ලාභ:
- කෙට්ටු නිෂ්පාදන සහ ක්රියාවලි වැඩිදියුණු කිරීමේ චක්රවල AI භාවිතා කළ යුතු ස්ථානය තීරණය කිරීමේ හැකියාව
- ව්යුහගත විමසීම් සමඟ අගය ප්රවාහ සිතියම, අපද්රව්ය විශ්ලේෂණය සහ DMAIC පියවර වේගවත් කිරීමේ හැකියාව
- ක්ෂේත්ර දත්ත සහ ගැම්බා නිරීක්ෂණය සමඟ AI නිර්දේශ වලංගු කිරීමේ විනය යෙදීමේ හැකියාව
කාර්මික ඉංජිනේරු විද්යාව අත්යවශ්යයෙන්ම "වඩා හොඳ" විනයකි: එකම සම්පත් සමඟ වැඩි වටිනාකමක් නිෂ්පාදනය කිරීම, අපද්රව්ය දෘශ්යමාන කිරීම, විචල්යතාවය අඩු කිරීම. කෘතිම බුද්ධිය මෙම විනයට ඇතුල් වන්නේ නව කැල්කියුලේටරයක් හෝ මැජික් විසඳුමක් ලෙස නොව, බලවත් චින්තනය සහ කෙටුම්පත් කිරීමේ හවුල්කරුවෙකු ලෙස ය. නිවැරදිව භාවිතා කළ විට, එය අගය ප්රවාහ සිතියම්ගත කිරීම, අපද්රව්ය වර්ගීකරණය, මූල හේතු අධ්යයනය සහ වැඩිදියුණු කිරීම් වාර්තා පැය සිට මිනිත්තු දක්වා අඩු කරයි. වැරදි ලෙස භාවිතා කරන විට, එය ක්ෂේත්රය කිසිදා දැක නැති, "කඩදාසි මත පරිපූර්ණ" නමුත් යථාර්ථයේ ක්රියාත්මක කළ නොහැකි යෝජනා නිෂ්පාදනය කරයි. මෙම ඒකකය තුළ, ඔබ කෙට්ටු නිෂ්පාදන චක්රයේ AI ස්ථානගත කරන්නේ කොතැනද සහ එහි ප්රතිදානය වලංගු කරන්නේ කෙසේද යන්න ඉගෙන ගනු ඇත.
ක්රියාවලි වැඩිදියුණු කිරීමේදී AI සිටින්නේ කොතැනද?
වැඩිදියුණු කිරීමේ ව්යාපෘතියක් ස්ථර තුනකට බෙදා දෙමු: දත්ත එකතු කිරීම, විශ්ලේෂණය/තීරණය, වාර්තා කිරීම/සන්නිවේදනය. AI මෙම ස්ථරවල විවිධ බර සඳහා උපකාර කරයි.
ස්ථරය
AI හි කාර්යභාරය
මිනිසාගේ භූමිකාව
දත්ත එකතු කිරීම
සමීක්ෂණය/පෝරමය සැලසුම් කර දත්ත සංවිධානය කරයි
ක්ෂේත්රයේ මිනුම් සහ නිරීක්ෂණ (ගෙම්බා)
විශ්ලේෂණය / තීරණය
උපකල්පන උත්පාදනය කරයි, ක්රම යෝජනා කරයි, ගණනය කිරීම් කෙටුම්පත් කරයි
දත්ත සමඟ තහවුරු කරයි, තීරණය කරයි
වාර්තා කිරීම
A3, ඉදිරිපත් කිරීම, සාරාංශ පෙළ කෙටුම්පත් ලේඛකයා
නිරවද්යතාව සහ ස්වරය පාලනය කරයි
සැලකිල්ලට ගත යුතු කරුණ නම් AI හට දත්ත තනිවම ජනනය කළ නොහැකි බවයි. ක්ෂේත්ර මැනීම පමණක් යන්ත්රයක සත්ය චක්ර කාලය, ක්රියාකරුවෙකු බලා සිටින මිනිත්තු, ඩයි වෙනස් කිරීමට කොපමණ කාලයක් ගතවේ. AI විසින් ඔබ ගෙන එන මෙම අමු දත්ත වැඩිදියුණු කිරීමේ උපකල්පනයකට සංවිධානය කරයි, අර්ථකථනය කරයි.
ඉඟිය: මම නිතරම AI ගෙන් අසන්නේ “මට අවශ්ය දත්ත මොනවාද?” එසේම අසන්න: වැඩිදියුණු කිරීම ආරම්භ කිරීමට පෙර නිවැරදි මිනුම් සැලැස්මක් ස්ථාපිත කිරීම පසුව වැරදි දත්ත සමඟ විශ්ලේෂණය සිදු කිරීමට වඩා බෙහෙවින් ලාභදායී වේ.
