI-ന് കഴിയില്ല.

ശ്രദ്ധിക്കുക: "സാധാരണ സമയം കണക്കാക്കാൻ" AI-യോട് പറയുമ്പോൾ, ടെമ്പോയും മാർജിനും നൽകുന്നത് ഉറപ്പാക്കുക. AI സ്വയമേവ "ടെമ്പോ 100% ആണെന്ന് കരുതുക" എന്ന് പറയുകയും തുടരുകയും ചെയ്താൽ, ആ അനുമാനം ഫീൽഡിൽ യാഥാർത്ഥ്യത്തെ പ്രതിഫലിപ്പിക്കില്ല, മാത്രമല്ല നിങ്ങളുടെ സ്റ്റാൻഡേർഡ് സമയത്തെ വികലമാക്കുകയും ചെയ്യും.

എത്ര നിരീക്ഷണം? (സാമ്പിൾ വലുപ്പം)

ഒരൊറ്റ അളവ് മതിയാകില്ല; പ്രോസസ്സ് വേരിയബിളിറ്റി ഉണ്ട്. ആവശ്യമുള്ള ആത്മവിശ്വാസത്തിൻ്റെയും കൃത്യതയുടെയും അടിസ്ഥാനത്തിൽ ആവശ്യമായ നിരീക്ഷണങ്ങളുടെ എണ്ണം സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് നിർണ്ണയിക്കപ്പെടുന്നു. ആദ്യത്തെ കുറച്ച് നിരീക്ഷണങ്ങളുടെ വേരിയബിളിറ്റി നോക്കുകയും ലക്ഷ്യ കൃത്യതയ്ക്ക് ആവശ്യമായ n കണക്കാക്കുകയും ചെയ്യുക എന്നതാണ് ഏകദേശ സമീപനം.

ഇനിപ്പറയുന്ന പ്രാഥമിക നിരീക്ഷണങ്ങൾ (സെക്കൻഡ്) ഉപയോഗിച്ച് 95% ആത്മവിശ്വാസത്തിനും ±5% കൃത്യതയ്ക്കും ആവശ്യമായ നിരീക്ഷണങ്ങളുടെ എണ്ണം കണക്കാക്കുക. സൂത്രവാക്യവും അനുമാനങ്ങളും എഴുതുക. നിരീക്ഷണങ്ങൾ: {{ 44, 46, 45, 48, 43, 47, ... }}അടുത്തത്: നിലവിലെ നിരീക്ഷണങ്ങളുടെ എണ്ണം മതിയോ, ഇല്ലെങ്കിൽ, എത്ര എണ്ണം കൂടി വേണം?

AI ഉപയോഗിച്ചുള്ള രീതി പഠനവും ECRS ഉം

മെത്തേഡ് സ്റ്റഡിയുടെ ഉദ്ദേശ്യം ജോലി നന്നായി ചെയ്യുക എന്നതാണ്. ECRS ചോദ്യം ഒരു ശക്തമായ ചട്ടക്കൂടാണ്: ഇല്ലാതാക്കുക, സംയോജിപ്പിക്കുക, പുനഃക്രമീകരിക്കുക, ലളിതമാക്കുക.

റോൾ: നിങ്ങൾ വർക്ക് സ്റ്റഡിയിൽ വൈദഗ്ദ്ധ്യം നേടിയ ഒരു വ്യാവസായിക എഞ്ചിനീയറാണ്. ടാസ്ക്: ECRS ചട്ടക്കൂട് ഉപയോഗിച്ച് ഇനിപ്പറയുന്ന ജോലി ഘട്ടങ്ങൾ വിലയിരുത്തുക. ഓരോ ഘട്ടത്തിനും: ഈ ഘട്ടം ഇല്ലാതാക്കാനോ/സംയോജിപ്പിക്കാനോ/പുനഃക്രമീകരിക്കാനോ/ലളിതമാക്കാനോ കഴിയുമോ? കൃത്യമായ നിർദ്ദേശങ്ങളും കണക്കാക്കിയ സമയ ഫലങ്ങളും എഴുതുക. ജോലിയുടെ ഘട്ടങ്ങളും കാലാവധികളും (സെക്കൻഡ്):1. ഷെൽഫിൽ നിന്ന് ഭാഗം എടുക്കുക (6)2. കൗണ്ടറിൽ വയ്ക്കുക (4)3. സ്ക്രൂ സ്വമേധയാ ആരംഭിക്കുക (8)4. ടോർക്ക് റെഞ്ച് (5)5 ഉപയോഗിച്ച് ശക്തമാക്കുക. പരിശോധിക്കുക (3)6. പൂർത്തിയായ ഭാഗം ബോക്സിൽ ഇടുക (5)നിയമം: എർഗണോമിക്സും ഗുണനിലവാരവും വിട്ടുവീഴ്ച ചെയ്യുന്ന നിർദ്ദേശങ്ങൾ ഒഴിവാക്കുക; ഓരോ നിർദ്ദേശത്തിനും ഒരു "ഫീൽഡ് ടെസ്റ്റ് ചെയ്യണം" എന്ന കുറിപ്പ് നൽകുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഇത് വേഗത്തിലാക്കുക.

