ಲಾಭಗಳು:
- OEE, ಸೈಕಲ್ ಸಮಯ ಮತ್ತು WIP ಯಂತಹ ಉತ್ಪಾದನಾ KPI ಗಳನ್ನು ನಿಖರವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವ ಮತ್ತು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
- AI ಯೊಂದಿಗೆ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ವಿನ್ಯಾಸ, ಡಿಸ್ಕ್ರೀಟ್ ಈವೆಂಟ್ ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಸನ್ನಿವೇಶ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
- ಇನ್ಪುಟ್ ಊಹೆಗಳು ಮತ್ತು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಔಟ್ಪುಟ್ಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
ಕೈಗಾರಿಕಾ ಎಂಜಿನಿಯರ್ಗಳು ಮಾಪನದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ, ಅಂತಃಪ್ರಜ್ಞೆಯ ಮೇಲೆ ಅಲ್ಲ. ಸರಿಯಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಕೆಪಿಐಗಳು (ಕೀ ಪರ್ಫಾರ್ಮೆನ್ಸ್ ಇಂಡಿಕೇಟರ್ಸ್) ಉತ್ಪಾದನಾ ವ್ಯವಸ್ಥೆಯ ನಾಡಿಮಿಡಿತವನ್ನು ಇಟ್ಟುಕೊಳ್ಳುತ್ತವೆ; ಮತ್ತೊಂದೆಡೆ, ಸಿಮ್ಯುಲೇಶನ್ "ಏನಾದರೆ?" ನಿಜವಾದ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿಲ್ಲಿಸದೆ. ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಉತ್ತರಿಸುತ್ತಾರೆ. ಎಐ ಎರಡರಲ್ಲೂ ವೇಗವರ್ಧಕವಾಗಿದೆ: ಇದು ಕೆಪಿಐ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಡ್ಯಾಶ್ಬೋರ್ಡ್ ವಿನ್ಯಾಸವನ್ನು ರಚಿಸುತ್ತದೆ, ಸಿಮ್ಯುಲೇಶನ್ ಮಾದರಿಯ ಅಸ್ಥಿಪಂಜರವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, ಸನ್ನಿವೇಶ ಹೋಲಿಕೆಗಳನ್ನು ಅರ್ಥೈಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, KPI ಗಳು ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್ ಎರಡೂ "ತಪ್ಪು ವ್ಯಾಖ್ಯಾನ" ಮತ್ತು "ತಪ್ಪು ಊಹೆ" ಯ ಬಲೆಗಳಿಗೆ ಒಳಗಾಗುತ್ತವೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಪ್ರೊಡಕ್ಷನ್ ಕೆಪಿಐಗಳು, ಡ್ಯಾಶ್ಬೋರ್ಡ್ ವಿನ್ಯಾಸ ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ಈವೆಂಟ್ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ಪರಿಶೀಲನೆಯ ಶಿಸ್ತಿನೊಂದಿಗೆ ಒಳಗೊಳ್ಳುತ್ತೇವೆ.
