Fitimet:
- Aftësia për të përcaktuar se ku të përdoret AI në ciklet e prodhimit të dobët dhe përmirësimit të procesit
- Aftësia për të përshpejtuar hartën e rrjedhës së vlerës, analizën e mbetjeve dhe hapat DMAIC me kërkesa të strukturuara
- Aftësia për të aplikuar disiplinën e vërtetimit të rekomandimeve të AI me të dhëna në terren dhe vëzhgim gemba
Inxhinieria industriale është në thelb një disiplinë "të bësh më mirë": të prodhosh më shumë vlerë me të njëjtat burime, duke i bërë mbetjet të dukshme, duke reduktuar ndryshueshmërinë. Inteligjenca artificiale hyn në këtë disiplinë jo si një kalkulator i ri apo zgjidhje magjike, por si një partner i fuqishëm mendimi dhe hartimi. Kur përdoret në mënyrë korrekte, zvogëlon hartën e rrjedhës së vlerës, klasifikimin e mbetjeve, studimet e shkaqeve rrënjësore dhe raportet e përmirësimit nga orë në minuta. Kur përdoret gabimisht, prodhon sugjerime që nuk e kanë parë kurrë këtë fushë, që janë "të përsosura në letër" por nuk mund të zbatohen në realitet. Në këtë njësi, do të mësoni se ku të vendosni AI në ciklin e prodhimit të dobët dhe si të vërtetoni produktin e tij.
Ku qëndron AI në Procesin e Përmirësimit?
Le të ndajmë një projekt përmirësimi në tre shtresa: mbledhja e të dhënave, analiza/vendimi, raportimi/komunikimi. AI ndihmon me peshë të ndryshme në këto shtresa.
shtresë
Roli i AI
roli i njeriut
mbledhjen e të dhënave
Harton anketën/formularin dhe organizon të dhënat
Mat dhe vëzhgon në terren (gemba)
analizë/vendim
Gjeneron hipoteza, sugjeron metoda, harton llogaritjet
Verifikon me të dhëna, merr vendimin
Raportimi
A3, prezantim, hartues i tekstit përmbledhës
Kontrollon saktësinë dhe tonin
Gjëja që duhet theksuar është se AI nuk mund të gjenerojë vetë të dhënat. Vetëm matja në terren jep kohën aktuale të ciklit të një makinerie, minutat që pret një operator, sa kohë merr një ndryshim i makines. AI organizon, interpreton dhe i kthen këto të dhëna të papërpunuara që ju sillni në një hipotezë përmirësimi.
Këshillë: Unë gjithmonë pyes AI "çfarë të dhënash më duhen?" Gjithashtu pyesni: Krijimi i planit të saktë të matjes përpara fillimit të përmirësimit është shumë më i lirë sesa kryerja e analizave me të dhëna të pasakta më vonë.
Shtatë Mbeturinat (Muda) dhe Klasifikimi sipas AI
Bërja e mbeturinave (muda) e dukshme qëndron në zemër të prodhimit të dobët. Shtatë mbetjet klasike: mbiprodhimi, pritja, transporti i panevojshëm, mbipërpunimi, inventari, lëvizja e panevojshme dhe gabimet. Shpesh "potenciali njerëzor i pashfrytëzuar" shtohet si i teti. AI është shumë i shpejtë në zbërthimin e një narrative të procesit në këto kategori.
Roli: Ju jeni një inxhinier industrial me përvojë në prodhim të dobët. Detyrë: Ndani tregimin e mëposhtëm të procesit në 7 kategori mbetjesh (muda). Për çdo përcaktim: (1) lloji i mbeturinave, (2) fjali provuese, (3) metrikë që më duhet të mas, (4) përmirësim i mundshëm i shpejtë. Përshkrimi i procesit: """Në linjën e montimit, operatori ecën 6 metra në çdo cikël për të marrë pjesën. Përpara kabinës së bojës formohet një radhë për një mesatare prej 40 minutash. Përafërsisht në një turn, 12 pjesë do të ripërpunohen. 3 ditë produkte gjysëm të gatshme grumbullohen në enën e ndërmjetme.
