תכנון ותזמון ייצור

רווחים:

• הבנת המבנה והאילוצים של תכנון ייצור טקסטיל, איזון קיבולת ובעיות תזמון
• יכולת ליצור יצירת תרחישים, ניתוח צווארי בקבוק ואופטימיזציה של סדר צבע/מגרש עם AI
• יכולת ליישם גישת אימות הבודקת המלצות תוכנית מול קיבולת בפועל, תאריך אספקה ונתוני OEE

מפעל טקסטיל צריך לאזן עשרות הזמנות בו זמנית, מספר מוגבל של מכונות, מועדי אספקה שונים וסדרי עדיפויות משתנים ללא הרף. תכנון הייצור הוא האומנות להפוך את הכאוס הזה לסדר: איזו הזמנה תיוצר, באיזו מכונה, באיזה סדר, מתי? תוכנית גרועה משאירה את המכונה לא פעילה, מעכבת את האספקה ​​ויוצרת זמן הגדרה מיותר. בינה מלאכותית היא מסייע רב עוצמה בבעיה מורכבת זו: היא יוצרת תרחישים, הופכת צווארי בקבוק לגלויים ומציעה אופטימיזציות מוגבלות כגון הזמנת אצווה צבע. אבל המציאות של התוכנית; זה כולל כשל במכונה, עיכוב חומר גלם וגורם אנושי. ביחידה זו נעסוק בתכנון ובשימוש ממושמע בבינה מלאכותית.

מבנה הבעיה התכנונית

תכנון טקסטיל הוא כמה החלטות שלובות זו בזו. תכנון קיבולת: האם העבודה הנדרשת מאוזנת עם שעות המכונה הזמינות? רצף עבודה (תזמון): הסדר שבו יבוצעו עבודות בכל מכונה. גודל אצווה: כמה אצוות יעיל לייצר את אותו מוצר. זמני הגדרה/החלפה: הגדרת מכונה, ניקוי, שינוי צבע לוקחים זמן בעת ​​מעבר מעבודה אחת לאחרת. אילוצי תאריך יעד: לכל הזמנה יש תאריך יעד שבו לא ניתן לעכב אותה.

טבעה של בעיה זו הוא קומבינטורי: אפילו מספר קטן של עבודות מייצר כל כך הרבה רצפים אפשריים עד שאי אפשר לנסות את כולם. לכן, בפועל, מה שמחפשים אינו ה"טוב ביותר" אלא תוכנית "טובה מספיק" העומדת באילוצים. שני מדדים חשובים הם ניצול מכונה / OEE (אפקטיביות ציוד כוללת; היחס המשולב שמודד את מידת היעילות של המכונה - זמינות × ביצועים × איכות) וקצב אספקה ​​בזמן.

טיפ: אל תרדוף אחרי ה"אופטימלי" בתכנון; תוכנית חזקה וגמישה העומדת באילוצים (מסירה, קיבולת, מעבר) עדיפה בתיאוריה מאשר תוכנית מושלמת אך שברירית. המפעל האמיתי משתנה ללא הרף.

אילוץ ספציפי לטקסטיל: מיון צבע

יש כלל חשוב בתזמון של חנות צבע: הזמינו מצבע בהיר לצבע כהה. אם צבע בהיר נצבע לאחר צבע כהה באותה מכונה, קיים סיכון לשאריות של זיהום צבע וזמן ניקוי/כביסה נוסף. מיון מבהיר לחושך מפחית את הסיכון הזה ואת זמן מת. כל המלצות לוח זמנים המיוצרות על ידי AI חייבות לכלול אילוץ תהליך זה; אם הצעת "הזמן הקצר ביותר" המתמטית בלבד מפרה את הכלל הזה, היא לא תעבוד בייצור. באופן דומה, קיבוץ של אותה ספירת חוטים או אותו סוג בד מפחית את זמני ההגדרה.

