ઉત્પાદન આયોજન અને સુનિશ્ચિત

નફો:

• મૂળભૂત સ્તરે MPS, MRP અને વર્કશોપ શેડ્યુલિંગ ખ્યાલો સમજાવવાની ક્ષમતા
• AI સાથે શેડ્યુલિંગ નિયમો અને દૃશ્યો (SPT, EDD, જટિલ ગુણોત્તર) ની તુલના કરવાની ક્ષમતા
• AI આઉટપુટમાં ક્ષમતા અને અવરોધ ઉલ્લંઘનને તપાસવાની અને સુધારવાની ક્ષમતા

ઉત્પાદન આયોજન એ કરોડરજ્જુની પ્રક્રિયા છે જે "શું, ક્યારે, કયા સંસાધનો સાથે" તમે ઉત્પાદન કરશો તે ગોઠવે છે. સારી યોજના સમયમર્યાદા પૂરી કરે છે, મશીનોને નિષ્ક્રિય છોડતી નથી અને સ્ટોકમાં વધારો કરતી નથી; ખરાબ યોજના અરાજકતા, ઓવરટાઇમ અને મોડી ડિલિવરી તરફ દોરી જાય છે. AI આ ક્ષેત્રમાં શેડ્યુલિંગ નિયમોની તુલના કરવા, દૃશ્યો જનરેટ કરવા અને સૂચિબદ્ધ અવરોધો પર શક્તિશાળી છે; જો કે, તે ક્ષમતા અને અગ્રતાના અવરોધોને પણ અવગણી શકે છે અને "કાગળ પર સરસ પરંતુ અમલમાં ન આવે તેવી" યોજનાઓનું નિર્માણ કરી શકે છે. આ એકમમાં, અમે MPS/MRP ખ્યાલો, શેડ્યુલિંગ નિયમો અને AI આઉટપુટને કેવી રીતે માન્ય કરવું તે આવરીશું.

આયોજન વંશવેલો: MPS અને MRP

ઉત્પાદન આયોજન એ સામાન્યથી ચોક્કસ સુધીનો વંશવેલો છે.

સ્તર

શું કરે છે

સમય ક્ષિતિજ

S&OP / બલ્ક પ્લાન

આશરે માંગ-ક્ષમતા સંતુલન સ્થાપિત કરે છે

મહિનાઓ

MPS (માસ્ટર પ્રોડક્શન શેડ્યૂલ)

ફિનિશ્ડ પ્રોડક્ટને પીરિયડ્સમાં વિભાજીત કરે છે

અઠવાડિયા

MRP (સામગ્રીની આવશ્યકતાઓનું આયોજન)

BOM માંથી ઘટક જરૂરિયાતો દૂર કરે છે

અઠવાડિયા/દિવસો

વર્કશોપ શેડ્યુલિંગ

મશીનો/ઘડિયાળો પર નોકરીઓ મૂકે છે

દિવસો/કલાકો

MRP તર્ક અનિવાર્યપણે સરળ છે: ફિનિશ્ડ પ્રોડક્ટ ડિમાન્ડ (MPS) લેવામાં આવે છે, બિલ ઑફ મટિરિયલ્સ (BOM) સાથે વિસ્ફોટ થાય છે, ઑન-હેન્ડ સ્ટોક અને ઓપન ઑર્ડર્સ કાપવામાં આવે છે, અને ચોખ્ખી જરૂરિયાત મુખ્ય સમય (ઑફસેટિંગ) દ્વારા પાછી ખસેડવામાં આવે છે. AI આ તર્ક સમજાવવામાં અને ઉદાહરણ કોષ્ટકો સેટ કરવામાં સારી છે.

