Fitimet:
- Aftësia për të përcaktuar dhe llogaritur saktë KPI-të e prodhimit si OEE, koha e ciklit dhe WIP
- Aftësia për të konfiguruar dizajnin e pultit, simulimin e ngjarjeve diskrete dhe analizën e skenarit me AI
- Aftësia për të verifikuar rezultatet e simulimit dhe pultit me supozime hyrëse dhe të dhëna reale
Inxhinierët industrialë marrin vendime bazuar në matje, jo në intuitë. KPI të përcaktuara siç duhet (Treguesit kryesorë të performancës) mbajnë pulsin e një sistemi prodhimi; Simulimi, nga ana tjetër, pyet "po sikur?" pa ndalur sistemin real. i përgjigjet pyetjes me besim. AI është një përshpejtues në të dyja: harton përkufizimin e KPI dhe dizajnin e panelit, ndërton skeletin e modelit të simulimit, interpreton krahasimet e skenarëve. Megjithatë, si KPI-të ashtu edhe simulimi janë të ndjeshëm ndaj kurtheve të "përkufizimit të gabuar" dhe "supozimit të gabuar". Në këtë njësi, ne do të mbulojmë KPI-të e prodhimit, dizajnin e panelit të kontrollit dhe simulimin e ngjarjeve diskrete me disiplinën e verifikimit.
Përcaktimi i saktë i KPI-së së duhur
Një KPI i llogaritur gabimisht është më i rrezikshëm se pa KPI sepse jep besim të rremë. KPI-të më të zakonshme të prodhimit:
KPI
Përshkrimi
Kujdes
OEE
Përdorshmëria × Performanca × Cilësia
Të tre komponentët duhet të llogariten veçmas
Koha e ciklit
Koha midis pjesëve
duke u përzier me takt
Koha e dorëzimit (koha e dërgimit)
Porosit → dërgesë
ndryshe nga cikli
WIP
produkt gjysëm i gatshëm në proces
i detyruar nga ligji i Little
Raporti mbetje/skrap
E pasaktë / total
Rezervo ripunim
Dorëzimi në kohë (OTD)
Në kohë / porosi totale
Përcaktoni dorëzimin e pjesshëm
Shembull OEE: Nëse Disponueshmëria është 90%, Performanca është 95%, Cilësia është 98%:
OEE = 0,90 × 0,95 × 0,98 = 0,8379 ≈ 83,8%
Një gabim i zakonshëm është mbledhja e këtyre tre numrave dhe mesatarja e tyre; OEE është shumëzim, kështu që çdo komponent e përbëra rezultatin.
Ligji i Little vendos marrëdhënien WIP-përfundim-kohë rrjedhjeje dhe është shumë i fuqishëm:
WIP = Përfundimi × Koha e rrjedhës Shembull: ka një mesatare prej 30 copë (WIP) në linjë, nëse prodhimi është 6 copë/orë Koha e rrjedhës = WIP / Dalja = 30 / 6 = 5 orë
Këshillë: Kur të keni AI të llogaritni një KPI, printoni gjithashtu përkufizimin e tij. “Çka është OEE, me çfarë formule e keni llogaritur? pyesni. AI ndonjëherë jep vetëm disponueshmërinë në vend të OEE ose anashkalon komponentin e cilësisë; Mos i besoni numrit pa parë përkufizimin.
Dizajni i panelit të KPI
Një pult i mirë nuk tregon shumë numra; Përgjigjet në pyetjet e duhura. Inteligjenca artificiale është e dobishme për të përshkruar se cilat KPI kanë kuptim për cilin audiencë dhe si t'i grupojnë ato.
Roli: Ju jeni një inxhinier industrial me përvojë në analitikën e prodhimit. Detyra: Dizenjoni një panel administratori për një dyqan CNC. Specifikoni: 1. Deri në 6 KPI (përkufizimi dhe formula për secilin).2. Propozimi i vlerës së synuar dhe pragjet "mirë/vëmendje/keq" për çdo KPI.3. Cili KPI do të shfaqet në cilin grafik (trend, tregues, grafik).4. 3 pyetjet e menaxhmentit përgjigjet pulti.Rregulli: Shmangni inflacionin e KPI; Shpjegoni se çdo tregues shërben për një vendim. Mos jepni një vlerë objektive të sajuar, thoni "duhet të rregullohet sipas sektorit".
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Më bëj një bord prodhimi.
Nëse nuk ka audiencë të synuar, burim të dhënash dhe qëllim, AI do të hedhë një listë të përgjithshme; Nuk merret asnjë vendim.
Njoftim i fuqishëm:
Hartoni një tabelë për mbikëqyrësin e turnit, i cili do të lexohet në 5 minuta çdo mëngjes. Qëllimi: ku ishte humbja në ndërrimin e djeshëm, çfarë duhet t'i kushtohet vëmendje sot. Maksimumi 5 KPI, secili me përcaktim + formulë + prag. Regjistrime për orë të prodhimit, joproduktive dhe humbjeve nga burimi im i të dhënave, MASH. Shmangni detajet e tepërta.
Prompti i dytë sqaron përdoruesin, momentin e përdorimit dhe burimin e të dhënave; Rezultati është një tabelë që përdoret në të vërtetë.
