利益:
- MPS、MRP、ワークショップのスケジュール設定の概念を基本レベルで説明できる能力
- スケジュールルールとシナリオ（SPT、EDD、クリティカル率）をAIと比較する機能
- AI 出力の容量と制約違反をチェックして修正する機能
生産計画は、「何を、いつ、どのリソースで」生産するかを整理する基幹プロセスです。適切な計画は期限を守り、マシンをアイドル状態にせず、在庫を膨らませません。計画が間違っていると、混乱が生じ、残業や納期の遅れが生じます。 AI は、スケジュール ルールの比較、シナリオの生成、制約のリスト化において、この分野で強力です。ただし、キャパシティと優先順位の制約を見落とし、「紙の上では良いが実行不可能」な計画が作成される可能性もあります。この単元では、MPS/MRP の概念、スケジュール ルール、AI 出力を検証する方法について説明します。
計画階層: MPS と MRP
生産計画は、一般的なものから具体的なものまでの階層構造になっています。
レベル
どういうことですか
時間軸
S&OP / バルクプラン
需要と容量のバランスを大まかに確立します
月
MPS (マスター生産スケジュール)
完成した製品を期間に分割します
週
MRP（資材所要量計画）
BOM からコンポーネント要件を削除します
週/日
ワークショップのスケジュール設定
マシン/クロックにジョブを配置します
日数/時間
MRP ロジックは基本的に単純です。完成品需要 (MPS) が取得され、部品表 (BOM) で展開され、手持在庫と未処理の注文が差し引かれ、正味所要量がリード タイムだけシフトバックされます (相殺)。 AI は、このロジックを説明し、サンプル テーブルを設定するのが得意です。
役割: あなたは生産計画を専門とする産業エンジニアです。タスク: 次の製品の単純な MRP テーブルを設定します。総所要量、計画納品、手持在庫、正味所要量、週次リリース計画の行を表示します。製品: A (週次総所要量: {{ 値 }})開始在庫: {{ x }}、リード/生産時間: {{ y 週 }}、ロット サイズ: {{ ロット }}ルール: 各セルの計算方法を簡単に説明し、オフセットを正しく適用します。捏造された価値を生み出す。
ヒント: MRP 出力で最も一般的なエラーは、リード タイム オフセットが正しくないことです。 AI の計画オーダーのリリース ラインが正味要件の正確なリード タイムより前にあることを行ごとに確認します。
スケジュールルール（ディスパッチングルール）
マシン上で待機中のジョブを処理する順序は、平均待機時間とフロー時間に直接影響します。最も一般的な優先ルールは次のとおりです。
- FCFS (先着順): 公平ではありますが、パフォーマンス重視ではありません。
- SPT (最短処理時間): 平均ストリーミング時間と平均遅延を短縮します。長いタスクを延期します。
- EDD (Earliest Delivery date): 最大遅延の削減に優れています。
- クリティカル率 (CR): (残り時間 / 残り作業時間);供給圧力を動的にバランスさせます。
小さな例です。 4 つのジョブ、1 台のマシン、処理時間と納期:
ビジネス |処理時間 |配送A | 4 | 6B | 2 | 4C | 6 | 8D | 1 | 3SPT オーダー (時間別): D(1)、B(2)、A(4)、C(6) 完了時間: D=1、B=3、A=7、C=13 フロー時間の合計 = 1 + 3 + 7 + 13 = 24 → 平均 = 6.0 EDD オーダー (納品別): D(3)、B(4)、A(6)、C(8) 完了時間: D=1、 B=3、A=7、C=13遅延: D:0、B:0、A:1、C:5 → 最大遅延 = 5
ルールが異なれば、SPT 平均フロー、EDD 遅延ピーク値などの目的も改善されます。 「どれが正しいですか？」質問に対する答えは目的によって異なり、AIが「これが最適」と言ったからといって、その判断を下すわけではありません。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
これらのジョブを可能な限り最善の方法で分類します。
「最高」とは定義されていません。 AIは、どのような目的で最適化しているのかを知らずに、ランダムな順序を与えます。
強力なプロンプト:
