Pelnas:
- Suprasti tekstilės gamybos planavimo struktūrą ir apribojimus, pajėgumų balansavimo ir planavimo problemas
- Galimybė sukurti scenarijų generavimą, kliūčių analizę ir spalvų / partijų užsakymo optimizavimą naudojant AI
- Gebėjimas įgyvendinti patvirtinimo metodą, kuris patikrina plano rekomendacijas, palyginti su faktiniu pajėgumu, pristatymo data ir OEE duomenimis
Tekstilės fabrikas turi derinti dešimtis užsakymų vienu metu, ribotą mašinų skaičių, skirtingas pristatymo datas ir nuolat besikeičiančius prioritetus. Gamybos planavimas – tai menas paversti šį chaosą tvarka: koks užsakymas bus gaminamas, kokia mašina, kokia tvarka, kada? Dėl netinkamo plano mašina neveikia, vėluoja pristatymas ir nereikalingas sąrankos laikas. Dirbtinis intelektas yra galingas šios sudėtingos problemos pagalbininkas: jis generuoja scenarijus, padaro matomas kliūtis ir siūlo ribotus optimizavimo būdus, pvz., dažų partijų užsakymą. Tačiau plano realybė; Tai apima mašinos gedimą, žaliavų vėlavimą ir žmogiškąjį veiksnį. Šiame skyriuje apžvelgsime planavimą ir disciplinuotą AI naudojimą.
Planavimo problemos struktūra
Tekstilės planavimas – tai keli tarpusavyje susiję sprendimai. Pajėgumų planavimas: ar reikalaujamas darbas subalansuotas su turimomis mašinų darbo valandomis? Užduočių seka (planavimas): tvarka, kuria darbai bus atliekami kiekviename įrenginyje. Partijos dydis: kiek partijų efektyvu pagaminti tą patį produktą. Sąrankos / keitimo laikas: mašinos sąranka, valymas, spalvų keitimas užtrunka, kai pereinama nuo vieno darbo prie kito. Termino apribojimai: kiekvienas užsakymas turi terminą, iki kurio jo negalima atidėti.
Šios problemos pobūdis yra kombinacinis: net ir nedidelis užduočių skaičius sukuria tiek daug galimų sekų, kad neįmanoma jų visų išbandyti. Todėl praktiškai siekiama ne „geriausio“, o „pakankamai gero“ plano, atitinkančio suvaržymus. Dvi svarbios metrikos yra mašinos panaudojimas / OEE (bendras įrangos efektyvumas; integruotas koeficientas, kuriuo matuojamas mašinos veikimo efektyvumas – prieinamumas × našumas × kokybė) ir pristatymo laiku greitis.
Patarimas: nesivaikykite „optimalaus“ planuodami; Tvirtas ir lankstus planas, atitinkantis apribojimus (pristatymas, pajėgumas, tranzitas), teoriškai yra geriau nei tobulas, bet trapus planas. Tikroji gamykla nuolat keičiasi.
Tekstilės gaminiams būdingas apribojimas: spalvų rūšiavimas
Dažų parduotuvės tvarkaraštyje galioja svarbi taisyklė: užsakykite nuo šviesios iki tamsios spalvos. Jei toje pačioje mašinoje po tamsios spalvos dažoma šviesia spalva, kyla likutinio dažų užteršimo ir papildomo valymo/plovimo laiko pavojus. Rūšiuojant nuo šviesios iki tamsos, ši rizika ir mirimo laikas sumažėja. Visose PG parengtose grafiko rekomendacijose turi būti įtrauktas šis proceso apribojimas; Jei grynai matematinis „trumpiausio laiko“ pasiūlymas pažeidžia šią taisyklę, jis neveiks gamyboje. Panašiai sugrupavus tą patį siūlų skaičių arba tą patį audinio tipą, sutrumpėja nustatymo laikas.
Žingsnis po žingsnio: AI valdoma planavimo darbo eiga
- Patikslinkite įvestį. Užsakymai (kiekis, pristatymo data, prekė), mašinų pajėgumai, tranzito laikai, apribojimai.
