लाभ:
- ओईई, चक्र समय और डब्ल्यूआईपी जैसे उत्पादन केपीआई को सटीक रूप से परिभाषित और गणना करने की क्षमता
- एआई के साथ डैशबोर्ड डिज़ाइन, अलग घटना सिमुलेशन और परिदृश्य विश्लेषण को कॉन्फ़िगर करने की क्षमता
- इनपुट मान्यताओं और वास्तविक डेटा के साथ सिमुलेशन और डैशबोर्ड आउटपुट को सत्यापित करने की क्षमता
औद्योगिक इंजीनियर माप के आधार पर निर्णय लेते हैं, अंतर्ज्ञान के आधार पर नहीं। उचित रूप से परिभाषित KPI (मुख्य प्रदर्शन संकेतक) उत्पादन प्रणाली की नब्ज बनाए रखते हैं; दूसरी ओर, सिमुलेशन पूछता है, "क्या होगा यदि?" वास्तविक व्यवस्था को रोके बिना. प्रश्न का उत्तर आत्मविश्वास से देता है। एआई दोनों में एक त्वरक है: यह केपीआई परिभाषा और डैशबोर्ड डिज़ाइन का मसौदा तैयार करता है, सिमुलेशन मॉडल का कंकाल बनाता है, परिदृश्य तुलनाओं की व्याख्या करता है। हालाँकि, KPI और सिमुलेशन दोनों "गलत परिभाषा" और "गलत धारणा" के जाल के प्रति संवेदनशील हैं। इस इकाई में, हम सत्यापन के अनुशासन के साथ उत्पादन KPI, डैशबोर्ड डिज़ाइन और असतत घटना सिमुलेशन को कवर करेंगे।
सही KPI को सही ढंग से परिभाषित करना
गलत तरीके से गणना की गई KPI बिल्कुल भी KPI न होने से अधिक खतरनाक है क्योंकि यह गलत विश्वास देता है। सबसे आम उत्पादन KPI:
के.पी.आई
विवरण
ध्यान दें
ओईई
प्रयोज्यता × प्रदर्शन × गुणवत्ता
तीनों घटकों की गणना अलग-अलग की जानी चाहिए
चक्र समय
टुकड़ों के बीच का समय
युक्ति से मिलाना
डिलिवरी समय (लीड टाइम)
ऑर्डर → डिलीवरी
चक्र से भिन्न
WIP
अर्ध-तैयार उत्पाद प्रक्रिया में है
लिटिल के नियम से बंधा हुआ
अपशिष्ट/स्क्रैप अनुपात
ग़लत/कुल
रिजर्व पुनः कार्य
समय पर डिलीवरी (ओटीडी)
समय पर/कुल ऑर्डर
आंशिक वितरण को परिभाषित करें
OEE उदाहरण: यदि उपलब्धता 90% है, प्रदर्शन 95% है, गुणवत्ता 98% है:
ओईई = 0.90 × 0.95 × 0.98 = 0.8379 ≈ 83.8%
एक सामान्य गलती इन तीन संख्याओं को जोड़ना और उनका औसत निकालना है; OEE गुणन है, इसलिए प्रत्येक घटक परिणाम को जोड़ता है।
लिटिल का नियम WIP-थ्रूपुट-प्रवाह समय संबंध स्थापित करता है और बहुत शक्तिशाली है:
WIP = थ्रूपुट × प्रवाह समय उदाहरण: लाइन पर औसतन 30 टुकड़े (WIP) हैं, यदि आउटपुट 6 टुकड़े/घंटा है प्रवाह समय = WIP / आउटपुट = 30/6 = 5 घंटे
युक्ति: जब आपके पास AI KPI की गणना करता है, तो उसकी परिभाषा भी प्रिंट करें। "ओईई क्या है, आपने इसकी गणना किस सूत्र से की?" पूछना। एआई कभी-कभी ओईई के बजाय केवल उपलब्धता देता है या गुणवत्ता घटक को छोड़ देता है; परिभाषा देखे बिना संख्या पर भरोसा न करें.
