Keuntungan:
- Memahami struktur dan kekangan perancangan pengeluaran tekstil, pengimbangan kapasiti dan masalah penjadualan
- Keupayaan untuk mencipta penjanaan senario, analisis kesesakan dan pengoptimuman pesanan warna/lot dengan AI
- Keupayaan untuk melaksanakan pendekatan pengesahan yang menguji cadangan pelan terhadap kapasiti sebenar, tarikh penghantaran dan data OEE
Sebuah kilang tekstil perlu mengimbangi berpuluh-puluh pesanan secara serentak, bilangan mesin yang terhad, tarikh penghantaran yang berbeza dan keutamaan yang sentiasa berubah. Perancangan pengeluaran ialah seni mengubah keadaan huru-hara ini menjadi teratur: susunan mana yang akan dihasilkan, pada mesin mana, dalam susunan apa, bila? Pelan yang buruk menyebabkan mesin melahu, menangguhkan penghantaran dan mencipta masa persediaan yang tidak perlu. Kecerdasan buatan ialah pembantu yang berkuasa dalam masalah kompleks ini: ia menjana senario, menjadikan kesesakan kelihatan dan mencadangkan pengoptimuman terhad seperti pesanan kelompok cat. Tetapi realiti rancangan itu; Ia termasuk kegagalan mesin, kelewatan bahan mentah dan faktor manusia. Dalam unit ini kita akan merangkumi perancangan dan penggunaan AI yang berdisiplin.
Struktur Masalah Perancangan
Perancangan tekstil adalah beberapa keputusan yang saling berkaitan. Perancangan kapasiti: adakah kerja yang dituntut seimbang dengan waktu mesin yang ada? Penjujukan kerja (penjadualan): susunan kerja yang akan dilakukan pada setiap mesin. Saiz kelompok: berapa banyak kelompok yang cekap untuk menghasilkan produk yang sama. Masa persediaan/pertukaran: persediaan mesin, pembersihan, penukaran warna mengambil masa apabila berpindah dari satu kerja ke kerja seterusnya. Kekangan tarikh akhir: setiap pesanan mempunyai tarikh akhir yang tidak boleh ditangguhkan.
Sifat masalah ini adalah kombinatorial: walaupun sebilangan kecil pekerjaan menghasilkan begitu banyak urutan yang mungkin sehingga mustahil untuk mencuba semuanya. Oleh itu, secara praktikalnya, apa yang dicari bukanlah yang "terbaik" tetapi rancangan yang "cukup baik" yang menepati kekangan. Dua metrik penting ialah penggunaan mesin / OEE (Keberkesanan Peralatan Keseluruhan; nisbah bersepadu yang mengukur sejauh mana kecekapan mesin beroperasi — ketersediaan × prestasi × kualiti) dan kadar penghantaran tepat pada masanya.
Petua: Jangan mengejar "optimum" dalam perancangan; Pelan yang teguh dan fleksibel yang memenuhi kekangan (penghantaran, kapasiti, transit) adalah lebih baik secara teori daripada pelan yang sempurna tetapi rapuh. Kilang sebenar berubah sentiasa.
Kekangan Khusus Tekstil: Isih Warna
Terdapat peraturan penting dalam penjadualan kedai cat: pesanan daripada warna terang kepada warna gelap. Jika warna terang dicelup selepas warna gelap dalam mesin yang sama, terdapat risiko pencemaran sisa pewarna dan masa pembersihan/basuh tambahan. Menyusun dari terang ke gelap mengurangkan risiko dan masa mati ini. Sebarang cadangan jadual yang dihasilkan oleh AI mesti menyertakan kekangan proses ini; Jika cadangan "masa terpendek" matematik semata-mata melanggar peraturan ini, ia tidak akan berfungsi dalam pengeluaran. Begitu juga, mengumpulkan kiraan benang yang sama atau jenis fabrik yang sama mengurangkan masa persediaan.
Langkah demi Langkah: Aliran Kerja Perancangan Dikuasakan AI
- Jelaskan input. Pesanan (kuantiti, tarikh penghantaran, produk), kapasiti mesin, masa transit, sekatan.
