Keuntungan:
- Kemampuan untuk menentukan di mana menggunakan AI dalam siklus lean manufacturing dan peningkatan proses
- Kemampuan untuk mempercepat peta aliran nilai, analisis limbah, dan langkah-langkah DMAIC dengan petunjuk terstruktur
- Kemampuan menerapkan disiplin memvalidasi rekomendasi AI dengan data lapangan dan observasi gemba
Teknik industri pada dasarnya adalah disiplin “berbuat lebih baik”: menghasilkan nilai lebih dengan sumber daya yang sama, membuat pemborosan terlihat, dan mengurangi variabilitas. Kecerdasan buatan memasuki disiplin ini bukan sebagai kalkulator baru atau solusi ajaib, namun sebagai mitra berpikir dan penyusunan yang kuat. Jika digunakan dengan benar, ini akan mengurangi pemetaan aliran nilai, klasifikasi limbah, studi akar penyebab, dan laporan perbaikan dari hitungan jam menjadi menit. Jika digunakan secara tidak tepat, akan menghasilkan sugesti yang belum pernah terlihat di lapangan, yang “sempurna di atas kertas” namun tidak dapat diimplementasikan dalam kenyataan. Dalam unit ini, Anda akan mempelajari di mana menempatkan AI dalam siklus lean manufacturing dan cara memvalidasi keluarannya.
Dimana Posisi AI dalam Peningkatan Proses?
Mari kita bagi proyek perbaikan menjadi tiga lapisan: pengumpulan data, analisis/keputusan, pelaporan/komunikasi. AI membantu dengan bobot berbeda di lapisan ini.
lapisan
Peran AI
peran pria
pengumpulan data
Merancang survei/formulir dan mengatur data
Mengukur dan mengamati di lapangan (gemba)
analisis/keputusan
Menghasilkan hipotesis, menyarankan metode, menyusun perhitungan
Memverifikasi dengan data, membuat keputusan
Pelaporan
A3, presentasi, penulis draf teks ringkasan
Mengontrol akurasi dan nada
Hal yang perlu diperhatikan adalah AI tidak bisa menghasilkan data itu sendiri. Hanya pengukuran lapangan yang memberikan waktu siklus sebenarnya suatu mesin, menit menunggu operator, berapa lama waktu yang dibutuhkan untuk mengganti cetakan. AI mengatur, menafsirkan, dan mengubah data mentah yang Anda bawa menjadi hipotesis perbaikan.
Tip: Saya selalu bertanya kepada AI “data apa yang saya perlukan?” Tanyakan juga: Menetapkan rencana pengukuran yang benar sebelum memulai perbaikan jauh lebih murah daripada melakukan analisis dengan data yang salah di kemudian hari.
Tujuh Pemborosan (Muda) dan Klasifikasi oleh AI
Menjadikan pemborosan (muda) terlihat merupakan inti dari produksi lean. Tujuh pemborosan klasik: produksi berlebihan, penantian, transportasi yang tidak perlu, pemrosesan berlebihan, inventaris, pergerakan yang tidak perlu, dan kesalahan. Seringkali “potensi manusia yang belum dimanfaatkan” ditambahkan sebagai yang kedelapan. AI sangat cepat dalam memecah narasi proses ke dalam kategori-kategori ini.
Peran: Anda adalah seorang insinyur industri yang berpengalaman dalam lean manufacturing. Tugas: Bagilah narasi proses berikut ke dalam 7 kategori pemborosan (muda). Untuk setiap penentuan: (1) jenis pemborosan, (2) kalimat bukti, (3) metrik yang perlu saya ukur, (4) kemungkinan perbaikan yang cepat. Deskripsi proses: """Di jalur perakitan, operator berjalan 6 meter di setiap siklus untuk mengambil suku cadang. Antrian terbentuk di depan bilik pengecatan rata-rata selama 40 menit. Kira-kira dalam satu shift 12 suku cadang akan diproses ulang. 3 hari produk setengah jadi terakumulasi di gudang perantara.
Kekuatan dari prompt ini adalah membuat keluarannya dapat diukur. Tidaklah cukup hanya mengatakan “ada gerakan yang tidak perlu”; Kita dapat mengatakan "operator berjalan 6 meter per siklus, total Y meter dalam X siklus per hari." AI menunjukkan pernyataan bukti dan metrik yang akan diukur, Anda mengukurnya di lapangan dan memasukkan nomornya.
Prompt Lemah / Prompt Kuat
Perintah yang lemah:
Sebutkan limbah di lini produksi ini.
Hal ini menghasilkan daftar tanpa kategori, tanpa bukti, dan tanpa ukuran; Kemungkinan besar, ungkapan umum "mungkin ada kelebihan stok, mungkin ada masa tunggu" terulang kembali.
Perintah yang kuat:
Bagilah data proses ini menjadi 7 kategori limbah, berikan pernyataan bukti untuk masing-masing kategori, metrik yang harus saya ukur, dan perkiraan dampaknya. Klasifikasikan dampaknya ke dalam kategori “rendah/sedang/tinggi” dan tuliskan alasannya. Data: {{ ... }}
Bedanya, outputnya bisa langsung diterjemahkan ke dalam rencana aksi. Prompt kedua memberikan tabel yang diprioritaskan dan terukur.
Mempercepat Siklus DMAIC dengan AI
Kerangka kerja DMAIC Six Sigma (Define-Measure-Analyze-Improve-Control) adalah bahasa umum dalam proyek perbaikan. AI membantu secara berbeda di setiap tahap:
- Definisikan: Draf definisi masalah, ruang lingkup proyek (SIPOC), dan pernyataan tujuan.