- Sukurkite scenarijų. Paprašykite AI dėl skirtingų rūšiavimo / priskyrimo scenarijų; Palyginkite kiekvieno pristatymo ir naudojimo poveikį.
- Įvesti apribojimus. Įveskite tokias taisykles kaip spalvų tvarka, prioritetinis klientas, priežiūros langai.
- Raskite kliūtis. Kuri mašina / scena riboja planą? Ar nepakanka pajėgumų?
- Patikrinkite su žmogumi. Tegul planavimo pareigūnas ištaiso planą su realiais apribojimais (žinomas gedimas, leidimas, skubus nurodymas).
- Stebėkite ir perplanuokite. Atnaujinkite planą pagal faktinį realizavimą (plaukiojantis planavimas).
Trys mini dėklai: pagal numerius
1 atvejis – perėjimo laiko padidėjimas. Mezgimo dirbtuvėse darbai buvo užsakyti atsitiktinai, keičiant verpalus/skaičius, sukuriant ~8 sąrankas per dieną ir ~4 valandas neveikiančio laiko. AI pasiūlė rūšį, kuri sugrupuoja panašius skaičius; Instaliacijų skaičius sumažėjo nuo 8 iki 5, o neveikiantis laikas sumažėjo iki ~2,3 val. Planavimo pareigūnas rankiniu būdu pateikė skubų užsakymą ir užbaigė planą; Pasiūlymas buvo gera pradžia, sprendimas buvo žmogaus rankose.
2 atvejis – spalvų rūšiavimo klaida. Viena programinė įranga optimizavo dažus, kad būtų pasiektas „trumpiausias bendras laikas“, tačiau nepaisė tamsios šviesos perėjimų; Pirmą kartą naudojant atvirą partiją buvo užteršta ir perdažyta, buvo prarastas dvigubai daugiau laiko. Problema buvo išspręsta, kai į planą buvo įtrauktas apribojimas (nuo šviesos iki tamsos). Pamoka: proceso taisyklė yra prieš matematiką.
3 atvejis – kliūties kaklelio matomumas. Viename objekte pristatymai nuolat vėlavo; Kaltė buvo suversta mašinoms. AI išanalizavo darbo eigą ir parodė, kad kliūtis buvo avino (džiovinimo-fiksavimo) mašina, o kitos mašinos jo laukia. Kai prie Ram buvo pridėta antra pamaina, pristatymas laiku padidėjo nuo 71% iki 89%. AI padarė matomą kliūtį; Investicinį sprendimą priėmė vadovybė.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Suplanuokite šiuos užsakymus geriausiu įmanomu būdu.
Galingas raginimas:
Jūsų vaidmuo: Tekstilės gamybos planavimo specialistas.Įvestis: Žemiau yra 12 užsakymų (prekė, kiekis, pristatymo data) ir 3 dažymo mašinos (talpa, pristatymo laikas).Apribojimai:- Kiekvienoje mašinoje rūšiuoti nuo ŠVIESOS iki TAMSIOS spalvos (užteršimo rizika).- Neturi būti vėluojančių terminų; Jei taip, aiškiai perspėkite. - Sumažinkite įrengimo skaičių sugrupuodami tą patį gaminį. Užduotis: Pasiūlykite 2 alternatyvius grafikus; Kiekvienam nurodykite numatomą pristatymo laiku greitį, bendrą įrenginių skaičių ir kliūties mašiną. Talpa/data neįtraukta į duomenis. Duomenys: [lentelė]
Kopijuojami šablonai
1) Scenarijų palyginimas:
Sugeneruokite 3 diagramos scenarijus su toliau nurodytais tvarka ir talpos duomenimis. Palyginkite kiekvieno scenarijaus pristatymo laiku greitį, įrengimų skaičių, mašinos naudojimą ir didžiausią riziką lentelės pavidalu. Apribojimai: [sąrašas]. Duomenys: [lentelė]
2) Spalvų sekos optimizavimas:
Rūšiuokite šiuos dažymo darbus nuo šviesios iki tamsios toje pačioje mašinoje; Sumažinkite užteršimo riziką spalvų perėjimo metu. Pažymėkite visus, kurie pažeidžia terminą. Darbai: [spalva, kiekis, pristatymas]