ಸರಿಯಾದ KPI ಅನ್ನು ಸರಿಯಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವುದು
ತಪ್ಪಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಲಾದ KPI ಯಾವುದೇ KPI ಗಿಂತ ಹೆಚ್ಚು ಅಪಾಯಕಾರಿ ಏಕೆಂದರೆ ಅದು ತಪ್ಪು ವಿಶ್ವಾಸವನ್ನು ನೀಡುತ್ತದೆ. ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಉತ್ಪಾದನಾ ಕೆಪಿಐಗಳು:
ಕೆಪಿಐ
ವಿವರಣೆ
ಗಮನ
OEE
ಉಪಯುಕ್ತತೆ × ಕಾರ್ಯಕ್ಷಮತೆ × ಗುಣಮಟ್ಟ
ಮೂರು ಘಟಕಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಲೆಕ್ಕ ಹಾಕಬೇಕು
ಸೈಕಲ್ ಸಮಯ
ತುಣುಕುಗಳ ನಡುವಿನ ಸಮಯ
ಚಾತುರ್ಯದಿಂದ ಮಿಶ್ರಣ
ವಿತರಣಾ ಸಮಯ (ಪ್ರಮುಖ ಸಮಯ)
ಆರ್ಡರ್ → ವಿತರಣೆ
ಚಕ್ರದಿಂದ ಭಿನ್ನವಾಗಿದೆ
ವಿಐಪಿ
ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಅರೆ-ಸಿದ್ಧ ಉತ್ಪನ್ನ
ಲಿಟಲ್ ಕಾನೂನು ಬದ್ಧವಾಗಿದೆ
ತ್ಯಾಜ್ಯ/ಸ್ಕ್ರ್ಯಾಪ್ ಅನುಪಾತ
ತಪ್ಪು / ಒಟ್ಟು
ರಿಸರ್ವ್ ರಿವರ್ಕ್
ಆನ್-ಟೈಮ್ ಡೆಲಿವರಿ (OTD)
ಸಮಯಕ್ಕೆ / ಒಟ್ಟು ಆದೇಶ
ಭಾಗಶಃ ವಿತರಣೆಯನ್ನು ವಿವರಿಸಿ
OEE ಉದಾಹರಣೆ: ಲಭ್ಯತೆ 90% ಆಗಿದ್ದರೆ, ಕಾರ್ಯಕ್ಷಮತೆ 95%, ಗುಣಮಟ್ಟ 98%:
OEE = 0.90 × 0.95 × 0.98 = 0.8379 ≈ 83.8%
ಈ ಮೂರು ಸಂಖ್ಯೆಗಳನ್ನು ಸೇರಿಸುವುದು ಮತ್ತು ಅವುಗಳನ್ನು ಸರಾಸರಿ ಮಾಡುವುದು ಸಾಮಾನ್ಯ ತಪ್ಪು; OEE ಗುಣಾಕಾರವಾಗಿದೆ, ಆದ್ದರಿಂದ ಪ್ರತಿ ಘಟಕವು ಫಲಿತಾಂಶವನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.
ಲಿಟಲ್ಸ್ ಲಾ WIP-ಥ್ರೋಪುಟ್-ಫ್ಲೋ ಸಮಯದ ಸಂಬಂಧವನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ ಮತ್ತು ಇದು ತುಂಬಾ ಶಕ್ತಿಯುತವಾಗಿದೆ:
WIP = ಥ್ರೋಪುಟ್ × ಹರಿವಿನ ಸಮಯ ಉದಾಹರಣೆ: ಲೈನ್ನಲ್ಲಿ ಸರಾಸರಿ 30 ತುಣುಕುಗಳು (WIP) ಇವೆ, ಔಟ್ಪುಟ್ 6 ತುಣುಕುಗಳು/ಗಂಟೆಯ ಹರಿವಿನ ಸಮಯ = WIP / ಔಟ್ಪುಟ್ = 30/6 = 5 ಗಂಟೆಗಳು
ಸಲಹೆ: ನೀವು AI ಅನ್ನು ಹೊಂದಿರುವಾಗ KPI ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, ಅದರ ವ್ಯಾಖ್ಯಾನವನ್ನು ಸಹ ಮುದ್ರಿಸಿ. "OEE ಎಂದರೇನು, ನೀವು ಅದನ್ನು ಯಾವ ಸೂತ್ರದಿಂದ ಲೆಕ್ಕ ಹಾಕಿದ್ದೀರಿ?" ಕೇಳು. AI ಕೆಲವೊಮ್ಮೆ OEE ಬದಲಿಗೆ ಲಭ್ಯತೆಯನ್ನು ಮಾತ್ರ ನೀಡುತ್ತದೆ ಅಥವಾ ಗುಣಮಟ್ಟದ ಘಟಕವನ್ನು ಬಿಟ್ಟುಬಿಡುತ್ತದೆ; ವ್ಯಾಖ್ಯಾನವನ್ನು ನೋಡದೆ ಸಂಖ್ಯೆಯನ್ನು ನಂಬಬೇಡಿ.