Fuqia e këtij prompt është se e bën produktin të matshëm. Nuk mjafton të thuash “ka lëvizje të panevojshme”; Duhet të jetë e mundur të thuhet "operatori ecën 6 metra në cikël, gjithsej Y metra në X cikle në ditë". AI tregon deklaratën e provave dhe metrikën për të matur, ju e matni atë në terren dhe futni numrin.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Emërtoni mbetjet në këtë linjë prodhimi.
Kjo prodhon një listë pa kategori, pa prova dhe pa masë; Me shumë mundësi, frazat e zakonshme "mund të ketë stoqe të tepërta, mund të ketë një periudhë pritjeje" përsëriten.
Njoftim i fuqishëm:
Ndani këto të dhëna të procesit në 7 kategori mbetjesh, jepni deklaratën e provave për secilën, metrikën që duhet të mas dhe ndikimin e vlerësuar. Klasifikoni ndikimin si "i ulët/mesatar/i lartë" dhe shkruani arsyetimin. Të dhënat: {{ ... }}
Dallimi është se produkti mund të përkthehet drejtpërdrejt në një plan veprimi. Prompti i dytë jep një tabelë të matshme me prioritet.
Përshpejtimi i ciklit DMAIC me AI
Kuadri DMAIC i Six Sigma (Define-Measure-Analyze-Improve-Control) është një gjuhë e zakonshme në projektet e përmirësimit. AI ndihmon ndryshe në çdo fazë:
- Përcaktoni: Hartoni përkufizimin e problemit, qëllimin e projektit (SIPOC) dhe deklaratën e qëllimit.
- Masa: Plani i matjes, formulari i mbledhjes së të dhënave, logjika e madhësisë së mostrës.
- Analizoni: Lista e hipotezave, kockat e peshkut (Ishikawa), shkaqet e mundshme rrënjësore.
- Përmirëso: Alternativat e zgjidhjeve, sugjerimet ECRS (Eliminate-Combine-Riorrange-Simplify).
- Kontrolli: Draft plani i kontrollit, udhëzimi standard i punës dhe monitorimi i KPI.
Krijoni një skelet Ishikawa (kurriz peshku) për problemin e mëposhtëm. Problemi: "Vrazhdësia e sipërfaqes në makinën CNC është mbi objektivin." Kategoritë: Makinë, Metoda, Materiale, Njerëzore, Matje, Mjedis (6M). Shkruani 3-4 shkaqe të mundshme nën secilën kategori dhe tregoni se çfarë të dhënash duhet të mbledh për të testuar çdo shkak.
Rregulli i artë këtu mbetet konstant: çdo shkak rrënjësor i sugjeruar nga AI është një hipotezë, jo provë. Shkaku i vrazhdësisë së sipërfaqes mund të jetë ose jo "konsumimi i veglave prerëse"; Këtë e konfirmojnë vetëm të dhënat dhe eksperimentet e jetës së mjetit.
Kujdes: AI nganjëherë ndërton zinxhirë arsyesh që duken shumë të besueshme, por janë të gabuara në terren. Për shembull, është e lehtë të thuash "gabim operatori" dhe shpesh është e padrejtë. Eliminoni shkaqet sistemike (metodat, pajisjet, matjet) me të dhëna përpara se të fajësoni shkakun rrënjësor tek njerëzit.