സന്ദർഭമില്ലാതെ; "ഓട്ടോമേഷൻ ചേർക്കുക" പോലുള്ള പൊതുവായതും ചെലവ് കുറഞ്ഞതുമായ നിർദ്ദേശങ്ങൾ AI തുപ്പുന്നു.

ശക്തമായ നിർദ്ദേശം:

ECRS ഉപയോഗിച്ച് ഇനിപ്പറയുന്ന വർക്ക് ഘട്ടങ്ങൾ വിശകലനം ചെയ്യുക, നിലവിലുള്ള ഉപകരണങ്ങൾക്ക് മാത്രം ബാധകമായതും അധിക നിക്ഷേപം ആവശ്യമില്ലാത്തതുമായ നിർദ്ദേശങ്ങൾ നൽകുക. ഓരോ ശുപാർശയ്ക്കും കണക്കാക്കിയ സെക്കൻഡ് നേട്ടവും സാധ്യതയുള്ള ഗുണനിലവാരം/എർഗണോമിക്‌സ് അപകടസാധ്യതയും വ്യക്തമാക്കുക. വിജയങ്ങൾ കൂട്ടിച്ചേർത്ത് പുതിയ കണക്കാക്കിയ സൈക്കിൾ സമയം കണക്കാക്കുക. ഘട്ടങ്ങൾ: {{ ... }}

രണ്ടാമത്തെ പ്രോംപ്റ്റ് നിയന്ത്രണത്തിന് (അധിക നിക്ഷേപമില്ല) അപകടസാധ്യതയും അളക്കാവുന്ന വരുമാനവും ആവശ്യമാണ്; ഇത് ശുപാർശകൾ നേരിട്ട് ബാധകമാക്കുന്നു.

ലൈൻ ബാലൻസിങ്

അസംബ്ലി ലൈനിലെ വർക്ക്സ്റ്റേഷനുകൾക്കിടയിൽ ലോഡ് ബാലൻസ് ചെയ്യുന്നത് തടസ്സങ്ങളും നിഷ്‌ക്രിയ കാത്തിരിപ്പും കുറയ്ക്കുന്നു. അടിസ്ഥാന ആശയങ്ങൾ:

Takt സമയം = ലഭ്യമായ ഉൽപ്പാദന സമയം / ഡിമാൻഡ് (ആവശ്യമായ വേഗത) സ്റ്റേഷനുകളുടെ ഏറ്റവും കുറഞ്ഞ എണ്ണം = മൊത്തം ജോലി ഉള്ളടക്കം / Takt സമയം (റൗണ്ട് അപ്പ്) ലൈൻ കാര്യക്ഷമത = മൊത്തം ജോലി ഉള്ളടക്കം / (സ്റ്റേഷനുകളുടെ എണ്ണം × സൈക്കിൾ സമയം)

ഉദാഹരണം: മൊത്തം വർക്ക് ഉള്ളടക്കം 180 സെ

Takt = (450 × 60) / 300 = 27000 / 300 = 90 സെക്കൻഡ്/കഷണം മിനിമം സ്റ്റേഷൻ = 180 / 90 = 2 സ്റ്റേഷനുകൾ

മുൻഗണനാ ബന്ധങ്ങളെ അടിസ്ഥാനമാക്കി സ്റ്റേഷനുകൾക്ക് ചുമതലകൾ നൽകുന്നതിൽ AI ഡ്രാഫ്റ്റ് സൃഷ്ടിക്കുന്നു; എന്നാൽ മുൻഗണനാ ഡയഗ്രം ശരിയാണെന്നും അസൈൻമെൻ്റ് യഥാർത്ഥത്തിൽ takt കവിയുന്നില്ലെന്നും നിങ്ങൾ പരിശോധിക്കുന്നു.

