AI, Uboreshaji wa Mchakato na Utengenezaji Lean katika Uhandisi wa Viwanda

Faida:

• Uwezo wa kuamua wapi kutumia AI katika utengenezaji duni na mizunguko ya uboreshaji wa mchakato
• Uwezo wa kuharakisha ramani ya mtiririko wa thamani, uchanganuzi wa taka na hatua za DMAIC kwa vidokezo vilivyoundwa
• Uwezo wa kutumia nidhamu ya kuthibitisha mapendekezo ya AI na data ya shamba na uchunguzi wa gemba

Uhandisi wa viwanda kimsingi ni nidhamu ya "kufanya vyema": kutoa thamani zaidi kwa rasilimali sawa, kufanya taka kuonekana, kupunguza utofauti. Akili Bandia huingia katika taaluma hii si kama kikokotoo kipya au suluhisho la kichawi, lakini kama mshirika mwenye uwezo wa kufikiri na kuandaa rasimu. Inapotumiwa kwa usahihi, inapunguza ramani ya mtiririko wa thamani, uainishaji wa taka, tafiti za sababu za mizizi na ripoti za uboreshaji kutoka saa hadi dakika. Inapotumiwa vibaya, hutoa mapendekezo ambayo hayajawahi kuona uwanja, ambayo ni "kamilifu kwenye karatasi" lakini hayawezi kutekelezwa katika hali halisi. Katika kitengo hiki, utajifunza mahali pa kuweka AI katika mzunguko mdogo wa utengenezaji na jinsi ya kuthibitisha matokeo yake.

AI Inasimama Wapi Katika Uboreshaji wa Mchakato?

Hebu tugawanye mradi wa uboreshaji katika tabaka tatu: ukusanyaji wa data, uchambuzi/uamuzi, kuripoti/mawasiliano. AI husaidia kwa uzito tofauti katika tabaka hizi.

safu

Jukumu la AI

jukumu la mwanaume

ukusanyaji wa data

Hubuni utafiti/fomu na kupanga data

Vipimo na uchunguzi shambani (gemba)

uchambuzi/uamuzi

Inazalisha hypotheses, inapendekeza mbinu, mahesabu ya rasimu

Inathibitisha kwa data, hufanya uamuzi

Kuripoti

A3, uwasilishaji, muhtasari wa rasimu ya mwandishi

Hudhibiti usahihi na sauti

Jambo la kuzingatia ni kwamba AI haiwezi kutoa data yenyewe. Kipimo cha shamba pekee ndicho kinachotoa muda halisi wa mzunguko wa mashine, dakika ambazo opereta husubiri, mabadiliko ya kufa huchukua muda gani. AI hupanga, kutafsiri na kubadilisha data hii mbichi unayoleta kuwa dhana ya uboreshaji.

Kidokezo: Mimi huuliza AI kila wakati "ninahitaji data gani?" Pia uliza: Kuanzisha mpango sahihi wa kipimo kabla ya kuanza uboreshaji ni nafuu zaidi kuliko kufanya uchanganuzi na data isiyo sahihi baadaye.

Taka Saba (Muda) na Uainishaji kwa AI

Kufanya taka (muda) inayoonekana iko kwenye moyo wa uzalishaji mdogo. Taka saba za kawaida: uzalishaji kupita kiasi, kungojea, usafirishaji usio wa lazima, usindikaji kupita kiasi, hesabu, harakati zisizo za lazima na makosa. Mara nyingi "uwezo wa kibinadamu ambao haujatumika" huongezwa kama wa nane. AI ina haraka sana katika kugawa masimulizi ya mchakato katika kategoria hizi.

Jukumu: Wewe ni mhandisi wa viwanda mwenye uzoefu katika utengenezaji duni. Kazi: Gawanya masimulizi ya mchakato ufuatao katika kategoria 7 za taka (muda). Kwa kila uamuzi: (1) aina ya taka, (2) sentensi ya ushahidi, (3) kipimo ninachohitaji kupima, (4) uboreshaji wa haraka unaowezekana. Maelezo ya mchakato: """Kwenye mstari wa kusanyiko, operator hutembea mita 6 katika kila mzunguko ili kuchukua sehemu. Foleni hutengeneza mbele ya kibanda cha rangi kwa wastani wa dakika 40. Takriban katika mabadiliko moja sehemu 12 zitafanywa upya. Siku 3 za bidhaa za kumaliza nusu hujilimbikiza kwenye ghala la kati.