KPI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ವಿನ್ಯಾಸ
ಉತ್ತಮ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಬಹಳಷ್ಟು ಸಂಖ್ಯೆಗಳನ್ನು ತೋರಿಸುವುದಿಲ್ಲ; ಸರಿಯಾದ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ. ಯಾವ ಪ್ರೇಕ್ಷಕರಿಗೆ ಯಾವ KPI ಗಳು ಅರ್ಥಪೂರ್ಣವಾಗಿವೆ ಮತ್ತು ಅವರನ್ನು ಹೇಗೆ ಗುಂಪು ಮಾಡುವುದು ಎಂಬುದನ್ನು ವಿವರಿಸಲು AI ಸಹಾಯಕವಾಗಿದೆ.
ಪಾತ್ರ: ನೀವು ಉತ್ಪಾದನಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಅನುಭವ ಹೊಂದಿರುವ ಕೈಗಾರಿಕಾ ಎಂಜಿನಿಯರ್ ಆಗಿದ್ದೀರಿ. ಕಾರ್ಯ: CNC ಅಂಗಡಿಗಾಗಿ ನಿರ್ವಾಹಕ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ. ನಿರ್ದಿಷ್ಟಪಡಿಸಿ: 1. 6 ಕೆಪಿಐಗಳವರೆಗೆ (ಪ್ರತಿಯೊಂದಕ್ಕೂ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಸೂತ್ರ).2. ಪ್ರತಿ ಕೆಪಿಐಗೆ ಗುರಿ ಮೌಲ್ಯದ ಪ್ರತಿಪಾದನೆ ಮತ್ತು "ಒಳ್ಳೆಯದು/ಗಮನ/ಕೆಟ್ಟ" ಮಿತಿಗಳು.3. ಯಾವ ಚಾರ್ಟ್ನಲ್ಲಿ ಯಾವ KPI ಅನ್ನು ಪ್ರದರ್ಶಿಸಲಾಗುತ್ತದೆ (ಟ್ರೆಂಡ್, ಸೂಚಕ, ಚಾರ್ಟ್).4. 3 ನಿರ್ವಹಣೆ ಪ್ರಶ್ನೆಗಳು ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಉತ್ತರಿಸುತ್ತದೆ. ನಿಯಮ: KPI ಹಣದುಬ್ಬರವನ್ನು ತಪ್ಪಿಸಿ; ಪ್ರತಿ ಸೂಚಕವು ನಿರ್ಧಾರವನ್ನು ಪೂರೈಸುತ್ತದೆ ಎಂದು ವಿವರಿಸಿ. ಮಾಡಿದ ಗುರಿ ಮೌಲ್ಯವನ್ನು ನೀಡಬೇಡಿ, "ಅದನ್ನು ಸೆಕ್ಟರ್ ಪ್ರಕಾರ ಸರಿಹೊಂದಿಸಬೇಕು" ಎಂದು ಹೇಳಿ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ನನ್ನನ್ನು ಪ್ರೊಡಕ್ಷನ್ ಬೋರ್ಡ್ ಮಾಡಿ.
