Câștiguri:
- Abilitatea de a determina unde să folosească AI în ciclurile de producție slabă și de îmbunătățire a proceselor
- Abilitatea de a accelera harta fluxului de valoare, analiza deșeurilor și pașii DMAIC cu solicitări structurate
- Abilitatea de a aplica disciplina de validare a recomandărilor AI cu date de teren și observație gemba
Inginerie industrială este, în esență, o disciplină „a face mai bine”: producerea mai multă valoare cu aceleași resurse, făcând vizibile deșeurile, reducând variabilitatea. Inteligența artificială intră în această disciplină nu ca un nou calculator sau soluție magică, ci ca un partener puternic de gândire și de redactare. Atunci când este utilizat corect, reduce cartografierea fluxului de valoare, clasificarea deșeurilor, studiile de origine și rapoartele de îmbunătățire de la ore la minute. Când este folosit incorect, produce sugestii care nu au văzut niciodată terenul, care sunt „perfecte pe hârtie”, dar nu pot fi implementate în realitate. În această unitate, veți învăța unde să plasați IA în ciclul de producție slabă și cum să-i validați rezultatul.
Unde se află AI în îmbunătățirea procesului?
Să împărțim un proiect de îmbunătățire în trei straturi: colectare de date, analiză/decizie, raportare/comunicare. AI ajută la greutatea diferită în aceste straturi.
strat
Rolul AI
rolul omului
colectarea datelor
Proiectează sondajul/formularul și organizează datele
Măsoară și observă în teren (gemba)
analiză/decizie
Generează ipoteze, sugerează metode, elaborează calcule
Verifică cu date, ia decizia
Raportare
A3, prezentare, rezumat redactor schiță
Controlează acuratețea și tonul
Lucrul de remarcat este că AI nu poate genera datele în sine. Doar măsurarea pe teren oferă timpul real al ciclului al unei mașini, minutele pe care un operator le așteaptă și cât durează schimbarea matriței. AI organizează, interpretează și transformă aceste date brute pe care le aduci într-o ipoteză de îmbunătățire.
Sfat: Întotdeauna întreb AI „de ce date am nevoie?” De asemenea, întrebați: stabilirea planului corect de măsurare înainte de a începe îmbunătățirea este mult mai ieftină decât efectuarea unei analize cu date incorecte mai târziu.
Șapte deșeuri (Muda) și clasificare după AI
A face deșeurile (muda) vizibile se află în centrul producției slabe. Cele șapte deșeuri clasice: supraproducție, așteptare, transport inutil, supraprocesare, inventar, mișcare inutilă și erori. Adesea „potențialul uman neexploatat” este adăugat ca al optulea. AI este foarte rapid la descompunerea unei narațiuni a procesului în aceste categorii.
Rol: Sunteți un inginer industrial cu experiență în manufacturarea slabă. Sarcină: Împărțiți următorul proces narativ în 7 categorii de deșeuri (muda). Pentru fiecare determinare: (1) tip de deșeu, (2) propoziție de probă, (3) metric pe care trebuie să măsoare, (4) posibilă îmbunătățire rapidă. Descrierea procesului: """Pe linia de asamblare, operatorul parcurge 6 metri în fiecare ciclu pentru a ridica piesa. Se formează o coadă în fața cabinei de vopsire pentru o medie de 40 de minute. Aproximativ într-o tură urmează să fie reprocesate 12 piese. 3 zile de semifabricate se acumulează în depozitul intermediar.
Puterea acestui prompt este că face rezultatul măsurabil. Nu este suficient să spui „există mișcare inutilă”; Ar trebui să se poată spune „operatorul merge 6 metri pe ciclu, total Y metri în X cicluri pe zi”. AI-ul indică declarația dovezilor și metrica de măsurat, o măsurați pe teren și conectați numărul.
Solicitare slabă / Solicitare puternică
Prompt slab:
Denumiți deșeurile din această linie de producție.
Aceasta produce o listă fără categorii, fără dovezi și fără măsură; Cel mai probabil, se repetă sintagmele uzuale „poate fi stoc în exces, poate fi o perioadă de așteptare”.
Solicitare puternică:
Împărțiți datele acestui proces în 7 categorii de deșeuri, furnizați declarația de dovezi pentru fiecare, metrica pe care ar trebui să o măsurez și impactul estimat. Clasificați impactul ca „scăzut/mediu/ridicat” și scrieți rațiunea. Date: {{ ... }}
Diferența este că rezultatul se poate traduce direct într-un plan de acțiune. Al doilea prompt oferă un tabel cu prioritate, măsurabil.
Accelerarea ciclului DMAIC cu AI
Cadrul DMAIC al lui Six Sigma (Define-Measure-Analyze-Improve-Control) este un limbaj comun în proiectele de îmbunătățire. AI ajută în mod diferit în fiecare etapă:
- Definire: Definiție schiță a problemei, domeniul de aplicare al proiectului (SIPOC) și declarația scopului.
- Măsură: plan de măsurare, formular de colectare a datelor, logica dimensiunii eșantionului.
