Keuntungan:
- Keupayaan untuk menentukan tempat untuk menggunakan AI dalam kitaran penambahbaikan pembuatan dan proses tanpa lemak
- Keupayaan untuk mempercepatkan peta aliran nilai, analisis sisa dan langkah DMAIC dengan gesaan berstruktur
- Keupayaan untuk menerapkan disiplin pengesahan pengesyoran AI dengan data lapangan dan pemerhatian gemba
Kejuruteraan industri pada asasnya adalah disiplin "melakukan lebih baik": menghasilkan lebih banyak nilai dengan sumber yang sama, menjadikan sisa kelihatan, mengurangkan kebolehubahan. Kecerdasan buatan memasuki disiplin ini bukan sebagai kalkulator baharu atau penyelesaian ajaib, tetapi sebagai rakan kongsi pemikiran dan penggubalan yang berkuasa. Apabila digunakan dengan betul, ia mengurangkan pemetaan aliran nilai, klasifikasi sisa, kajian punca dan laporan penambahbaikan dari jam ke minit. Apabila digunakan secara tidak betul, ia menghasilkan cadangan yang tidak pernah melihat bidang, yang "sempurna di atas kertas" tetapi tidak dapat dilaksanakan dalam realiti. Dalam unit ini, anda akan mempelajari tempat untuk meletakkan AI dalam kitaran pembuatan tanpa lemak dan cara mengesahkan outputnya.
Di manakah AI Berdiri dalam Penambahbaikan Proses?
Mari bahagikan projek penambahbaikan kepada tiga lapisan: pengumpulan data, analisis/keputusan, pelaporan/komunikasi. AI membantu dengan berat yang berbeza dalam lapisan ini.
lapisan
Peranan AI
peranan lelaki
pengumpulan data
Mereka bentuk tinjauan/borang dan menyusun data
Mengukur dan memerhati di lapangan (gemba)
analisis/keputusan
Menghasilkan hipotesis, mencadangkan kaedah, draf pengiraan
Mengesahkan dengan data, membuat keputusan
Pelaporan
A3, pembentangan, penulis draf teks ringkasan
Mengawal ketepatan dan nada
Perkara yang perlu diperhatikan ialah AI tidak boleh menjana data itu sendiri. Hanya pengukuran medan memberikan masa kitaran sebenar mesin, minit pengendali menunggu, berapa lama perubahan die diambil. AI mengatur, mentafsir dan menukar data mentah yang anda bawa ini menjadi hipotesis peningkatan.
Petua: Saya selalu bertanya kepada AI "data apa yang saya perlukan?" Juga tanya: Mewujudkan pelan pengukuran yang betul sebelum memulakan penambahbaikan adalah jauh lebih murah daripada melakukan analisis dengan data yang salah kemudian.
Tujuh Sisa (Muda) dan Pengelasan oleh AI
Menjadikan bahan buangan (muda) kelihatan terletak di tengah-tengah pengeluaran tanpa lemak. Tujuh pembaziran klasik: pengeluaran berlebihan, menunggu, pengangkutan yang tidak perlu, pemprosesan berlebihan, inventori, pergerakan yang tidak perlu dan kesilapan. Selalunya "potensi manusia yang belum diterokai" ditambah sebagai yang kelapan. AI sangat pantas dalam memecahkan naratif proses ke dalam kategori ini.
Peranan: Anda seorang jurutera industri yang berpengalaman dalam pembuatan kurus. Tugasan: Bahagikan naratif proses berikut kepada 7 kategori sisa (muda). Untuk setiap penentuan: (1) jenis sisa, (2) ayat keterangan, (3) metrik yang perlu saya ukur, (4) kemungkinan peningkatan pesat. Perihalan proses: """Di barisan pemasangan, pengendali berjalan sejauh 6 meter dalam setiap kitaran untuk mengambil bahagian. Barisan beratur di hadapan gerai cat selama purata 40 minit. Kira-kira dalam satu syif 12 bahagian akan diproses semula. 3 hari produk separuh siap terkumpul di gudang perantaraan.
Kuasa gesaan ini ialah ia menjadikan output boleh diukur. Tidak cukup untuk mengatakan "ada pergerakan yang tidak perlu"; Anda boleh mengatakan "pengendali berjalan 6 meter setiap kitaran, jumlah Y meter dalam X kitaran setiap hari." AI menunjukkan pernyataan bukti dan metrik untuk mengukur, anda mengukurnya di medan dan masukkan nombor itu.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Namakan sisa dalam barisan pengeluaran ini.
Ini menghasilkan senarai tanpa kategori, tanpa bukti, dan tanpa ukuran; Kemungkinan besar, ungkapan biasa "mungkin ada lebihan stok, mungkin ada tempoh menunggu" berulang.
Gesaan kuat:
Bahagikan data proses ini kepada 7 kategori sisa, sediakan pernyataan bukti untuk setiap satu, metrik yang perlu saya ukur dan anggaran impak. Kelaskan impak sebagai "rendah/sederhana/tinggi" dan tulis rasionalnya. Data: {{ ... }}
Perbezaannya ialah output boleh terus diterjemahkan ke dalam pelan tindakan. Gesaan kedua memberikan jadual yang diutamakan dan boleh diukur.
Mempercepatkan Kitaran DMAIC dengan AI
Rangka kerja DMAIC Six Sigma (Define-Measure-Analyze-Improve-Control) ialah bahasa biasa dalam projek penambahbaikan. AI membantu secara berbeza pada setiap peringkat:
- Takrifkan: Draf definisi masalah, skop projek (SIPOC) dan pernyataan tujuan.