ಯಾವುದೇ ಗುರಿ ಪ್ರೇಕ್ಷಕರು, ಡೇಟಾ ಮೂಲ ಮತ್ತು ಉದ್ದೇಶವಿಲ್ಲದಿದ್ದರೆ, AI ಸಾಮಾನ್ಯ ಪಟ್ಟಿಯನ್ನು ಡಂಪ್ ಮಾಡುತ್ತದೆ; ಯಾವುದೇ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ಶಿಫ್ಟ್ ಮೇಲ್ವಿಚಾರಕರಿಗೆ ಬೋರ್ಡ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ, ಅದನ್ನು ಪ್ರತಿದಿನ ಬೆಳಿಗ್ಗೆ 5 ನಿಮಿಷಗಳಲ್ಲಿ ಓದಲಾಗುತ್ತದೆ. ಉದ್ದೇಶ: ನಿನ್ನೆಯ ಪಾಳಿಯಲ್ಲಿ ಎಲ್ಲಿ ನಷ್ಟವಾಗಿದೆ, ಇಂದು ಏನು ಗಮನ ಕೊಡಬೇಕು. ಗರಿಷ್ಠ 5 KPI ಗಳು, ಪ್ರತಿಯೊಂದೂ ವ್ಯಾಖ್ಯಾನ + ಸೂತ್ರ + ಮಿತಿ. ನನ್ನ ಡೇಟಾ ಮೂಲ, MES ನಿಂದ ಗಂಟೆಯ ಉತ್ಪಾದನೆ, ಅಲಭ್ಯತೆ ಮತ್ತು ವ್ಯರ್ಥ ದಾಖಲೆಗಳು. ಅತಿಯಾದ ವಿವರಗಳನ್ನು ತಪ್ಪಿಸಿ.
ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್ ಬಳಕೆದಾರರನ್ನು, ಬಳಕೆಯ ಕ್ಷಣ ಮತ್ತು ಡೇಟಾ ಮೂಲವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ; ಫಲಿತಾಂಶವು ವಾಸ್ತವವಾಗಿ ಬಳಸಲಾಗುವ ಬೋರ್ಡ್ ಆಗಿದೆ.
ಡಿಸ್ಕ್ರೀಟ್ ಈವೆಂಟ್ ಸಿಮ್ಯುಲೇಶನ್ (DES)
ಸಿಮ್ಯುಲೇಶನ್ ನೈಜ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಡ್ಡಿಪಡಿಸದೆ ಪ್ರಯೋಗ ಮಾಡುವ ಒಂದು ಮಾರ್ಗವಾಗಿದೆ: ನೀವು ಹೊಸ ಯಂತ್ರವನ್ನು ಸೇರಿಸಿದಾಗ ಸರದಿಯಲ್ಲಿ ಏನಾಗುತ್ತದೆ, ಶಿಫ್ಟ್ ಬದಲಾದಾಗ ಔಟ್ಪುಟ್ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ? ಡಿಸ್ಕ್ರೀಟ್ ಈವೆಂಟ್ ಸಿಮ್ಯುಲೇಶನ್ (DES) ಸಿಸ್ಟಮ್ ಅನ್ನು "ಈವೆಂಟ್ಗಳ" ಅನುಕ್ರಮವಾಗಿ ರೂಪಿಸುತ್ತದೆ (ಭಾಗ ಆಗಮನ, ಪ್ರಕ್ರಿಯೆ ಮುಕ್ತಾಯ). ಮೂಲ ಒಳಹರಿವು: ಅಂತರ-ಆಗಮನ ಸಮಯದ ವಿತರಣೆ, ಸೇವಾ ಸಮಯದ ವಿತರಣೆ, ಸಂಪನ್ಮೂಲಗಳ ಸಂಖ್ಯೆ, ಸರತಿ ಶಿಸ್ತು.