අපද්රව්ය හත (මුඩා) සහ AI විසින් වර්ගීකරණය
අපද්රව්ය (මුඩ) දෘශ්යමාන කිරීම කෙට්ටු නිෂ්පාදනයේ හදවතයි. සම්භාව්ය හත අපද්රව්ය: අධික නිෂ්පාදනය, බලා සිටීම, අනවශ්ය ප්රවාහනය, අධික ලෙස සැකසීම, ඉන්වෙන්ටරි, අනවශ්ය චලනය සහ දෝෂ. බොහෝ විට "නොදැරූ මානව විභවය" අටවැන්න ලෙස එකතු වේ. ක්රියාවලි ආඛ්යානයක් මෙම කාණ්ඩවලට කැඩීමට AI ඉතා වේගවත්ය.
භූමිකාව: ඔබ කෙට්ටු නිෂ්පාදනයේ පළපුරුදු කාර්මික ඉංජිනේරුවෙකි. කාර්යය: පහත ක්රියාවලි ආඛ්යානය අපද්රව්ය (මුදා) කාණ්ඩ 7කට බෙදන්න. එක් එක් නිර්ණය සඳහා: (1) අපද්රව්ය වර්ගය, (2) සාක්ෂි වාක්ය, (3) මට මැනීමට අවශ්ය මෙට්රික්, (4) හැකි වේගවත් වැඩිදියුණු කිරීම්. ක්රියාවලි විස්තරය: """ එකලස් කිරීමේ රේඛාවේදී, ක්රියාකරු කොටස ලබා ගැනීම සඳහා සෑම චක්රයකම මීටර් 6ක් ඇවිද යයි. සාමාන්ය මිනිත්තු 40ක් සඳහා තීන්ත කුටිය ඉදිරිපිට පෝලිමක් සාදයි. ආසන්න වශයෙන් එක් මුරයකදී කොටස් 12ක් නැවත සැකසීමට නියමිතය. අර්ධ නිමි භාණ්ඩ දින 3ක් අතරමැදි ගබඩාවේ එකතු වේ.
මෙම විමසුමේ බලය වන්නේ එය ප්රතිදානය මැනිය හැකි වීමයි. "අනවශ්ය චලනයක් තිබේ" යැයි කීම පමණක් ප්රමාණවත් නොවේ; "ක්රියාකරු එක් චක්රයකට මීටර් 6 ක් ඇවිදියි, දිනකට X චක්රවල මුළු Y මීටර" යැයි පැවසිය හැකි විය යුතුය. AI විසින් සාක්ෂි ප්රකාශය සහ මැනීමට මෙට්රික් පෙන්වා දෙයි, ඔබ එය ක්ෂේත්රයේ මනිනු ලබන අතර අංකය ප්ලග් කරන්න.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
මෙම නිෂ්පාදන රේඛාවේ අපද්රව්ය නම් කරන්න.
මෙය ප්රවර්ග නොමැතිව, සාක්ෂි නොමැතිව සහ මිනුමකින් තොරව ලැයිස්තුවක් නිෂ්පාදනය කරයි; බොහෝ දුරට ඉඩ ඇති පරිදි, "අතිරික්ත තොගයක් තිබිය හැකිය, පොරොත්තු කාලයක් තිබිය හැකිය" යන පොදු වාක්ය ඛණ්ඩය නැවත නැවතත් සිදු වේ.
බලවත් විමසුම:
මෙම ක්රියාවලි දත්ත අපද්රව්ය කාණ්ඩ 7කට බෙදා, එක් එක් සඳහා සාක්ෂි ප්රකාශය, මම මැනිය යුතු මෙට්රික් සහ ඇස්තමේන්තුගත බලපෑම සපයන්න. බලපෑම "අඩු/මධ්යම/ඉහළ" ලෙස වර්ග කර තාර්කිකත්වය ලියන්න. දත්ත: {{ ... }}
වෙනස වන්නේ ප්රතිදානය සෘජුවම ක්රියාකාරී සැලැස්මක් බවට පරිවර්තනය කළ හැකි බවයි. දෙවන විමසුම මඟින් ප්රමුඛතා, මැනිය හැකි වගුවක් ලබා දේ.
AI සමඟින් DMAIC චක්රය වේගවත් කිරීම
Six Sigma හි DMAIC රාමුව (Define-Mesure-Analyze-Improve-Control) යනු වැඩිදියුණු කිරීමේ ව්යාපෘතිවල පොදු භාෂාවකි. AI සෑම අදියරකදීම වෙනස් ලෙස උපකාර කරයි:
- නිර්වචනය කරන්න: කෙටුම්පත් ගැටළු නිර්වචනය, ව්යාපෘති විෂය පථය (SIPOC) සහ අරමුණු ප්රකාශය.
