Добивки:
- Способност да се одреди каде да се користи вештачката интелигенција во циклусите на посно производство и подобрување на процесите
- Способност да се забрза мапата на протокот на вредност, анализата на отпадот и чекорите на DMAIC со структурирани инструкции
- Способност да се примени дисциплината за потврдување препораки за вештачка интелигенција со теренски податоци и набљудување на гемба
Индустриското инженерство во суштина е дисциплина „подобро“: производство на поголема вредност со истите ресурси, правење на отпадот видлив, намалување на варијабилноста. Вештачката интелигенција влегува во оваа дисциплина не како нов калкулатор или магично решение, туку како моќен партнер за размислување и изработка. Кога се користи правилно, го намалува мапирањето на протокот на вредност, класификацијата на отпадот, студиите за основната причина и извештаите за подобрување од часови на минути. Кога се користи неправилно, дава предлози кои никогаш не го виделе полето, кои се „совршени на хартија“, но не можат да се спроведат во реалноста. Во оваа единица, ќе научите каде да ја ставите вештачката интелигенција во циклусот на посно производство и како да го потврдите неговото производство.
Каде стои вештачката интелигенција во процесот на подобрување?
Ајде да поделиме проект за подобрување на три слоја: собирање податоци, анализа/одлука, известување/комуникација. ВИ помага со различна тежина во овие слоеви.
слој
Улогата на вештачката интелигенција
улогата на човекот
собирање податоци
Ја дизајнира анкетата/образецот и ги организира податоците
Мери и набљудува на терен (гемба)
анализа/одлука
Генерира хипотези, предлага методи, изготвува пресметки
Проверува со податоци, донесува одлука
Известување
А3, презентација, резиме на нацрт-писател на текст
Ја контролира точноста и тонот
Она што треба да се забележи е дека вештачката интелигенција не може да ги генерира самите податоци. Само мерењето на теренот го дава вистинското време на циклус на машината, минутите што ги чека операторот, колку време трае промената на матрицата. ВИ ги организира, толкува и ги претвора овие необработени податоци што ги внесувате во хипотеза за подобрување.
Совет: Секогаш прашувам вештачка интелигенција „кои податоци ми се потребни?“ Исто така, прашајте: Воспоставувањето точен план за мерење пред да започнете со подобрување е многу поевтино отколку подоцна да направите анализа со неточни податоци.
Седум отпади (муда) и класификација по вештачка интелигенција
Да се направи отпадот (муда) видлив лежи во срцето на посно производство. Класичните седум отпади: хиперпродукција, чекање, непотребен транспорт, прекумерна обработка, инвентар, непотребно движење и грешки. Често „неискористениот човечки потенцијал“ се додава како осма. Вештачката интелигенција е многу брза во разложувањето на наративот на процесот во овие категории.
Улога: Вие сте индустриски инженер искусен во посно производство. Задача: Поделете ја следнава приказна на процесот во 7 категории на отпад (муда). За секое определување: (1) вид на отпад, (2) доказна реченица, (3) метрика што треба да измерам, (4) можно брзо подобрување. Опис на процесот: """На монтажната лента, операторот оди по 6 метри во секој циклус за да го подигне делот. Се формира редица пред кабината за боја во просек по 40 минути. Приближно во една смена ќе се преработат 12 делови. 3 дена полупроизводи се акумулираат во полупроизводот.
Моќта на оваа порака е што го прави излезот мерлив. Не е доволно да се каже „има непотребно движење“; Треба да може да се каже „операторот пешачи 6 метри по циклус, вкупно Y метри во X циклуси дневно“. Вештачката интелигенција ја посочува изјавата за докази и метриката што треба да се измери, вие ја мерите на терен и го приклучувате бројот.
Слаба навестување / Силен навестување
Слаба навестување:
Наведете го отпадот во оваа производна линија.
Ова создава листа без категории, без докази и без мерка; Најверојатно, се повторуваат вообичаените фрази „може да има вишок залихи, може да има период на чекање“.
Моќен потсетник:
Поделете ги овие податоци од процесот на 7 категории на отпад, наведете ја изјавата за докази за секоја, метриката што треба да ја измерам и проценетиот ефект. Класифицирајте го влијанието како „ниско/средно/високо“ и напишете го образложението. Податоци: {{ ... }}
Разликата е во тоа што резултатот може директно да се претвори во акционен план. Вториот промпт дава приоритетна, мерлива табела.
Забрзување на циклусот DMAIC со вештачка интелигенција
Рамката DMAIC на Six Sigma (Define-Measure-Analyze-Improve-Control) е заеднички јазик во проектите за подобрување. ВИ помага различно во секоја фаза:
- Дефинирајте: нацрт-дефиниција на проблемот, опсег на проектот (SIPOC) и изјава за цел.
- Мерка: Мерен план, формулар за собирање податоци, логика на големината на примерокот.