ಪಾತ್ರ: ನೀವು ಸಿಮ್ಯುಲೇಶನ್ನಲ್ಲಿ ಅನುಭವಿ ಕೈಗಾರಿಕಾ ಇಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಪೈಥಾನ್ ಸಿಮ್ಪಿಯೊಂದಿಗೆ ಕೆಳಗಿನ ಸಿಸ್ಟಂ ಅನ್ನು ರೂಪಿಸಲು ಚೌಕಟ್ಟನ್ನು ಬರೆಯಿರಿ:- ಭಾಗಗಳು ಸರಾಸರಿ ಪ್ರತಿ 4 ನಿಮಿಷಗಳಿಗೆ ಬರುತ್ತವೆ (ಘಾತೀಯ ವಿತರಣೆ)- ಏಕ ಯಂತ್ರ, ಸಂಸ್ಕರಣಾ ಸಮಯ ಸರಾಸರಿ 3.5 ನಿಮಿಷಗಳು (ಘಾತೀಯ)- ಕ್ಯೂ FIFO ನಾನು ಔಟ್ಪುಟ್ನಂತೆ ಅಳೆಯಲು ಕ್ಯೂ FIFO ಯಂತ್ರದ ಕಾಮೆಂಟ್ ಉದ್ದ: ಸರಾಸರಿ, ಕೋಡ್ ಕಾಮೆಂಟ್. ಪ್ರಾರಂಭದಲ್ಲಿ ವಿತರಣಾ ಊಹೆಗಳನ್ನು ಬರೆಯಿರಿ. ಅಲ್ಲದೆ: ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಲು ನಾನು ಯಾವ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಬಹುದು (ಉದಾ. M/M/1 ಟೈಲ್ ಸೂತ್ರಗಳೊಂದಿಗೆ ಹೋಲಿಕೆ)?
ಇಲ್ಲಿ ಕೊನೆಯ ಸಾಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ: ಸಾಧ್ಯವಾದರೆ ಉತ್ತಮ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪರಿಶೀಲನೆಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಮೇಲಿನ ಸರಳ ವ್ಯವಸ್ಥೆಯು M/M/1 ಸರದಿಯಾಗಿದೆ; ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶವು ಬಳಕೆಯ ದರ ρ = 3.5/4 = 0.875 ಮತ್ತು ಸಿಸ್ಟಮ್ನಲ್ಲಿನ ಸರಾಸರಿ ಸಂಖ್ಯೆ L = ρ/(1−ρ) = 0.875/0.125 = 7 ನಂತಹ ಸೈದ್ಧಾಂತಿಕ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಬೇಕು.
ಎಚ್ಚರಿಕೆ: ಸಿಮ್ಯುಲೇಶನ್ ಔಟ್ಪುಟ್ ಇನ್ಪುಟ್ ಊಹೆಗಳಷ್ಟೇ ಉತ್ತಮವಾಗಿದೆ ("ಗಾರ್ಬೇಜ್ ಇನ್, ಗಾರ್ಬೇಜ್ ಔಟ್"). AI ಕೆಲವೊಮ್ಮೆ ವಿತರಣೆಯನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಊಹಿಸುತ್ತದೆ ಅಥವಾ ಒಂದೇ ಓಟದ ಫಲಿತಾಂಶವನ್ನು ಕಠಿಣ ಸತ್ಯವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ. ಬಹು ರನ್ಗಳನ್ನು ರನ್ ಮಾಡಿ (ಪ್ರತಿಕೃತಿಗಳು), ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳನ್ನು ಲೆಕ್ಕಹಾಕಿ ಮತ್ತು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಇನ್ಪುಟ್ ವಿತರಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.
