이득:
- 기본 수준에서 MPS, MRP 및 워크샵 일정 관리 개념을 설명하는 능력
- 스케줄링 규칙 및 시나리오(SPT, EDD, 임계 비율)를 AI와 비교하는 기능
- AI 출력의 용량 및 제약 위반을 확인하고 수정하는 기능
생산 계획은 "무엇을, 언제, 어떤 자원으로" 생산할지를 구성하는 중추 프로세스입니다. 좋은 계획은 마감일을 지키고, 기계를 유휴 상태로 두지 않으며, 재고를 부풀리지 않습니다. 잘못된 계획은 혼란, 초과 근무, 배송 지연을 초래합니다. AI는 일정 규칙을 비교하고, 시나리오를 생성하고, 제약 조건을 나열하는 데 있어 이 분야에서 강력합니다. 그러나 용량과 우선순위 제약을 간과하고 "서류상으로는 훌륭하지만 실행 불가능한" 계획을 생성할 수도 있습니다. 이 단원에서는 MPS/MRP 개념, 일정 예약 규칙 및 AI 결과를 검증하는 방법을 다룹니다.
계획 계층: MPS 및 MRP
생산 계획은 일반적인 것부터 구체적인 것까지의 계층 구조입니다.
레벨
무엇을
시간 지평선
S&OP / 대량 계획
수요-능력 균형을 대략적으로 설정합니다.
개월
MPS(마스터 생산 일정)
완제품을 기간으로 나눕니다.
주
MRP(자재소요계획)
BOM에서 구성요소 요구사항을 제거합니다.
주/일
워크샵 일정
기계/시계에 작업 배치
일/시간
MRP 논리는 기본적으로 간단합니다. MPS(완제품 수요)를 가져와 BOM(자재 명세서)으로 폭발시키고, 보유 재고 및 미결 주문을 차감하고, 순 소요량을 리드 타임만큼 뒤로 이동합니다(상쇄). AI는 이 논리를 설명하고 예제 테이블을 설정하는 데 능숙합니다.
역할: 귀하는 생산 계획을 전문으로 하는 산업 엔지니어입니다. 작업: 다음 제품에 대한 간단한 MRP 테이블을 설정합니다. 총 소요량, 계획된 납품, 보유 재고, 순 소요량 및 계획된 주문 릴리스에 대한 행을 매주 표시합니다.제품: A(주간 총 소요량: {{ 값 }})시작 재고: {{ x }}, 리드/생산 시간: {{ y 주 }}, 로트 크기: {{ lot }}규칙: 각 셀이 계산되는 방법을 간략하게 설명하고 오프셋을 올바르게 적용하십시오. 조작된 가치를 생산합니다.
팁: MRP 출력에서 가장 일반적인 오류는 잘못된 리드 타임 오프셋입니다. AI의 계획 주문 릴리스 라인이 순 소요량의 정확한 리드 타임 이전에 있는지 한 줄씩 확인하십시오.
스케줄링 규칙(디스패치 규칙)
머신에서 대기 중인 작업을 처리하는 순서는 평균 대기 시간과 흐름 시간에 직접적인 영향을 미칩니다. 가장 일반적인 우선순위 규칙:
- FCFS(선착순): 공정하지만 성과 지향적이지는 않습니다.
- SPT(최단 처리 시간): 평균 스트리밍 시간과 평균 대기 시간을 줄입니다. 긴 작업을 연기합니다.
- EDD(Earliest Delivery Date): 최대 지연을 줄이는 데 좋습니다.
- 임계율(CR): (남은 시간/남은 작업 시간); 배송 압력의 균형을 동적으로 조정합니다.
작은 예입니다. 4가지 작업, 1대의 기계, 처리 시간 및 배송 날짜:
사업 | 처리 시간 | 배달A | 4 | 6B | 2 | 4C | 6 | 8D | 1 | 3SPT 순서(시간별): D(1), B(2), A(4), C(6)완료 시간: D=1, B=3, A=7, C=13흐름 시간의 합 = 1 + 3 + 7 + 13 = 24 → 평균 = 6.0EDD 순서(배송별): D(3), B(4), A(6), C(8)완료 시간: D=1, B=3, A=7, C=13지연: D:0, B:0, A:1, C:5 → 최대 지연 = 5
다양한 규칙은 다양한 목적을 향상시킵니다: SPT 평균 유량, EDD 지연 피크 값. "어느 것이 맞나요?" 질문에 대한 답은 목적에 따라 달라지며, AI가 '이것이 최선'이라고만 한다고 해서 그런 결정이 내려지는 것은 아니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
가능한 최선의 방법으로 이러한 작업을 정렬하십시오.
"최고"는 정의되지 않았습니다. AI는 어떤 목적으로 최적화하는지 알지 못한 채 무작위 순서를 제공합니다.