- Analizați: listă de ipoteze, oase de pește (Ishikawa), posibile cauze.
- Îmbunătățire: alternative de soluție, sugestii ECRS (Eliminate-Combine-Rearanja-Simplificare).
- Control: Proiect de plan de control, instrucțiuni standard de lucru și KPI de monitorizare.
Creați un schelet Ishikawa (os de herringe) pentru următoarea problemă. Problemă: „Rugozitatea suprafeței pe mașina CNC este peste țintă”. Categorii: Mașină, Metodă, Material, Uman, Măsurare, Mediu (6M). Scrieți 3-4 cauze posibile în fiecare categorie și indicați ce date ar trebui să colectez pentru a testa fiecare cauză.
Regula de aur aici rămâne constantă: fiecare cauză principală sugerată de AI este o ipoteză, nu o dovadă. Cauza rugozității suprafeței poate fi sau nu „uzura sculei de tăiere”; Doar datele de viață a sculei și experimentul confirmă acest lucru.
Atenție: AI construiește uneori lanțuri de motive care par foarte plauzibile, dar sunt greșite pe teren. De exemplu, este ușor să spui „eroare operator” și este adesea nedrept. Eliminați cauzele sistemice (metode, echipamente, măsurători) cu date înainte de a da vina pe om.
Mini carcasă: scurtarea timpului de schimbare a mucegaiului (SMED)
Schimbarea matriței într-un atelier de injecție de plastic durează în medie 55 de minute, iar acest lucru creează pierderi mari în loturi mici. Inginerul industrial Deniz filmează procesul de schimbare și calculează timpii pas cu pas (aceste date provin din teren). Apoi oferă AI lista de pași și timpii acestora:
Clasificați acești pași de schimbare a matriței ca „interni” (se pot face în timp ce mașina este oprită) și „externi” (se pot face în timp ce mașina funcționează) conform metodei SMED. Marcați pașii interiori care pot fi mutați în cei exteriori și scrieți o sugestie preliminară de pregătire pentru fiecare. Pași și durate: {{ list }}
Inteligența artificială marchează pași precum „aducerea noii matrițe la mașină” și „pregătirea șuruburilor” ca fiind portabile pentru munca externă, sugerând un cărucior improvizat. Deniz testează această propunere în teren; standardizează ceea ce este cu adevărat aplicabil. Ca urmare, timpul de schimbare scade de la 55 de minute la 32 de minute. Punctul critic: AI a accelerat planul, dar testarea pe teren și standardizarea au redus cu adevărat timpul.
Greșeli comune
- Ocolirea Gemba: implementarea ieșirii AI fără a o observa pe teren. Se bazează pe principiul simplu „du-te și vezi”.
- Bazându-ne pe numere inventate: AI produce uneori numere inexistente, cum ar fi „timpul ciclului este de aproximativ 45 de secunde”. Fiecare număr trebuie să fie susținut de măsurare.
- Învinovățirea cauzei fundamentale pe oameni: Acceptarea primei explicații care vine în minte este „nepăsarea”; Nu investighează cauzele sistemice.
- Blocarea într-o singură soluție: gândirea că prima sugestie a AI este singura opțiune. Generați cel puțin 2-3 alternative și comparați-le în funcție de constrângeri.
- Uitarea fazei de control: Efectuarea îmbunătățirii și părăsirea ei fără stabilirea standardelor de afaceri și monitorizarea KPI-urilor; Procesul revine la starea anterioară.
Pe scurt
- AI nu produce date în inginerie industrială; Organizează datele pe care le aduci, le interpretează și le transformă într-o ipoteză de îmbunătățire.
- Faceți rezultatul măsurabil atunci când clasificați cele șapte deșeuri: cereți o declarație de dovezi + un indicator de măsurat.
- Utilizați AI ca generator de schițe în fiecare etapă a DMAIC, dar verificați întotdeauna cauzele rădăcină cu date.
- În tehnici precum SMED, AI accelerează planul; Ceea ce reduce cu adevărat timpul este testarea pe teren și standardizarea.
- Sari peste Gemba, bazarea pe cifre inventate si uitarea fazei de verificare sunt cele mai scumpe greseli.
Sarcina de aplicare
Alegeți un proces de la propriul loc de muncă (sau un proces realist de producție/serviciu pe care îl cunoașteți). Mai întâi, observați câmpul timp de 5-10 minute și notați pașii efectivi și timpii estimați. Apoi cereți AI să analizeze procesul folosind promptul de putere „clasificarea 7 deșeuri” din această unitate. Pentru fiecare detecție a deșeurilor în rezultat: (a) comparați cu observația dvs. dacă dovezile sunt de fapt exacte, (b) identificați cel puțin o măsură care ar trebui măsurată, (c) selectați o sugestie de îmbunătățire rapidă și evaluați-o cu o logică „în interior/exterior” sau „ECRS”. În cele din urmă, găsiți un exemplu în care o determinare produsă de AI s-a dovedit a fi greșită (sau nu a putut fi verificată) în teren și scrieți într-o singură propoziție de ce a fost greșită.