Печалби:
- Възможност за точно определяне и изчисляване на KPI на производството като OEE, време на цикъл и WIP
- Възможност за конфигуриране на дизайн на таблото за управление, симулация на дискретни събития и анализ на сценарии с AI
- Възможност за проверка на резултатите от симулацията и таблото за управление с входни допускания и реални данни
Индустриалните инженери вземат решения въз основа на измервания, а не на интуиция. Правилно дефинирани KPI (ключови показатели за ефективност) поддържат пулса на производствената система; Симулацията, от друга страна, пита "какво ако?" без да спира реалната система. отговаря на въпроса с увереност. AI е ускорител и в двете: изготвя дефиниция на KPI и дизайн на таблото, изгражда скелета на симулационния модел, интерпретира сравнения на сценарии. Въпреки това, както KPI, така и симулацията са податливи на капаните на „погрешно определение“ и „погрешно предположение“. В този модул ще покрием KPI за производството, дизайн на табло и симулация на дискретни събития с дисциплината проверка.
Правилно дефиниране на правилния KPI
Неправилно изчисленият KPI е по-опасен от липсата на KPI, защото дава фалшива увереност. Най-често срещаните производствени KPI:
KPI
Описание
внимание
OEE
Използваемост × Производителност × Качество
Трите компонента трябва да се изчисляват отделно
Време на цикъл
Време между частите
смесване с такт
Време за доставка (време за доставка)
Поръчка → доставка
различен от цикъла
WIP
полуготов продукт в процес
обвързани от закона на Литъл
Съотношение отпадъци/скрап
Неправилно / общо
Резервна преработка
Доставка навреме (OTD)
Навреме / обща поръчка
Определете частична доставка
OEE пример: Ако наличността е 90%, производителността е 95%, качеството е 98%:
OEE = 0,90 × 0,95 × 0,98 = 0,8379 ≈ 83,8%
Често срещана грешка е да съберете тези три числа и да ги осредните; OEE е умножение, така че всеки компонент комбинира резултата.
Законът на Литъл установява връзката WIP-производителност-поток време и е много мощен:
WIP = Пропускателна способност × Време на потока Пример: има средно 30 броя (WIP) на линията, ако изходът е 6 броя/час Време на потока = WIP / Изход = 30 / 6 = 5 часа
Съвет: Когато AI изчислява KPI, отпечатайте и неговата дефиниция. "Какво е OEE, с каква формула го изчислихте?" попитайте. AI понякога дава само наличност вместо OEE или пропуска качествения компонент; Не се доверявайте на числото, без да видите определението.
Дизайн на таблото за KPI
Доброто табло за управление не показва много числа; Отговаря на правилните въпроси. AI е полезен при очертаването кои KPI имат смисъл за коя аудитория и как да ги групирате.
Роля: Вие сте индустриален инженер с опит в производствения анализ. Задача: Проектиране на табло за администриране за CNC магазин. Посочете:1. До 6 KPI (дефиниция и формула за всеки).2. Предложение за целева стойност и прагове „добър/внимание/лош“ за всеки KPI.3. Кой KPI на коя графика ще бъде показан (тенденция, индикатор, диаграма).4. 3 управленски въпроса, на които таблото отговаря. Правило: Избягвайте инфлацията на KPI; Обяснете, че всеки индикатор служи за решение. Не давайте измислена целева стойност, кажете „тя трябва да се коригира според сектора“.
Слаба подкана / Силна подкана
Слаба подкана:
Направи ми производствена дъска.
Ако няма целева аудитория, източник на данни и цел, AI ще изхвърли общ списък; Не се взема решение.
Мощна подкана:
Проектирайте табло за началника на смяната, което ще се чете за 5 минути всяка сутрин. Цел: къде е загубата във вчерашната смяна, на какво трябва да се обърне внимание днес. Максимум 5 KPI, всеки с дефиниция + формула + праг. Почасово производство, престой и записи от моя източник на данни, MES. Избягвайте излишните детайли.
Втората подкана изяснява потребителя, момента на използване и източника на данни; Резултатът е действително използвана дъска.
