zisky:
- Schopnosť určiť, kde použiť AI v štíhlej výrobe a cykloch zlepšovania procesov
- Schopnosť urýchliť mapu toku hodnôt, analýzu odpadu a kroky DMAIC so štruktúrovanými výzvami
- Schopnosť uplatniť disciplínu overovania odporúčaní AI s terénnymi údajmi a pozorovaním gemby
Priemyselné inžinierstvo je v podstate disciplína „robiť lepšie“: produkovať väčšiu hodnotu s rovnakými zdrojmi, zviditeľňovať odpad, znižovať variabilitu. Umelá inteligencia vstupuje do tejto disciplíny nie ako nová kalkulačka alebo magické riešenie, ale ako silný partner v myslení a kreslení. Pri správnom používaní znižuje mapovanie hodnotového toku, klasifikáciu odpadu, štúdie základných príčin a správy o zlepšení z hodín na minúty. Pri nesprávnom použití vytvára návrhy, ktoré v teréne nikdy nevideli, ktoré sú „na papieri dokonalé“, ale v skutočnosti sa nedajú realizovať. V tejto lekcii sa naučíte, kam umiestniť AI v cykle štíhlej výroby a ako overiť jej výstup.
Kde stojí AI pri zlepšovaní procesov?
Rozdeľme projekt zlepšovania do troch vrstiev: zber dát, analýza/rozhodnutie, reportovanie/komunikácia. AI pomáha s rôznou hmotnosťou v týchto vrstvách.
vrstva
Úloha AI
mužská rola
zber údajov
Navrhne prieskum/formulár a usporiada údaje
Meria a pozorujú v teréne (gemba)
analýza/rozhodnutie
Generuje hypotézy, navrhuje metódy, navrhuje výpočty
Overí sa údajmi, urobí rozhodnutie
Nahlasovanie
A3, prezentácia, autor návrhu súhrnného textu
Ovláda presnosť a tón
Treba poznamenať, že AI nedokáže generovať údaje sama. Iba meranie v teréne poskytuje skutočný čas cyklu stroja, minúty, počas ktorých operátor čaká, ako dlho trvá výmena nástroja. AI organizuje, interpretuje a premieňa tieto nespracované údaje, ktoré prinesiete, na hypotézu zlepšenia.
Tip: Vždy sa AI pýtam „aké údaje potrebujem?“ Opýtajte sa tiež: Stanovenie správneho plánu merania pred začatím zlepšovania je oveľa lacnejšie ako neskoršie vykonanie analýzy s nesprávnymi údajmi.
Sedem odpadov (Muda) a klasifikácia podľa AI
Zviditeľnenie odpadu (muda) je jadrom štíhlej výroby. Klasických sedem plytvaní: nadprodukcia, čakanie, zbytočná preprava, nadmerné spracovanie, zásoby, zbytočný pohyb a chyby. Často sa ako osmina pridáva „nevyužitý ľudský potenciál“. Umelá inteligencia veľmi rýchlo rozdeľuje procesný príbeh do týchto kategórií.
Úloha: Ste priemyselný inžinier so skúsenosťami v oblasti štíhlej výroby. Úloha: Rozdeľte nasledujúci procesný príbeh do 7 kategórií odpadu (muda). Pre každé určenie: (1) druh odpadu, (2) dôkazová veta, (3) metrika, ktorú potrebujem zmerať, (4) možné rýchle zlepšenie. Popis procesu: """Na montážnej linke prejde operátor v každom cykle 6 metrov na vyzdvihnutie dielu. Pred lakovacou kabínou sa tvorí rad v priemere 40 minút. Približne za jednu zmenu ide prepracovať 12 dielov. V medzisklade sa nahromadia 3 dni polotovarov.
Sila tejto výzvy je v tom, že robí výstup merateľným. Nestačí povedať „je zbytočný pohyb“; Malo by byť možné povedať „operátor prejde 6 metrov za cyklus, celkovo Y metrov v X cykloch za deň“. AI upozorňuje na vyhlásenie o dôkazoch a metriku, ktorú treba merať, zmeriate ju v teréne a zadáte číslo.
Slabá výzva / silná výzva
Slabá výzva:
Pomenujte odpad v tejto výrobnej linke.
Toto vytvorí zoznam bez kategórií, bez dôkazov a bez miery; S najväčšou pravdepodobnosťou sa opakujú zaužívané frázy „môže byť prebytok zásob, môže byť čakacia doba“.
Výkonná výzva:
Rozdeľte tieto procesné údaje do 7 kategórií odpadu, poskytnite dôkazy pre každú z nich, metriku, ktorú by som mal merať, a odhadovaný vplyv. Klasifikujte vplyv ako „nízky/stredný/vysoký“ a napíšte zdôvodnenie. Údaje: {{ ... }}
Rozdiel je v tom, že výstup sa môže priamo premietnuť do akčného plánu. Druhá výzva poskytuje prioritnú merateľnú tabuľku.
Zrýchlenie cyklu DMAIC pomocou AI
Rámec Six Sigma DMAIC (Define-Measure-Analyze-Improve-Control) je bežným jazykom v projektoch zlepšovania. AI pomáha v každej fáze inak:
- Definovať: Definícia návrhu problému, rozsah projektu (SIPOC) a vyhlásenie o účele.
- Meranie: Plán merania, formulár na zber údajov, logika veľkosti vzorky.
