برنامه ریزی و برنامه ریزی تولید

سود:

• درک ساختار و محدودیت های برنامه ریزی تولید نساجی، تعادل ظرفیت و مشکلات برنامه ریزی
• امکان ایجاد سناریو، تجزیه و تحلیل تنگنا و بهینه سازی سفارش رنگ/لات با هوش مصنوعی
• توانایی اجرای یک رویکرد اعتبار سنجی که توصیه های طرح را در برابر ظرفیت واقعی، تاریخ تحویل و داده های OEE آزمایش می کند

یک کارخانه نساجی باید ده ها سفارش را به طور همزمان، تعداد محدودی ماشین، تاریخ های مختلف تحویل و اولویت های در حال تغییر را متعادل کند. برنامه ریزی تولید، هنر تبدیل این هرج و مرج به نظم است: کدام سفارش، با کدام ماشین، به چه ترتیبی، چه زمانی تولید می شود؟ یک طرح بد، دستگاه را بیکار می‌گذارد، تحویل را به تأخیر می‌اندازد و زمان راه‌اندازی غیرضروری ایجاد می‌کند. هوش مصنوعی دستیار قدرتمندی در این مشکل پیچیده است: سناریوها را تولید می کند، گلوگاه ها را قابل مشاهده می کند و بهینه سازی های محدودی مانند سفارش دسته ای رنگ را پیشنهاد می کند. اما واقعیت طرح; این شامل خرابی ماشین، تاخیر مواد اولیه و عامل انسانی است. در این واحد ما برنامه ریزی و استفاده منظم از هوش مصنوعی را پوشش خواهیم داد.

ساختار مسئله برنامه ریزی

برنامه ریزی نساجی چندین تصمیم درهم تنیده است. برنامه ریزی ظرفیت: آیا کار مورد نیاز با ساعات کار ماشین در دسترس است؟ ترتیب کارها (زمان بندی): ترتیبی که کارها در هر ماشین انجام می شود. اندازه دسته: چند دسته تولید یک محصول کارآمد است. زمان‌های راه‌اندازی/تغییر: راه‌اندازی دستگاه، تمیز کردن، تغییر رنگ هنگام انتقال از یک کار به کار دیگر زمان می‌برد. محدودیت های سررسید: هر سفارش یک مهلت دارد که تا آن زمان نمی توان آن را به تاخیر انداخت.

ماهیت این مشکل ترکیبی است: حتی تعداد کمی از مشاغل، توالی های ممکن زیادی را ایجاد می کنند که امتحان همه آنها غیرممکن است. بنابراین، در عمل، آنچه به دنبال آن است «بهترین» نیست، بلکه یک طرح «به اندازه کافی خوب» است که محدودیت ها را برآورده کند. دو معیار مهم عبارتند از: استفاده از ماشین / OEE (اثربخشی کلی تجهیزات؛ نسبت یکپارچه ای که میزان کارآمدی دستگاه را اندازه گیری می کند - در دسترس بودن × عملکرد × کیفیت) و نرخ تحویل به موقع.

نکته: در برنامه ریزی دنبال "بهینه" نباشید. یک طرح قوی و منعطف که محدودیت‌ها (تحویل، ظرفیت، حمل و نقل) را برآورده می‌کند، از نظر تئوری بهتر از یک طرح کامل اما شکننده است. کارخانه واقعی دائما تغییر می کند.

یک محدودیت خاص نساجی: مرتب سازی رنگ

یک قانون مهم در برنامه ریزی کارگاه رنگ وجود دارد: سفارش از رنگ روشن به رنگ تیره. اگر یک رنگ روشن پس از رنگ تیره در همان دستگاه رنگ شود، خطر آلودگی باقیمانده رنگ و زمان تمیز کردن/شستشوی اضافی وجود دارد. مرتب سازی از روشن به تاریک این خطر و زمان مرده را کاهش می دهد. هر توصیه برنامه زمانی تولید شده توسط هوش مصنوعی باید شامل این محدودیت فرآیند باشد. اگر پیشنهاد ریاضی محض "کوتاه ترین زمان" این قانون را نقض کند، در تولید کارایی نخواهد داشت. به طور مشابه، گروه بندی تعداد نخ های یکسان یا همان نوع پارچه، زمان نصب را کاهش می دهد.

