Ieguvumi:
- Spēja precīzi definēt un aprēķināt ražošanas KPI, piemēram, OEE, cikla laiku un WIP
- Spēja konfigurēt informācijas paneļa dizainu, diskrētu notikumu simulāciju un scenāriju analīzi ar AI
- Spēja pārbaudīt simulācijas un informācijas paneļa izvadus ar ievades pieņēmumiem un reāliem datiem
Rūpniecības inženieri pieņem lēmumus, pamatojoties uz mērījumiem, nevis intuīciju. Pareizi definēti KPI (Key Performance Indicators) uztur ražošanas sistēmas impulsu; No otras puses, simulācija jautā "kā būtu, ja būtu?" neapturot reālo sistēmu. ar pārliecību atbild uz jautājumu. AI ir paātrinātājs abās: tas izstrādā KPI definīciju un informācijas paneļa dizainu, veido simulācijas modeļa karkasu, interpretē scenāriju salīdzinājumus. Tomēr gan KPI, gan simulācija ir pakļauti “nepareizas definīcijas” un “nepareiza pieņēmuma” slazdiem. Šajā nodaļā mēs apskatīsim ražošanas KPI, informācijas paneļa dizainu un diskrētu notikumu simulāciju ar pārbaudes disciplīnu.
Pareiza KPI definēšana
Nepareizi aprēķināts KPI ir daudz bīstamāks par KPI neesamību, jo tas sniedz nepatiesu pārliecību. Visizplatītākie ražošanas KPI:
KPI
Apraksts
Uzmanību
OEE
Lietojamība × veiktspēja × kvalitāte
Trīs komponenti jāaprēķina atsevišķi
Cikla laiks
Laiks starp gabaliem
sajaucoties ar taktu
Piegādes laiks (izpildes laiks)
Pasūtījums → piegāde
atšķiras no cikla
WIP
pusfabrikāts procesā
ko saista Lila likums
Atkritumu/lūžņu attiecība
Nepareizi / kopā
Rezerves pārstrādāšana
Savlaicīga piegāde (OTD)
Laicīgi / kopējais pasūtījums
Definējiet daļēju piegādi
OEE piemērs: ja pieejamība ir 90%, veiktspēja ir 95%, kvalitāte ir 98%:
OEE = 0,90 × 0,95 × 0,98 = 0,8379 ≈ 83,8%
Izplatīta kļūda ir šo trīs skaitļu saskaitīšana un vidējā aprēķināšana; OEE ir reizināšana, tāpēc katrs komponents savieno rezultātu.
Litāla likums nosaka WIP caurlaides un plūsmas laika attiecības, un tas ir ļoti spēcīgs:
WIP = caurlaidspēja × plūsmas laiks Piemērs: līnijā ir vidēji 30 gabali (WIP), ja izvade ir 6 gabali / stundā Plūsmas laiks = WIP / Izvade = 30 / 6 = 5 stundas
Padoms. Kad esat AI aprēķinājis KPI, izdrukājiet arī tā definīciju. "Kas ir OEE, ar kādu formulu jūs to aprēķinājāt?" jautāt. AI dažreiz OEE vietā nodrošina tikai pieejamību vai izlaiž kvalitātes komponentu; Neuzticieties skaitlim, neredzot definīciju.
KPI informācijas paneļa dizains
Labs informācijas panelis nerāda daudz skaitļu; Atbild uz pareizajiem jautājumiem. AI palīdz noteikt, kuri KPI kādai auditorijai ir jēgpilni un kā tos grupēt.
Loma: Jūs esat rūpniecības inženieris ar pieredzi ražošanas analītikā. Uzdevums: Izstrādājiet CNC veikala administratora informācijas paneli. Norādiet: 1. Līdz 6 KPI (katram definīcija un formula).2. Mērķa vērtības piedāvājums un “labs/uzmanības/slikts” sliekšņi katram KPI.3. Kurš KPI tiks attēlots kurā diagrammā (tendence, indikators, diagramma).4. 3 vadības jautājumi, uz kuriem informācijas panelis atbild.Noteikums: izvairieties no KPI inflācijas; Paskaidrojiet, ka katrs rādītājs kalpo lēmuma pieņemšanai. Nenorādiet izdomātu mērķa vērtību, sakiet "tā ir jāpielāgo atbilstoši nozarei".
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Padariet man ražošanas dēli.
Ja nav mērķauditorijas, datu avota un mērķa, mākslīgais intelekts izmet vispārīgu sarakstu; Lēmums netiek pieņemts.
Spēcīga uzvedne:
Noformējiet maiņas vadītājam tablo, kuru katru rītu nolasīsiet pēc 5 minūtēm. Mērķis: kur bija zaudējums vakardienas maiņā, kam šodien jāpievērš uzmanība. Ne vairāk kā 5 KPI, katrs ar definīciju + formulu + slieksni. Stundu ražošanas, dīkstāves un izšķērdēšanas ieraksti no mana datu avota IZM. Izvairieties no pārmērīgām detaļām.
Otrā uzvedne precizē lietotāju, lietošanas brīdi un datu avotu; Rezultāts ir dēlis, kas tiek faktiski izmantots.