3) Kliūties kaklelio analizė:
Raskite šio gamybos srauto kliūtis (kiekvieno etapo etapus ir pajėgumus). Kuris etapas verčia kitus laukti? Kaip pajėgumų padidinimas X % paveikia bendrą produkciją (apytikslis įvertinimas)? Duomenys: [srautas]
4) Perplanuoti aktyviklį:
Buvo toks plano pakeitimas: [mašinos gedimas / skubus užsakymas]. Kaip galiu peržiūrėti dabartinį tvarkaraštį su kuo mažiau trikdžių? Išvardykite paveiktus užsakymus ir naujas pristatymo sąmatas. Dabartinis planas: [santrauka]
Planavimo kriterijų lentelė
kriterijus
Kokias priemones
gera kryptis
pastaba
Laiku pristatymo tarifas
tesėti pažadus
aukštas
klientų pasitikėjimas
OEE
mašinos efektyvumas
aukštas
Naudojamumas × našumas × kokybė
Įrengimų skaičius/trukmė
pereinamasis praradimas
žemas
Sumažėja grupavimas
Vidutinis srauto laikas
Užsakykite likti viduje
žemas
grynųjų pinigų ciklas
Butelio kakliuko naudojimas
ribojimo fazė
turi žiūrėti
Tai atskleidžia investicinius sprendimus
Dėmesio: AI diagrama yra pasiūlymas, o ne įsakymas. Tikroji gamykla apima žinomus gedimus, atostogas, žaliavų vėlavimą ir skubius klientų prašymus. Planavimo pareigūnas patvirtina galutinį tvarkaraštį ir prioritetų nustatymą su visa žodine / vietine informacija.
Dažnos klaidos
- Proceso taisyklės aplenkimas. Jei į planą neįtraukti apribojimai, pvz., spalvų išdėstymas, pasiūlymas neveiks.
- Siekis optimalaus. Pirmenybė teikiama tvirtam lanksčiam planui, o ne trapiam tobulam planui.
- Nematyti kliūties. Ištekliai išleidžiami netinkamoje vietoje; Tikroji siena yra kitame etape.
- Statinis planavimas. Jei planas neatnaujinamas keičiantis realybei, jis greitai pasensta.
- Išskyrus žmogaus žinias. Verbalinio prioriteto ir vietinių apribojimų modelyje nėra.
Apibendrinant
Gamybos planavimas – tai problema, norint įvykdyti didelį užsakymų skaičių iki pristatymo datos su ribotais ištekliais; Dėl savo kombinacinio pobūdžio siekiama „pakankamai gero“ ir lankstaus plano. Dirbtinis intelektas generuoja scenarijus, daro matomas kliūtis ir siūlo ribotus optimizavimus, pvz., spalvų rūšiavimą, tačiau proceso taisyklės turi būti įtrauktos į raginimą, planas turi būti baigtas laikantis realių apribojimų ir žmogaus sprendimo. Besikeičiančioje gamykloje planas nuolat tikslinamas.
Taikymo užduotis
Paruoškite bent 8 užsakymų (kiekis, pristatymo data) ir 2-3 mašinų pavyzdinį įrašą. Taikykite „scenarijų palyginimo“ ir „spalvų sekos optimizavimo“ šablonus iš šio įrenginio. Identifikuokite kliūtis geriausiu atveju, kurį siūlo AI, ir rekomenduokite veiksmą jai pašalinti (antroji pamaina, užsakomųjų paslaugų perkėlimas, sekos keitimas). Pastraipa patikrinkite, kaip spalvų sekos taisyklė atsispindi siūlomame plane.
kontrolinis sąrašas
- [ ] Eilutei pateikiau proceso apribojimus (spalvų tvarką, grupavimą).
- [ ] Siekiu tvirto ir lankstaus plano, o ne optimalaus.
- [ ] Išanalizuoju kliūtis ir nukreipiu išteklius į reikiamą vietą.
- [ ] Planą reguliariai peržiūriu pagal faktinį įgyvendinimą.
- [ ] Galutinį tvarkaraštį rengiu gavęs planavimo pareigūno pritarimą.