- Analýza: Zoznam hypotéz, rybie kosti (Ishikawa), možné hlavné príčiny.
- Zlepšenie: Alternatívy riešení, návrhy ECRS (Eliminate-Combine-Rearrange-Simplify).
- Kontrola: Návrh plánu kontroly, štandardná pracovná inštrukcia a monitorovanie KPI.
Vytvorte kostru Ishikawa (rybia kosť) pre nasledujúci problém. Problém: "Drsnosť povrchu na CNC stroji je nad cieľovou hodnotou." Kategórie: Stroj, Metóda, Materiál, Človek, Meranie, Životné prostredie (6M). Napíšte 3-4 možné príčiny pod každú kategóriu a uveďte, aké údaje by som mal zhromaždiť na testovanie každej príčiny.
Zlaté pravidlo tu zostáva konštantné: každá základná príčina navrhnutá AI je hypotéza, nie dôkaz. Príčinou drsnosti povrchu môže, ale nemusí byť „opotrebenie rezného nástroja“; Potvrdzujú to iba údaje o životnosti nástroja a experiment.
Upozornenie: AI niekedy vytvára reťazce dôvodov, ktoré sa zdajú veľmi pravdepodobné, ale v praxi sú nesprávne. Napríklad je ľahké povedať „chyba operátora“ a často je to nespravodlivé. Odstráňte systémové príčiny (metódy, zariadenia, merania) pomocou údajov skôr, ako z hlavnej príčiny obviníte ľudí.
Mini puzdro: Skrátenie času výmeny formy (SMED)
Výmena foriem v dielni na vstrekovanie plastov trvá v priemere 55 minút, čo spôsobuje veľké straty v malých sériách. Priemyselný inžinier Deniz natáča proces prechodu na video a vypočítava časy krok za krokom (tieto údaje pochádzajú z terénu). Potom poskytne AI zoznam krokov a ich časy:
Podľa metódy SMED klasifikujte tieto kroky výmeny formy ako "interné" (možno vykonať, keď je stroj zastavený) a "externé" (možno vykonať za chodu stroja). Označte vnútorné stupne, ktoré je možné presunúť na vonkajšie, a pre každý napíšte predbežný návrh prípravy. Kroky a trvanie: {{ zoznam }}
AI označuje kroky ako „prinesenie novej formy do stroja“ a „príprava skrutiek“ ako prenosné na externú prácu, čo navrhuje provizórny vozík. Deniz testuje tento návrh v teréne; štandardizuje to, čo je skutočne použiteľné. V dôsledku toho sa čas prechodu skráti z 55 minút na 32 minút. Kritický bod: AI urýchlila plán, ale bolo to testovanie v teréne a štandardizácia, ktoré skutočne skrátili čas.
Časté chyby
- Obchádzanie Gemba: Implementácia výstupu AI bez jeho pozorovania v teréne. Je založený na jednoduchom princípe „choď a uvidíš“.
- Spoliehanie sa na vymyslené čísla: AI niekedy vytvára neexistujúce čísla, napríklad „čas cyklu je asi 45 sekúnd“. Každé číslo musí byť podložené meraním.
- Obviňovanie hlavnej príčiny na ľudí: Prijatie prvého vysvetlenia, ktoré vám napadne, je „nedbalosť“; Neskúma systémové príčiny.
- Uzamknutie jediného riešenia: Myslieť si, že prvý návrh AI je jedinou možnosťou. Vygenerujte aspoň 2-3 alternatívy a porovnajte ich podľa obmedzení.
- Zabudnutie na kontrolnú fázu: Vykonanie zlepšenia a opustenie bez vytvárania štandardných obchodných a monitorovacích KPI; Proces sa vráti do predchádzajúceho stavu.
V súhrne
- AI neprodukuje údaje v priemyselnom inžinierstve; Organizuje údaje, ktoré prinášate, interpretuje ich a mení ich na hypotézu zlepšenia.
- Urobte výstup merateľný pri klasifikácii siedmich odpadov: požiadajte o dôkazový výkaz + metriku na meranie.
- Použite AI ako generátor konceptov v každej fáze DMAIC, ale vždy overte hlavné príčiny pomocou údajov.
- V technikách ako SMED AI urýchľuje plán; Čo skutočne skracuje čas, je testovanie v teréne a štandardizácia.
- Vynechanie Gemby, spoliehanie sa na vymyslené figúrky a zabudnutie na fázu kontroly sú najdrahšie chyby.
Aplikačná úloha
Vyberte si proces z vlastného pracoviska (alebo realistický výrobný/servisný proces, ktorý poznáte). Najprv pozorujte pole 5-10 minút a všimnite si skutočné kroky a odhadované časy. Potom nechajte AI analyzovať proces pomocou výzvy „7 klasifikácie odpadu“ v tejto jednotke. Pri každom zistení plytvania vo výstupe: (a) porovnajte so svojím pozorovaním, či sú dôkazy skutočne presné, (b) identifikujte aspoň jednu metriku, ktorá by sa mala merať, (c) vyberte jeden rýchly návrh na zlepšenie a vyhodnoťte ho pomocou logiky „vnútorná/vonkajšia práca“ alebo „ECRS“. Nakoniec nájdite príklad, keď sa v poli ukázalo, že určenie vytvorené AI je nesprávne (alebo ho nebolo možné overiť) a jednou vetou napíšte, prečo bolo nesprávne.