Hagnaður:
- Geta til að ákvarða hvar eigi að nota gervigreind í sléttri framleiðslu og endurbótaferlum
- Geta til að flýta fyrir virðisstraumskorti, úrgangsgreiningu og DMAIC skrefum með skipulögðum leiðbeiningum
- Hæfni til að beita þeirri aga að staðfesta AI ráðleggingar með vettvangsgögnum og gemba athugun
Iðnaðarverkfræði er í meginatriðum „gera betur“ fræðigrein: að framleiða meiri verðmæti með sömu auðlindum, gera úrgang sýnilegan, draga úr breytileika. Gervigreind kemur inn í þessa fræðigrein, ekki sem ný reiknivél eða töfralausn, heldur sem öflugur hugsunar- og teiknari. Þegar það er notað á réttan hátt dregur það úr kortlagningu verðmætastraums, flokkun úrgangs, rótarástæðurannsóknum og úrbótaskýrslum úr klukkustundum í mínútur. Þegar það er notað rangt framleiðir það tillögur sem hafa aldrei séð vettvanginn, sem eru "fullkomnar á pappír" en ekki hægt að útfæra í raunveruleikanum. Í þessari einingu muntu læra hvar á að staðsetja gervigreind í sléttri framleiðsluferlinu og hvernig á að sannreyna framleiðslu þess.
Hvar stendur gervigreind í umbótum á ferli?
Skiptum umbótaverkefni í þrjú lög: gagnasöfnun, greining/ákvörðun, skýrslugerð/miðlun. AI hjálpar með mismunandi þyngd í þessum lögum.
lag
Hlutverk gervigreindar
hlutverk mannsins
gagnasöfnun
Hannar könnunina/eyðublaðið og skipuleggur gögnin
Mælir og athugar á vettvangi (gemba)
greining/ákvörðun
Býr til tilgátur, leggur til aðferðir, semur útreikninga
Staðfestir með gögnum, tekur ákvörðun
Skýrslugerð
A3, kynning, yfirlitstexta uppkast rithöfundur
Stjórnar nákvæmni og tón
Það sem þarf að hafa í huga er að gervigreind getur ekki búið til gögnin sjálf. Aðeins mælingar á vettvangi gefa upp raunverulegan lotutíma vélar, mínúturnar sem rekstraraðili bíður, hversu langan tíma breyting á teningi tekur. AI skipuleggur, túlkar og breytir þessum hráu gögnum sem þú kemur með í umbótatilgátu.
Ábending: Ég spyr alltaf gervigreind "hvaða gögn þarf ég?" Spyrðu líka: Það er miklu ódýrara að koma á réttri mælingaráætlun áður en endurbætur hefjast en að framkvæma greiningu með röngum gögnum síðar.
Sjö úrgangur (Muda) og flokkun eftir gervigreind
Að gera úrgang (muda) sýnilegan er kjarninn í magra framleiðslu. Klassískt sjö úrgangurinn: offramleiðsla, bið, óþarfa flutningur, ofvinnsla, birgðahald, óþarfa hreyfing og villur. Oft er „ónýttur mannlegur möguleiki“ bætt við sem áttund. Gervigreind er mjög fljót að skipta niður ferli frásögn í þessa flokka.
Hlutverk: Þú ert iðnaðarverkfræðingur með reynslu í lean manufacturing. Verkefni: Skiptu eftirfarandi ferli frásögn í 7 úrgangsflokka (muda). Fyrir hverja ákvörðun: (1) tegund úrgangs, (2) sönnunarsetning, (3) mælikvarði sem ég þarf að mæla, (4) mögulegar hraðar umbætur. Lýsing á ferli: """Á færibandinu gengur rekstraraðilinn 6 metra í hverri lotu til að sækja hlutinn. Biðröð myndast fyrir framan málningarklefann í að meðaltali 40 mínútur. Um það bil á einni vakt fara í endurvinnslu 12 hluta. 3 dagar af hálfgerðum vörum safnast fyrir í millilagernum.