שלב אחר שלב: זרימת תכנון מבוססת בינה מלאכותית

1. הבהיר את הקלט. הזמנות (כמות, תאריך אספקה, מוצר), יכולות מכונות, זמני אספקה, הגבלות.
2. צור תרחיש. בקש מה-AI עבור תרחישי מיון/הקצאה שונים; השווה את השפעת המסירה והשימוש של כל אחד מהם.
3. הטלת הגבלות. שים כללים כמו סדר צבעים, לקוח עדיפות, חלונות תחזוקה בהנחיה.
4. מצא את צוואר הבקבוק. איזו מכונה/שלב מגבילה את התוכנית? האם אין יכולת מספקת?
5. אמת עם אדם. תנו לקצין התכנון לתקן את התכנית באילוצים של ממש (תקלה ידועה, הרשאה, פקודה דחופה).
6. לפקח ולתכנן מחדש. עדכון התכנית על סמך מימוש בפועל (תכנון צף).

שלושה מיני מארזים: לפי המספרים

מקרה 1 - רווח בזמן מעבר. בסדנת סריגה, עבודות הוזמנו באופן אקראי, עם שינויים בחוט/ספירה שיצרו ~8 הגדרות ביום ו-4 שעות של זמן מת. ה-AI הציע מיון שמקבץ מספרים דומים; מספר המתקנים ירד מ-8 ל-5, וזמן המוות ירד ל~2.3 שעות. קצין התכנון הביא ידנית צו דחוף וסיים את התוכנית; ההצעה הייתה התחלה טובה, ההחלטה הייתה בידיו של האדם.

מקרה 2 - שגיאת מיון צבע. תוכנה אחת עשתה אופטימיזציה לצביעה עבור "הזמן הכולל הקצר ביותר" אך התעלמה ממעברי אור כהה; ביישום הראשון, אצווה פתוחה זוהמה ונצבעה מחדש, פי שניים מהזמן שנחסך אבד. הבעיה נפתרה כאשר האילוץ (מאור לחושך) נוסף לתוכנית. שיעור: כלל התהליך בא לפני המתמטיקה.

מקרה 3 - נראות צוואר בקבוק. במתקן אחד התעכבו כל הזמן משלוחים; האשמה הוטלה על המכונות. בינה מלאכותית ניתחה את זרימת העבודה והראתה שצוואר הבקבוק הוא מכונת הכבש (ייבוש-קיבוע), ומכונות אחרות חיכו לה. כאשר נוספה משמרת שנייה לראם, האספקה ​​בזמן גדלה מ-71% ל-89%. בינה מלאכותית הפכה את צוואר הבקבוק לגלוי; החלטת ההשקעה התקבלה על ידי ההנהלה.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

תכנן את ההזמנות הללו בצורה הטובה ביותר.

הנחיה עוצמתית:

תפקידך: מומחה לתכנון ייצור טקסטיל. קלט: להלן 12 הזמנות (פריט, כמות, תאריך אספקה) ו-3 מכונות צביעה (קיבולת, זמן אספקה). אילוצים:- מיון מצבע בהיר לצבע כהה בכל מכונה (סיכון לזיהום).- לא אמורים להיות תאריכי איחור; אם כן, הזהיר ברור. - צמצם את ההתקנה על ידי קיבוץ אותו מוצר. משימה: הצע 2 לוחות זמנים חלופיים; עבור כל אחד מהם, ציין את שיעור האספקה ​​המוערך בזמן, המספר הכולל של התקנות ומכונת צוואר הבקבוק. קיבולת/תאריך התאמה לא בנתונים. נתונים: [טבלה]

תבניות הניתנות להעתקה

1) השוואת תרחישים:

צור 3 תרחישי תרשים עם נתוני הסדר והקיבולת הבאים. השווה את שיעור האספקה ​​בזמן, מספר ההתקנות, ניצול המכונה והסיכון הגדול ביותר בטופס טבלה עבור כל תרחיש. אילוצים: [רשימה]. נתונים: [טבלה]

2) אופטימיזציה של רצף צבעים:

מיין את עבודות הצביעה הבאות מבהיר לחושך באותה מכונה; צמצם את הסיכון לזיהום במהלך מעברי צבע. סמן כל מי שמפר את המועד. עבודות: [צבע, כמות, משלוח]