Nguvu ya arifa hii ni kwamba inafanya matokeo kupimika. Haitoshi kusema "kuna harakati zisizo za lazima"; Inapaswa kuwa rahisi kusema "mendeshaji hutembea mita 6 kwa kila mzunguko, jumla ya mita za Y katika mizunguko ya X kwa siku." AI huonyesha taarifa ya ushahidi na kipimo cha kupima, unaipima kwenye uwanja na kuunganisha nambari.

Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu

Agizo dhaifu:

Taja taka katika mstari huu wa uzalishaji.

Hii hutoa orodha bila makundi, bila ushahidi, na bila kipimo; Uwezekano mkubwa zaidi, misemo ya kawaida "kunaweza kuwa na hisa nyingi, kunaweza kuwa na muda wa kusubiri" hurudiwa.

Agizo lenye nguvu:

Gawa data ya mchakato huu katika kategoria 7 za taka, toa taarifa ya ushahidi kwa kila moja, kipimo ninachopaswa kupima, na makadirio ya athari. Bainisha athari kama "chini/kati/juu" na uandike mantiki. Data: {{ ... }}

Tofauti ni kwamba matokeo yanaweza kutafsiri moja kwa moja kuwa mpango wa utekelezaji. Kidokezo cha pili kinatoa jedwali lililopewa kipaumbele, linaloweza kupimika.

Kuharakisha Mzunguko wa DMAIC na AI

Mfumo wa DMAIC wa Six Sigma (Fafanua-Pima-Changanua-Boresha-Udhibiti) ni lugha ya kawaida katika miradi ya uboreshaji. AI husaidia tofauti katika kila hatua:

• Fafanua: Ufafanuzi wa tatizo la rasimu, upeo wa mradi (SIPOC), na taarifa ya madhumuni.
• Kipimo: Mpango wa kipimo, fomu ya kukusanya data, mantiki ya ukubwa wa sampuli.
• Changanua: Orodha ya dhana, mifupa ya samaki (Ishikawa), sababu zinazowezekana za mizizi.
• Boresha: Mibadala ya suluhisho, mapendekezo ya ECRS (Ondoa-Unganisha-Panga Upya-Rahisisha).
• Udhibiti: Mpango wa udhibiti wa rasimu, maagizo ya kawaida ya kazi na ufuatiliaji wa KPI.

Unda mifupa ya Ishikawa (herringbone) kwa tatizo lifuatalo. Tatizo: "Ukwaru wa uso kwenye mashine ya CNC uko juu ya lengo." Kategoria: Mashine, Mbinu, Nyenzo, Binadamu, Kipimo, Mazingira (6M). Andika sababu 3-4 zinazowezekana chini ya kila aina na uonyeshe data ninayopaswa kukusanya ili kujaribu kila sababu.

Kanuni ya dhahabu hapa inabaki kuwa thabiti: kila sababu ya msingi iliyopendekezwa na AI ni dhana, sio ushahidi. Sababu ya ukali wa uso inaweza au inaweza kuwa "kukata zana za kukata"; Data na majaribio ya maisha ya zana pekee ndiyo yanathibitisha hili.

Tahadhari: Wakati mwingine AI huunda misururu ya sababu ambazo zinaonekana kuwa sawa lakini sio sawa. Kwa mfano, ni rahisi kusema "kosa la waendeshaji" na mara nyingi sio haki. Ondoa sababu za kimfumo (mbinu, vifaa, vipimo) na data kabla ya kulaumu chanzo kikuu kwa wanadamu.