강력한 프롬프트:
SPT 및 EDD 규칙을 모두 사용하여 이러한 작업을 정렬합니다. 각 행의 완료 시간, 평균 흐름 시간 및 최대 지연을 계산하고 비교 테이블을 만듭니다. 내 목표는 "마감일 누락을 최소화"하는 것입니다. 이유와 함께 이 목적에 더 적합한 규칙을 알려주십시오. 작동: {{ 목록 }}. 계정 단계를 표시합니다.
두 번째 프롬프트는 의도를 명확히 하고, 여러 규칙을 비교하고, 계정을 표시합니다. 이 세 가지가 없으면 차트 결정을 신뢰할 수 없습니다.
용량 및 제약 제어
계획이 용량을 초과하면 유효하지 않습니다. 기계 용량(시간), 교대 제한, 설정 시간, 우선 순위 관계(한 작업이 다른 작업보다 먼저 완료되어야 함) 및 자재 가용성과 같은 제약 조건을 기준으로 AI 생성 일정을 확인하세요.
제약 조건 위반에 대해 다음 차트를 확인하십시오. - 해당 주의 총 로드가 각 시스템의 용량(주당 40시간)을 초과합니까?- 설정 시간이 포함되어 있습니까?- 우선 순위 제약 조건(작업 B가 A보다 먼저 완료되어야 함)이 유지됩니까?차트: {{ ... }}. 위반 사항을 발견하면 표 형식으로 나열하고 수정 사항을 제안하세요.
주의: AI는 종종 용량 제약을 "잊고" 기계에 45시간의 작업 시간을 로드합니다. 생산을 결정하기 전에 각 기계의 주간 총 부하를 수동으로 또는 표로 수집하여 용량과 비교하십시오.
미니 사례: 병목 현상 기계와 잘못된 규칙
금속 가공 공장에서는 배송이 계속 지연됩니다. 산업 엔지니어인 Cansu는 작업이 FCFS로 정렬되는 것을 확인합니다. AI에게 현재 백로그, 처리 시간, 마감일을 제공하고 SPT, EDD, 임계 비율을 비교하도록 요청합니다. AI는 세 가지 규칙 모두에 대한 측정항목을 계산합니다. SPT는 평균 흐름에서 가장 좋지만 몇 가지 큰 작업은 너무 늦습니다. EDD는 최대 대기 시간을 크게 줄입니다. Cansu는 병목 벤치에서 EDD로 전환합니다. 하지만 AI가 제안한 첫 번째 일정은 두 작업의 우선순위 관계를 위반했습니다(조립에는 본체가 먼저 필요함). 칸수는 이를 제어단계에서 잡아서 고쳐준다. 결과적으로 지연이 감소하고 있습니다. AI가 규칙을 비교했습니다. 제약 조건 위반을 포착한 것은 인간 감사였습니다.
일반적인 실수
- 목표를 정의하지 않고 차트 작성: "최고"라고 말함; SPT와 EDD는 서로 다른 목적을 향상시킵니다.
- 용량을 통제하지 않음: AI의 과잉 용량 계획이 가능하다고 생각합니다.
- 설정 시간 무시: 설정 시간을 무시하고 실제로 작동하지 않는 계획을 세우는 것입니다.
- 우선순위 제약 우회: 조립 순서 등 필수 우선순위를 확인하지 않고 발행합니다.
- 하나의 규칙에 대한 고정: 모든 상황에서 동일한 규칙을 사용합니다. 병목 현상과 배송 압력이 변경되면 규칙도 변경되어야 합니다.
요약하면
- 생산 계획은 일반에서 특정까지의 계층 구조입니다(S&OP → MPS → MRP → 매장 스케줄링).
- MRP에서 가장 중요한 실수는 리드 타임 이동입니다. AI 출력을 한 줄씩 확인해보세요.
- 스케줄링 규칙(SPT, EDD, CR)은 다양한 목적을 개선합니다. 규칙의 선택은 목적에 따라 다릅니다.
- AI가 생성하는 모든 일정을 용량, 설정 및 우선순위 제약 조건과 비교하여 확인하세요.
- AI는 비교와 시나리오를 생성합니다. 제약 조건 위반을 감지하고 결정을 내리는 사람은 바로 사람입니다.
응용과제
최소 5개 작업(처리 시간 및 마감일 포함)에 대한 워크샵 일정 문제를 구성합니다. AI가 SPT 및 EDD 규칙을 사용하여 이러한 작업을 정렬하도록 합니다. 각 대기열의 평균 흐름 시간과 최대 지연을 계산합니다. 중요한 검증: 하나 이상의 규칙에 대한 완료 시간과 지표를 수동으로 계산하고 AI와 비교합니다. 그런 다음 우선순위 제약 조건(예: "작업 C는 작업 A보다 먼저 완료되어야 합니다")을 추가하고 AI의 일정이 이 제약 조건을 위반하는지 확인합니다. 마지막으로 목적(평균 흐름 또는 최대 지연)에 따라 어떤 규칙을 선택할지 한 문장으로 정당화하세요.