ભૂમિકા: તમે એક ઔદ્યોગિક એન્જિનિયર છો જે ઉત્પાદન આયોજનમાં નિષ્ણાત છે. કાર્ય: નીચેના ઉત્પાદન માટે એક સરળ MRP ટેબલ સેટ કરો. એકંદર જરૂરિયાત, આયોજિત ડિલિવરી, ઑન-હેન્ડ સ્ટોક, ચોખ્ખી જરૂરિયાત અને આયોજિત ઑર્ડર રીલિઝ માટે સાપ્તાહિક પંક્તિઓ બતાવો. ઉત્પાદન: A (સાપ્તાહિક એકંદર આવશ્યકતા: {{ મૂલ્યો }}) શરુઆતનો સ્ટોક: {{ x }}, લીડ/ઉત્પાદન સમય: {{ y અઠવાડિયા }}, લોટ સાઈઝ: {{ લોટ }} નિયમ કેવી રીતે લાગુ થાય છે તે સંક્ષિપ્તમાં સમજાવો: દરેક કોષ કેવી રીતે યોગ્ય રીતે લાગુ થાય છે તે સમજાવો. બનાવટી મૂલ્યનું ઉત્પાદન.

ટીપ: MRP આઉટપુટમાં સૌથી સામાન્ય ભૂલ એ ખોટી લીડ ટાઇમ ઓફસેટ છે. લાઇન બાય લાઇન તપાસો કે AI ની આયોજિત ઓર્ડર રિલીઝ લાઇન ચોખ્ખી જરૂરિયાતના ચોક્કસ લીડ ટાઇમ પહેલા છે.

સુનિશ્ચિત નિયમો (રવાનગી નિયમો)

તમે જે ક્રમમાં મશીન પર રાહ જોવાની નોકરીઓનું સંચાલન કરો છો તે સરેરાશ વિલંબ અને પ્રવાહ સમયને સીધી અસર કરે છે. સૌથી સામાન્ય પ્રાધાન્યતા નિયમો:

• FCFS (પ્રથમ આવો, પ્રથમ સેવા): વાજબી પરંતુ પ્રદર્શન લક્ષી નથી.
• SPT (સૌથી ટૂંકી પ્રક્રિયા સમય): સરેરાશ સ્ટ્રીમિંગ સમય અને સરેરાશ લેટન્સી ઘટાડે છે; લાંબા કાર્યો મુલતવી રાખે છે.
• EDD (સૌથી વહેલી ડિલિવરી તારીખ): તે મહત્તમ વિલંબ ઘટાડવામાં સારું છે.
• ક્રિટિકલ રેટ (CR): (બાકીનો સમય / બાકી કામનો સમય); ડિલિવરીના દબાણને ગતિશીલ રીતે સંતુલિત કરે છે.

એક નાનું ઉદાહરણ. ચાર નોકરીઓ, એક મશીન, પ્રક્રિયા સમય અને વિતરણ તારીખો:

વ્યવસાય | પ્રક્રિયા સમય | ડિલિવરીA | 4 | 6B | 2 | 4C | 6 | 8D | 1 | 3SPT ક્રમ (સમય દ્વારા): D(1), B(2), A(4), C(6)સમાપ્તિનો સમય: D=1, B=3, A=7, C=13પ્રવાહ સમયનો સરવાળો = 1 + 3 + 7 + 13 = 24 → સરેરાશ = 6.0EDD ઓર્ડર (ડિલિવરી દ્વારા): D(3), B(4), D(3), B(4), D(3=8), Clemp = 6. A=7, C=13વિલંબ: D:0, B:0, A:1, C:5 → મહત્તમ વિલંબ = 5

વિવિધ નિયમો અલગ હેતુમાં સુધારો કરે છે: SPT સરેરાશ પ્રવાહ, EDD વિલંબની ટોચની કિંમત. "કયું સાચું છે?" પ્રશ્નનો જવાબ હેતુ પર આધાર રાખે છે, અને માત્ર કારણ કે AI કહે છે કે "આ શ્રેષ્ઠ છે" તે નિર્ણય લેતું નથી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ નોકરીઓને શ્રેષ્ઠ શક્ય રીતે સૉર્ટ કરો.