- Buat senario. Minta AI untuk senario pengisihan/tugasan yang berbeza; Bandingkan penghantaran dan kesan penggunaan setiap satu.
- Sekatan pengenaan. Letakkan peraturan seperti susunan warna, pelanggan keutamaan, tetingkap penyelenggaraan dalam segera.
- Cari kesesakan. Mesin/peringkat mana yang mengehadkan rancangan? Adakah kapasiti tidak mencukupi?
- Sahkan dengan manusia. Biarkan pegawai perancang membetulkan pelan dengan kekangan sebenar (kepincangan yang diketahui, kebenaran, pesanan segera).
- Pantau dan rancang semula. Kemas kini pelan berdasarkan realisasi sebenar (perancangan terapung).
Tiga Kes Mini: Mengikut Nombor
Kes 1 — Keuntungan masa peralihan. Dalam bengkel mengait, pekerjaan telah dipesan secara rawak, dengan perubahan benang/kiraan menghasilkan ~8 persediaan setiap hari dan ~4 jam masa mati. AI mencadangkan jenis yang mengumpulkan nombor yang serupa; Bilangan pemasangan berkurangan daripada 8 kepada 5, dan masa mati berkurangan kepada ~2.3 jam. Pegawai perancang secara manual membawa perintah segera dan memuktamadkan rancangan itu; Cadangan itu adalah permulaan yang baik, keputusan di tangan orang itu.
Kes 2 — Ralat pengisihan warna. Satu perisian mengoptimumkan cat untuk "masa keseluruhan terpendek" tetapi mengabaikan peralihan cahaya gelap; Dalam aplikasi pertama, kumpulan terbuka telah tercemar dan dicat semula, dua kali masa yang disimpan telah hilang. Masalahnya telah diselesaikan apabila kekangan (dari terang ke gelap) ditambahkan pada rancangan. Pengajaran: peraturan proses didahulukan sebelum matematik.
Kes 3 — Keterlihatan bottleneck. Di satu kemudahan, penghantaran sentiasa ditangguhkan; Kesalahan diletakkan pada mesin. AI menganalisis aliran kerja dan menunjukkan bahawa halangan adalah mesin ram (pembetulan pengeringan), dan mesin lain sedang menunggunya. Apabila anjakan kedua ditambahkan pada Ram, penghantaran tepat masa meningkat daripada 71% kepada 89%. AI menjadikan kesesakan itu kelihatan; Keputusan pelaburan dibuat oleh pihak pengurusan.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Rancang pesanan ini dengan cara yang terbaik.
Gesaan kuat:
Peranan anda: Pakar perancangan pengeluaran tekstil.Input: Di bawah ialah 12 pesanan (item, kuantiti, tarikh penghantaran) dan 3 mesin pencelupan (kapasiti, masa utama).Kekangan:- Isih daripada warna CAHAYA kepada warna GELAP pada setiap mesin (risiko pencemaran).- Tidak sepatutnya ada tarikh tertunggak; Jika ya, beri amaran dengan jelas. - Kurangkan pemasangan dengan mengumpulkan produk yang sama. Tugasan: Cadangkan 2 jadual alternatif; Untuk setiap satu, nyatakan anggaran kadar penghantaran tepat pada masa, jumlah bilangan pemasangan dan mesin kesesakan. Kesesuaian kapasiti/tarikh tiada dalam data. Data: [jadual]
Templat Boleh Disalin
1) Perbandingan senario:
Hasilkan 3 senario carta dengan data susunan dan kapasiti berikut. Bandingkan kadar penghantaran tepat pada masa, bilangan pemasangan, penggunaan mesin dan risiko terbesar dalam bentuk jadual untuk setiap senario. Kekangan: [senarai]. Data: [jadual]
2) Pengoptimuman jujukan warna:
Isih kerja mengecat berikut dari terang ke gelap pada mesin yang sama; Minimumkan risiko pencemaran semasa peralihan warna. Tandai sesiapa sahaja yang melanggar tarikh akhir. Kerja: [warna, kuantiti, penghantaran]