നുറുങ്ങ്: AI നിർദ്ദേശിച്ച സ്റ്റേഷൻ അസൈൻമെൻ്റിൽ, ഓരോ സ്റ്റേഷൻ്റെയും ആകെ സമയം ടാക്ട് സമയത്തിൽ കവിയുന്നില്ലെന്ന് പരിശോധിച്ചുറപ്പിക്കുക. AI ചില സമയങ്ങളിൽ ഒരു സ്റ്റേഷനിൽ ടാക്ട് കവിയുന്ന ടാസ്‌ക്കുകൾ നൽകുകയും അതിനെ "സന്തുലിതമായ" ആയി അവതരിപ്പിക്കുകയും ചെയ്യുന്നു.

മിനി കേസ്: അയഥാർത്ഥ നിലവാരം

ഒരു ടെക്സ്റ്റൈൽ വർക്ക്ഷോപ്പിലെ തയ്യൽ സ്റ്റേഷൻ്റെ സ്റ്റാൻഡേർഡ് സമയം നിരവധി വർഷങ്ങൾക്ക് മുമ്പ് നിശ്ചയിച്ചിരുന്നു, കൂടാതെ ഓപ്പറേറ്റർമാർ എല്ലായ്പ്പോഴും ലക്ഷ്യം കവിയുന്നു. വ്യാവസായിക എഞ്ചിനീയർ കെരെം ജോലി വീണ്ടും പഠിക്കുന്നു: അദ്ദേഹം 15 നിരീക്ഷണങ്ങൾ നടത്തി, ടെമ്പോയെ 95% (അല്പം വേഗത കുറഞ്ഞ ഓപ്പറേറ്റർ) ആയി വിലയിരുത്തി, 12% വിഹിതം നേടുന്നു. ഇത് AI-യിലേക്ക് ഈ ഡാറ്റ നൽകുകയും സാധാരണ സമയം കണക്കാക്കുകയും ECRS വഴി മെച്ചപ്പെടുത്തൽ നിർദ്ദേശങ്ങൾ അഭ്യർത്ഥിക്കുകയും ചെയ്യുന്നു. ബിമാനുവൽ പാരലൽ വർക്ക് (രണ്ട് കൈകൾ ഉപയോഗിച്ച്) എന്ന നിർദ്ദേശവുമായി AI ഒരു ഘട്ടം കൂട്ടിച്ചേർക്കുന്നു. കെരെം ഫീൽഡിൽ നിർദ്ദേശം പരിശോധിക്കുന്നു; സൈക്കിൾ സമയം കുറയുകയും ഒരു പുതിയ, റിയലിസ്റ്റിക് സ്റ്റാൻഡേർഡ് സ്ഥാപിക്കുകയും ചെയ്യുന്നു. വ്യത്യാസം: പഴയ സ്റ്റാൻഡേർഡ്, അപ്‌ഡേറ്റ് ചെയ്യാത്ത ടെമ്പോ, രീതി എന്നിവ ഉപയോഗിച്ച് കണക്കാക്കുന്നു. AI കണക്കുകൂട്ടലും ശുപാർശയും ത്വരിതപ്പെടുത്തി; മനുഷ്യൻ ടെമ്പോ മൂല്യനിർണ്ണയവും ഫീൽഡ് ടെസ്റ്റിംഗും നടത്തി.

സാധാരണ തെറ്റുകൾ

• ഓഹരികൾ മറക്കുന്നു: വിശ്രമവും വ്യക്തിഗത ഷെയറുകളും ചേർക്കാതെ യാഥാർത്ഥ്യബോധമില്ലാത്ത (വളരെ ചെറുത്) മാനദണ്ഡങ്ങൾ നിർമ്മിക്കുന്നു.
• AI-യിലേക്ക് ടെമ്പോ വിടുന്നു: ഫീൽഡിൽ ആത്മനിഷ്ഠമായ ടെമ്പോ വിലയിരുത്തൽ നടത്താതെ ഊഹക്കച്ചവടത്തെ അടിസ്ഥാനമാക്കി.
• അപര്യാപ്തമായ നിരീക്ഷണം: ഒറ്റ/കുറച്ച് അളവുകൾ ഉപയോഗിച്ച് മാനദണ്ഡങ്ങൾ ക്രമീകരിക്കുക; വ്യതിയാനത്തെ അവഗണിക്കുക.
• സ്റ്റേഷൻ takt കവിയുന്നു: ലൈൻ ബാലൻസിംഗിലെ takt സമയവുമായി സ്റ്റേഷൻ ലോഡിനെ താരതമ്യം ചെയ്യരുത്.
• സ്റ്റാൻഡേർഡ് അപ്ഡേറ്റ് ചെയ്യുന്നില്ല: രീതി മാറുമ്പോൾ പഴയ സ്റ്റാൻഡേർഡ് ഉപയോഗിക്കുന്നത് തുടരുന്നു.