Kraftur þessarar hvetjandi er að hún gerir úttakið mælanlegt. Það er ekki nóg að segja „það er óþarfa hreyfing“; Það ætti að vera hægt að segja "rekstraraðili gengur 6 metra á hring, samtals Y metrar í X lotum á dag." Gervigreindin bendir á sönnunargögnin og mæligildið sem á að mæla, þú mælir það á sviði og tengir númerið.
Veik kvaðning / sterk kvaðning
Veik kvaðning:
Nefndu úrganginn í þessari framleiðslulínu.
Þetta framleiðir lista án flokka, án sannana og án mælikvarða; Líklegast eru algengu setningarnar „það gæti verið umframbirgðir, það gæti verið biðtími“ endurtekið.
Öflug tilvitnun:
Skiptu þessum ferligögnum í 7 flokka úrgangs, gefðu sönnunargögn fyrir hvern, mælikvarða sem ég ætti að mæla og áætlað áhrif. Flokkaðu áhrifin sem „lítil/miðlungs/há“ og skrifaðu rökstuðninginn. Gögn: {{ ... }}
Munurinn er sá að framleiðslan getur skilað sér beint í aðgerðaáætlun. Önnur hvetja gefur forgangsraðaða, mælanlega töflu.
Hraða upp DMAIC hringrásinni með gervigreind
DMAIC ramma Six Sigma (Define-Measure-Analyze-Improve-Control) er algengt tungumál í umbótaverkefnum. AI hjálpar á mismunandi hátt á hverju stigi:
- Skilgreina: Drög að skilgreiningu vandamála, umfang verkefnisins (SIPOC) og tilgangsyfirlýsingu.
- Mæling: Mælingaráætlun, gagnasöfnunareyðublað, úrtaksstærðarrökfræði.
- Greina: Listi yfir tilgátur, fiskbein (Ishikawa), mögulegar rótarorsakir.
- Bæta: Lausnvalkostir, ECRS (Eliminate-Combine-Rearrange-Einfalda) tillögur.
- Eftirlit: Drög að eftirlitsáætlun, stöðluð verkkennsla og eftirlit KPI.
Búðu til Ishikawa (síldbein) beinagrind fyrir eftirfarandi vandamál. Vandamál: "Yfirborðsgrófleiki á CNC vél er yfir markmiði." Flokkar: Vél, Aðferð, Efni, Manneskja, Mæling, Umhverfi (6M). Skrifaðu 3-4 mögulegar orsakir undir hverjum flokki og tilgreindu hvaða gögnum ég ætti að safna til að prófa hverja orsök.
Gullna reglan hér er stöðug: sérhver rót orsök sem gervigreind bendir til er tilgáta, ekki sönnun. Ástæðan fyrir grófleika yfirborðs gæti verið "slit á skurðarverkfærum" eða ekki; Aðeins gögn um líftíma verkfæra og tilraunir staðfesta þetta.
Varúð: gervigreind býr stundum til keðjur af ástæðum sem virðast mjög trúverðugar en eru rangar á vettvangi. Það er til dæmis auðvelt að segja „rekstrarvilla“ og er oft ósanngjarnt. Útrýmdu kerfisbundnum orsökum (aðferðum, búnaði, mælingum) með gögnum áður en þú kennir mönnum um frumorsökina.
