Zyski:
- Umiejętność wyjaśnienia koncepcji MPS, MRP i planowania warsztatów na poziomie podstawowym
- Możliwość porównania zasad i scenariuszy planowania (SPT, EDD, współczynnik krytyczny) z AI
- Możliwość sprawdzania i korygowania naruszeń wydajności i ograniczeń w wynikach AI
Planowanie produkcji to podstawowy proces, który organizuje „co, kiedy i z jakich zasobów” będziesz produkować. Dobry plan dotrzymuje terminów, nie pozostawia maszyn bezczynnych i nie zwiększa zapasów; Zły plan prowadzi do chaosu, nadgodzin i opóźnień w dostawach. Sztuczna inteligencja jest w tym obszarze potężna w porównywaniu zasad planowania, generowaniu scenariuszy i sporządzaniu list ograniczeń; Może jednak również przeoczyć ograniczenia dotyczące wydajności i priorytetów i stworzyć plany, które są „ładne na papierze, ale niemożliwe do wdrożenia”. W tej części omówimy koncepcje MPS/MRP, zasady planowania i sposoby sprawdzania wyników AI.
Hierarchia planowania: MPS i MRP
Planowanie produkcji to hierarchia od ogółu do szczegółu.
Poziom
Co robi
horyzont czasowy
S&OP / Plan zbiorczy
Z grubsza ustala równowagę popytu i wydajności
miesiące
MPS (główny harmonogram produkcji)
Dzieli gotowy produkt na okresy
tygodnie
MRP (Planowanie zapotrzebowania materiałowego)
Usuwa wymagania dotyczące komponentów z BOM
tygodnie/dni
Harmonogram warsztatów
Umieszcza zadania na maszynach/zegarach
Dni/godziny
Logika MRP jest zasadniczo prosta: pobiera się popyt na produkt gotowy (MPS), rozkłada go na zestawienie komponentów (BOM), odejmowane są dostępne zapasy i otwarte zamówienia, a zapotrzebowanie netto jest przesuwane z powrotem o czas realizacji (równoważenie). Sztuczna inteligencja jest dobra w wyjaśnianiu tej logiki i konfigurowaniu przykładowych tabel.
Rola: Jesteś inżynierem przemysłowym specjalizującym się w planowaniu produkcji. Zadanie: Skonfiguruj prostą tabelę MRP dla następującego produktu. Pokaż wiersze zawierające zapotrzebowanie brutto, planowaną dostawę, dostępne zapasy, zapotrzebowanie netto i planowaną tygodniową realizację zamówienia. Produkt: A (tygodniowe zapotrzebowanie brutto: {{ wartości }}) Zapasy początkowe: {{ x }}, Czas realizacji/produkcji: {{ y tygodnie }}, Wielkość partii: {{ partia }}Zasada: Krótko wyjaśnij, w jaki sposób obliczana jest każda komórka, zastosuj prawidłowo przesunięcie. Wytwarzanie wartości sfabrykowanej.
Wskazówka: najczęstszym błędem w wynikach MRP jest nieprawidłowe przesunięcie czasu realizacji. Sprawdź wiersz po wierszu, czy planowana linia wydania zamówienia przez sztuczną inteligencję przypada przed dokładnym czasem realizacji zapotrzebowania netto.
Reguły planowania (reguły wysyłania)
Kolejność obsługi oczekujących zadań na komputerze ma bezpośredni wpływ na średnie opóźnienie i czas przepływu. Najczęstsze zasady priorytetów:
- FCFS (kto pierwszy, ten lepszy): Uczciwe, ale nie zorientowane na wyniki.
- SPT (najkrótszy czas przetwarzania): skraca średni czas przesyłania strumieniowego i średnie opóźnienie; Odkłada długie zadania.
- EDD (najwcześniejsza data dostawy): dobrze zmniejsza maksymalne opóźnienie.
- Współczynnik krytyczny (CR): (Pozostały czas / pozostały czas pracy); dynamicznie równoważy ciśnienie tłoczenia.
Mały przykład. Cztery zlecenia, jedna maszyna, czasy realizacji i dostawy:
Biznes | Czas przetwarzania | DostawaA | 4 | 6B | 2 | 4C | 6 | 8D | 1 | Zamówienie 3SPT (według czasu): D(1), B(2), A(4), C(6)Czasy realizacji: D=1, B=3, A=7, C=13Suma czasów realizacji = 1 + 3 + 7 + 13 = 24 → średnia = 6,0EDD zamówienie (po dostawie): D(3), B(4), A(6), C(8)Czasy realizacji: D=1, B=3, A=7, C=13Opóźnienia: D:0, B:0, A:1, C:5 → maksymalne opóźnienie = 5
Różne zasady poprawiają różne cele: średni przepływ SPT, wartość szczytowa opóźnienia EDD. „Co jest prawidłowe?” Odpowiedź na pytanie zależy od celu i tylko dlatego, że sztuczna inteligencja mówi „tak jest najlepiej”, nie podejmuje takiej decyzji.
Słaba podpowiedź/silna podpowiedź
Słaba zachęta:
Sortuj te zadania w najlepszy możliwy sposób.
„Najlepszy” jest nieokreślony; Sztuczna inteligencja podaje losową kolejność, nie wiedząc, w jakim celu optymalizuje.
