תכנון ותזמון ייצור

רווחים:

• יכולת להסביר מושגי MPS, MRP ותזמון סדנאות ברמה בסיסית
• יכולת להשוות כללי תזמון ותרחישים (SPT, EDD, יחס קריטי) עם AI
• יכולת לבדוק ולתקן הפרות קיבולת ואילוצים בפלט AI

תכנון ייצור הוא תהליך עמוד השדרה שמארגן "מה, מתי, עם אילו משאבים" תייצר. תוכנית טובה עומדת בלוחות זמנים, לא משאירה מכונות בטלות ואינה מנפחת מלאי; תוכנית גרועה מובילה לכאוס, שעות נוספות ומשלוחים מאוחרים. AI רב עוצמה בתחום זה בהשוואת כללי תזמון, יצירת תרחישים ורישום אילוצים; עם זאת, הוא גם יכול להתעלם ממגבלות הקיבולת והעדיפות ולהפיק תוכניות "נחמדות על הנייר אך בלתי ניתנות ליישום". ביחידה זו, נסקור מושגי MPS/MRP, כללי תזמון וכיצד לאמת פלט AI.

היררכיית תכנון: MPS ו-MRP

תכנון ייצור הוא היררכיה מהכלל לספציפי.

רמה

מה עושה

אופק זמן

S&OP / תוכנית בכמות גדולה

קובע באופן גס את מאזן הביקוש-יכולת

חודשים

MPS (Master Production Schedule)

מחלק את המוצר המוגמר לתקופות

שבועות

MRP (תכנון דרישות חומר)

מסיר דרישות רכיבים מה-BOM

שבועות/ימים

תזמון סדנאות

מציב עבודות על מכונות/שעונים

ימים/שעות

לוגיקה של MRP היא פשוטה במהותה: הביקוש למוצר מוגמר (MPS) נלקח, מפוצץ עם כתב החומרים (BOM), מנכים מלאי זמין והזמנות פתוחות, והדרישה נטו מוזזת אחורה בזמן ההובלה (קיזוז). AI טוב בהסבר ההיגיון הזה ובהגדרת טבלאות לדוגמה.

תפקיד: אתה מהנדס תעשייה שמתמחה בתכנון ייצור. משימה: הגדר טבלת MRP פשוטה עבור המוצר הבא. הצג שורות עבור דרישה ברוטו, משלוח מתוכנן, מלאי זמין, דרישה נטו ושחרור הזמנה מתוכננת מדי שבוע. מוצר: A (דרישה ברוטו שבועית: {{ ערכים }}) מלאי התחלתי: {{ x }}, זמן אספקה/ייצור: {{ y weeks }}, גודל פריט: {{ lot }}כלל: כל תא מחושב בקצרה. ייצור ערך מפוברק.

טיפ: השגיאה הנפוצה ביותר בפלט MRP היא קיזוז זמן אספקה ​​שגוי. בדוק שורה אחר שורה ששורת שחרור ההזמנות המתוכננת של ה-AI נמצאת לפני זמן ההובלה המדויק של דרישת הנטו.

כללי תזמון (כללי שיגור)

הסדר שבו אתה מטפל בעבודות המתנה במכונה משפיע ישירות על זמן האחזור הממוצע וזרימה. כללי העדיפות הנפוצים ביותר:

• FCFS (כל הקודם זוכה): הוגן אך לא מכוון ביצועים.
• SPT (זמן העיבוד הקצר ביותר): מפחית את זמן הסטרימינג הממוצע ואת זמן האחזור הממוצע; דוחה משימות ארוכות.
• EDD (תאריך אספקה ​​מוקדם): זה טוב בהפחתת עיכוב מקסימלי.
• שיעור קריטי (CR): (זמן שנותר / זמן עבודה שנותר); מאזן באופן דינמי את לחץ האספקה.

דוגמה קטנה. ארבע עבודות, מכונה אחת, זמני עיבוד ותאריכי אספקה:

עסקים | זמן עיבוד | משלוחA | 4 | 6B | 2 | 4C | 6 | 8D | 1 | הזמנה 3SPT (לפי זמן): D(1), B(2), A(4), C(6) זמני השלמה: D=1, B=3, A=7, C=13סכום זמני זרימה = 1 + 3 + 7 + 13 = 24 → ממוצע = 6.0EDD הזמנה (לפי משלוח): D(3), B(4), A(6), C(6) פעמים, C(3) ,=7 C=13עיכובים: D:0, B:0, A:1, C:5 → השהיה מקסימלית = 5

כללים שונים משפרים מטרה שונה: זרימה ממוצעת SPT, ערך שיא עיכוב EDD. "מה נכון?" התשובה לשאלה תלויה במטרה, ורק בגלל שה-AI אומר "זה הכי טוב" לא מקבל את ההחלטה הזו.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

מיין את העבודות הללו בצורה הטובה ביותר.

"הטוב ביותר" אינו מוגדר; AI נותן סדר אקראי מבלי לדעת לאיזו מטרה הוא מבצע אופטימיזציה.