ಮಿನಿ ಕೇಸ್: ತಪ್ಪು ಕಲ್ಪನೆಗಳೊಂದಿಗೆ ಸಿಮ್ಯುಲೇಶನ್
ಅಸೆಂಬ್ಲಿ ಲೈನ್ನಲ್ಲಿ, ಎರಡನೇ ಪ್ಯಾಕಿಂಗ್ ಸ್ಟೇಷನ್ ಅನ್ನು ಸೇರಿಸುವುದರಿಂದ ಸರದಿಯನ್ನು ನಾಶಪಡಿಸುತ್ತದೆ ಎಂದು ನಿರ್ವಹಣೆ ಭಾವಿಸುತ್ತದೆ. ಇಂಡಸ್ಟ್ರಿಯಲ್ ಇಂಜಿನಿಯರ್ ಡೆನಿಜ್ AI ನೊಂದಿಗೆ DES ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುತ್ತಾನೆ. ಮೊದಲ ಫಲಿತಾಂಶವು "ಎರಡನೇ ನಿಲ್ದಾಣವು ಕ್ಯೂ ಅನ್ನು 70% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ" ಎಂದು ಹೇಳುತ್ತದೆ. ಆದರೆ ಡೆನಿಜ್ ಇನ್ಪುಟ್ ವಿತರಣೆಯನ್ನು ಪರಿಶೀಲಿಸಿದಾಗ, ನಿಜವಾದ ಆಗಮನದ ಡೇಟಾವು ಘಾತೀಯವಾಗಿಲ್ಲ, ಆದರೆ ಊಟದ ವಿರಾಮದ ಸಮಯದಲ್ಲಿ ಕೇಂದ್ರೀಕರಿಸುವ "ಸ್ಫೋಟಕ" ರಚನೆಯನ್ನು ಹೊಂದಿದೆ ಎಂದು ಅವನು ನೋಡುತ್ತಾನೆ. ಸರಿಯಾದ ವಿತರಣೆಯೊಂದಿಗೆ ನಾವು ಮಾದರಿಯನ್ನು ಮತ್ತೆ ಚಲಾಯಿಸಿದಾಗ, ಎರಡನೇ ನಿಲ್ದಾಣವು ನಿಜವಾದ ಅಡಚಣೆಯನ್ನು ಪರಿಹರಿಸುವುದಿಲ್ಲ ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ, ಮತ್ತು ಸಮಸ್ಯೆಯು ವಿರಾಮದ ಯೋಜನೆಯಲ್ಲಿದೆ. ಸಿಮ್ಯುಲೇಶನ್ ಹೂಡಿಕೆಯನ್ನು ಅನಗತ್ಯವಾಗಿ ಶಿಫಾರಸು ಮಾಡುವುದನ್ನು ಉಳಿಸುತ್ತದೆ. ಪಾಠ: AI ತ್ವರಿತವಾಗಿ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿತು ಆದರೆ ತಪ್ಪು ಊಹೆಯೊಂದಿಗೆ ತಪ್ಪು ನಿರ್ಧಾರವನ್ನು ಸೂಚಿಸಿತು; ಸರಿಯಾದ ಡೇಟಾವನ್ನು ಹಾಕುವ ವ್ಯಕ್ತಿ ಇದು.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- KPI ಅನ್ನು ತಪ್ಪಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವುದು: OEE ಘಟಕಗಳನ್ನು ಸೇರಿಸುವುದು ಅಥವಾ ಚಕ್ರ ಮತ್ತು ಪ್ರಮುಖ ಸಮಯವನ್ನು ಗೊಂದಲಗೊಳಿಸುವುದು.
- KPI ಹಣದುಬ್ಬರ: ನಿರ್ಧಾರವನ್ನು ಪೂರೈಸದ ಡ್ಯಾಶ್ಬೋರ್ಡ್ನಲ್ಲಿ ಡಜನ್ಗಟ್ಟಲೆ ಸೂಚಕಗಳನ್ನು ಹಾಕುವುದು.
- ಒಂದು ಓಟದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ: ಒಮ್ಮೆ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ರನ್ ಮಾಡುವುದು ಮತ್ತು ಫಲಿತಾಂಶವು ಖಚಿತವಾಗಿದೆ ಎಂದು ಊಹಿಸುವುದು; ಪ್ರತಿಕೃತಿ ಅಲ್ಲ.
- ಇನ್ಪುಟ್ ವಿತರಣೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸುತ್ತಿಲ್ಲ: ಡೀಫಾಲ್ಟ್ (ಘಾತೀಯ, ಇತ್ಯಾದಿ) ವಿತರಣೆಯನ್ನು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಹೋಲಿಸುವುದಿಲ್ಲ.
- ವಿಶ್ಲೇಷಣಾತ್ಮಕ ತಪಾಸಣೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು: ಸರಳ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಸೈದ್ಧಾಂತಿಕ ಸರತಿ ಸೂತ್ರದೊಂದಿಗೆ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ಅಡ್ಡ-ಪರಿಶೀಲಿಸದಿರುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
- KPI ಯ ಶಕ್ತಿಯು ಸರಿಯಾದ ವ್ಯಾಖ್ಯಾನದಿಂದ ಬರುತ್ತದೆ; OEE ಉತ್ಪನ್ನವಾಗಿದೆ, ಲಿಟಲ್ಸ್ ಲಾ WIP-ಫ್ಲೋ-ಔಟ್ಪುಟ್ ಅನ್ನು ಸಂಪರ್ಕಿಸುತ್ತದೆ.
