వర్క్ స్టడీ మరియు టైమ్ స్టడీ

లాభాలు:

• ప్రామాణిక సమయం, టెంపో రేటింగ్ మరియు భత్యం (భత్యం) భావనలను లెక్కించే సామర్థ్యం
• AIతో జాబ్ స్టెప్ విశ్లేషణ, ECRS ఆప్టిమైజేషన్ మరియు MTM/లైన్ బ్యాలెన్సింగ్ డ్రాఫ్ట్‌లను రూపొందించగల సామర్థ్యం
• వాస్తవ కొలత డేటాతో AI-సూచించిన ప్రామాణిక సమయాలను ధృవీకరించే క్రమశిక్షణను వర్తింపజేయగల సామర్థ్యం

వర్క్ స్టడీ అనేది ఇండస్ట్రియల్ ఇంజినీరింగ్ యొక్క స్థాపక విభాగాలలో ఒకటి: ఉద్యోగం ఎలా జరుగుతుందో (పద్ధతి అధ్యయనం) క్రమపద్ధతిలో పరిశీలించడం మరియు ఎంత సమయం తీసుకుంటుందో (సమయ అధ్యయనం) కొలవడం ద్వారా మెరుగైన పని పద్ధతి మరియు వాస్తవిక ప్రామాణిక సమయాలను ఉత్పత్తి చేయడం. ప్రామాణిక సమయం; ఇది ఖర్చు, సామర్థ్య ప్రణాళిక, లైన్ బ్యాలెన్సింగ్ మరియు ప్రోత్సాహక వ్యవస్థలకు ఆధారం. తప్పు ప్రమాణం అంటే తప్పు ధర మరియు అవాస్తవ లక్ష్యాలు. ఉద్యోగ దశలను విశ్లేషించడం, ECRS మెరుగుదల ఆలోచనలను రూపొందించడం మరియు లైన్ బ్యాలెన్సింగ్ బ్లూప్రింట్‌లను ఏర్పాటు చేయడంలో AI ఈ ప్రాంతంలో శక్తివంతమైనది; కానీ టెంపో గ్రేడింగ్ మరియు వాస్తవ సమయ కొలత ఫీల్డ్ నుండి వస్తాయి. ఈ యూనిట్‌లో మేము ప్రామాణిక సమయ అకౌంటింగ్ మరియు AI యొక్క సరైన పాత్రను కవర్ చేస్తాము.

ప్రామాణిక సమయం యొక్క భాగాలు

ప్రామాణిక సమయం అనేక దశల్లో గమనించిన ముడి సమయం నుండి తీసుకోబడింది.

1) గమనించిన సమయం (NZ): స్టాప్‌వాచ్‌తో కొలవబడిన రా సమయం (సగటు).2) సాధారణ సమయం (NZ) = OZ × టెంపో (రేటింగ్ కారకం) - పేస్ అనేది "సాధారణ" వేగానికి సంబంధించి ఆపరేటర్ యొక్క రేటింగ్. - 100% = సాధారణం, 110% = సాధారణం కంటే వేగంగా, 90% = నెమ్మదిగా.3) ప్రామాణిక సమయం (SZ) = NZ × (1 + షేర్ నిష్పత్తి) - షేర్లు: వ్యక్తిగత అవసరం, అలసట (విశ్రాంతి), అనివార్యమైన ఆలస్యం.

ఒక చిన్న ఉదాహరణ. అసెంబ్లీ ఆపరేషన్ యొక్క సగటు గమనించిన సమయం 45 సెకన్లు, గమనించిన టెంపో 110% మరియు మొత్తం మార్జిన్ 15% అని చెప్పండి:

NZ = 45 × 1.10 = 49.5 సెకన్లుSZ = 49.5 × (1 + 0.15) = 49.5 × 1.15 ≈ 56.9 సెకన్లు

కాబట్టి, వాస్తవ పనితీరు వేగంగా ఉన్నప్పటికీ (టెంపో ఎక్కువగా ఉంటుంది), మార్జిన్‌ల జోడింపుతో ప్రామాణిక సమయం గమనించిన సమయాన్ని మించిపోతుంది. ఇక్కడ టెంపో విలువ అనేది సబ్జెక్టివ్ ఇంజనీరింగ్ తీర్పు మరియు అనుభవం అవసరం; AI మీ కోసం దీన్ని గమనించలేదు.