3) ניתוח צוואר בקבוק:

מצא את צוואר הבקבוק בזרימת הייצור הזו (שלבים וקיבולת של כל שלב). איזה שלב גורם לאחרים לחכות? כיצד הגדלת הקיבולת ב-X% משפיעה על התפוקה הכוללת (הערכה גסה)? נתונים: [זרם]

4) תזמון מחדש של טריגר:

היה השינוי הבא בתוכנית: [תקלה במכונה / הזמנה דחופה]. כיצד אוכל לשנות את לוח הזמנים הנוכחי עם מינימום הפרעות? רשום הזמנות מושפעות והערכות משלוח חדשות. תוכנית נוכחית: [סיכום]

טבלת קריטריונים לתכנון

קריטריון

איזה אמצעים

כיוון טוב

הערה

תעריף משלוח בזמן

לקיים הבטחות

גבוה

אמון לקוחות

OEE

יעילות המכונה

גבוה

שימושיות×ביצועים×איכות

מספר התקנות/משך זמן

אובדן מעבר

נמוך

קיבוץ מפחית

זמן זרימה ממוצע

הזמינו להישאר בפנים

נמוך

מחזור מזומנים

שימוש בצוואר בקבוק

שלב מגביל

חייב לצפות

זה שופך אור על החלטות השקעה

שימו לב: התרשים של AI הוא הצעה, לא הזמנה. המפעל בפועל כולל תקלות ידועות, חופשות, עיכובים בחומרי גלם ובקשות דחופות של לקוחות. קצין התכנון מאשר את לוח הזמנים הסופי ותעדוף עם כל המידע המילולי/מקומי.

טעויות נפוצות

• עקיפת כלל התהליך. אם לא יוכנסו לתוכנית אילוצים כגון סדר צבעים, ההצעה לא תעבוד.
• רודף אחר האופטימלי. תוכנית גמישה מוצקה עדיפה על פני תוכנית מושלמת שבירה.
• לא רואה את צוואר הבקבוק. המשאב מושקע במקום הלא נכון; הגבול האמיתי נמצא בשלב אחר.
• תכנון סטטי. אם התוכנית לא מתעדכנת כשהמציאות משתנה, היא מתיישנת במהירות.
• לא כולל ידע אנושי. עדיפות מילולית ואילוצים מקומיים אינם קיימים במודל.

לסיכום

תכנון ייצור הוא הבעיה של עמידה במספר רב של הזמנות עד למועד האספקה ​​במשאבים מוגבלים; בשל אופייה הקומבינטורי, מכוונת תוכנית "טובה מספיק" וגמישה. בינה מלאכותית מייצרת תרחישים, הופכת צווארי בקבוק לגלויים ומציעה אופטימיזציות מוגבלות כמו מיון צבע - אבל יש להכניס כללי תהליך בהנחיה, יש לסיים את התוכנית עם אילוצים אמיתיים ושיקול דעת אנושי. במפעל משתנה, התוכנית עוברת עדכון כל הזמן.

משימת יישום

הכינו כניסה לדוגמה של לפחות 8 הזמנות (כמות, מועד אספקה) ו-2-3 מכונות. החל את התבניות "השוואת תרחישים" ו"אופטימיזציה של רצף צבעים" מיחידה זו. זהה את צוואר הבקבוק בתרחיש הטוב ביותר שה-AI מציע והמליץ ​​על פעולה לביטולו (משמרת שנייה, מיקור חוץ, שינוי רצף). בדוק עם פסקה כיצד כלל רצף הצבעים משתקף בתוכנית המוצעת.

רשימת בדיקה

• [ ] שמתי את אילוצי התהליך (סדר צבעים, קיבוץ) על ההנחיה.
• [ ] אני מכוון לתוכנית סולידית וגמישה במקום אופטימלית.
• [ ] אני מנתח את צוואר הבקבוק ומפנה את המשאב למקום הנכון.
• [ ] אני משנה את התוכנית באופן קבוע בהתאם למימוש בפועל.
• [ ] אני מסיים את לוח הזמנים הסופי באישור קצין התכנון.