KPI डैशबोर्ड डिज़ाइन
एक अच्छा डैशबोर्ड बहुत सारी संख्याएँ नहीं दिखाता; सही प्रश्नों का उत्तर देता है. एआई यह रेखांकित करने में सहायक है कि कौन से KPI किस ऑडियंस के लिए सार्थक हैं और उन्हें कैसे समूहित किया जाए।
भूमिका: आप उत्पादन विश्लेषण में अनुभव के साथ एक औद्योगिक इंजीनियर हैं। कार्य: सीएनसी दुकान के लिए एक व्यवस्थापक डैशबोर्ड डिज़ाइन करें। निर्दिष्ट करें:1. 6 KPI तक (प्रत्येक के लिए परिभाषा और सूत्र).2. प्रत्येक KPI.3 के लिए लक्ष्य मूल्य प्रस्ताव और "अच्छा/ध्यान/बुरा" सीमाएँ। कौन सा KPI किस चार्ट (रुझान, संकेतक, चार्ट) पर प्रदर्शित होगा।4. प्रबंधन डैशबोर्ड के 3 प्रश्नों के उत्तर देता है। नियम: KPI मुद्रास्फीति से बचें; समझाएं कि प्रत्येक संकेतक एक निर्णय प्रदान करता है। कोई बना-बनाया लक्ष्य मान न दें, कहें कि "इसे क्षेत्र के अनुसार समायोजित किया जाना चाहिए"।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
मेरे लिए एक प्रोडक्शन बोर्ड बनाओ.
यदि कोई लक्षित दर्शक, डेटा स्रोत और उद्देश्य नहीं है, तो एआई एक सामान्य सूची को डंप कर देगा; कोई निर्णय नहीं हुआ.
शक्तिशाली संकेत:
शिफ्ट सुपरवाइज़र के लिए एक बोर्ड डिज़ाइन करें, जिसे हर सुबह 5 मिनट में पढ़ा जाएगा। उद्देश्य: कल की शिफ्ट में कहां नुकसान हुआ, आज किस बात पर ध्यान देना चाहिए। अधिकतम 5 KPI, प्रत्येक परिभाषा + सूत्र + सीमा के साथ। मेरे डेटा स्रोत, एमईएस से प्रति घंटा उत्पादन, डाउनटाइम और बर्बादी रिकॉर्ड। अत्यधिक विवरण से बचें.
दूसरा संकेत उपयोगकर्ता, उपयोग के क्षण और डेटा स्रोत को स्पष्ट करता है; परिणाम एक बोर्ड है जिसका वास्तव में उपयोग किया जाता है।
असतत घटना सिमुलेशन (डीईएस)
सिमुलेशन वास्तविक प्रणाली को बाधित किए बिना प्रयोग करने का एक तरीका है: जब आप एक नई मशीन जोड़ते हैं तो कतार का क्या होता है, शिफ्ट बदलने पर आउटपुट कैसे प्रभावित होता है? असतत घटना सिमुलेशन (डीईएस) सिस्टम को "घटनाओं" (भाग आगमन, प्रक्रिया समाप्ति) के अनुक्रम के रूप में मॉडल करता है। बुनियादी इनपुट: अंतर-आगमन समय वितरण, सेवा समय वितरण, संसाधनों की संख्या, कतार अनुशासन।
भूमिका: आप सिमुलेशन में अनुभवी एक औद्योगिक इंजीनियर हैं। कार्य: पायथन सिम्पी के साथ निम्नलिखित प्रणाली को मॉडल करने के लिए एक रूपरेखा लिखें: - हिस्से औसतन हर 4 मिनट में आते हैं (घातीय वितरण) - एकल मशीन, प्रसंस्करण समय औसत 3.5 मिनट (घातांकीय) - कतार फीफो मुझे आउटपुट के रूप में क्या मापने की आवश्यकता है: औसत प्रतीक्षा, कतार की लंबाई, मशीन उपयोग दर। टिप्पणियों के साथ कोड को समझाएं; शुरुआत में वितरण मान्यताओं को लिखें। इसके अलावा: परिणाम को सत्यापित करने के लिए मैं कौन सी विश्लेषणात्मक जांच कर सकता हूं (उदाहरण के लिए एम/एम/1 टेल फ़ार्मुलों के साथ तुलना)?