Smáhylki: styttir moldbreytingatíma (SMED)
Myglubreytingar á plastsprautuverkstæði taka að meðaltali 55 mínútur og það skapar mikið tap í litlum lotum. Iðnaðarverkfræðingur Deniz tekur upp breytingaferlið á myndbandi og reiknar út skref-fyrir-skref tíma (þessi gögn koma frá vettvangi). Það gefur síðan gervigreindinni lista yfir skref og tíma þeirra:
Flokkaðu þessi mótabreytingarskref sem „innri“ (hægt að gera á meðan vélin er stöðvuð) og „ytri“ (hægt að gera á meðan vélin er í gangi) samkvæmt SMED-aðferðinni. Merktu innri skrefin sem hægt er að færa yfir á þau ytri og skrifaðu bráðabirgðaundirbúningstillögu fyrir hvert. Skref og tímalengd: {{ listi }}
Gervigreindin merkir skref eins og að „koma með nýja mótið í vélina“ og „undirbúa boltana“ sem færanlegt í ytra verkið, sem bendir til bráðabirgðavagns. Deniz er að prófa þessa tillögu á þessu sviði; það staðlar það sem raunverulega á við. Fyrir vikið minnkar skiptitími úr 55 mínútum í 32 mínútur. Mikilvægi punkturinn: gervigreind flýtti fyrir áætluninni, en það voru vettvangsprófanir og stöðlun sem dró verulega úr tímanum.
Algeng mistök
- Framhjá Gemba: Innleiða gervigreind úttak án þess að fylgjast með því á vettvangi. Það er byggt á einföldu "farðu og sjáðu" meginregluna.
- Að treysta á tilbúnar tölur: gervigreind framleiðir stundum tölur sem ekki eru til, eins og "hringrásartími er um 45 sekúndur." Sérhver tala verður að vera studd með mælingu.
- Að kenna frumorsökinni á manninn: Að samþykkja fyrstu skýringuna sem kemur upp í hugann er "kæruleysi"; Ekki rannsaka kerfisbundnar orsakir.
- Að læsa einni lausn: Að hugsa um að fyrsta tillaga gervigreindar sé eini kosturinn. Búðu til að minnsta kosti 2-3 valkosti og berðu þá saman í samræmi við takmarkanir.
- Að gleyma stjórnunarstiginu: Að gera umbæturnar og yfirgefa hana án þess að koma á stöðluðum viðskiptum og fylgjast með KPI; Ferlið fer aftur í fyrra ástand.
Í stuttu máli
- gervigreind framleiðir ekki gögn í iðnaðarverkfræði; Það skipuleggur gögnin sem þú kemur með, túlkar þau og breytir þeim í umbótatilgátu.
- Gerðu úttakið mælanlegt þegar þú flokkar úrganginn sjö: biddu um sönnunargögn + mæligildi til að mæla.
- Notaðu gervigreind sem drög rafall á hverju stigi DMAIC, en staðfestu alltaf rótarástæður með gögnum.
- Í tækni eins og SMED flýtir gervigreind fyrir áætlunina; Það sem raunverulega dregur úr tíma er vettvangsprófun og stöðlun.
- Að sleppa Gemba, treysta á tilbúnar tölur og gleyma eftirlitsstiginu eru dýrustu mistökin.
Umsóknarverkefni
Veldu ferli frá þínum eigin vinnustað (eða raunhæft framleiðslu-/þjónustuferli sem þú þekkir). Fyrst skaltu fylgjast með sviðinu í 5-10 mínútur og athugaðu raunveruleg skref og áætlaðan tíma. Láttu síðan gervigreindina greina ferlið með því að nota „7 úrgangsflokkun“ aflkvaðningu í þessari einingu. Fyrir hverja uppgötvun á úrgangi í framleiðslunni: (a) berðu saman við athugun þína hvort sönnunargögnin séu í raun nákvæm, (b) auðkenndu að minnsta kosti eina mælikvarða sem ætti að mæla, (c) veldu eina skynditillögu um úrbætur og metðu hana með „innri/úti vinnu“ eða „ECRS“ rökfræði. Að lokum, finndu dæmi þar sem ákvörðun framleidd af gervigreindinni reyndist vera röng (eða ekki var hægt að sannreyna) á sviði og skrifaðu í einni setningu hvers vegna hún var röng.