Kasu:
- Võimalus täpselt määratleda ja arvutada tootmise KPI-sid, nagu OEE, tsükliaeg ja WIP
- Võimalus AI abil konfigureerida armatuurlaua kujundust, diskreetset sündmuste simulatsiooni ja stsenaariumide analüüsi
- Võimalus kontrollida simulatsiooni ja armatuurlaua väljundeid sisendeelduste ja tegelike andmetega
Tööstusinsenerid teevad otsuseid mõõtmise, mitte intuitsiooni põhjal. Õigesti määratletud KPI-d (Key Performance Indicators) hoiavad tootmissüsteemi pulssi; Simulatsioon seevastu küsib "mis siis, kui?" ilma tegelikku süsteemi peatamata. vastab küsimusele enesekindlalt. AI on mõlemas kiirendiks: see koostab KPI määratluse ja armatuurlaua kujunduse, loob simulatsioonimudeli karkassi, tõlgendab stsenaariumide võrdlusi. Siiski on nii KPI-d kui ka simulatsioon vastuvõtlikud "vale definitsiooni" ja "vale eelduse" lõksudele. Selles üksuses käsitleme kontrollimise distsipliiniga tootmise KPI-sid, armatuurlaua disaini ja diskreetsete sündmuste simulatsiooni.
Õige KPI õige defineerimine
Valesti arvutatud KPI on ohtlikum kui KPI puudumine, kuna see annab vale kindlustunde. Kõige tavalisemad tootmise KPI-d:
KPI
Kirjeldus
Tähelepanu
OEE
Kasutatavus × jõudlus × kvaliteet
Kolm komponenti tuleb arvutada eraldi
Tsükli aeg
Aeg tükkide vahel
segades taktitundega
Tarneaeg (teostusaeg)
Telli → kohaletoimetamine
tsüklist erinev
WIP
pooltoode töös
seotud Little'i seadusega
Jäätmete/jääkide suhe
Vale / kokku
Reserve ümbertöötamine
Õigeaegne kohaletoimetamine (OTD)
Õigeaegselt / kogu tellimus
Määratlege osaline kohaletoimetamine
OEE näide: kui saadavus on 90%, jõudlus on 95%, kvaliteet on 98%.
OEE = 0,90 × 0,95 × 0,98 = 0,8379 ≈ 83,8%
Levinud viga on nende kolme arvu liitmine ja nende keskmine arvutamine; OEE on korrutamine, nii et iga komponent ühendab tulemuse.
Little'i seadus loob WIP-i läbilaskevõime-voolu aja suhte ja on väga võimas:
WIP = läbilaskevõime × vooluaeg Näide: liinil on keskmiselt 30 tükki (WIP), kui väljund on 6 tükki tunnis Vooluaeg = WIP / väljund = 30 / 6 = 5 tundi
Näpunäide. Kui olete tehisintellekti KPI arvutanud, printige ka selle määratlus. "Mis on OEE, mis valemiga sa selle arvutasid?" küsi. AI annab mõnikord OEE asemel ainult kättesaadavuse või jätab kvaliteedikomponendi vahele; Ärge usaldage numbrit ilma määratlust nägemata.
KPI armatuurlaua kujundus
Hea armatuurlaud ei näita palju numbreid; Vastab õigetele küsimustele. AI aitab välja tuua, millised KPI-d on millise vaatajaskonna jaoks mõistlikud ja kuidas neid rühmitada.
Roll: olete tootmisanalüütika kogemusega tööstusinsener. Ülesanne: kujundage CNC-poe jaoks administraatori armatuurlaud. Täpsustage: 1. Kuni 6 KPI-d (igaühe definitsioon ja valem).2. Sihtväärtuse pakkumine ja „hea/tähelepanu/halb” künnised iga KPI jaoks.3. Milline KPI millisel diagrammil kuvatakse (trend, indikaator, diagramm).4. 3 juhtkonna küsimust, millele armatuurlaud vastab.Reegel: vältige KPI inflatsiooni; Selgitage, et iga näitaja teenib otsust. Ärge andke väljamõeldud sihtväärtust, öelge "seda tuleks kohandada vastavalt sektorile".
Nõrk viip / Tugev viip
Nõrk viip:
Tehke mulle tootmisplaat.
Kui sihtrühma, andmeallikat ja eesmärki pole, loob tehisintellekt üldise loendi; Otsust ei tehta.
Võimas viip:
Kujunda vahetusejuhatajale tahvel, mida loetakse igal hommikul 5 minutiga. Eesmärk: kus oli kaotus eilses vahetuses, millele tuleks täna tähelepanu pöörata. Maksimaalselt 5 KPI-d, millest igaühel on definitsioon + valem + lävi. Tunnipõhised tootmis-, seisaku- ja raiskamisandmed minu andmeallikast MES. Vältige liigseid detaile.
Teine viip selgitab kasutajat, kasutamise hetke ja andmeallikat; Tulemuseks on tahvel, mida tegelikult kasutatakse.
