Nyereség:
- Képes meghatározni, hol használjuk az AI-t a karcsú gyártási és folyamatfejlesztési ciklusokban
- Képesség az értékáram-térkép, a hulladékelemzés és a DMAIC lépések felgyorsítására strukturált promptokkal
- Képes alkalmazni a mesterséges intelligencia ajánlásainak érvényesítését terepi adatokkal és gemba megfigyeléssel
Az ipari tervezés lényegében egy „jobban járni” tudományág: ugyanazokkal az erőforrásokkal több értéket termelni, láthatóvá tenni a hulladékot, csökkenteni a változékonyságot. A mesterséges intelligencia nem új számológépként vagy varázslatos megoldásként lép be ebbe a tudományágba, hanem erőteljes gondolkodó és rajzoló partnerként. Megfelelő használat esetén órákról percekre csökkenti az értékáramok feltérképezését, a hulladékok osztályozását, a kiváltó okokra vonatkozó tanulmányokat és a javítási jelentéseket. Ha helytelenül használják, olyan javaslatokat produkál, amelyeket soha nem láttak a területen, amelyek "papíron tökéletesek", de a valóságban nem valósíthatók meg. Ebben az egységben megtudhatja, hol helyezze el a mesterséges intelligenciát a karcsú gyártási ciklusban, és hogyan érvényesítse kimenetét.
Hol tart az AI a folyamatfejlesztésben?
Osszuk fel egy fejlesztési projektet három rétegre: adatgyűjtés, elemzés/döntés, jelentéskészítés/kommunikáció. Az AI különböző súllyal segít ezekben a rétegekben.
réteg
Az AI szerepe
férfi szerepe
adatgyűjtés
Megtervezi a felmérést/űrlapot és rendszerezi az adatokat
Mérések és megfigyelések a terepen (gemba)
elemzés/döntés
Hipotéziseket generál, módszereket javasol, számításokat készít
Adatokkal ellenőrzi, meghozza a döntést
Jelentés
A3, prezentáció, összefoglaló szövegtervezet író
Szabályozza a pontosságot és a hangszínt
Megjegyzendő, hogy az AI nem tudja magát az adatokat generálni. Csak a terepi mérés adja meg a gép tényleges ciklusidejét, a kezelő által várt perceket, és azt, hogy mennyi ideig tart a szerszámcsere. Az AI rendszerezi, értelmezi és fejlesztési hipotézissé alakítja ezeket a nyers adatokat.
Tipp: Mindig megkérdezem az AI-t, hogy „milyen adatokra van szükségem?” Kérdezd meg még: A helyes mérési terv elkészítése a fejlesztés megkezdése előtt sokkal olcsóbb, mint a későbbi hibás adatokkal végzett elemzés.
Hét hulladék (Muda) és az AI szerinti osztályozás
A hulladék (muda) láthatóvá tétele a karcsú termelés középpontjában áll. A klasszikus hét pazarlás: túltermelés, várakozás, szükségtelen szállítás, túlzott feldolgozás, leltár, felesleges mozgás és hibák. Gyakran nyolcadként adják hozzá a „kiaknázatlan emberi potenciált”. Az AI nagyon gyorsan bontja a folyamatnarratívát ezekre a kategóriákra.
Munkakör: Ön ipari mérnök, aki jártas a lean gyártásban. Feladat: Ossza fel az alábbi folyamatelbeszélést 7 hulladék (muda) kategóriába! Minden meghatározáshoz: (1) a hulladék típusa, (2) bizonyíték mondat, (3) metrika, amit mérnem kell, (4) lehetséges gyors javulás. Folyamatleírás: """A szerelőszalagon a kezelő minden ciklusban 6 métert gyalogol, hogy felvegye az alkatrészt. A festőfülke előtt átlagosan 40 perces sor alakul ki. Körülbelül egy műszakban 12 alkatrész újrafeldolgozásra kerül. 3 napnyi félkész termék gyűlik fel a köztes raktárban.
Ennek a promptnak az az ereje, hogy mérhetővé teszi a kimenetet. Nem elég azt mondani, hogy "felesleges mozgás van"; Lehetővé kell tenni azt, hogy "a kezelő 6 métert gyalogol ciklusonként, összesen Y métert X ciklusban naponta." Az AI rámutat a bizonyítékokra és a mérendő mérőszámra, Ön megméri a terepen, és bedugja a számot.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Nevezze meg a hulladékot ezen a gyártósoron.
Ez egy listát hoz létre kategóriák, bizonyítékok és mértékek nélkül; Valószínűleg megismétlődnek a „többlet készlet, lehet, hogy várakozási idő” elterjedt mondatok.
Erőteljes felszólítás:
Ossza fel ezeket a folyamatadatokat 7 hulladékkategóriára, mindegyikhez adja meg a bizonyítékot, a mérendő mérőszámot és a becsült hatást. Osztályozza a hatást "alacsony/közepes/magas" kategóriába, és írja le az indoklást. Adatok: {{ ... }}
A különbség az, hogy a kimenet közvetlenül lefordítható cselekvési tervvé. A második prompt egy fontossági sorrendbe állított, mérhető táblázatot ad.
A DMAIC ciklus felgyorsítása mesterséges intelligencia segítségével
A Six Sigma DMAIC keretrendszere (Define-Measure-Analyze-Improve-Control) általános nyelv a fejlesztési projektekben. Az AI minden szakaszban másképpen segít:
- Definiálás: A problémameghatározás vázlata, a projekt hatóköre (SIPOC) és a célnyilatkozat.
- Mérés: Mérési terv, adatgyűjtési űrlap, mintanagyság logika.