శ్రద్ధ: "ప్రామాణిక సమయాన్ని లెక్కించు" అని AIకి చెప్పేటప్పుడు, టెంపో మరియు మార్జిన్‌ను తప్పకుండా ఇవ్వండి. AI ఆకస్మికంగా "టెంపో 100% అనుకోండి" అని చెప్పి, కొనసాగితే, ఆ ఊహ ఫీల్డ్‌లో వాస్తవికతను ప్రతిబింబించకపోవచ్చు మరియు మీ ప్రామాణిక సమయాన్ని వక్రీకరిస్తుంది.

ఎంత పరిశీలన? (నమూనా పరిమాణం)

ఒకే కొలత సరిపోదు; ప్రక్రియ వైవిధ్యం ఉంది. కావలసిన విశ్వాసం మరియు ఖచ్చితత్వం ఆధారంగా అవసరమైన పరిశీలనల సంఖ్య గణాంకపరంగా నిర్ణయించబడుతుంది. మొదటి కొన్ని పరిశీలనల యొక్క వైవిధ్యాన్ని చూడటం మరియు లక్ష్య ఖచ్చితత్వానికి అవసరమైన nని లెక్కించడం ఒక కఠినమైన విధానం.

కింది ప్రాథమిక పరిశీలనలతో (సెకన్లు) 95% విశ్వాసం మరియు ±5% ఖచ్చితత్వం కోసం అవసరమైన పరిశీలనల సంఖ్యను అంచనా వేయండి. ఫార్ములా మరియు ఊహలను వ్రాయండి. పరిశీలనలు: {{ 44, 46, 45, 48, 43, 47, ... }}తర్వాత: ప్రస్తుత పరిశీలనల సంఖ్య సరిపోతుందా, కాకపోతే ఇంకా ఎన్ని అవసరం?

AIతో మెథడ్ స్టడీ మరియు ECRS

మెథడ్ స్టడీ యొక్క ఉద్దేశ్యం ఉద్యోగం బాగా చేయడమే. ECRS ప్రశ్న శక్తివంతమైన ఫ్రేమ్‌వర్క్: తొలగించండి, కలపండి, పునర్వ్యవస్థీకరించండి, సరళీకృతం చేయండి.

పాత్ర: మీరు పని అధ్యయనంలో నైపుణ్యం కలిగిన పారిశ్రామిక ఇంజనీర్. టాస్క్: ECRS ఫ్రేమ్‌వర్క్‌తో కింది పని దశలను మూల్యాంకనం చేయండి. ప్రతి దశకు: ఈ దశను తొలగించడం/కలిపడం/మళ్లీ ఆర్డర్ చేయడం/సరళీకరించడం సాధ్యమేనా? నిర్దిష్ట సూచనలు మరియు అంచనా సమయ ప్రభావాలను వ్రాయండి. పని దశలు మరియు వ్యవధి (సెకన్లు):1. షెల్ఫ్ నుండి భాగాన్ని తీసుకోండి (6)2. కౌంటర్లో ఉంచండి (4)3. స్క్రూ (8)4ని మాన్యువల్‌గా ప్రారంభించండి. టార్క్ రెంచ్ (5)5తో బిగించండి. తనిఖీ (3)6. పూర్తయిన భాగాన్ని పెట్టెలో ఉంచండి (5)నియమం: ఎర్గోనామిక్స్ మరియు నాణ్యతతో రాజీపడే సూచనలను నివారించండి; ప్రతి సూచనకు "తప్పక ఫీల్డ్ పరీక్షించబడాలి" గమనికను ఇవ్వండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

దీన్ని వేగవంతం చేయండి.

సందర్భం లేకుండా; "యాడ్ ఆటోమేషన్" వంటి సాధారణ మరియు వ్యయ-అజ్ఞేయ సూచనలను AI ఉమ్మివేస్తుంది.