SPT ルールと EDD ルールの両方を使用してこれらのジョブを並べ替えます。各行の完了時間、平均フロー時間、最大遅延を計算し、比較表を作成します。私の目標は「締め切り遅れを最小限に抑える」ことです。どのルールがこの目的に適しているかを理由とともに教えてください。Works: {{ list }}。アカウントのステップを表示します。
2 番目のプロンプトは、意図を明確にし、複数のルールを比較して、アカウントを表示します。この3つがなければ、チャート決定は信頼できません。
容量と制約の制御
プランが容量を超える場合、プランは無効になります。 AI が生成したスケジュールを次の制約と照らし合わせて必ず確認してください: マシンの能力 (時間)、シフト制限、セットアップ時間、優先順位関係 (1 つのジョブが別のジョブよりも前に完了する必要がある)、材料の可用性。
制約違反については、次のグラフを確認してください:- 1 週間の合計負荷は各マシンの容量 (週 40 時間) を超えていますか?- セットアップ時間は含まれていますか?- 優先順位の制約 (ジョブ B は A より前に終了する必要がある) は維持されていますか?グラフ: {{ ... }}。違反を見つけた場合は、それを表形式でリストし、修正を提案します。
注意: AI はキャパシティの制約を「忘れ」て、マシンに 45 時間の作業を負荷することがよくあります。生産を決定する前に、各マシンの毎週の合計負荷を手動またはテーブルで収集し、それを容量と比較します。
ミニケース: ボトルネックマシンと間違ったルール
金属加工工場では、納期が常に遅れています。工業エンジニアの Cansu は、FCFS によってジョブが分類されていることに気付きました。 AI に現在のバックログ、処理時間、期限を与え、SPT、EDD、クリティカル率を比較するように求めます。 AI は 3 つのルールすべてのメトリクスを計算します。平均フローでは SPT が最適ですが、いくつかの大きなジョブでは遅すぎます。 EDD は最大レイテンシを大幅に短縮します。 Cansu はボトルネックベンチで EDD に切り替えます。しかし、AI が提案した最初のスケジュールは 2 つのジョブの優先関係に違反していました (組み立てには最初に本体が必要です)。これをキャンスがコントロール段階でキャッチして修正。その結果、遅延が減少します。 AI がルールの比較を行いました。制約違反を発見したのは人間による監査でした。
よくある間違い
- 目標を定義せずにグラフを作成する: 「最高」と言う。一方、SPT と EDD は異なる目的を改善します。
- キャパシティを制御していない: AI の過剰キャパシティー計画は実現可能であると考えています。
- セットアップ時間を無視する: セットアップ時間を無視して、実際には機能しない計画を立てます。
- 優先順位制約のバイパス: 組み立て順序などの必須の優先順位をチェックせずに発行します。
- 1 つのルールに固執する: あらゆる状況で同じルールを使用します。ボトルネックと配送圧力が変化すると、ルールも変更される必要があります。
要約すると
- 生産計画は、S&OP → MPS → MRP → ショップ スケジューリングという一般的なものから具体的なものまでの階層構造になっています。
- MRP における最も重大な間違いは、リードタイムの変更です。 AIの出力を一行ずつ確認していきます。
- スケジュール ルール (SPT、EDD、CR) はさまざまな目的を改善します。ルールの選択は目的によって異なります。
- AI が生成するすべてのスケジュールを、容量、セットアップ、優先順位の制約と照らし合わせてチェックします。
- AI が比較とシナリオを生成します。制約違反を検出し、決定を下すのは人間です。
アプリケーションタスク
少なくとも 5 つのジョブ (処理時間と期限付き) のワークショップ スケジュール問題を作成します。 AI に SPT ルールと EDD ルールの両方を使用してこれらのジョブを分類させます。各キューの平均フロー時間と最大遅延を計算します。重要な検証: 少なくとも 1 つのルールの完了時間とメトリクスを手動で計算し、AI と比較します。次に、優先順位の制約 (例: 「ジョブ C はジョブ A より前に終了する必要がある」) を追加し、AI のスケジュールがこの制約に違反しているかどうかを確認します。最後に、目的 (平均フローまたはピーク遅延) に基づいてどのルールを選択するかを 1 文で説明します。