برنامه ریزی و برنامه ریزی تولید — هوش مصنوعی در مهندسی صنایع

سود:

توانایی توضیح مفاهیم MPS، MRP و زمان بندی کارگاه در سطح پایه
امکان مقایسه قوانین و سناریوهای زمان بندی (SPT، EDD، نسبت بحرانی) با هوش مصنوعی
امکان بررسی و تصحیح موارد نقض ظرفیت و محدودیت در خروجی هوش مصنوعی

برنامه ریزی تولید، فرآیند اصلی است که «چه، چه زمانی، با کدام منابع» را سازماندهی می کند. یک برنامه خوب با ضرب الاجل ها مطابقت دارد، ماشین ها را بیکار نمی گذارد و موجودی را افزایش نمی دهد. یک برنامه بد منجر به هرج و مرج، اضافه کاری و تاخیر در تحویل می شود. هوش مصنوعی در این زمینه در مقایسه قوانین زمان بندی، تولید سناریوها و فهرست بندی محدودیت ها قدرتمند است. با این حال، می‌تواند محدودیت‌های ظرفیت و اولویت را نیز نادیده بگیرد و طرح‌هایی را تولید کند که "روی کاغذ خوب اما غیرقابل اجرا" هستند. در این بخش، مفاهیم MPS/MRP، قوانین زمان‌بندی و نحوه اعتبارسنجی خروجی هوش مصنوعی را پوشش خواهیم داد.

سلسله مراتب برنامه ریزی: MPS و MRP

برنامه ریزی تولید یک سلسله مراتب از عمومی به خاص است.

سطح

چه می کند

افق زمانی

S&OP / طرح انبوه

تقریباً تعادل تقاضا و ظرفیت را برقرار می کند

ماه ها

MPS (برنامه تولید اصلی)

محصول نهایی را به دوره هایی تقسیم می کند

هفته ها

MRP (برنامه ریزی نیازهای مواد)

الزامات جزء را از BOM حذف می کند

هفته/روز

برنامه ریزی کارگاه

کارها را روی ماشین ها/ساعت ها قرار می دهد

روز/ساعت

منطق MRP اساساً ساده است: تقاضای محصول نهایی (MPS) گرفته می‌شود، با صورت‌حساب مواد (BOM) منفجر می‌شود، سهام موجود و سفارش‌های باز کسر می‌شوند، و نیاز خالص با زمان تحویل (تغییر) به عقب منتقل می‌شود. هوش مصنوعی در توضیح این منطق و تنظیم جداول نمونه خوب است.

نقش: شما یک مهندس صنایع هستید که در برنامه ریزی تولید تخصص دارید. وظیفه: یک جدول MRP ساده برای محصول زیر تنظیم کنید. ردیف‌هایی را برای نیاز ناخالص، تحویل برنامه‌ریزی‌شده، موجودی آماده، نیاز خالص و انتشار سفارش برنامه‌ریزی‌شده به‌صورت هفتگی نشان دهید. محصول: A (نیاز ناخالص هفتگی: {{ مقادیر }}) سهام شروع: {{ x }}، زمان تولید/سرد: {{ y هفته }}، اندازه لات: {{ تعداد سلول‌ها به طور خلاصه توضیح داده می‌شود که چگونه اعمال می‌شود. تولید ارزش ساخته شده

نکته: رایج ترین خطا در خروجی MRP، جبران نادرست زمان تحویل است. خط به خط بررسی کنید که خط انتشار سفارش برنامه ریزی شده هوش مصنوعی قبل از زمان دقیق نیاز خالص است.

قوانین زمانبندی (قوانین اعزام)

ترتیب انجام کارهای انتظار در ماشین مستقیماً بر میانگین تأخیر و زمان جریان تأثیر می گذارد. رایج ترین قوانین اولویت:

FCFS (اول آمد، اولین خدمت): منصفانه اما نه عملکرد محور.
SPT (کوتاهترین زمان پردازش): میانگین زمان پخش و متوسط تأخیر را کاهش می دهد. کارهای طولانی را به تعویق می اندازد.
EDD (اولین تاریخ تحویل): در کاهش حداکثر تاخیر خوب است.
نرخ بحرانی (CR): (زمان باقی مانده / زمان کار باقی مانده)؛ به صورت پویا فشار تحویل را متعادل می کند.

یک مثال کوچک چهار کار، یک دستگاه، زمان پردازش و تاریخ تحویل:

کسب و کار | زمان پردازش | تحویل A | 4 | 6B | 2 | 4C | 6 | 8D | 1 | ترتیب 3SPT (براساس زمان): D(1)، B(2)، A(4)، C(6) زمان های تکمیل: D=1، B=3، A=7، C=13 مجموع زمان های جریان = 1 + 3 + 7 + 13 = 24 → میانگین = 6.0 سفارش EDD (بر اساس تحویل): D(3)، B(4)، C(4) بار، A=1، (6)، A=7، C=13 تأخیرها: D:0، B:0، A:1، C:5 → حداکثر تأخیر = 5

قوانین مختلف اهداف مختلف را بهبود می بخشد: جریان متوسط SPT، مقدار پیک تاخیر EDD. "کدام درست است؟" پاسخ به سوال به هدف بستگی دارد و فقط به این دلیل که هوش مصنوعی می گوید "این بهترین است" این تصمیم را نمی گیرد.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

این مشاغل را به بهترین شکل ممکن مرتب کنید.

"بهترین" تعریف نشده است. هوش مصنوعی بدون اینکه بداند برای چه هدفی بهینه سازی می کند، یک ترتیب تصادفی می دهد.