- ಉತ್ತಮ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಸರಿಯಾದ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ, ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಗಳಲ್ಲ; ಬಳಕೆದಾರ, ನಿದರ್ಶನ ಮತ್ತು ಡೇಟಾ ಮೂಲವು ಸ್ಪಷ್ಟವಾಗಿರಬೇಕು.
- DES ನೈಜ ವ್ಯವಸ್ಥೆಯನ್ನು ಮುರಿಯದೆ ಸನ್ನಿವೇಶಗಳನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತದೆ; ಇನ್ಪುಟ್ ವಿತರಣೆಯು ಫಲಿತಾಂಶದ ಗುಣಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.
- ಪ್ರತಿಕೃತಿ (ವಿಶ್ವಾಸ ಮಧ್ಯಂತರ) ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸೂತ್ರದ ಮೂಲಕ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ.
- AI ತ್ವರಿತವಾಗಿ ಮಾದರಿ ಮತ್ತು ಬೋರ್ಡ್ ಅನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ; ಊಹೆಗಳನ್ನು ಸರಿಯಾಗಿ ಇರಿಸುವ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಅರ್ಥೈಸುವ ವ್ಯಕ್ತಿ ಇದು.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಉತ್ಪಾದನೆ/ಸೇವಾ ವ್ಯವಸ್ಥೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೊದಲು ನೀವು 5 KPI ಗಳು ಅಥವಾ ಅದಕ್ಕಿಂತ ಕಡಿಮೆ ಇರುವ ಶಿಫ್ಟ್ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಅನ್ನು AI ವಿನ್ಯಾಸವನ್ನು ಹೊಂದಿದ್ದೀರಿ; ಪ್ರತಿ KPI ಯ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಸೂತ್ರವನ್ನು ತೋರಿಸಿ ಮತ್ತು OEE ಇದ್ದರೆ ಮೂರು ಘಟಕಗಳನ್ನು ಗುಣಿಸಲಾಗುತ್ತದೆ ಎಂದು ಪರಿಶೀಲಿಸಿ. ನಂತರ AI ಅನ್ನು ಸರಳ ಕ್ಯೂಯಿಂಗ್ ಸಿಸ್ಟಮ್ (ಏಕ ಸರ್ವರ್) ಗಾಗಿ SimPy ಅಸ್ಥಿಪಂಜರವನ್ನು ಮುದ್ರಿಸಿ ಮತ್ತು ಮೇಲ್ಭಾಗದಲ್ಲಿ ಇನ್ಪುಟ್ ವಿತರಣೆಯ ಊಹೆಗಳನ್ನು ಮುದ್ರಿಸಿ. ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಶೀಲನೆ: ಸಿಸ್ಟಮ್ ಅನ್ನು M/M/1 ಸರತಿಯಂತೆ ಪರಿಗಣಿಸಿ ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಹೋಲಿಸಿ, ಬಳಕೆಯ ದರ ρ ಮತ್ತು ಸರಾಸರಿ ಸಂಖ್ಯೆ L ಅನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಅಂತಿಮವಾಗಿ, ಸನ್ನಿವೇಶ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸಿ (ಎರಡನೇ ಸರ್ವರ್ ಅನ್ನು ಸೇರಿಸುವುದು) ಮತ್ತು ಇನ್ಪುಟ್ ವಿತರಣೆಯ ನೈಜತೆಯನ್ನು ಪ್ರಶ್ನಿಸುವ ಮೂಲಕ AI ಫಲಿತಾಂಶವನ್ನು ಟೀಕಿಸಿ.