శక్తివంతమైన ప్రాంప్ట్:

ECRSతో కింది పని దశలను విశ్లేషించండి మరియు ఇప్పటికే ఉన్న పరికరాలకు మరియు అదనపు పెట్టుబడి అవసరం లేకుండా మాత్రమే వర్తించే సూచనలను అందించండి. ప్రతి సిఫార్సు కోసం అంచనా వేసిన సెకన్ల లాభం మరియు సంభావ్య నాణ్యత/ఎర్గోనామిక్స్ ప్రమాదాన్ని పేర్కొనండి. విజయాలను జోడించి, కొత్త అంచనా సైకిల్ సమయాన్ని లెక్కించండి. దశలు: {{ ... }}

రెండవ ప్రాంప్ట్ పరిమితి (అదనపు పెట్టుబడి లేదు)కి రిస్క్ మరియు కొలవదగిన రాబడి అవసరం; ఇది సిఫార్సులను నేరుగా వర్తించేలా చేస్తుంది.

లైన్ బ్యాలెన్సింగ్

అసెంబ్లీ లైన్‌లోని వర్క్‌స్టేషన్‌ల మధ్య లోడ్‌ను బ్యాలెన్స్ చేయడం వల్ల అడ్డంకులు మరియు నిష్క్రియంగా వేచి ఉండడాన్ని తగ్గిస్తుంది. ప్రాథమిక భావనలు:

Takt సమయం = అందుబాటులో ఉన్న ఉత్పత్తి సమయం / డిమాండ్ (అవసరమైన వేగం) స్టేషన్ల కనీస సంఖ్య = మొత్తం పని కంటెంట్ / Takt సమయం (రౌండ్ అప్) లైన్ సామర్థ్యం = మొత్తం పని కంటెంట్ / (స్టేషన్ల సంఖ్య × సైకిల్ సమయం)

ఉదాహరణ: మొత్తం పని కంటెంట్ 180 సెకను/పీస్, రోజుకు 450 నిమిషాల ఉత్పత్తి, రోజువారీ డిమాండ్ 300 ముక్కలు:

Takt = (450 × 60) / 300 = 27000 / 300 = 90 సెకన్లు/ముక్క కనిష్ట స్టేషన్ = 180 / 90 = 2 స్టేషన్లు

ప్రాధాన్యతా సంబంధాల ఆధారంగా స్టేషన్‌లకు టాస్క్‌లను కేటాయించడంలో AI డ్రాఫ్ట్‌ను రూపొందిస్తుంది; కానీ మీరు ప్రాధాన్యత రేఖాచిత్రం సరైనదేనని మరియు అసైన్‌మెంట్ వాస్తవానికి తక్త్‌ను మించలేదని తనిఖీ చేయండి.

చిట్కా: AI సూచించిన స్టేషన్ అసైన్‌మెంట్‌లో, ఒక్కో స్టేషన్‌ని ఒక్కొక్కటిగా జోడించడం ద్వారా ప్రతి స్టేషన్ యొక్క మొత్తం సమయం takt సమయాన్ని మించదని ధృవీకరించండి. AI కొన్నిసార్లు స్టేషన్‌కు టాక్ట్‌ను మించిన పనులను కేటాయిస్తుంది మరియు దానిని "సమతుల్యమైనది"గా అందిస్తుంది.

మినీ కేస్: అవాస్తవ ప్రమాణం

టెక్స్‌టైల్ వర్క్‌షాప్‌లో కుట్టు స్టేషన్ కోసం ప్రామాణిక సమయం చాలా సంవత్సరాల క్రితం నిర్ణయించబడింది మరియు ఆపరేటర్లు ఎల్లప్పుడూ లక్ష్యాన్ని మించిపోతారు. ఇండస్ట్రియల్ ఇంజనీర్ కెరెమ్ ఉద్యోగాన్ని మళ్లీ అధ్యయనం చేస్తాడు: అతను 15 పరిశీలనలను తీసుకుంటాడు, టెంపోను 95% (కొద్దిగా నెమ్మదిగా ఆపరేటర్)గా అంచనా వేస్తాడు మరియు 12% వాటాను పొందుతాడు. ఇది ఈ డేటాను AIలోకి నమోదు చేస్తుంది, ప్రామాణిక సమయాన్ని గణిస్తుంది మరియు ECRS ద్వారా మెరుగుదల సూచనలను అభ్యర్థిస్తుంది. AI బైమాన్యువల్ సమాంతర పని (రెండు చేతులను ఉపయోగించడం) సూచనతో ఒక దశను మిళితం చేస్తుంది. Kerem రంగంలో ప్రతిపాదనను పరీక్షిస్తుంది; చక్రం సమయం తగ్గుతుంది మరియు కొత్త, వాస్తవిక ప్రమాణం స్థాపించబడింది. తేడా: పాత ప్రమాణం, అప్‌డేట్ చేయని టెంపో మరియు పద్ధతితో లెక్కించబడుతుంది. AI గణన మరియు సిఫార్సును వేగవంతం చేసింది; మానవుడు టెంపో మూల్యాంకనం మరియు ఫీల్డ్ టెస్టింగ్ చేసాడు.