Potężny monit:
Sortuj te zadania, korzystając z reguł SPT i EDD. Oblicz czasy zakończenia, średni czas przepływu i maksymalne opóźnienie dla każdego wiersza i utwórz tabelę porównawczą. Moim celem jest „minimalizacja brakujących terminów”. Powiedz mi, która zasada jest bardziej odpowiednia do tego celu, podając powody. Działa: {{ lista }}. Pokaż kroki konta.
Drugi monit wyjaśnia intencję, porównuje wiele reguł i sprawia, że konto jest widoczne; Bez tych trzech decyzja dotycząca wykresu jest niewiarygodna.
Kontrola wydajności i ograniczeń
Jeśli plan przekracza możliwości, jest nieważny. Pamiętaj, aby sprawdzić harmonogram wygenerowany przez sztuczną inteligencję pod kątem następujących ograniczeń: wydajność maszyny (w godzinach), limity zmian, czasy przezbrajania, relacje pierwszeństwa (jedno zadanie musi zostać zakończone przed drugim) i dostępność materiałów.
Sprawdź poniższą tabelę pod kątem naruszeń ograniczeń: - Czy całkowite obciążenie w tygodniu przekracza wydajność (40 godzin/tydzień) na każdej maszynie? - Czy uwzględniono czasy konfiguracji? - Czy zachowane jest ograniczenie priorytetu (zadanie B musi zakończyć się przed A)? Wykres: {{ ... }}. Jeśli znajdziesz naruszenia, wypisz je w formie tabelarycznej i zasugeruj poprawki.
Uwaga: AI często „zapomina” o ograniczeniu wydajności i obciąża maszynę 45 godzinami pracy. Przed podjęciem decyzji produkcyjnej zbierz ręcznie lub za pomocą tabeli tygodniowe całkowite obciążenie każdej maszyny i porównaj je z wydajnością.
Miniprzypadek: maszyna do wąskiego gardła i zła zasada
W zakładzie metalowym dostawy są stale opóźnione. Inżynier przemysłowy Cansu widzi, że zadania są sortowane za pomocą FCFS. Podaje AI aktualne zaległości, czasy przetwarzania i terminy oraz prosi ją o porównanie SPT, EDD i współczynnika krytycznego. Sztuczna inteligencja oblicza wskaźniki dla wszystkich trzech zasad: SPT najlepiej radzi sobie ze średnim przepływem, ale w przypadku kilku dużych zadań jest już za późno; EDD znacznie zmniejsza maksymalne opóźnienie. Cansu przechodzi na EDD na ławce z wąskim gardłem. Jednak pierwszy harmonogram zasugerowany przez sztuczną inteligencję naruszył relację priorytetów dwóch zadań (montaż wymaga najpierw korpusu); Cansu wyłapuje to na etapie kontroli i naprawia. Skutek: zmniejszają się opóźnienia. AI dokonała porównania reguł; To audyt ludzki wykrył naruszenie ograniczeń.
Typowe błędy
- Tworzenie wykresów bez definiowania celu: mówienie „najlepiej”; podczas gdy SPT i EDD służą różnym celom.
- Brak kontroli nad wydajnością: myślenie, że plan sztucznej inteligencji dotyczący nadwyżki mocy produkcyjnych jest wykonalny.
- Ignorowanie czasu konfiguracji: Zaniedbywanie czasu konfiguracji i wymyślanie planu, który w rzeczywistości nie działa.
- Omijanie ograniczeń priorytetowych: Nadawanie obowiązkowych priorytetów, takich jak kolejność montażu, bez ich sprawdzania.
- Skupienie się na jednej regule: Używanie tej samej zasady w każdej sytuacji; Kiedy zmienia się wąskie gardło i ciśnienie dostawy, zasada również powinna się zmienić.
Podsumowując
- Planowanie produkcji to hierarchia od ogólnej do szczegółowej: S&OP → MPS → MRP → harmonogramowanie zakładu.
- Najbardziej krytycznym błędem w MRP jest przesunięcie czasu realizacji; Sprawdź wyjście AI linia po linii.
- Reguły planowania (SPT, EDD, CR) służą różnym celom; Wybór reguł zależy od celu.
- Sprawdź każdy harmonogram tworzony przez sztuczną inteligencję pod kątem ograniczeń pojemności, konfiguracji i priorytetów.
- AI generuje porównanie i scenariusz; To człowiek wykrywa naruszenie ograniczenia i podejmuje decyzję.
Zadanie aplikacji
Skonstruuj problem planowania warsztatów dla co najmniej 5 zadań (wraz z czasami przetwarzania i terminami ostatecznymi). Niech sztuczna inteligencja posortuje te zadania zarówno za pomocą reguły SPT, jak i EDD; Oblicz średni czas przepływu i maksymalne opóźnienie dla każdej kolejki. Krytyczna walidacja: ręcznie oblicz czasy realizacji i metryki dla co najmniej jednej reguły i porównaj z sztuczną inteligencją. Następnie dodaj ograniczenie priorytetu (np. „zadanie C musi zakończyć się przed zadaniem A”) i sprawdź, czy harmonogram AI narusza to ograniczenie. Na koniec uzasadnij w jednym zdaniu, którą regułę wybierzesz w zależności od celu (przepływ średni lub opóźnienie szczytowe).