Simulimi i ngjarjeve diskrete (DES)
Simulimi është një mënyrë për të eksperimentuar pa ndërprerë sistemin real: çfarë ndodh me radhën kur shtoni një makinë të re, si ndikohet dalja kur ndryshon një ndërrim? Simulimi i ngjarjeve diskrete (DES) modelon sistemin si një sekuencë "ngjarjesh" (ardhja e pjesës, përfundimi i procesit). Inputet bazë: shpërndarja e kohës ndërmjet mbërritjes, shpërndarja e kohës së shërbimit, numri i burimeve, disiplina e radhës.
Roli: Ju jeni një inxhinier industrial me përvojë në simulim. Detyra: Shkruani një kornizë për të modeluar sistemin e mëposhtëm me Python SimPy: - Pjesët mbërrijnë mesatarisht çdo 4 minuta (shpërndarja eksponenciale) - Makinë e vetme, koha mesatare e përpunimit 3,5 minuta (eksponenciale) - Radhë FIFOWçfarë më duhet të mat si rezultat: gjatësia e kodit mesatar e pritjes, ritmi i makinerisë, utilizimi shkruani supozimet e shpërndarjes në fillim.Gjithashtu: çfarë kontrolli analitik mund të bëj për të verifikuar rezultatin (p.sh. krahasimi me formulat e bishtit M/M/1)?
Rreshti i fundit këtu është kritik: një simulim i mirë krahasohet me një kontroll analitik nëse është e mundur. Sistemi i thjeshtë i mësipërm është një radhë M/M/1; Rezultati i simulimit duhet të jetë me vlera teorike të tilla si shkalla e përdorimit ρ = 3,5/4 = 0,875 dhe numri mesatar në sistem L = ρ/(1−ρ) = 0,875/0,125 = 7.
Kujdes: Dalja e simulimit është po aq e mirë sa supozimet hyrëse ("mbeturi brenda, mbeturina jashtë"). AI ndonjëherë supozon shpërndarjen pa e verifikuar atë ose paraqet rezultatin e një ekzekutimi të vetëm si të vërtetën e vështirë. Kryeni ekzekutime të shumta (përsëritje), llogaritni intervalet e besueshmërisë dhe verifikoni shpërndarjet e hyrjes me të dhëna reale.
Mini Rasti: Simulimi me hipoteza të rreme
Në një linjë montimi, menaxhmenti mendon se shtimi i një stacioni të dytë paketimi do të shkatërrojë radhën. Inxhinieri industrial Deniz ndërton një model DES me AI. Rezultati i parë thotë "stacioni i dytë e zvogëlon radhën me 70%". Por kur Deniz kontrollon shpërndarjen e hyrjes, sheh se të dhënat reale të mbërritjes nuk janë eksponenciale, por kanë një strukturë "shpërthyese" që përqendrohet gjatë pushimit të drekës. Kur e ekzekutojmë sërish modelin me shpërndarjen e saktë, rezulton se stacioni i dytë nuk zgjidh pengesën e vërtetë dhe problemi është në planifikimin e ndërprerjes. Simulimi kursen rekomandimin e një investimi të panevojshëm. Mësimi: AI e ndërtoi modelin shpejt, por sugjeroi vendimin e gabuar me supozimin e gabuar; Ishte personi që vendosi të dhënat e sakta.
Gabimet e zakonshme
- Përkufizimi i gabuar i KPI: Shtimi i komponentëve OEE ose konfuzioni ciklin dhe kohën e drejtimit.
- Inflacioni i KPI: Vendosja e dhjetëra treguesve në panel që nuk i shërbejnë vendimit.
- Mbështetja në një vrapim: Ekzekutimi i simulimit një herë dhe supozimi se rezultati është i sigurt; jo replikim.
- Mos vërtetimi i shpërndarjes së hyrjes: Mos krahasimi i shpërndarjes së paracaktuar (eksponenciale, etj.) me të dhënat reale.
- Anashkalimi i kontrollit analitik: Moskontrollimi i simulimit me formulën teorike të radhës në sisteme të thjeshta.
Në përmbledhje
- Fuqia e KPI vjen nga përkufizimi i saktë; OEE është produkti, Ligji i Little lidh daljen-fluksin WIP.
- Një pult i mirë u përgjigjet pyetjeve të duhura, jo shumë numrave; Përdoruesi, shembulli dhe burimi i të dhënave duhet të jenë të qarta.
- DES provon skenarë pa thyer sistemin real; Shpërndarja e hyrjes përcakton cilësinë e rezultatit.
- Vërtetoni simulimin me replikim (interval besimi) dhe, nëse është e mundur, me formulë analitike.
- AI ndërton shpejt modelin dhe tabelën; Është personi që vendos saktë supozimet dhe interpreton rezultatin.
Detyra e aplikimit
Zgjidhni një sistem prodhimi/shërbimi. Së pari ju keni dizajnin e AI-së një panel ndërrimi me 5 KPI ose më pak; Tregoni përkufizimin dhe formulën e çdo KPI dhe verifikoni që tre komponentët janë shumëzuar nëse OEE është i pranishëm. Më pas bëni që AI të printojë një skelet SimPy për një sistem të thjeshtë të radhës (server i vetëm) dhe printoni supozimet e shpërndarjes së hyrjes në krye. Verifikimi kritik: konsideroni sistemin si një radhë M/M/1 dhe llogaritni manualisht shkallën e përdorimit ρ dhe numrin mesatar L në sistem, krahasoni me rezultatin e simulimit. Së fundi, sugjeroni një ndryshim skenari (shtimi i një serveri të dytë) dhe kritikoni rezultatin e AI duke vënë në dyshim realizmin e shpërndarjes së hyrjes.