సాధారణ తప్పులు

• షేర్లను మర్చిపోవడం: మిగిలిన మరియు వ్యక్తిగత షేర్లను జోడించకుండా అవాస్తవిక (చాలా చిన్నది) ప్రమాణాలను ఉత్పత్తి చేయడం.
• టెంపోను AIకి వదిలివేయడం: ఫీల్డ్‌లో సబ్జెక్టివ్ టెంపో అసెస్‌మెంట్ చేయకుండా అంచనాల ఆధారంగా.
• తగినంత పరిశీలన లేదు: సింగిల్/కొన్ని కొలతలతో ప్రమాణాలను సెట్ చేయడం; వైవిధ్యాన్ని విస్మరించండి.
• టక్‌ని మించిన స్టేషన్: లైన్ బ్యాలెన్సింగ్‌లో టాక్ట్ సమయంతో స్టేషన్ లోడ్‌ని పోల్చడం లేదు.
• ప్రమాణాన్ని నవీకరించడం లేదు: పద్ధతి మారినప్పుడు పాత ప్రమాణాన్ని ఉపయోగించడం కొనసాగించడం.

సారాంశంలో

• ప్రామాణిక సమయం = సాధారణ సమయం × (1 + న్యూమరేటర్); సాధారణ సమయం = గమనించిన సమయం × వేగం. మూడు భాగాలు అవసరం.
• పేస్ రేటింగ్ అనేది సబ్జెక్టివ్ ఇంజనీరింగ్ జడ్జిమెంట్; AI మీ కోసం గమనించలేదు.
• తగినంత సంఖ్యలో పరిశీలనలు గణాంకాల ద్వారా నిర్ణయించబడతాయి; ఒకే కొలతతో ప్రమాణాన్ని స్థాపించలేము.
• ECRS అనేది పద్ధతిని మెరుగుపరచడానికి ఒక శక్తివంతమైన ఫ్రేమ్‌వర్క్; పరిమితి మరియు ప్రమాదంతో సూచనల కోసం అడగండి.
• లైన్ బ్యాలెన్సింగ్‌లో ప్రతి స్టేషన్ దాని తక్ట్ సమయాన్ని మించలేదని ధృవీకరించుకోండి.

అప్లికేషన్ టాస్క్

ఉద్యోగాన్ని ఎంచుకోండి (నిజమైన లేదా కల్పిత, 5-7 దశలు). దశల సగటు గమనించిన సమయాలను గమనించండి, ఒక టెంపో (ఉదా. 105%) మరియు వాటా నిష్పత్తిని (ఉదా. 13%) నిర్ణయించండి. AI ప్రామాణిక సమయాన్ని లెక్కించండి మరియు ప్రతి దశను ప్రదర్శించండి. క్లిష్టమైన ధృవీకరణ: NZ మరియు SZలను మాన్యువల్‌గా లెక్కించండి మరియు AIతో సరిపోల్చండి. ఆపై దశలను ECRSతో విశ్లేషించి, "అదనపు పెట్టుబడి లేదు" అనే పరిమితితో కనీసం రెండు సూచనలను పొందండి; ప్రతి సూచన యొక్క రెండవ లాభాలను జోడించి, కొత్త సైకిల్ సమయాన్ని కనుగొనండి. చివరగా, రోజువారీ డిమాండ్‌ను ఊహించి, తక్ట్ సమయం మరియు స్టేషన్‌ల కనీస సంఖ్యను లెక్కించండి; AI యొక్క స్టేషన్ అసైన్‌మెంట్ టాక్ట్ కంటే ఎక్కువగా ఉందో లేదో తనిఖీ చేయండి.