- Ukur: Rencana pengukuran, formulir pengumpulan data, logika ukuran sampel.
- Analisis: Daftar hipotesis, tulang ikan (Ishikawa), kemungkinan akar penyebabnya.
- Peningkatan: Alternatif solusi, saran ECRS (Eliminate-Combine-Rearrange-Simplify).
- Pengendalian: Rancangan rencana pengendalian, instruksi kerja standar dan pemantauan KPI.
Buat kerangka Ishikawa (tulang herring) untuk soal berikut. Masalah : “Kekasaran permukaan pada mesin CNC diatas target.” Kategori: Mesin, Metode, Material, Manusia, Pengukuran, Lingkungan (6M). Tuliskan 3-4 kemungkinan penyebab di bawah setiap kategori dan tunjukkan data apa yang harus saya kumpulkan untuk menguji setiap penyebab.
Aturan utama dalam hal ini tetap sama: setiap akar penyebab yang dikemukakan oleh AI adalah hipotesis, bukan bukti. Penyebab kekasaran permukaan mungkin karena "keausan alat pemotong" atau mungkin juga bukan; Hanya data masa pakai alat dan eksperimen yang mengkonfirmasi hal ini.
Perhatian: AI terkadang menyusun rangkaian alasan yang tampaknya sangat masuk akal, namun pada kenyataannya salah. Misalnya, mudah untuk mengatakan "kesalahan operator" dan sering kali tidak adil. Hilangkan penyebab sistemik (metode, peralatan, pengukuran) dengan data sebelum menyalahkan manusia atas penyebab utama.
Casing Mini: Mempersingkat Waktu Perubahan Cetakan (SMED)
Penggantian cetakan di bengkel injeksi plastik memakan waktu rata-rata 55 menit, dan ini menimbulkan kerugian besar dalam jumlah kecil. Insinyur industri Deniz merekam proses pergantian dan menghitung waktu langkah demi langkah (data ini berasal dari lapangan). Ini kemudian memberi AI daftar langkah dan waktunya:
Klasifikasikan langkah-langkah penggantian cetakan ini menjadi "internal" (dapat dilakukan saat mesin berhenti) dan "eksternal" (dapat dilakukan saat mesin sedang berjalan) sesuai dengan metode SMED. Tandai langkah-langkah dalam yang dapat dipindahkan ke langkah-langkah luar dan tuliskan saran persiapan awal untuk masing-masing langkah. Langkah dan durasi: {{ list }}
AI menandai langkah-langkah seperti “membawa cetakan baru ke mesin” dan “menyiapkan baut” sebagai tindakan portabel untuk pekerjaan eksternal, menyarankan kereta darurat. Deniz sedang menguji proposal ini di lapangan; itu menstandarkan apa yang benar-benar dapat diterapkan. Hasilnya, waktu pergantian berkurang dari 55 menit menjadi 32 menit. Poin pentingnya: AI mempercepat rencana tersebut, namun pengujian lapangan dan standardisasilah yang benar-benar mengurangi waktu.
Kesalahan Umum
- Melewati Gemba: Menerapkan keluaran AI tanpa mengamatinya di lapangan. Hal ini didasarkan pada prinsip sederhana "pergi dan lihat".
- Mengandalkan angka yang dibuat-buat: AI terkadang menghasilkan angka yang tidak ada, seperti "waktu siklus sekitar 45 detik". Setiap angka pasti didukung dengan pengukuran.
- Menyalahkan akar permasalahan pada manusia: Menerima penjelasan pertama yang terlintas dalam pikiran adalah "kecerobohan"; Tidak menyelidiki penyebab sistemik.
- Mengunci solusi tunggal: Berpikir bahwa saran pertama AI adalah satu-satunya pilihan. Hasilkan setidaknya 2-3 alternatif dan bandingkan sesuai dengan batasannya.
- Melupakan fase pengendalian: Melakukan perbaikan dan membiarkannya tanpa menetapkan standar bisnis dan pemantauan KPI; Proses kembali ke keadaan sebelumnya.
Singkatnya
- AI tidak menghasilkan data dalam teknik industri; Ini mengatur data yang Anda bawa, menafsirkannya, dan mengubahnya menjadi hipotesis perbaikan.
- Jadikan keluaran dapat diukur ketika mengklasifikasikan tujuh pemborosan: mintalah pernyataan bukti + metrik untuk mengukur.
- Gunakan AI sebagai generator rancangan di setiap tahapan DMAIC, namun selalu verifikasi akar permasalahan dengan data.
- Dalam teknik seperti SMED, AI mempercepat rencana; Yang benar-benar mengurangi waktu adalah pengujian lapangan dan standarisasi.
- Melewatkan Gemba, mengandalkan angka-angka yang dibuat-buat, dan melupakan tahap pengecekan adalah kesalahan yang paling mahal.
Tugas aplikasi
Pilih proses dari tempat kerja Anda sendiri (atau proses produksi/layanan yang realistis lho). Pertama, amati lapangan selama 5-10 menit dan catat langkah sebenarnya serta perkiraan waktunya. Kemudian minta AI menganalisis proses menggunakan power prompt “7 klasifikasi limbah” di unit ini. Untuk setiap deteksi pemborosan dalam keluaran: (a) bandingkan dengan pengamatan Anda apakah bukti tersebut benar-benar akurat, (b) identifikasi setidaknya satu metrik yang harus diukur, (c) pilih satu saran perbaikan cepat dan evaluasi dengan logika “pekerjaan di dalam/di luar” atau “ECRS”. Terakhir, temukan contoh penentuan yang dihasilkan oleh AI ternyata salah (atau tidak dapat diverifikasi) di lapangan dan tuliskan dalam satu kalimat mengapa salah tersebut.