यहां अंतिम पंक्ति महत्वपूर्ण है: यदि संभव हो तो एक अच्छे सिमुलेशन की तुलना एक विश्लेषणात्मक जांच से की जाती है। उपरोक्त सरल प्रणाली एक एम/एम/1 कतार है; सिमुलेशन परिणाम सैद्धांतिक मूल्यों जैसे कि उपयोग दर ρ = 3.5/4 = 0.875 और सिस्टम में औसत संख्या L = ρ/(1−ρ) = 0.875/0.125 = 7 के अनुरूप होना चाहिए।
सावधानी: सिमुलेशन आउटपुट केवल इनपुट मान्यताओं ("कचरा अंदर, कचरा बाहर") जितना ही अच्छा है। एआई कभी-कभी वितरण को सत्यापित किए बिना मान लेता है या एकल रन के परिणाम को कठोर सत्य के रूप में प्रस्तुत करता है। एकाधिक रन (प्रतिकृति) चलाएं, आत्मविश्वास अंतराल की गणना करें, और वास्तविक डेटा के साथ इनपुट वितरण को सत्यापित करें।
मिनी केस: झूठी परिकल्पनाओं के साथ अनुकरण
असेंबली लाइन पर, प्रबंधन सोचता है कि दूसरा पैकिंग स्टेशन जोड़ने से कतार खत्म हो जाएगी। औद्योगिक इंजीनियर डेनिज़ ने AI के साथ DES मॉडल बनाया। पहला परिणाम कहता है "दूसरा स्टेशन कतार को 70% तक कम कर देता है"। लेकिन जब डेनिज़ इनपुट वितरण की जाँच करता है, तो वह देखता है कि वास्तविक आगमन डेटा घातीय नहीं है, बल्कि एक "विस्फोटक" संरचना है जो लंच ब्रेक के दौरान केंद्रित होती है। जब हम मॉडल को सही वितरण के साथ फिर से चलाते हैं, तो यह पता चलता है कि दूसरा स्टेशन वास्तविक बाधा को हल नहीं करता है, और समस्या ब्रेक प्लानिंग में है। सिमुलेशन अनावश्यक रूप से निवेश की अनुशंसा करने से बचाता है। पाठ: एआई ने तेजी से मॉडल बनाया लेकिन गलत धारणा के साथ गलत निर्णय का सुझाव दिया; यह वह व्यक्ति था जिसने सही डेटा डाला था।
सामान्य गलतियाँ
- KPI को गलत परिभाषित करना: OEE घटकों को जोड़ना या चक्र और लीड समय को भ्रमित करना।
- KPI मुद्रास्फीति: डैशबोर्ड पर दर्जनों संकेतक डालना जो निर्णय की पूर्ति नहीं करते हैं।
- एक रन पर भरोसा करना: एक बार सिमुलेशन चलाना और यह मान लेना कि परिणाम निश्चित है; प्रतिकृति नहीं.
- इनपुट वितरण को मान्य नहीं करना: वास्तविक डेटा के साथ डिफ़ॉल्ट (घातीय, आदि) वितरण की तुलना नहीं करना।
- विश्लेषणात्मक जांच को दरकिनार करना: सरल प्रणालियों में सैद्धांतिक कतार सूत्र के साथ सिमुलेशन को क्रॉस-चेक नहीं करना।
संक्षेप में
- KPI की शक्ति सही परिभाषा से आती है; OEE उत्पाद है, लिटिल का नियम WIP-फ्लो-आउटपुट को जोड़ता है।
- एक अच्छा डैशबोर्ड सही प्रश्नों का उत्तर देता है, बहुत अधिक संख्याओं का नहीं; उपयोगकर्ता, उदाहरण और डेटा स्रोत स्पष्ट होना चाहिए।
- डीईएस वास्तविक प्रणाली को तोड़े बिना परिदृश्यों का प्रयास करता है; इनपुट वितरण परिणाम की गुणवत्ता निर्धारित करता है।
- अनुकरण को प्रतिकृति (विश्वास अंतराल) द्वारा और, यदि संभव हो तो, विश्लेषणात्मक सूत्र द्वारा मान्य करें।
- एआई तेजी से मॉडल और बोर्ड बनाता है; यह वह व्यक्ति है जो धारणाओं को सही ढंग से रखता है और परिणाम की व्याख्या करता है।
आवेदन कार्य
एक उत्पादन/सेवा प्रणाली चुनें. सबसे पहले आपके पास एआई डिज़ाइन 5 केपीआई या उससे कम के साथ एक शिफ्ट डैशबोर्ड है; प्रत्येक KPI की परिभाषा और सूत्र दिखाएं और सत्यापित करें कि यदि OEE मौजूद है तो तीन घटक गुणा हो गए हैं। फिर एआई को एक साधारण कतार प्रणाली (एकल सर्वर) के लिए एक सिमपी कंकाल प्रिंट करें और शीर्ष पर इनपुट वितरण मान्यताओं को प्रिंट करें। महत्वपूर्ण सत्यापन: सिस्टम को एम/एम/1 कतार के रूप में मानें और सिस्टम में उपयोग दर ρ और औसत संख्या एल की मैन्युअल रूप से गणना करें, सिमुलेशन परिणाम के साथ तुलना करें। अंत में, एक परिदृश्य परिवर्तन (एक दूसरा सर्वर जोड़ना) का सुझाव दें और इनपुट वितरण के यथार्थवाद पर सवाल उठाकर एआई के परिणाम की आलोचना करें।