הנחיה עוצמתית:

מיין את העבודות הללו באמצעות כללי SPT ו-EDD כאחד. חשב זמני השלמה, זמן זרימה ממוצע והשהייה מקסימלית עבור כל שורה וערוך טבלת השוואה. המטרה שלי היא "למזער מועדים חסרים". אמור לי איזה כלל מתאים יותר למטרה זו, עם סיבות. עובד: {{ רשימה }}. הצג את שלבי החשבון.

ההנחיה השנייה מבהירה את הכוונה, משווה מספר כללים והופכת את החשבון לגלוי; ללא שלושת אלה, החלטת התרשים אינה אמינה.

בקרת קיבולת ומגבלות

אם תוכנית חורגת מהיכולת, היא לא תקפה. הקפד לבדוק את לוח הזמנים שנוצר על ידי AI מול האילוצים הבאים: קיבולת מכונה (שעות), מגבלות משמרות, זמני הגדרה, קשרי עדיפות (עבודה אחת חייבת להסתיים לפני אחרת), וזמינות החומר.

בדוק את התרשים הבא עבור הפרות אילוצים:- האם העומס הכולל בשבוע עולה על הקיבולת (40 שעות/שבוע) בכל מכונה?- האם זמני ההגדרה כלולים?- האם אילוץ העדיפות (עבודה ב' חייבת להסתיים לפני A) נשמר? תרשים: {{ ... }}. אם אתה מוצא הפרות, רשום אותן בטופס טבלה והצע תיקונים.

זהירות: בינה מלאכותית "שוכחת" לעתים קרובות את מגבלת הקיבולת ומטעינה מכונה ב-45 שעות עבודה. לפני קבלת החלטת ייצור, אסוף את העומס השבועי הכולל של כל מכונה באופן ידני או עם טבלה והשוו אותו עם הקיבולת.

מארז מיני: מכונת צוואר הבקבוק והכלל השגוי

בחנות מתכת, משלוחים מתעכבים כל הזמן. מהנדס התעשייה Cansu רואה שעבודות ממוינות עם FCFS. זה נותן ל-AI את העומס הנוכחי, זמני עיבוד ומועדים ומבקש ממנו להשוות SPT, EDD ויחס קריטי. AI מחשבת מדדים עבור כל שלושת הכללים: SPT הוא הטוב ביותר בזרימה ממוצעת, אבל כמה עבודות גדולות מאוחר מדי; EDD מפחית משמעותית את זמן האחזור המרבי. Cansu עוברת ל-EDD על ספסל צוואר הבקבוק. אבל לוח הזמנים הראשון שהציעה הבינה המלאכותית הפר את יחסי העדיפות של שתי העבודות (הרכבה דורשת גוף תחילה); Cansu תופס את זה בשלב הבקרה ומתקן את זה. התוצאה: העיכובים הולכים ופוחתים. בינה מלאכותית ביצעה את השוואת הכללים; הביקורת האנושית היא שתפסה את הפרת האילוץ.

טעויות נפוצות

• תרשים מבלי להגדיר את המטרה: אמירת "הכי טוב"; ואילו SPT ו-EDD משפרים מטרות שונות.
• לא שולט בקיבולת: חושב שתוכנית קיבולת היתר של AI היא ריאלית.
• התעלמות מזמני התקנה: הזנחת זמני התקנה והמצאת תוכנית שלא עובדת בפועל.
• עקיפת אילוצי עדיפות: הוצאת סדרי עדיפויות מחייבים, כגון סדר הרכבה, מבלי לבדוק אותם.
• קיבעון על כלל אחד: שימוש באותו כלל בכל מצב; כאשר צוואר הבקבוק ולחץ המסירה משתנים, הכלל אמור להשתנות גם הוא.

לסיכום

• תכנון הייצור הוא היררכיה מכללי לספציפי: S&OP → MPS → MRP → תזמון חנות.
• הטעות הקריטית ביותר ב-MRP היא העברת זמן ההובלה; בדוק את פלט הבינה המלאכותית שורה אחר שורה.
• כללי תזמון (SPT, EDD, CR) משפרים מטרות שונות; בחירת הכללים תלויה במטרה.
• בדוק כל לוח זמנים שה-AI מייצר מול אילוצי קיבולת, הגדרה ותעדוף.
• AI מייצר השוואה ותרחיש; האדם הוא זה שמזהה את הפרת האילוץ ומקבל את ההחלטה.

משימת יישום

בניית בעיה בתזמון סדנאות עבור לפחות 5 משרות (עם זמני עיבוד ומועדים). בקש מה-AI למיין את העבודות הללו עם כלל SPT ו-EDD גם יחד; חשב את זמן הזרימה הממוצע ואת ההשהיה המקסימלית עבור כל תור. אימות קריטי: חישוב ידני של זמני השלמה ומדדים עבור כלל אחד לפחות והשווה עם AI. לאחר מכן הוסף אילוץ עדיפות (למשל "עבודה C חייבת לסיים לפני עבודה A") ובדוק אם לוח הזמנים של ה-AI מפר את האילוץ הזה. לבסוף, נמק במשפט אחד איזה כלל תבחר בהתאם למטרה שלך (זרימה ממוצעת או עיכוב שיא).