- Анализирај: Список на хипотези, рибини коски (Ишикава), можни основни причини.
- Подобрување: алтернативи за решенија, предлози за ECRS (Елиминирање-Комбинирање-Преуредување-Поедноставување).
- Контрола: Нацрт план за контрола, стандардна инструкција за работа и следење на KPI.
Направете скелет од Ишикава (шевронен) за следниот проблем. Проблем: „Грубоста на површината на CNC машината е над целта“. Категории: Машина, Метод, Материјал, Човек, Мерење, Животна средина (6M). Напишете 3-4 можни причини под секоја категорија и наведете кои податоци треба да ги соберам за да ја тестирам секоја причина.
Златното правило овде останува константно: секоја основна причина предложена од вештачката интелигенција е хипотеза, а не доказ. Причината за грубоста на површината може или не е „абење на алатот за сечење“; Само податоците за животот на алатката и експериментот го потврдуваат ова.
Внимание: ВИ понекогаш конструира синџири на причини кои изгледаат многу веродостојни, но се погрешни на терен. На пример, лесно е да се каже „грешка на операторот“ и често е неправедно. Елиминирајте ги системските причини (методи, опрема, мерења) со податоци пред да ги обвините луѓето за основната причина.
Мини случај: скратување на времето за промена на мувла (SMED)
Промената на мувлата во работилницата за инјектирање на пластика трае во просек 55 минути, а тоа создава големи загуби во мали серии. Индустрискиот инженер Дениз го снима процесот на промена и пресметува чекор-по-чекор времиња (овие податоци доаѓаат од терен). Потоа ѝ дава на вештачката интелигенција список на чекори и нивните времиња:
Класифицирајте ги овие чекори за промена на калапот како „внатрешни“ (може да се прават додека машината е запрена) и „надворешна“ (може да се направи додека машината работи) според методот SMED. Обележете ги внатрешните чекори што може да се преместат на надворешните и напишете прелиминарен предлог за подготовка за секој од нив. Чекори и времетраење: {{ листа }}
Вештачката интелигенција ги означува чекорите како „донесување на новиот калап во машината“ и „подготвување на завртките“ како преносливи за надворешната работа, што укажува на импровизирана количка. Дениз го тестира овој предлог на терен; го стандардизира она што е навистина применливо. Како резултат на тоа, времето на промена се намалува од 55 минути на 32 минути. Критична точка: вештачката интелигенција го забрза планот, но тестирањето на терен и стандардизацијата навистина го намалија времето.
Вообичаени грешки
- Заобиколување на Gemba: Имплементирање на излез на вештачка интелигенција без да се набљудува на терен. Се заснова на едноставниот принцип „оди и види“.
- Потпирајќи се на измислени бројки: ВИ понекогаш произведува непостоечки броеви, како „времето на циклусот е околу 45 секунди“. Секој број мора да биде поддржан со мерење.
- Обвинувајќи се за основната причина за луѓето: Прифаќањето на првото објаснување што ми паѓа на ум е „невнимание“; Не се истражуваат системски причини.
- Заклучување во едно решение: Мислејќи дека првиот предлог на вештачката интелигенција е единствената опција. Генерирајте најмалку 2-3 алтернативи и споредете ги според ограничувањата.
- Заборавајќи ја контролната фаза: Подобрување и оставање без воспоставување стандардни деловни и следење на KPI; Процесот се враќа во претходната состојба.
Сумирано
- ВИ не произведува податоци во индустриското инженерство; Ги организира податоците што ги носите, ги толкува и ги претвора во хипотеза за подобрување.
- Направете го резултатот мерлив кога ги класифицирате седумте отпади: побарајте изјава за докази + метрика за мерење.
- Користете вештачка интелигенција како генератор на нацрт во секоја фаза на DMAIC, но секогаш проверувајте ги основните причини со податоци.
- Во техниките како SMED, вештачката интелигенција го забрзува планот; Она што навистина го намалува времето е теренското тестирање и стандардизацијата.
- Прескокнувањето на Гемба, потпирањето на измислени фигури и заборавањето на фазата на проверка се најскапите грешки.
Задача за апликација
Изберете процес од вашето работно место (или реален производствен/услужен процес што го знаете). Прво, набљудувајте го теренот 5-10 минути и забележете ги вистинските чекори и проценетите времиња. Потоа, вештачката интелигенција нека го анализира процесот користејќи го напојувањето „7 класификација на отпад“ во оваа единица. За секое откривање на отпад во излезот: (а) споредете со вашето набљудување дали доказите се навистина точни, (б) идентификувајте барем една метрика што треба да се измери, (в) изберете еден брз предлог за подобрување и оценете го со логика „внатре/надвор“ или „ECRS“. Конечно, пронајдете пример каде определбата произведена од вештачката интелигенција се покажа како погрешна (или не може да се потврди) на терен и напишете во една реченица зошто е погрешно.