ചുരുക്കത്തിൽ

• സ്റ്റാൻഡേർഡ് സമയം = സാധാരണ സമയം × (1 + ന്യൂമറേറ്റർ); സാധാരണ സമയം = നിരീക്ഷിച്ച സമയം × വേഗത. മൂന്ന് ഘടകങ്ങളും ആവശ്യമാണ്.
• പേസ് റേറ്റിംഗ് ഒരു ആത്മനിഷ്ഠ എഞ്ചിനീയറിംഗ് വിധിയാണ്; AI-ക്ക് നിങ്ങൾക്കായി നിരീക്ഷിക്കാൻ കഴിയില്ല.
• മതിയായ നിരീക്ഷണങ്ങളുടെ എണ്ണം സ്ഥിതിവിവരക്കണക്കുകളാൽ നിർണ്ണയിക്കപ്പെടുന്നു; ഒരൊറ്റ അളവ് കൊണ്ട് ഒരു മാനദണ്ഡം സ്ഥാപിക്കാൻ കഴിയില്ല.
• രീതി മെച്ചപ്പെടുത്തുന്നതിനുള്ള ശക്തമായ ചട്ടക്കൂടാണ് ECRS; നിയന്ത്രണവും അപകടസാധ്യതയും ഉള്ള നിർദ്ദേശങ്ങൾ ചോദിക്കുക.
• ലൈൻ ബാലൻസിംഗിൽ ഓരോ സ്റ്റേഷനും അതിൻ്റെ ടാക്ട് സമയം കവിയുന്നില്ലെന്ന് ഉറപ്പാക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ജോലി തിരഞ്ഞെടുക്കുക (യഥാർത്ഥമോ സാങ്കൽപ്പികമോ, 5-7 ഘട്ടങ്ങൾ). ഘട്ടങ്ങളുടെ ശരാശരി നിരീക്ഷിച്ച സമയങ്ങൾ ശ്രദ്ധിക്കുക, ഒരു ടെമ്പോ (ഉദാ. 105%), ഷെയർ അനുപാതം (ഉദാ. 13%) എന്നിവ നിർണ്ണയിക്കുക. AI സ്റ്റാൻഡേർഡ് സമയം കണക്കാക്കുകയും ഓരോ ഘട്ടവും പ്രദർശിപ്പിക്കുകയും ചെയ്യുക. ഗുരുതരമായ പരിശോധന: NZ, SZ എന്നിവ സ്വമേധയാ കണക്കാക്കി AI-യുമായി താരതമ്യം ചെയ്യുക. തുടർന്ന് ECRS ഉപയോഗിച്ച് ഘട്ടങ്ങൾ വിശകലനം ചെയ്യുകയും "അധിക നിക്ഷേപം വേണ്ട" എന്ന നിയന്ത്രണത്തോടെ കുറഞ്ഞത് രണ്ട് നിർദ്ദേശങ്ങളെങ്കിലും നേടുകയും ചെയ്യുക; ഓരോ നിർദ്ദേശത്തിൻ്റെയും രണ്ടാമത്തെ നേട്ടം കൂട്ടിച്ചേർത്ത് പുതിയ സൈക്കിൾ സമയം കണ്ടെത്തുക. അവസാനമായി, ദിവസേനയുള്ള ഡിമാൻഡ് ഊഹിച്ച് ടാക്റ്റ് സമയവും ഏറ്റവും കുറഞ്ഞ സ്റ്റേഷനുകളുടെ എണ്ണവും കണക്കാക്കുക; AI-യുടെ സ്റ്റേഷൻ അസൈൻമെൻ്റ് ടാക്ട് കവിയുന്നുണ്ടോയെന്ന് പരിശോധിക്കുക.