"શ્રેષ્ઠ" અવ્યાખ્યાયિત છે; AI તે કયા હેતુ માટે ઑપ્ટિમાઇઝ કરી રહ્યું છે તે જાણ્યા વિના રેન્ડમ ઓર્ડર આપે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

SPT અને EDD બંને નિયમોનો ઉપયોગ કરીને આ નોકરીઓને સૉર્ટ કરો. દરેક પંક્તિ માટે પૂર્ણ થવાનો સમય, સરેરાશ પ્રવાહ સમય અને મહત્તમ વિલંબની ગણતરી કરો અને સરખામણી કોષ્ટક બનાવો. મારો ધ્યેય "ગુમ થયેલ સમયમર્યાદા ઘટાડવા" છે. મને કહો કે આ હેતુ માટે કયો નિયમ વધુ યોગ્ય છે, કારણો સાથે.કાર્યો: {{ યાદી }}. એકાઉન્ટ સ્ટેપ્સ બતાવો.

બીજો પ્રોમ્પ્ટ ઉદ્દેશ્યને સ્પષ્ટ કરે છે, બહુવિધ નિયમોની તુલના કરે છે અને એકાઉન્ટને દૃશ્યમાન બનાવે છે; આ ત્રણ વિના, ચાર્ટનો નિર્ણય અવિશ્વસનીય છે.

ક્ષમતા અને અવરોધ નિયંત્રણ

જો યોજના ક્ષમતા કરતાં વધી જાય, તો તે માન્ય નથી. નીચેના અવરોધો સામે AI-જનરેટેડ શેડ્યૂલ તપાસવાની ખાતરી કરો: મશીનની ક્ષમતા (કલાક), શિફ્ટ મર્યાદા, સેટઅપ સમય, અગ્રતા સંબંધો (એક કામ બીજા પહેલાં પૂર્ણ થવું જોઈએ), અને સામગ્રીની ઉપલબ્ધતા.

અવરોધ ઉલ્લંઘનો માટે નીચેના ચાર્ટને તપાસો:- શું અઠવાડિયા માટેનો કુલ ભાર દરેક મશીન પર ક્ષમતા (40 કલાક/અઠવાડિયે) કરતાં વધી જાય છે?- શું સેટઅપ સમયનો સમાવેશ થાય છે?- શું અગ્રતાની મર્યાદા (જોબ B A પહેલાં પૂર્ણ થવી જોઈએ) જાળવવામાં આવે છે? ચાર્ટ: {{ ... }}. જો તમને ઉલ્લંઘનો જણાય, તો તેમને ટેબ્યુલર સ્વરૂપમાં સૂચિબદ્ધ કરો અને સુધારા સૂચવો.

સાવધાન: AI ઘણીવાર ક્ષમતાની મર્યાદાને "ભૂલી જાય છે" અને 45 કલાકના કામ સાથે મશીન લોડ કરે છે. ઉત્પાદનનો નિર્ણય લેતા પહેલા, દરેક મશીનનો સાપ્તાહિક કુલ લોડ જાતે અથવા ટેબલ વડે એકત્રિત કરો અને ક્ષમતા સાથે તેની તુલના કરો.

મીની કેસ: બોટલનેક મશીન અને ખોટો નિયમ

મેટલવર્કિંગ શોપમાં, ડિલિવરીમાં સતત વિલંબ થાય છે. ઔદ્યોગિક ઈજનેર કેન્સુ જુએ છે કે નોકરીઓ FCFS દ્વારા વર્ગીકૃત કરવામાં આવે છે. તે AI ને વર્તમાન બેકલોગ, પ્રક્રિયા સમય અને સમયમર્યાદા આપે છે અને તેને SPT, EDD અને નિર્ણાયક ગુણોત્તરની તુલના કરવા કહે છે. AI ત્રણેય નિયમો માટે મેટ્રિક્સની ગણતરી કરે છે: સરેરાશ પ્રવાહમાં SPT શ્રેષ્ઠ છે, પરંતુ કેટલીક મોટી નોકરીઓ ખૂબ મોડી છે; EDD નોંધપાત્ર રીતે મહત્તમ લેટન્સી ઘટાડે છે. કેન્સુ બોટલનેક બેન્ચ પર EDD પર સ્વિચ કરે છે. પરંતુ એઆઈ દ્વારા સૂચવવામાં આવેલ પ્રથમ શેડ્યૂલ એ બે નોકરીઓના અગ્રતા સંબંધનું ઉલ્લંઘન કર્યું છે (એસેમ્બલીને પહેલા શરીરની જરૂર છે); કેન્સુ આને કંટ્રોલ સ્ટેજ પર પકડે છે અને તેને ઠીક કરે છે. પરિણામ: વિલંબ ઘટી રહ્યો છે. AI એ નિયમની સરખામણી કરી; તે માનવીય ઓડિટ હતું જેણે અવરોધ ઉલ્લંઘન પકડ્યું હતું.