اعلان قدرتمند:

این کارها را با استفاده از قوانین SPT و EDD مرتب کنید. محاسبه زمان اتمام، میانگین زمان جریان و حداکثر تاخیر برای هر ردیف و ایجاد جدول مقایسه. هدف من "به حداقل رساندن مهلت های از دست رفته" است. به من بگویید کدام قانون برای این منظور مناسب تر است، با دلایل. آثار: {{ لیست }}. نمایش مراحل حساب

اعلان دوم هدف را روشن می کند، قوانین متعدد را مقایسه می کند و حساب را قابل مشاهده می کند. بدون این سه، تصمیم نمودار غیرقابل اعتماد است.

کنترل ظرفیت و محدودیت

اگر طرحی بیش از ظرفیت باشد، معتبر نیست. مطمئن شوید که برنامه تولید شده توسط هوش مصنوعی را در برابر محدودیت‌های زیر بررسی کنید: ظرفیت ماشین (ساعت)، محدودیت‌های شیفت، زمان‌های راه‌اندازی، روابط اولویت (یک کار باید قبل از کار دیگر تمام شود)، و در دسترس بودن مواد.

نمودار زیر را برای موارد نقض محدودیت بررسی کنید:- آیا کل بار در هفته از ظرفیت (40 ساعت در هفته) در هر دستگاه فراتر می رود؟- آیا زمان های راه اندازی گنجانده شده است؟- آیا محدودیت اولویت (کار B باید قبل از A تمام شود) حفظ می شود؟ نمودار: {{ ... }}. در صورت مشاهده تخلف، آنها را به صورت جدول لیست کرده و اصلاحات را پیشنهاد دهید.

احتیاط: هوش مصنوعی اغلب محدودیت ظرفیت را «فراموش می‌کند» و دستگاه را با 45 ساعت کار بارگیری می‌کند. قبل از تصمیم گیری برای تولید، بار کل هفتگی هر دستگاه را به صورت دستی یا با جدول جمع آوری کرده و با ظرفیت مقایسه کنید.

مورد کوچک: ماشین گلوگاه و قانون اشتباه

در یک کارگاه فلزکاری، تحویل به طور مداوم با تاخیر انجام می شود. مهندس صنایع Cansu می بیند که مشاغل با FCFS مرتب می شوند. این به هوش مصنوعی عقب مانده، زمان پردازش و ضرب الاجل های فعلی را می دهد و از آن می خواهد که SPT، EDD و نسبت بحرانی را با هم مقایسه کند. هوش مصنوعی معیارهای هر سه قانون را محاسبه می کند: SPT در جریان متوسط بهترین است، اما چند کار بزرگ خیلی دیر انجام می شود. EDD به طور قابل توجهی حداکثر تاخیر را کاهش می دهد. Cansu روی نیمکت گلوگاه به EDD تغییر وضعیت می دهد. اما اولین برنامه ای که هوش مصنوعی پیشنهاد کرد، رابطه اولویت دو شغل را نقض کرد (مونتاژ ابتدا به بدن نیاز دارد). Cansu این را در مرحله کنترل می گیرد و آن را تعمیر می کند. نتیجه: تاخیر در حال کاهش است. هوش مصنوعی مقایسه قوانین را انجام داد. این ممیزی انسانی بود که نقض محدودیت را تشخیص داد.

اشتباهات رایج

ترسیم نمودار بدون تعریف هدف: گفتن «بهترین»؛ در حالی که SPT و EDD اهداف مختلف را بهبود می بخشند.
کنترل نکردن ظرفیت: تصور اینکه طرح مازاد ظرفیت هوش مصنوعی قابل اجرا است.
نادیده گرفتن زمان‌های راه‌اندازی: نادیده گرفتن زمان‌های راه‌اندازی و ارائه برنامه‌ای که در واقع کار نمی‌کند.
دور زدن محدودیت های اولویت: صدور اولویت های اجباری مانند دستور مونتاژ بدون بررسی آنها.
تثبیت روی یک قانون: استفاده از یک قانون در هر موقعیتی. هنگامی که گلوگاه و فشار تحویل تغییر می کند، قانون نیز باید تغییر کند.

به طور خلاصه

برنامه ریزی تولید یک سلسله مراتب از عمومی به خاص است: S&OP → MPS → MRP → زمان بندی فروشگاه.
مهم‌ترین اشتباه در MRP تغییر زمان است. خط به خط خروجی هوش مصنوعی را بررسی کنید.
قوانین زمانبندی (SPT، EDD، CR) اهداف مختلف را بهبود می بخشد. انتخاب قوانین بستگی به هدف دارد.
هر برنامه‌ای را که هوش مصنوعی تولید می‌کند در برابر ظرفیت، راه‌اندازی و محدودیت‌های اولویت بررسی کنید.
هوش مصنوعی مقایسه و سناریو تولید می کند. این انسان است که نقض محدودیت را تشخیص می دهد و تصمیم می گیرد.

وظیفه کاربردی

یک مشکل زمانبندی کارگاهی برای حداقل 5 شغل (با زمان و مهلت پردازش) بسازید. از هوش مصنوعی بخواهید که این مشاغل را با قانون SPT و EDD مرتب کند. میانگین زمان جریان و حداکثر تاخیر برای هر صف را محاسبه کنید. اعتبار سنجی بحرانی: زمان تکمیل و معیارهای حداقل یک قانون را به صورت دستی محاسبه کنید و با هوش مصنوعی مقایسه کنید. سپس یک محدودیت اولویت اضافه کنید (مثلاً "کار C باید قبل از کار A تمام شود") و بررسی کنید که آیا برنامه AI این محدودیت را نقض می کند یا خیر. در نهایت، در یک جمله توضیح دهید که کدام قانون را بر اساس هدف خود (میانگین جریان یا تاخیر اوج) انتخاب می کنید.