گام به گام: گردش کار برنامه ریزی مبتنی بر هوش مصنوعی

1. ورودی را روشن کنید. سفارشات (تعداد، تاریخ تحویل، محصول)، ظرفیت دستگاه، زمان حمل و نقل، محدودیت ها.
2. یک سناریو ایجاد کنید. از هوش مصنوعی سناریوهای مختلف مرتب سازی/تخصیص بخواهید. تاثیر تحویل و استفاده هر کدام را مقایسه کنید.
3. اعمال محدودیت ها قوانینی مانند ترتیب رنگ، اولویت مشتری، پنجره های تعمیر و نگهداری را در اعلان قرار دهید.
4. گلوگاه را پیدا کنید. کدام ماشین/مرحله طرح را محدود می کند؟ آیا ظرفیت کافی نیست؟
5. با انسان تایید کنید اجازه دهید افسر برنامه ریزی طرح را با محدودیت های واقعی (عیب شناخته شده، مجوز، دستور فوری) تصحیح کند.
6. نظارت و برنامه ریزی مجدد برنامه را بر اساس تحقق واقعی (برنامه ریزی شناور) به روز کنید.

سه مورد کوچک: با اعداد

مورد 1 - افزایش زمان انتقال. در یک کارگاه بافندگی، کارها به صورت تصادفی سفارش داده شدند، با تغییرات نخ/تعداد باعث ایجاد ~ 8 چیدمان در روز و ~ 4 ساعت زمان مرده شد. هوش مصنوعی نوعی را پیشنهاد کرد که اعداد مشابه را گروه بندی می کند. تعداد نصب ها از 8 به 5 کاهش یافت و زمان مرده به 2.3 ساعت کاهش یافت. افسر برنامه ریزی به صورت دستی یک دستور فوری ارائه کرد و طرح را نهایی کرد. پیشنهاد شروع خوبی بود، تصمیم در دستان شخص بود.

مورد 2 - خطای مرتب سازی رنگ. یکی از نرم‌افزارها رنگ‌ها را برای «کوتاه‌ترین زمان کلی» بهینه‌سازی کرد، اما انتقال نور تاریک را نادیده گرفت. در اولین برنامه، یک دسته باز آلوده و رنگ آمیزی مجدد شد، دو برابر زمان ذخیره شده از دست رفت. مشکل با اضافه شدن محدودیت (از روشن به تاریکی) به طرح حل شد. درس: قانون فرآیند مقدم بر ریاضیات است.

مورد 3 - دید گلوگاه. در یک مرکز، تحویل به طور مداوم به تاخیر افتاد. تقصیر به گردن ماشین ها افتاد. هوش مصنوعی جریان کار را تجزیه و تحلیل کرد و نشان داد که گلوگاه دستگاه رام (خشک کردن-تثبیت) است و ماشین‌های دیگر منتظر آن هستند. هنگامی که شیفت دوم به Ram اضافه شد، تحویل به موقع از 71٪ به 89٪ افزایش یافت. هوش مصنوعی گلوگاه را قابل مشاهده کرد. تصمیم سرمایه گذاری توسط مدیریت گرفته شد.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

این سفارشات را به بهترین شکل ممکن برنامه ریزی کنید.

اعلان قدرتمند:

نقش شما: متخصص برنامه ریزی تولید نساجی. ورودی: در زیر 12 سفارش (مورد، مقدار، تاریخ تحویل) و 3 دستگاه رنگرزی (ظرفیت، زمان تولید) وجود دارد. محدودیت ها: - مرتب سازی از رنگ روشن به رنگ تیره در هر دستگاه (خطر آلودگی). - نباید تاریخ های معوقه وجود داشته باشد. اگر چنین است، به وضوح هشدار دهید. - با گروه بندی یک محصول مشابه، نصب را کاهش دهید. وظیفه: 2 برنامه جایگزین پیشنهاد کنید. برای هر کدام، نرخ تخمینی تحویل به موقع، تعداد کل تاسیسات و دستگاه گلوگاه را مشخص کنید. ظرفیت/تاریخ متناسب در داده ها نیست. داده ها: [جدول]

قالب های قابل کپی

1) مقایسه سناریو:

3 سناریو نمودار با ترتیب و داده های ظرفیت زیر ایجاد کنید. نرخ تحویل به موقع، تعداد نصب، استفاده از ماشین و بزرگترین خطر را به صورت جدولی برای هر سناریو مقایسه کنید. محدودیت ها: [فهرست]. داده ها: [جدول]

2) بهینه سازی توالی رنگ:

کارهای رنگ آمیزی زیر را از روشن به تاریک در همان دستگاه مرتب کنید. خطر آلودگی را در هنگام تغییر رنگ به حداقل برسانید. هر کسی را که مهلت را نقض می کند علامت بزنید. آثار: [رنگ، تعداد، تحویل]