- Elemzés: hipotézisek listája, halcsontok (Ishikawa), lehetséges kiváltó okok.
- Javítás: Megoldási alternatívák, ECRS-javaslatok (Eliminate-Combine-Rearrange-Simplify).
- Ellenőrzés: Ellenőrzési terv tervezet, szabványos munkautasítás és monitoring KPI.
Hozzon létre egy Ishikawa (halszálkás) csontvázat a következő problémához. Probléma: "A CNC gép felületi érdessége meghaladja a célt." Kategóriák: Gép, Módszer, Anyag, Ember, Mérés, Környezet (6M). Minden kategória alá írjon 3-4 lehetséges okot, és jelezze, milyen adatokat kell gyűjtenem az egyes okok teszteléséhez.
Az aranyszabály itt állandó marad: minden, az MI által javasolt kiváltó ok hipotézis, nem bizonyíték. A felületi érdesség oka lehet vagy nem a "vágószerszám kopása"; Ezt csak a szerszám élettartamára vonatkozó adatok és a kísérlet erősíti meg.
Vigyázat: A mesterséges intelligencia időnként olyan indokok láncolatát építi fel, amelyek nagyon valószínűnek tűnnek, de a gyakorlatban tévesek. Például könnyű azt mondani, hogy "kezelői hiba", és gyakran igazságtalan. Távolítsa el a szisztémás okokat (módszerek, berendezések, mérések) adatokkal, mielőtt a kiváltó okot az emberre hárítaná.
Mini tok: Rövidítő formacsere idő (SMED)
Egy műanyag fröccsöntő műhelyben a penészcsere átlagosan 55 percet vesz igénybe, és ez kis tételekben nagy veszteséget okoz. Deniz ipari mérnök videóra veszi az átállási folyamatot, és lépésről lépésre kiszámítja az időket (ezek az adatok a helyszínről származnak). Ezután megadja az AI-nak a lépések listáját és azok idejét:
Az SMED módszer szerint osztályozza ezeket az öntőformacsere-lépéseket a "belső" (a gép leállított állapotában végezhető) és a "külső" (a gép működése közben is elvégezhető) kategóriába. Jelölje be a külsőre áthelyezhető belső lépéseket, és mindegyikhez írjon előzetes felkészülési javaslatot! Lépések és időtartamok: {{ lista }}
A mesterséges intelligencia a külső munkához hordozhatónak jelöli az olyan lépéseket, mint az „új forma behozatala a géphez” és a „csavarok előkészítése”, ami rögtönzött kocsira utal. Deniz a terepen teszteli ezt a javaslatot; szabványosítja azt, ami valóban alkalmazható. Ennek eredményeként az átállási idő 55 percről 32 percre csökken. A kritikus pont: a mesterséges intelligencia felgyorsította a tervet, de a helyszíni tesztelés és a szabványosítás volt az, ami igazán csökkentette az időt.
Gyakori hibák
- A Gemba megkerülése: Az AI kimenet megvalósítása anélkül, hogy a helyszínen megfigyelnénk. Az egyszerű "menj és nézd meg" elven alapul.
- Kitalált számokra támaszkodva: az AI néha nem létező számokat állít elő, például "a ciklusidő körülbelül 45 másodperc". Minden számot méréssel alá kell támasztani.
- A kiváltó ok az embereket hibáztatva: Elfogadni az első magyarázatot, ami eszünkbe jut, a "gondatlanság"; Nem vizsgálják a szisztémás okokat.
- Egyetlen megoldás bezárása: Az AI első javaslata az egyetlen lehetőség. Generáljon legalább 2-3 alternatívát, és hasonlítsa össze őket a megszorításoknak megfelelően.
- Az ellenőrzési szakasz elfelejtése: A fejlesztés végrehajtása és elhagyása standard üzletág létrehozása és KPI-k monitorozása nélkül; A folyamat visszatér korábbi állapotába.
Összefoglalva
- A mesterséges intelligencia nem hoz létre adatokat az ipari tervezésben; Rendszerezi az Ön által hozott adatokat, értelmezi és fejlesztési hipotézissé alakítja.
- Tegye mérhetővé a kimenetet a hét hulladék osztályozásakor: kérjen bizonyítékot + mérendő mérőszám.
- Használja az AI-t vázlatgenerátorként a DMAIC minden szakaszában, de mindig ellenőrizze a kiváltó okokat adatokkal.
- Az olyan technikákban, mint az SMED, az AI felgyorsítja a tervet; Ami igazán csökkenti az időt, az a helyszíni tesztelés és a szabványosítás.
- A Gemba kihagyása, a kitalált figurákra hagyatkozás és az ellenőrzési fázis elfelejtése a legdrágább hiba.
Pályázati feladat
Válasszon egy folyamatot a saját munkahelyéről (vagy egy reális termelési/szolgáltatási folyamatról, amelyet ismer). Először figyelje meg a terepet 5-10 percig, és jegyezze fel a tényleges lépéseket és a becsült időket. Ezután kérje meg az AI-t, hogy elemezze a folyamatot a „7 hulladék besorolása” bekapcsoló parancs segítségével ebben az egységben. Minden egyes hulladékfelismerés esetén: (a) hasonlítsa össze megfigyelésével, hogy a bizonyíték valóban pontos-e, (b) határozzon meg legalább egy mérendő mérőszámot, (c) válasszon egy gyors javítási javaslatot, és értékelje azt „belső/külső munka” vagy „ECRS” logikával. Végül keress egy példát, amikor az AI által előállított megállapítás helytelennek bizonyult (vagy nem ellenőrizhető) a terepen, és írd le egy mondatban, hogy miért volt rossz.