સામાન્ય ભૂલો

• ધ્યેય વ્યાખ્યાયિત કર્યા વિના ચાર્ટિંગ: "શ્રેષ્ઠ" કહેવું; જ્યારે SPT અને EDD વિવિધ હેતુઓને સુધારે છે.
• ક્ષમતાને નિયંત્રિત ન કરવી: એઆઈની ઓવરકેપેસિટી પ્લાન શક્ય છે તેવું વિચારીને.
• સેટઅપ સમયની અવગણના કરવી: સેટઅપ સમયની અવગણના કરવી અને એવી યોજના સાથે આવવું જે વાસ્તવમાં કામ કરતું નથી.
• અગ્રતાની મર્યાદાઓને બાયપાસ કરવી: ફરજિયાત પ્રાથમિકતાઓ, જેમ કે એસેમ્બલી ઓર્ડર, તેમને તપાસ્યા વિના જારી કરવી.
• એક નિયમ પર ફિક્સેશન: દરેક પરિસ્થિતિમાં સમાન નિયમનો ઉપયોગ કરવો; જ્યારે અડચણ અને વિતરણ દબાણ બદલાય છે, ત્યારે નિયમ પણ બદલવો જોઈએ.

સારાંશમાં

• ઉત્પાદન આયોજન એ સામાન્યથી ચોક્કસ સુધીનો વંશવેલો છે: S&OP → MPS → MRP → દુકાનનું સમયપત્રક.
• MRP માં સૌથી ગંભીર ભૂલ લીડ ટાઇમ શિફ્ટિંગ છે; AI આઉટપુટ લાઇન બાય લાઇન તપાસો.
• સુનિશ્ચિત નિયમો (SPT, EDD, CR) વિવિધ હેતુઓને સુધારે છે; નિયમોની પસંદગી હેતુ પર આધારિત છે.
• ક્ષમતા, સેટઅપ અને પ્રાથમિકતાની મર્યાદાઓ સામે AI દ્વારા ઉત્પાદિત દરેક શેડ્યૂલ તપાસો.
• AI સરખામણી અને દૃશ્ય જનરેટ કરે છે; તે માનવ છે જે પ્રતિબંધના ઉલ્લંઘનને શોધી કાઢે છે અને નિર્ણય લે છે.

એપ્લિકેશન કાર્ય

ઓછામાં ઓછી 5 નોકરીઓ (પ્રક્રિયાના સમય અને સમયમર્યાદા સાથે) માટે વર્કશોપ શેડ્યુલિંગ સમસ્યા બનાવો. AI પાસે આ નોકરીઓને SPT અને EDD બંને નિયમ સાથે સૉર્ટ કરો; દરેક કતાર માટે સરેરાશ પ્રવાહ સમય અને મહત્તમ વિલંબની ગણતરી કરો. જટિલ માન્યતા: ઓછામાં ઓછા એક નિયમ માટે પૂર્ણ થવાના સમય અને મેટ્રિક્સની મેન્યુઅલી ગણતરી કરો અને AI સાથે સરખામણી કરો. પછી અગ્રતાની મર્યાદા ઉમેરો (દા.ત. "જોબ C એ જોબ A પહેલા પૂર્ણ થવી જોઈએ") અને તપાસો કે શું AI નું શેડ્યૂલ આ અવરોધનું ઉલ્લંઘન કરે છે. છેલ્લે, તમારા હેતુ (સરેરાશ પ્રવાહ અથવા પીક વિલંબ) ના આધારે તમે કયો નિયમ પસંદ કરશો તે એક વાક્યમાં ન્યાયી ઠેરવો.