Mini Case: Shkurtimi i kohës së ndryshimit të mykut (SMED)
Ndryshimet e mykut në një punishte të injektimit të plastikës zgjasin mesatarisht 55 minuta dhe kjo krijon humbje të mëdha në tufa të vogla. Inxhinieri industrial Deniz regjistron në video procesin e kalimit dhe llogarit kohët hap pas hapi (këto të dhëna vijnë nga terreni). Më pas i jep AI listën e hapave dhe kohën e tyre:
Klasifikojini këto hapa të ndryshimit të kallëpit si "të brendshëm" (mund të bëhen ndërkohë që makina është e ndaluar) dhe "të jashtëm" (mund të bëhen ndërsa makina është në punë) sipas metodës SMED. Shënoni hapat e brendshëm që mund të zhvendosen në hapat e jashtëm dhe shkruani një sugjerim përgatitor paraprak për secilin. Hapat dhe kohëzgjatja: {{ lista }}
AI shënon hapa si "sjellja e kallëpit të ri në makinë" dhe "përgatitja e bulonave" si të lëvizshme për punën e jashtme, duke sugjeruar një karrocë të improvizuar. Deniz po e teston këtë propozim në terren; ai standardizon atë që është vërtet e zbatueshme. Si rezultat, koha e kalimit zvogëlohet nga 55 minuta në 32 minuta. Pika kritike: AI e përshpejtoi planin, por ishte testimi në terren dhe standardizimi që me të vërtetë reduktoi kohën.
Gabimet e zakonshme
- Anashkalimi i Gemba: Zbatimi i prodhimit të AI pa e vëzhguar atë në terren. Ai bazohet në parimin e thjeshtë "shko dhe shiko".
- Mbështetja në numrat e sajuar: AI ndonjëherë prodhon numra joekzistues, si "koha e ciklit është rreth 45 sekonda". Çdo numër duhet të mbështetet me matje.
- Fajësimi i shkakut kryesor te njerëzit: Pranimi i shpjegimit të parë që të vjen në mendje është "pakujdesi"; Mos hetimi i shkaqeve sistemike.
- Bllokimi në një zgjidhje të vetme: Të mendosh se sugjerimi i parë i AI është opsioni i vetëm. Gjeneroni të paktën 2-3 alternativa dhe krahasoni ato sipas kufizimeve.
- Harrimi i fazës së kontrollit: Bërja e përmirësimit dhe lënia e tij pa themelimin standard të biznesit dhe monitorimin e KPI-ve; Procesi kthehet në gjendjen e mëparshme.
Në përmbledhje
- AI nuk prodhon të dhëna në inxhinierinë industriale; Ai organizon të dhënat që ju sillni, i interpreton dhe i kthen në një hipotezë përmirësimi.
- Bëjeni produktin të matshëm kur klasifikoni shtatë mbetjet: kërkoni deklaratën e provave + metrikën për të matur.
- Përdorni AI si një gjenerator drafti në çdo fazë të DMAIC, por gjithmonë verifikoni shkaqet rrënjësore me të dhëna.
- Në teknikat si SMED, AI përshpejton planin; Ajo që me të vërtetë zvogëlon kohën është testimi në terren dhe standardizimi.
- Kapërcimi i Gemba-s, mbështetja në figurat e sajuara dhe harrimi i fazës së kontrollit janë gabimet më të shtrenjta.
Detyra e aplikimit
Zgjidhni një proces nga vendi juaj i punës (ose një proces realist prodhimi/shërbimi që dini). Së pari, vëzhgoni fushën për 5-10 minuta dhe vini re hapat aktualë dhe kohët e parashikuara. Më pas bëni që AI të analizojë procesin duke përdorur kërkesën e fuqisë "7 klasifikimi i mbetjeve" në këtë njësi. Për çdo zbulim të mbetjeve në rezultat: (a) krahasoni me vëzhgimin tuaj nëse provat janë vërtet të sakta, (b) identifikoni të paktën një metrikë që duhet të matet, (c) zgjidhni një sugjerim të shpejtë përmirësimi dhe vlerësojeni atë me një logjikë "punë brenda/jashtë" ose "ECRS". Më në fund, gjeni një shembull ku një përcaktim i prodhuar nga AI rezultoi i gabuar (ose nuk mund të verifikohej) në terren dhe shkruani me një fjali pse ishte i gabuar.