3) Analisis kesesakan:
Cari kesesakan dalam aliran pengeluaran ini (peringkat dan kapasiti setiap peringkat). Peringkat mana yang membuat yang lain menunggu? Bagaimanakah peningkatan kapasiti sebanyak X% mempengaruhi jumlah keluaran (anggaran kasar)? Data: [strim]
4) Jadualkan semula pencetus:
Terdapat perubahan berikut dalam pelan: [mesin rosak / pesanan segera]. Bagaimanakah saya boleh menyemak semula jadual semasa dengan sekurang-kurangnya gangguan? Senaraikan pesanan yang terjejas dan anggaran penghantaran baharu. Pelan semasa: [ringkasan]
Jadual Kriteria Perancangan
kriteria
Apa ukuran
arah yang baik
nota
Kadar penghantaran tepat pada masanya
menepati janji
tinggi
kepercayaan pelanggan
OEE
kecekapan mesin
tinggi
Kebolehgunaan×prestasi×kualiti
Bilangan pemasangan/tempoh
kehilangan peralihan
rendah
Pengelompokan berkurangan
Masa aliran purata
Pesan tinggal di dalam
rendah
kitaran tunai
Penggunaan bottleneck
fasa mengehadkan
mesti tonton
Ia memberi penerangan tentang keputusan pelaburan
Perhatian: Carta AI ialah cadangan, bukan pesanan. Kilang sebenar termasuk kerosakan yang diketahui, cuti rehat, kelewatan bahan mentah dan permintaan pelanggan yang mendesak. Pegawai perancang meluluskan jadual akhir dan keutamaan dengan semua maklumat lisan/tempatan.
Kesilapan biasa
- Melangkaui peraturan proses. Jika kekangan seperti pesanan warna tidak dimasukkan ke dalam pelan, cadangan itu tidak akan berfungsi.
- Mengejar yang optimum. Pelan fleksibel yang kukuh diutamakan berbanding pelan sempurna yang rapuh.
- Tidak melihat kesesakan. Sumber dibelanjakan di tempat yang salah; Sempadan sebenar berada di peringkat lain.
- Perancangan statik. Jika rancangan tidak dikemas kini apabila realiti berubah, ia cepat menjadi usang.
- Tidak termasuk pengetahuan manusia. Keutamaan lisan dan kekangan tempatan tidak terdapat dalam model.
Secara ringkasnya
Perancangan pengeluaran adalah masalah untuk memenuhi sejumlah besar pesanan menjelang tarikh penghantaran dengan sumber yang terhad; Disebabkan sifat gabungannya, pelan "cukup baik" dan fleksibel disasarkan. AI menjana senario, menjadikan kesesakan kelihatan dan mencadangkan pengoptimuman yang terhad seperti pengisihan warna — tetapi peraturan proses mesti dimasukkan ke dalam segera, pelan itu mesti dimuktamadkan dengan kekangan sebenar dan pertimbangan manusia. Dalam kilang yang berubah, rancangan itu sentiasa disemak.
Tugasan permohonan
Sediakan contoh entri sekurang-kurangnya 8 tempahan (kuantiti, tarikh penghantaran) dan 2-3 mesin. Gunakan templat "perbandingan senario" dan "pengoptimuman jujukan warna" daripada unit ini. Kenal pasti kesesakan dalam senario terbaik yang dicadangkan AI dan mengesyorkan tindakan untuk menghapuskannya (anjakan kedua, penyumberan luar, perubahan urutan). Semak dengan perenggan bagaimana peraturan jujukan warna ditunjukkan dalam pelan yang dicadangkan.
senarai semak
- [ ] Saya meletakkan kekangan proses (tertib warna, kumpulan) pada gesaan.
- [ ] Saya menyasarkan pelan yang kukuh dan fleksibel dan bukannya optimum.
- [ ] Saya menganalisis kesesakan dan mengarahkan sumber ke tempat yang betul.
- [ ] Saya menyemak pelan secara kerap mengikut kesedaran sebenar.
- [ ] Saya memuktamadkan jadual akhir dengan kelulusan pegawai perancang.