이득:
- 기준시간, 템포등급, 수당(수당) 개념을 계산하는 기능
- AI를 통해 작업 단계 분석, ECRS 최적화 및 MTM/라인 밸런싱 초안을 생성하는 기능
- 실제 측정 데이터로 AI가 제안한 표준 시간을 검증하는 원칙을 적용하는 능력
작업 연구는 산업 공학의 기초 학문 중 하나입니다. 작업이 어떻게 수행되는지 체계적으로 검토하고(방법 연구), 소요 시간을 측정(시간 연구)하여 더 나은 작업 방법과 현실적인 표준 시간을 생성합니다. 표준시 이는 원가 계산, 용량 계획, 라인 밸런싱 및 인센티브 시스템의 기초입니다. 잘못된 표준은 잘못된 가격 책정과 비현실적인 목표를 의미합니다. AI는 작업 단계 분석, ECRS 개선 아이디어 생성, 라인 밸런싱 청사진 설정 등 이 분야에서 강력합니다. 하지만 템포 그레이딩과 실시간 측정은 현장에서 이루어집니다. 이번 단원에서는 표준 시간 계산과 AI의 적절한 역할을 다룹니다.
표준시의 구성 요소
표준 시간은 여러 단계를 거쳐 관찰된 원시 시간에서 파생됩니다.
1) 관측 시간(NZ): 스톱워치로 측정한 원시 시간(평균).2) 정상 시간(NZ) = OZ × 템포(평가 요소) - 페이스는 "정상" 속도에 대한 작업자의 평가입니다. - 100% = 보통, 110% = 평소보다 빠름, 90% = 느림.3) 표준시(SZ) = NZ × (1 + 공유 비율) - 공유: 개인적인 필요, 피로(휴식), 불가피한 지연.
작은 예입니다. 조립 작업의 평균 관찰 시간이 45초이고, 관찰된 템포가 110%이며, 총 마진이 15%라고 가정해 보겠습니다.
NZ = 45 × 1.10 = 49.5초SZ = 49.5 × (1 + 0.15) = 49.5 × 1.15 ≒ 56.9초
그래서 실제 연주는 빠르지만(템포가 높음), 마진이 추가되면서 기준 시간이 관찰 시간을 초과하게 됩니다. 여기서 템포 값은 주관적인 엔지니어링 판단이며 경험이 필요합니다. AI는 이를 관찰할 수 없습니다.
주의: AI에게 "표준 시간을 계산하라"고 지시할 때는 반드시 템포와 여유를 주어야 합니다. AI가 저절로 "템포가 100%라고 가정합니다"라고 말하고 계속한다면, 그 가정은 현장의 현실을 반영하지 못할 수도 있고 표준 시간을 왜곡하게 될 수도 있습니다.
얼마나 관찰하는가? (샘플 크기)
단일 측정만으로는 충분하지 않습니다. 프로세스 가변성이 있습니다. 필요한 관찰 횟수는 원하는 신뢰도와 정밀도를 기반으로 통계적으로 결정됩니다. 대략적인 접근 방식은 처음 몇 가지 관측치의 변동성을 살펴보고 목표 정밀도에 필요한 n을 계산하는 것입니다.
다음 예비 관찰(초)을 사용하여 95% 신뢰도와 ±5% 정밀도에 필요한 관찰 횟수를 추정합니다. 공식과 가정을 작성합니다. 관찰: {{ 44, 46, 45, 48, 43, 47, ... }}다음: 현재 관찰 횟수가 충분합니까? 그렇지 않다면 몇 개가 더 필요합니까?
AI를 활용한 방법 연구 및 ECRS
방법 연구의 목적은 작업을 더 잘 수행하는 것입니다. ECRS 쿼리는 제거, 결합, 재배열, 단순화 등의 강력한 프레임워크입니다.
역할: 귀하는 작업 연구를 전문으로 하는 산업 엔지니어입니다. 작업: ECRS 프레임워크를 사용하여 다음 작업 단계를 평가합니다. 각 단계에 대해: 이 단계를 제거/결합/재정렬/단순화할 수 있습니까? 구체적인 제안과 예상 시간 효과를 작성합니다. 작업 단계 및 기간(초):1. 선반(6)2에서 부품을 꺼냅니다. 카운터(4)3에 올려 놓습니다. 나사(8)4를 수동으로 시작합니다. 토크 렌치(5)5로 조입니다. (3)6을 확인하세요. 완성된 부품을 상자에 넣습니다. (5)규칙: 인체공학과 품질을 손상시키는 제안을 피하십시오. 각 제안에 "현장 테스트를 거쳐야 함"이라는 메모를 제공하세요.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
속도를 높이세요.
맥락 없이; AI는 "자동화 추가"와 같은 일반적이고 비용에 구애받지 않는 제안을 제시합니다.