Diskrētā notikumu simulācija (DES)
Simulācija ir veids, kā eksperimentēt, neizjaucot reālo sistēmu: kas notiek ar rindu, pievienojot jaunu iekārtu, kā tiek ietekmēta izvade, mainoties maiņai? Diskrētā notikumu simulācija (DES) modelē sistēmu kā “notikumu” secību (daļas ierašanās, procesa pabeigšana). Pamata ievades: starppienākšanas laika sadalījums, apkalpošanas laika sadalījums, resursu skaits, rindu disciplīna.
Loma: Jūs esat industriālais inženieris ar pieredzi simulācijā.Uzdevums: Uzrakstiet ietvaru šādas sistēmas modelēšanai ar Python SimPy:- Detaļas pienāk vidēji ik pēc 4 minūtēm (eksponenciālais sadalījums)- Viena iekārta, apstrādes laiks vidēji 3,5 minūtes (eksponenciāls)- rinda FIFOKas man jāmēra kā izvade: vidējais gaidīšanas laiks, rindas garums ar komentāru, mašīnas izmantošanas ātrums. sākumā ierakstiet sadalījuma pieņēmumus. Tāpat: kādu analītisko pārbaudi var veikt, lai pārbaudītu rezultātu (piemēram, salīdzinājums ar M/M/1 astes formulām)?
Pēdējā rindiņa šeit ir kritiska: ja iespējams, labu simulāciju salīdzina ar analītisko pārbaudi. Iepriekš minētā vienkāršā sistēma ir M/M/1 rinda; Simulācijas rezultātam jāsakrīt ar tādām teorētiskajām vērtībām kā izmantošanas līmenis ρ = 3,5/4 = 0,875 un vidējais skaitlis sistēmā L = ρ/(1−ρ) = 0,875/0,125 = 7.
Uzmanību! Simulācijas izvade ir tikpat laba, cik ievades pieņēmumi ("atkritumi iekšā, atkritumi ārā"). AI dažreiz pieņem izplatīšanu, to nepārbaudot, vai uzrāda vienas darbības rezultātu kā stingru patiesību. Palaidiet vairākas darbības (replikācijas), aprēķiniet ticamības intervālus un pārbaudiet ievades sadalījumu ar reāliem datiem.
Mini gadījums: simulācija ar nepatiesām hipotēzēm
Uz montāžas līnijas vadība uzskata, ka, pievienojot otru iepakošanas staciju, rinda tiks iznīcināta. Rūpniecības inženieris Denizs izveido DES modeli ar AI. Pirmais rezultāts saka: "otrā stacija samazina rindu par 70%. Bet, kad Denizs pārbauda ievades sadalījumu, viņš redz, ka reālie ierašanās dati nav eksponenciāli, bet tiem ir "sprādzienbīstama" struktūra, kas koncentrējas pusdienu pārtraukumā. Kad atkal palaižam modeli ar pareizu sadalījumu, izrādās, ka otrā stacija neatrisina īsto sašaurinājumu, un problēma ir pārtraukumu plānošanā. Simulācija ietaupa nevajadzīgu ieguldījumu ieteikšanu. Nodarbība: AI ātri izveidoja modeli, bet ieteica nepareizu lēmumu ar nepareizu pieņēmumu; Tā bija persona, kas ievietoja pareizos datus.
Biežākās kļūdas
- Nepareiza KPI definēšana: OEE komponentu saskaitīšana vai cikla un izpildes laika sajukums.
- KPI inflācija: informācijas panelī ievietojot desmitiem rādītāju, kas neveicina lēmumu.
- Paļaušanās uz vienu palaišanu: Simulācijas palaišana vienreiz un pieņemšana, ka rezultāts ir skaidrs; nevis replikācija.
- Netiek apstiprināts ievades sadalījums: netiek salīdzināts noklusējuma (eksponenciālais utt.) sadalījums ar reālajiem datiem.
- Analītiskās pārbaudes apiešana: Simulācijas nepārbaudīšana ar teorētisko rindas formulu vienkāršās sistēmās.
Rezumējot
- KPI spēks izriet no pareizas definīcijas; OEE ir produkts, Mazais likums savieno WIP plūsmas izvadi.
- Labs informācijas panelis atbild uz pareizajiem jautājumiem, nevis daudz skaitļu; Lietotājam, instancei un datu avotam ir jābūt skaidriem.
- DES izmēģina scenārijus, nepārkāpjot reālo sistēmu; Ievades sadalījums nosaka rezultāta kvalitāti.
- Apstipriniet simulāciju, izmantojot replikāciju (uzticamības intervāls) un, ja iespējams, ar analītisko formulu.
- AI ātri izveido modeli un dēli; Tā ir persona, kas pareizi izvirza pieņēmumus un interpretē rezultātu.
Lietojumprogrammas uzdevums
Izvēlieties ražošanas/servisa sistēmu. Vispirms jums ir AI jāizstrādā maiņu informācijas panelis ar 5 KPI vai mazāk; Parādiet katra KPI definīciju un formulu un pārbaudiet, vai trīs komponenti ir reizināti, ja ir OEE. Pēc tam AI izdrukā SimPy skeletu vienkāršai rindas sistēmai (vienam serverim) un augšpusē izdrukā ievades sadalījuma pieņēmumus. Kritiskā pārbaude: uzskatiet sistēmu par M/M/1 rindu un manuāli aprēķiniet izlietojuma līmeni ρ un vidējo skaitli L sistēmā, salīdziniet ar simulācijas rezultātu. Visbeidzot, iesakiet mainīt scenāriju (pievienojot otru serveri) un kritizējiet AI rezultātu, apšaubot ievades sadalījuma reālismu.