Diskreetsete sündmuste simulatsioon (DES)
Simulatsioon on viis katsetamiseks ilma tegelikku süsteemi häirimata: mis juhtub järjekorraga uue masina lisamisel, kuidas mõjutab väljundit nihke muutumine? Diskreetne sündmuste simulatsioon (DES) modelleerib süsteemi sündmuste jadana (osa saabumine, protsessi lõpp). Põhisisendid: saabumisaja jaotus, teenindusaja jaotus, ressursside arv, järjekorra distsipliin.
Roll: olete simulatsioonikogemusega tööstusinsener.Ülesanne: koostage Python SimPy abil järgmise süsteemi modelleerimiseks raamistik:- Osad saabuvad keskmiselt iga 4 minuti järel (eksponentsiaalne jaotus)- Üksik masin, töötlemisaeg keskmiselt 3,5 minutit (eksponentsiaalne)- Järjekord FIFOMida mul on vaja väljundina mõõta: keskmine ootamine, järjekorra pikkus koos kommentaariga, masina kasutusmäär koos kommentaariga. kirjuta jaotuse eeldused algusesse.Samuti: millist analüütilist kontrolli saan teha tulemuse kontrollimiseks (nt võrdlus M/M/1 saba valemitega)?
Viimane rida on siin kriitiline: head simulatsiooni võrreldakse võimalusel analüütilise kontrolliga. Ülaltoodud lihtne süsteem on M/M/1 järjekord; Simulatsiooni tulemus peaks kehtima teoreetiliste väärtustega, nagu kasutusmäär ρ = 3,5/4 = 0,875 ja keskmine arv süsteemis L = ρ/(1−ρ) = 0,875/0,125 = 7.
Ettevaatust: Simulatsiooni väljund on sama hea kui sisendeeldused ("prügi sisse, prügi välja"). AI eeldab mõnikord levitamist ilma seda kontrollimata või esitab ühe jooksu tulemuse kui karmi tõe. Käivitage mitu käitamist (replikatsiooni), arvutage usaldusintervallid ja kontrollige sisendjaotusi tegelike andmetega.
Mini juhtum: simulatsioon valehüpoteesidega
Konveieril arvab juhtkond, et teise pakkimisjaama lisamine kaotab järjekorra. Tööstusinsener Deniz ehitab tehisintellektiga DES-mudeli. Esimene tulemus ütleb, et "teine jaam vähendab järjekorda 70% võrra". Kuid kui Deniz kontrollib sisendjaotust, näeb ta, et tegelikud saabumise andmed ei ole eksponentsiaalsed, vaid neil on "plahvatusohtlik" struktuur, mis keskendub lõunapausi ajal. Kui käivitame mudeli uuesti õige jaotusega, selgub, et teine jaam ei lahenda tegelikku kitsaskohta ja probleem on pausi planeerimises. Simulatsioon säästab asjatult investeeringu soovitamist. Õppetund: AI ehitas mudeli kiiresti, kuid pakkus välja vale otsuse vale eeldusega; Õiged andmed pani see inimene.
Levinud vead
- KPI vale määratlemine: OEE komponentide liitmine või tsükli ja teostusaja segamine.
- KPI inflatsioon: kümnete näitajate lisamine armatuurlauale, mis ei teeni otsust.
- Ühele jooksule tuginemine: Simulatsiooni ühekordne läbiviimine ja tulemuse kindel olemine; mitte replikatsioon.
- Sisendjaotuse mittevalideerimine: vaikejaotuse (eksponentsiaalne jne) võrdlemine tegelike andmetega.
- Analüütilisest kontrollist möödahiilimine: Simulatsiooni ristkontrollimine teoreetilise järjekorravalemiga lihtsates süsteemides.
Kokkuvõttes
- KPI jõud tuleneb õigest definitsioonist; OEE on toode, Little'i seadus ühendab WIP-voo-väljundi.
- Hea armatuurlaud vastab õigetele küsimustele, mitte palju numbreid; Kasutaja, eksemplar ja andmeallikas peavad olema selged.
- DES proovib stsenaariume ilma tegelikku süsteemi rikkumata; Sisendjaotus määrab tulemuse kvaliteedi.
- Kinnitage simulatsioon replikatsiooni (usaldusvahemik) ja võimaluse korral analüütilise valemi abil.
- AI koostab mudeli ja tahvli kiiresti; See on inimene, kes paneb eeldused õigesti ja tõlgendab tulemust.
Rakenduse ülesanne
Valige tootmis-/teenindussüsteem. Kõigepealt peate AI kujundama vahetustega armatuurlaua, mille KPI-d on kuni 5; Laske näidata iga KPI määratlus ja valem ning veenduge, et kolm komponenti on korrutatud, kui OEE on olemas. Seejärel laske tehisintellektil printida SimPy skelett lihtsa järjekorrasüsteemi jaoks (üks server) ja printida ülaosas sisendi jaotamise eeldused. Kriitiline kontrollimine: käsitlege süsteemi M/M/1 järjekorrana ja arvutage käsitsi kasutusmäär ρ ja keskmine arv L süsteemis, võrrelge simulatsiooni tulemusega. Lõpuks soovitage stsenaariumi muutmist (teise serveri lisamine) ja kritiseerige tehisintellekti tulemust, seades kahtluse alla sisendjaotuse realistlikkuse.