강력한 프롬프트:
ECRS를 사용하여 다음 작업 단계를 분석하고 추가 투자 없이 기존 장비에만 적용할 수 있는 제안을 제공합니다. 각 권장 사항에 대해 예상 시간 증가와 잠재적인 품질/인체 공학적 위험을 지정합니다. 상금을 합산하고 새로운 예상 사이클 시간을 계산합니다. 단계: {{ ... }}
두 번째 즉각적인 제약(추가 투자 없음)은 위험과 측정 가능한 수익을 요구합니다. 이렇게 하면 권장 사항을 직접 적용할 수 있습니다.
라인 밸런싱
조립 라인의 워크스테이션 간 로드 균형을 조정하면 병목 현상과 유휴 대기 시간이 줄어듭니다. 기본 개념:
택트타임 = 생산가능시간 / 수요(요구속도) 최소 스테이션 수 = 총 작업 내용 / 택트 타임(반올림) 라인 효율 = 총 작업 내용 / (스테이션 수 × 사이클 타임)
예: 총 작업 내용 180초/개, 하루 생산 450분, 일일 수요 300개:
Takt = (450 × 60) / 300 = 27000 / 300 = 90초/개 최소 스테이션 = 180 / 90 = 2 스테이션
AI는 우선순위 관계를 기반으로 스테이션에 작업을 할당하는 초안을 생성합니다. 하지만 우선순위 다이어그램이 정확하고 할당이 실제로 takt를 초과하지 않는지 확인합니다.
Tip: AI가 제안한 스테이션 할당에서 각 스테이션의 총 시간이 택트타임을 초과하지 않는지 하나씩 합산하여 확인하세요. AI는 때때로 takt를 초과하는 작업을 스테이션에 할당하고 이를 "균형"으로 표시합니다.
미니 케이스: 언리얼 스탠다드
직물 작업장 재봉 스테이션의 표준 시간은 수년 전에 결정되었으며 작업자는 항상 목표를 초과합니다. 산업 엔지니어 Kerem은 작업을 다시 연구합니다. 그는 15개의 관찰을 수행하고 템포를 95%(약간 느린 연산자)로 평가하고 점유율을 12%로 얻습니다. 이 데이터를 AI에 입력하고 표준시를 계산한 후 ECRS를 통해 개선 제안을 요청합니다. AI는 한 단계를 양손 병렬 작업(두 손 활용) 제안과 결합합니다. Kerem은 현장에서 제안을 테스트합니다. 사이클 타임이 감소하고 새롭고 현실적인 표준이 확립됩니다. 차이점: 이전 표준, 업데이트되지 않은 템포 및 방법으로 계산되었습니다. AI는 계산과 추천을 가속화했습니다. 인간이 템포 평가와 현장 테스트를 수행했습니다.
일반적인 실수
- 공유 망각: 휴식과 개인 공유를 추가하지 않음으로써 비현실적인(너무 짧은) 표준을 생성합니다.
- 템포를 AI에 맡기다: 현장에서 주관적인 템포 평가를 하지 않고 추측을 바탕으로 합니다.
- 불충분한 관찰: 단일/몇 번의 측정으로 표준 설정; 변동성을 무시하십시오.
- 택트를 초과하는 스테이션: 라인 밸런싱에서 스테이션 부하와 택트 타임을 비교하지 않습니다.
- 표준을 업데이트하지 않음: 방법이 변경되어도 이전 표준을 계속 사용합니다.
요약하면
- 표준시 = 일반시 × (1 + 분자); 일반 시간 = 관측 시간 × 속도. 세 가지 구성 요소가 모두 필요합니다.
- 페이스 등급은 주관적인 엔지니어링 판단입니다. AI는 당신을 대신해 관찰할 수 없습니다.
- 충분한 수의 관찰은 통계에 의해 결정됩니다. 단일 측정으로는 표준을 설정할 수 없습니다.
- ECRS는 방법 개선을 위한 강력한 프레임워크입니다. 제약과 위험이 있는 제안을 요청하세요.
- 라인 밸런싱 시 각 국의 택트타임을 초과하지 않는지 반드시 확인하십시오.
응용과제
직업을 선택하세요(실제 또는 가상, 5~7단계). 단계의 평균 관찰 시간을 기록하고 템포(예: 105%)와 공유 비율(예: 13%)을 결정합니다. AI가 표준 시간을 계산하고 각 단계를 표시하도록 하세요. 중요한 검증: NZ와 SZ를 수동으로 계산하고 AI와 비교합니다. 그런 다음 ECRS를 사용하여 단계를 분석하고 "추가 투자 없음" 제약 조건이 포함된 최소 두 가지 제안을 얻습니다. 각 제안의 두 번째 이득을 더하고 새로운 주기 시간을 찾습니다. 마지막으로 일일 수요를 가정하고 택트타임과 최소 스테이션 수를 계산합니다. AI의 스테이션 할당이 takt를 초과하는지 확인하세요.