- මිනුම: මිනුම් සැලැස්ම, දත්ත එකතු කිරීමේ පෝරමය, නියැදි ප්රමාණයේ තර්කනය.
- විශ්ලේෂණය කරන්න: උපකල්පන ලැයිස්තුව, මාළු ඇට (ඉෂිකාවා), හැකි මූල හේතු.
- වැඩිදියුණු කරන්න: විසඳුම් විකල්ප, ECRS (Eliminate-Combine-Rearrange-Simplify) යෝජනා.
- පාලනය: කෙටුම්පත් පාලන සැලැස්ම, සම්මත වැඩ උපදෙස් සහ KPI අධීක්ෂණ.
පහත ගැටලුව සඳහා Ishikawa (herringbone) ඇටසැකිල්ලක් සාදන්න. ගැටළුව: "CNC යන්ත්රයේ මතුපිට රළුබව ඉලක්කයට වඩා වැඩිය." ප්රවර්ග: යන්ත්රය, ක්රමය, ද්රව්ය, මානව, මිනුම්, පරිසරය (6M). එක් එක් කාණ්ඩය යටතේ ඇති විය හැකි හේතු 3-4ක් ලියන්න සහ එක් එක් හේතුව පරීක්ෂා කිරීමට මා රැස් කළ යුතු දත්ත මොනවාදැයි සඳහන් කරන්න.
මෙහි ස්වර්ණමය රීතිය නියතව පවතී: AI විසින් යෝජනා කරන සෑම මූල හේතුවක්ම උපකල්පනයකි, සාක්ෂි නොවේ. මතුපිට රළුබව සඳහා හේතුව "කපන මෙවලම් ඇඳීම" විය හැකිය; මෙවලම් ජීවිත දත්ත සහ අත්හදා බැලීම පමණක් මෙය තහවුරු කරයි.
අවවාදයයි: AI සමහර විට ඉතා පිළිගත හැකි නමුත් භූමියේ වැරදි ලෙස පෙනෙන හේතු දාමයන් ගොඩනඟයි. උදාහරණයක් ලෙස, "ක්රියාකරුගේ දෝෂය" යැයි පැවසීම පහසු වන අතර එය බොහෝ විට අසාධාරණ වේ. මූලික හේතුව මිනිසුන්ට දොස් පැවරීමට පෙර දත්ත සමඟ පද්ධතිමය හේතු (ක්රම, උපකරණ, මිනුම්) ඉවත් කරන්න.
කුඩා නඩුව: අච්චු වෙනස් කිරීමේ කාලය කෙටි කිරීම (SMED)
ප්ලාස්ටික් එන්නත් වැඩමුළුවක අච්චු වෙනස්වීම් සාමාන්යයෙන් මිනිත්තු 55 ක් ගත වන අතර මෙය කුඩා කණ්ඩායම් වල විශාල පාඩු ඇති කරයි. කාර්මික ඉංජිනේරු ඩෙනිස් වෙනස් කිරීමේ ක්රියාවලිය වීඩියෝගත කර පියවරෙන් පියවර වේලාවන් ගණනය කරයි (මෙම දත්ත ක්ෂේත්රයෙන් පැමිණේ). එය පසුව AI හට පියවර ලැයිස්තුව සහ ඒවායේ වේලාවන් ලබා දෙයි:
මෙම අච්චු වෙනස් කිරීමේ පියවර SMED ක්රමයට අනුව "අභ්යන්තර" (යන්ත්රය නතර කර ඇති විට සිදු කළ හැක) සහ "බාහිර" (යන්ත්රය ක්රියාත්මක වන විට සිදු කළ හැක) ලෙස වර්ග කරන්න. බාහිර ඒවාට ගෙන යා හැකි අභ්යන්තර පියවර සලකුණු කර එක් එක් සඳහා මූලික සූදානම් කිරීමේ යෝජනාවක් ලියන්න. පියවර සහ කාල සීමාවන්: {{ ලැයිස්තුව }}
AI විසින් තාවකාලික කරත්තයක් යෝජනා කරමින් බාහිර කාර්යයට ගෙන යා හැකි ලෙස “නව අච්චුව යන්ත්රයට ගෙන ඒම” සහ “බෝල්ට් සකස් කිරීම” වැනි පියවර සලකුණු කරයි. ඩෙනිස් මෙම යෝජනාව ක්ෂේත්රයේ පරීක්ෂා කරයි; එය සැබවින්ම අදාළ වන දේ සම්මත කරයි. ප්රතිඵලයක් වශයෙන්, වෙනස් කිරීමේ කාලය විනාඩි 55 සිට විනාඩි 32 දක්වා අඩු වේ. තීරනාත්මක කරුණ: AI සැලැස්ම වේගවත් කළේය, නමුත් ක්ෂේත්ර පරීක්ෂා කිරීම සහ ප්රමිතිකරණය සැබවින්ම කාලය අඩු කළේය.