Kipochi Kidogo: Kufupisha Muda wa Kubadilisha ukungu (SMED)

Mabadiliko ya ukungu katika warsha ya sindano ya plastiki huchukua wastani wa dakika 55, na hii inaleta hasara kubwa katika makundi madogo. Mhandisi wa viwanda Deniz anarekodi mchakato wa mabadiliko na kukokotoa nyakati za hatua kwa hatua (data hii inatoka kwenye uwanja). Kisha inatoa AI orodha ya hatua na nyakati zao:

Bainisha hatua hizi za mabadiliko ya ukungu kama "ya ndani" (inaweza kufanywa wakati mashine imesimamishwa) na "ya nje" (inaweza kufanywa wakati mashine inafanya kazi) kulingana na njia ya SMED. Weka alama kwenye hatua za ndani zinazoweza kusogezwa hadi zile za nje na uandike pendekezo la maandalizi ya awali kwa kila moja. Hatua na muda: {{ list }}

AI huashiria hatua kama vile "kuleta ukungu mpya kwenye mashine" na "kutayarisha boli" kama zinazoweza kubebeka kwa kazi ya nje, ikipendekeza toroli ya muda. Deniz anajaribu pendekezo hili kwenye uwanja; inasawazisha kile kinachotumika kweli. Kama matokeo, wakati wa kubadilisha hupungua kutoka dakika 55 hadi dakika 32. Hoja muhimu: AI iliharakisha mpango, lakini ilikuwa majaribio ya uwanja na usanifu ambao ulipunguza wakati.

Makosa ya Kawaida

• Kukwepa Gemba: Utekelezaji wa pato la AI bila kuiona uwanjani. Inategemea kanuni rahisi ya "nenda uone".
• Kutegemea nambari zilizoundwa: AI wakati mwingine hutoa nambari ambazo hazipo, kama "muda wa mzunguko ni kama sekunde 45." Kila nambari lazima iungwe mkono na kipimo.
• Kulaumu chanzo kikuu kwa wanadamu: Kukubali maelezo ya kwanza yanayokuja akilini ni "kutojali"; Sio kuchunguza sababu za kimfumo.
• Kufungia katika suluhisho moja: Kufikiria kuwa pendekezo la kwanza la AI ndio chaguo pekee. Tengeneza angalau mbadala 2-3 na ulinganishe kulingana na vikwazo.
• Kusahau awamu ya udhibiti: Kufanya uboreshaji na kuiacha bila kuanzisha biashara ya kawaida na ufuatiliaji wa KPIs; Mchakato unarudi katika hali yake ya awali.

Kwa muhtasari

• AI haitoi data katika uhandisi wa viwanda; Hupanga data unayoleta, kuifasiri na kuigeuza kuwa dhana ya uboreshaji.
• Fanya pato liweze kupimika wakati wa kuainisha taka saba: uliza taarifa ya ushahidi + kipimo cha kupima.
• Tumia AI kama rasimu ya jenereta katika kila hatua ya DMAIC, lakini kila wakati thibitisha visababishi vya mizizi kwa kutumia data.
• Katika mbinu kama SMED, AI huharakisha mpango; Kinachopunguza sana wakati ni upimaji wa uga na usanifishaji.
• Kuruka Gemba, kutegemea takwimu za maandishi, na kusahau awamu ya kuangalia ni makosa ya gharama kubwa zaidi.

Jukumu la maombi

Chagua mchakato kutoka mahali pako pa kazi (au mchakato halisi wa uzalishaji/huduma unaoujua). Kwanza, angalia shamba kwa dakika 5-10 na kumbuka hatua halisi na nyakati zilizokadiriwa. Kisha AI ichambue mchakato kwa kutumia kidokezo cha nguvu cha "ainisho 7 za taka" kwenye kitengo hiki. Kwa kila ugunduzi wa taka kwenye matokeo: (a) linganisha na uchunguzi wako ikiwa ushahidi ni sahihi, (b) tambua angalau kipimo kimoja ambacho kinafaa kupimwa, (c) chagua pendekezo moja la uboreshaji wa haraka na ulitathmini kwa mantiki ya "kazi ya ndani/nje" au "ECRS". Mwishowe, pata mfano ambapo uamuzi uliotolewa na AI uligeuka kuwa sio sawa (au haukuweza kuthibitishwa) kwenye uwanja na uandike kwa sentensi moja kwa nini haikuwa sawa.