Симулация на дискретно събитие (DES)
Симулацията е начин да експериментирате, без да нарушавате реалната система: какво се случва с опашката, когато добавите нова машина, как се влияе на изхода, когато смяната се промени? Симулацията на дискретно събитие (DES) моделира системата като поредица от „събития“ (пристигане на част, завършване на процеса). Основни входове: разпределение на времето между пристиганията, разпределение на времето за обслужване, брой ресурси, дисциплина на опашката.
Роля: Вие сте индустриален инженер с опит в симулацията. Задача: Напишете рамка за моделиране на следната система с Python SimPy: - Частите пристигат средно на всеки 4 минути (експоненциално разпределение) - Единична машина, време за обработка средно 3,5 минути (експоненциално) - Опашка FIFOW какво трябва да измеря като изход: средно чакане, дължина на опашката, степен на използване на машината. Обяснете кода с коментари; напишете предположенията за разпределение в началото. Също така: каква аналитична проверка мога да направя, за да проверя резултата (напр. сравнение с формули за опашка M/M/1)?
Последният ред тук е критичен: добрата симулация се сравнява с аналитична проверка, ако е възможно. Простата система по-горе е M/M/1 опашка; Резултатът от симулацията трябва да се поддържа с теоретични стойности, като степента на използване ρ = 3,5/4 = 0,875 и средният брой в системата L = ρ/(1−ρ) = 0,875/0,125 = 7.
Внимание: Резултатът от симулацията е толкова добър, колкото входните предположения („боклук вътре, боклук вън“). AI понякога приема разпределението, без да го проверява, или представя резултата от едно изпълнение като твърдата истина. Изпълнете множество изпълнения (репликации), изчислете доверителни интервали и проверете входните разпределения с реални данни.
Мини случай: Симулация с неверни хипотези
На поточна линия ръководството смята, че добавянето на втора пакетираща станция ще убие опашката. Индустриалният инженер Дениз изгражда DES модел с AI. Първият резултат казва "втората станция намалява опашката със 70%". Но когато Дениз проверява входното разпределение, той вижда, че реалните данни за пристигане не са експоненциални, а имат „експлозивна“ структура, която се концентрира по време на обедната почивка. Когато стартираме отново модела с правилното разпределение, се оказва, че втората станция не решава истинското тясно място и проблемът е в планирането на прекъсването. Симулацията спестява ненужното препоръчване на инвестиция. Урок: AI изгради модела бързо, но предложи грешно решение с грешно предположение; Човекът е въвел верните данни.
Често срещани грешки
- Неправилно дефиниране на KPI: Добавяне на OEE компоненти или объркващ цикъл и време за изпълнение.
- KPI инфлация: Поставяне на десетки индикатори на таблото, които не обслужват решението.
- Разчитане на едно изпълнение: Изпълнение на симулацията веднъж и приемане, че резултатът е сигурен; не репликация.
- Без валидиране на входното разпределение: Не се сравнява разпределението по подразбиране (експоненциално и т.н.) с реалните данни.
- Заобикаляне на аналитична проверка: Без кръстосана проверка на симулацията с теоретичната формула за опашка в прости системи.
В обобщение
- Силата на KPI идва от правилната дефиниция; OEE е продуктът, законът на Литъл свързва WIP-поток-изход.
- Доброто табло отговаря на правилните въпроси, а не на много числа; Потребителят, екземплярът и източникът на данни трябва да са ясни.
- DES опитва сценарии, без да нарушава реалната система; Разпределението на входа определя качеството на резултата.
- Валидирайте симулацията чрез репликация (доверителен интервал) и, ако е възможно, чрез аналитична формула.
- AI изгражда модел и дъска бързо; Човекът е този, който поставя предположенията правилно и интерпретира резултата.
Задача за приложение
Изберете производствена/сервизна система. Първо имате AI дизайн на табло за смени с 5 KPI или по-малко; Покажете дефиницията и формулата на всеки KPI и проверете дали трите компонента са умножени, ако присъства OEE. След това накарайте AI да отпечата скелет на SimPy за проста система за опашка (един сървър) и да отпечата предположенията за разпределение на входа в горната част. Критична проверка: разглеждайте системата като M/M/1 опашка и ръчно изчислете степента на използване ρ и средния брой L в системата, сравнете с резултата от симулацията. И накрая, предложете промяна на сценария (добавяне на втори сървър) и критикувайте резултата на AI, като поставите под въпрос реализма на разпределението на входа.