පොදු වැරදි
- Gemba මඟහැරීම: ක්ෂේත්රය තුළ නිරීක්ෂණය නොකර AI ප්රතිදානය ක්රියාත්මක කිරීම. එය සරල "යන්න බලන්න" මූලධර්මය මත පදනම් වේ.
- සාදන ලද අංක මත විශ්වාසය තැබීම: AI සමහර විට "චක්ර කාලය තත්පර 45ක් පමණ වේ" වැනි නොපවතින සංඛ්යා නිපදවයි. සෑම අංකයක්ම මිනුම් මගින් සහාය විය යුතුය.
- මූලික හේතුව මිනිසුන්ට දොස් පැවරීම: මතකයට එන පළමු පැහැදිලි කිරීම පිළිගැනීම "නොසැලකිලිමත්කම" ය; පද්ධතිමය හේතු විමර්ශනය නොකරයි.
- තනි විසඳුමක අගුලු දැමීම: AI හි පළමු යෝජනාව එකම විකල්පය බව සිතීම. අවම වශයෙන් විකල්ප 2-3 ක් උත්පාදනය කර සීමාවන්ට අනුව ඒවා සංසන්දනය කරන්න.
- පාලන අදියර අමතක කිරීම: සම්මත ව්යාපාර ස්ථාපිත කිරීම සහ KPIs අධීක්ෂණය කිරීමකින් තොරව වැඩිදියුණු කිරීම සහ එය අත්හැරීම; ක්රියාවලිය එහි පෙර තත්වයට පැමිණේ.
සාරාංශයක් ලෙස
- AI කාර්මික ඉංජිනේරු විද්යාවේ දත්ත නිෂ්පාදනය නොකරයි; එය ඔබ ගෙන එන දත්ත සංවිධානය කරයි, එය අර්ථකථනය කර එය වැඩිදියුණු කිරීමේ කල්පිතයක් බවට පත් කරයි.
- අපද්රව්ය හත වර්ගීකරණය කිරීමේදී ප්රතිදානය මැනිය හැකි කරන්න: මැනීමට සාක්ෂි ප්රකාශය + මෙට්රික් ඉල්ලන්න.
- DMAIC හි සෑම අදියරකදීම කෙටුම්පත් උත්පාදකයක් ලෙස AI භාවිතා කරන්න, නමුත් සෑම විටම දත්ත සමඟ මූල හේතු සත්යාපනය කරන්න.
- SMED වැනි තාක්ෂණික ක්රමවලදී, AI සැලැස්ම වේගවත් කරයි; ඇත්ත වශයෙන්ම කාලය අඩු කරන්නේ ක්ෂේත්ර පරීක්ෂාව සහ ප්රමිතිකරණයයි.
- Gemba මඟ හැරීම, සාදන ලද සංඛ්යා මත විශ්වාසය තැබීම සහ පරීක්ෂා කිරීමේ අදියර අමතක කිරීම වඩාත්ම මිල අධික වැරදි වේ.
යෙදුම් කාර්යය
ඔබේම සේවා ස්ථානයෙන් ක්රියාවලියක් තෝරන්න (හෝ ඔබ දන්නා යථාර්ථවාදී නිෂ්පාදන/සේවා ක්රියාවලියක්). පළමුව, ක්ෂේත්රය විනාඩි 5-10 ක් නිරීක්ෂණය කර සත්ය පියවර සහ ඇස්තමේන්තුගත වේලාවන් සටහන් කරන්න. ඉන්පසු මෙම ඒකකයේ “7 අපද්රව්ය වර්ගීකරණය” බල විමසුම භාවිතයෙන් ක්රියාවලිය විශ්ලේෂණය කිරීමට AI ට සලස්වන්න. ප්රතිදානයේ එක් එක් අපද්රව්ය හඳුනාගැනීම සඳහා: (අ) සාක්ෂි සත්ය වශයෙන්ම නිවැරදිද යන්න ඔබේ නිරීක්ෂණය හා සසඳන්න, (ආ) මැනිය යුතු අවම වශයෙන් එක් මෙට්රික් එකක්වත් හඳුනා ගන්න, (ඇ) එක් ඉක්මන් වැඩිදියුණු කිරීමේ යෝජනාවක් තෝරා එය “ඇතුළත/පිටත රැකියාවක්” හෝ “ECRS” තර්කයකින් ඇගයීම. අවසාන වශයෙන්, ක්ෂේත්රය තුළ AI විසින් නිෂ්පාදනය කරන ලද තීරණයක් වැරදි (හෝ සත්යාපනය කළ නොහැකි) බවට පත් වූ උදාහරණයක් සොයාගෙන එය වැරදි වූයේ මන්දැයි එක් වාක්යයකින් ලියන්න.