3) تجزیه و تحلیل تنگنا:

گلوگاه در این جریان تولید (مراحل و ظرفیت هر مرحله) را بیابید. کدام مرحله باعث می شود بقیه منتظر بمانند؟ چگونه افزایش ظرفیت X% بر تولید کل تأثیر می گذارد (تخمین تقریبی)؟ داده ها: [جریان]

4) زمان‌بندی مجدد ماشه:

تغییرات زیر در طرح وجود داشت: [عیب کارکرد ماشین / سفارش فوری]. چگونه می توانم برنامه فعلی را با کمترین اختلال اصلاح کنم؟ سفارشات تحت تأثیر و برآوردهای تحویل جدید را فهرست کنید. طرح فعلی: [خلاصه]

جدول معیارهای برنامه ریزی

معیار

چه اقداماتی

جهت خوب

توجه داشته باشید

نرخ تحویل به موقع

به وعده ها عمل کن

بالا

اعتماد مشتری

OEE

راندمان ماشین

بالا

قابلیت استفاده×عملکرد×کیفیت

تعداد نصب/مدت زمان

از دست دادن انتقال

پایین

گروه بندی کاهش می یابد

میانگین زمان جریان

سفارش بمانید داخل

پایین

چرخه نقدی

استفاده از گلوگاه

فاز محدود کننده

باید تماشا کرد

تصمیمات سرمایه گذاری را روشن می کند

توجه: نمودار هوش مصنوعی یک پیشنهاد است، نه یک دستور. کارخانه واقعی شامل نقص های شناخته شده، مرخصی ها، تأخیر در مواد خام و درخواست های فوری مشتری است. افسر برنامه ریزی برنامه نهایی و اولویت بندی را با تمام اطلاعات شفاهی/محلی تایید می کند.

اشتباهات رایج

• دور زدن قانون فرآیند اگر محدودیت هایی مانند ترتیب رنگ در طرح قرار نگیرد، پیشنهاد کار نخواهد کرد.
• تعقیب بهینه یک طرح انعطاف پذیر جامد بر یک طرح کامل شکننده ترجیح داده می شود.
• ندیدن گلوگاه منبع در مکان اشتباه خرج شده است. مرز واقعی در مرحله دیگری است.
• برنامه ریزی ایستا اگر برنامه با تغییر واقعیت به روز نشود، به سرعت منسوخ می شود.
• مستثنی از دانش بشری. اولویت کلامی و محدودیت های محلی در مدل وجود ندارد.

به طور خلاصه

برنامه ریزی تولید مشکل برآورده شدن تعداد زیادی سفارش تا تاریخ تحویل با منابع محدود است. به دلیل ماهیت ترکیبی آن، یک طرح "به اندازه کافی خوب" و انعطاف پذیر در نظر گرفته شده است. هوش مصنوعی سناریوها را تولید می‌کند، گلوگاه‌ها را قابل مشاهده می‌کند و بهینه‌سازی‌های محدودی مانند مرتب‌سازی رنگ را پیشنهاد می‌کند – اما قوانین فرآیند باید در دستور کار قرار گیرند، برنامه باید با محدودیت‌های واقعی و قضاوت انسانی نهایی شود. در یک کارخانه در حال تغییر، طرح به طور مداوم بازنگری می شود.

وظیفه کاربردی

یک نمونه ورودی حداقل 8 سفارش (تعداد، تاریخ تحویل) و 2-3 دستگاه آماده کنید. الگوهای "مقایسه سناریو" و "بهینه سازی توالی رنگ" را از این واحد اعمال کنید. گلوگاه را در بهترین سناریویی که هوش مصنوعی پیشنهاد می‌کند شناسایی کنید و اقدامی را برای حذف آن توصیه کنید (شیفت دوم، برون‌سپاری، تغییر توالی). با یک پاراگراف بررسی کنید که چگونه قانون ترتیب رنگ در طرح پیشنهادی منعکس می شود.

چک لیست

• [ ] من محدودیت‌های فرآیند (ترتیب رنگ، گروه‌بندی) را روی فرمان قرار می‌دهم.
• [ ] من به جای برنامه ریزی بهینه، یک برنامه محکم و منعطف را هدف دارم.
• [ ] من گلوگاه را تجزیه و تحلیل می کنم و منبع را به مکان مناسب هدایت می کنم.
• [ ] من برنامه را به طور منظم مطابق با تحقق واقعی تجدید نظر می کنم.
• [ ] برنامه نهایی را با تایید مسئول برنامه ریزی نهایی می کنم.