- Ukur: Pelan ukuran, borang pengumpulan data, logik saiz sampel.
- Analisis: Senarai hipotesis, tulang ikan (Ishikawa), kemungkinan punca.
- Perbaik: Alternatif penyelesaian, cadangan ECRS (Eliminate-Combine-Rearrange-Simplify).
- Kawalan: Draf pelan kawalan, arahan kerja standard dan KPI pemantauan.
Buat rangka Ishikawa (tulang herring) untuk masalah berikut. Masalah: "Kekasaran permukaan pada mesin CNC melebihi sasaran." Kategori: Mesin, Kaedah, Bahan, Manusia, Pengukuran, Persekitaran (6M). Tulis 3-4 sebab yang mungkin di bawah setiap kategori dan nyatakan data yang perlu saya kumpulkan untuk menguji setiap sebab.
Peraturan emas di sini kekal malar: setiap punca yang dicadangkan oleh AI adalah hipotesis, bukan bukti. Punca kekasaran permukaan mungkin atau mungkin bukan "kehausan alat pemotong"; Hanya data hayat alat dan percubaan mengesahkan ini.
Awas: AI kadangkala membina rangkaian sebab yang kelihatan sangat munasabah tetapi salah di lapangan. Sebagai contoh, mudah untuk menyebut "ralat pengendali" dan selalunya tidak adil. Hapuskan punca sistemik (kaedah, peralatan, ukuran) dengan data sebelum menyalahkan punca kepada manusia.
Sarung Mini: Memendekkan Masa Perubahan Acuan (SMED)
Perubahan acuan dalam bengkel suntikan plastik mengambil masa purata 55 minit, dan ini menyebabkan kerugian besar dalam kelompok kecil. Jurutera industri Deniz merakam video proses pertukaran dan mengira masa langkah demi langkah (data ini datang dari medan). Ia kemudian memberikan AI senarai langkah dan masanya:
Kelaskan langkah-langkah penukaran acuan ini sebagai "dalaman" (boleh dilakukan semasa mesin dihentikan) dan "luaran" (boleh dilakukan semasa mesin sedang berjalan) mengikut kaedah SMED. Tandakan langkah dalaman yang boleh dialihkan ke langkah luar dan tulis cadangan persediaan awal untuk setiap satu. Langkah dan tempoh: {{ senarai }}
AI menandakan langkah-langkah seperti "membawa acuan baharu ke mesin" dan "menyediakan bolt" sebagai mudah alih ke kerja luaran, mencadangkan troli sementara. Deniz sedang menguji cadangan ini di lapangan; ia menyeragamkan apa yang benar-benar terpakai. Akibatnya, masa pertukaran berkurangan daripada 55 minit kepada 32 minit. Titik kritikal: AI mempercepatkan rancangan, tetapi ujian lapangan dan penyeragaman yang benar-benar mengurangkan masa.
Kesilapan Biasa
- Memintas Gemba: Melaksanakan output AI tanpa memerhatikannya di lapangan. Ia berdasarkan prinsip mudah "pergi dan lihat".
- Bergantung pada nombor yang dibuat: AI kadangkala menghasilkan nombor yang tidak wujud, seperti "masa kitaran ialah kira-kira 45 saat." Setiap nombor mesti disokong oleh pengukuran.
- Menyalahkan punca kepada manusia: Menerima penjelasan pertama yang terlintas di fikiran ialah "kecuaian"; Tidak menyiasat punca sistemik.
- Mengunci dalam satu penyelesaian: Berfikir bahawa cadangan pertama AI adalah satu-satunya pilihan. Hasilkan sekurang-kurangnya 2-3 alternatif dan bandingkan mengikut kekangan.
- Melupakan fasa kawalan: Membuat penambahbaikan dan meninggalkannya tanpa mewujudkan perniagaan standard dan KPI pemantauan; Proses kembali ke keadaan sebelumnya.
Secara ringkasnya
- AI tidak menghasilkan data dalam kejuruteraan industri; Ia mengatur data yang anda bawa, mentafsirnya dan mengubahnya menjadi hipotesis peningkatan.
- Jadikan output boleh diukur apabila mengelaskan tujuh sisa: minta pernyataan bukti + metrik untuk diukur.
- Gunakan AI sebagai penjana draf pada setiap peringkat DMAIC, tetapi sentiasa sahkan punca punca dengan data.
- Dalam teknik seperti SMED, AI mempercepatkan rancangan; Apa yang benar-benar mengurangkan masa ialah ujian lapangan dan penyeragaman.
- Melangkau Gemba, bergantung pada angka yang dibuat-buat, dan melupakan fasa menyemak adalah kesilapan yang paling mahal.
Tugasan permohonan
Pilih proses dari tempat kerja anda sendiri (atau proses pengeluaran/perkhidmatan realistik yang anda tahu). Mula-mula, perhatikan medan selama 5-10 minit dan perhatikan langkah-langkah sebenar dan anggaran masa. Kemudian minta AI menganalisis proses menggunakan gesaan kuasa "pengkelasan 7 sisa" dalam unit ini. Untuk setiap pengesanan sisa dalam output: (a) bandingkan dengan pemerhatian anda sama ada bukti itu sebenarnya tepat, (b) kenal pasti sekurang-kurangnya satu metrik yang perlu diukur, (c) pilih satu cadangan penambahbaikan pantas dan nilaikannya dengan logik “dalam/luar kerja” atau “ECRS”. Akhir sekali, cari contoh di mana penentuan yang dihasilkan oleh AI ternyata salah (atau tidak dapat disahkan) di medan dan tulis dalam satu ayat mengapa ia salah.