Linia produkcyjna rzadko odnotowuje spadek wydajności z jednego prostego powodu. Nawet krótkie, powtarzające się zatrzymanie, powolna zmiana serii, wstrzymanie produkcji z powodu jakości lub opóźnienie na jednej maszynie mogą wpłynąć na resztę linii. Zespoły często dostrzegają końcowy wynik wydajności, zanim zauważą wzorzec, który za nim stoi.
An Optymalizator linii AI wykorzystuje dane produkcyjne, aby pomóc zespołom w rozpoznawaniu wzorców i podejmowaniu decyzji dotyczących obszarów, na których należy się skupić. Pozwala to uzyskać jaśniejszy obraz zdarzeń związanych z maszynami, postępów w realizacji zamówień oraz wskaźników wydajności. Efektem tego jest podejmowanie bardziej świadomych decyzji dotyczących usprawnień, które pracownicy mogą następnie szczegółowo zbadać.
Czym zajmuje się optymalizator linii produkcyjnej oparty na sztucznej inteligencji?
Termin ten odnosi się raczej do klasy narzędzi niż do jednego konkretnego produktu. W zależności od danych i konfiguracji system może gromadzić informacje dotyczące produkcji, rozpoznawać powtarzające się wzorce oraz pomagać zespołowi w badaniu przyczyn strat.
- Wykrywaj krótkie, powtarzające się przerwy w sygnałach z maszyn.
- Porównaj straty według maszyn, produktów, zmian lub okresów.
- Uporządkuj najczęstsze przyczyny według częstotliwości występowania lub czasu przestoju w produkcji.
- Porównaj planowany i rzeczywisty postęp realizacji zamówienia.
- Włącz kontekst produkcyjny do przeglądu przeznaczonego dla kierowników i operatorów.
Istotne znaczenie mają wiarygodne sygnały i kontekst produkcyjny. Niekompletne dane dotyczące zdarzeń maszynowych, zmian produktów lub zapisów zmianowych mogą sprawić, że analiza wskazuje niewłaściwy problem. Należy uzgodnić, co uznaje się za przestój, w jaki sposób linia rejestruje zmianę produktu oraz jakie wskaźniki będzie stosował zespół.
Strona Plan działania NIST dotyczący sztucznej inteligencji i uczenia maszynowego w inteligentnej produkcji wśród wyzwań związanych z wdrożeniem przemysłowym wymienia zarządzanie danymi, integrację z różnymi systemami pomiarowymi i sterującymi oraz niezawodność działania.
W jaki sposób sztuczna inteligencja w przemyśle wytwórczym może przyczynić się do zwiększenia wydajności linii produkcyjnych
Znajdź krótkie postoje, które powtarzają się
Operatorzy mogą usunąć skutki krótkiej przerwy, zanim zostanie ona zarejestrowana. Pojedyncze zdarzenie może wydawać się nieistotne, jednak powtarzające się przerwy w trakcie zmiany mogą skracać czas produkcji. Dane maszynowe mogą wskazać, gdzie i kiedy przerwy te się powtarzają. Analiza oparta na sztucznej inteligencji może pomóc w zgrupowaniu powtarzających się wzorców w celu ich zbadania. Przed zmianą ustawień, procedury konserwacji lub metody pracy należy potwierdzić prawdopodobną przyczynę na linii produkcyjnej.
Ustal priorytety strat według ich wpływu
Lista zdarzeń związanych z przestojami nie wskazuje zespołowi, co należy naprawić w pierwszej kolejności. Należy je uszeregować według wskaźników, takich jak utracone minuty, częstotliwość oraz maszyny, których dotyczyły. Należy porównać częste, niewielkie przerwy z rzadszymi, ale dłuższymi przestojami, a następnie przeanalizować kontekst produktu i zmiany, zanim wybierze się konkretne działanie usprawniające.
Porównaj produkty i zmiany w kontekście
Linia produkcyjna może działać bez zarzutu przy jednym produkcie, a po zmianie formatu napotykać trudności. Porównanie zmian produkcyjnych może pomóc zespołowi w przeanalizowaniu ustawień, materiałów, sprzętu i instrukcji roboczych. Przed wyciągnięciem wniosków należy uwzględnić asortyment produktów, planowane przestoje, docelowe prędkości oraz wymagania jakościowe.
Wykorzystaj wyniki badań w codziennej pracy
Kierownik może zidentyfikować powtarzające się zatrzymanie, sprawdzić maszynę i związane z tym zlecenie, a następnie przejrzeć powiązane zgłoszenie serwisowe lub instrukcję pracy. Pulpity nawigacyjne i dokumentacja cyfrowa mogą ułatwić tę analizę, o ile odpowiednie systemy i procesy są ze sobą połączone.
Praktyczny cykl doskonalenia
- Zwróć uwagę: gromadzić zdarzenia maszynowe oraz informacje o kontekście produkcyjnym niezbędne do ich interpretacji.
- Pozycja: zidentyfikować powtarzające się straty i oszacować ich znaczenie operacyjne.
- Zbadaj: poprosić operatorów, zespoły ds. konserwacji i produkcji o zweryfikowanie prawdopodobnej przyczyny.
- Test: uzgodnić jeden kontrolowany proces lub zmianę w zakresie konserwacji.
- Sprawdź: porównać ten sam wskaźnik przed wprowadzeniem zmiany i po niej, uwzględniając porównywalne produkty i zmiany.
- Ujednolicić: zaktualizuj instrukcję pracy lub procedurę konserwacyjną, jeśli zmiana się sprawdzi.
To pracownicy pozostają odpowiedzialni za weryfikację przyczyn, zatwierdzanie zmian w procesach oraz kontrolę jakości i bezpieczeństwa produktów. Zalecenie powinno prowadzić do przeprowadzenia dochodzenia, a nie do wprowadzenia zmiany bez uwzględnienia mechanizmów kontroli obowiązujących w zakładzie.
Co należy sprawdzić przed wyborem narzędzia do optymalizacji linii produkcyjnej opartego na sztucznej inteligencji
Poproś dostawców o zademonstrowanie scenariuszy produkcyjnych charakterystycznych dla Twojej firmy. Projekt pilotażowy pozwala uzyskać odpowiedzi na pytania, na które nie odpowiada sam wykaz funkcji:
- Czy system może odczytywać sygnały z maszyn na linii docelowej?
- Czy potrafi odróżnić zaplanowane przerwy od nieplanowanych?
- Czy użytkownicy mogą przeglądać wyniki według maszyn, produktów i zmian?
- Czy są w stanie prześledzić, jakie wydarzenia i zapisy stały za daną rekomendacją?
- W jaki sposób system radzi sobie z brakującymi, opóźnionymi lub zduplikowanymi danymi?
- Które zmiany wymagają sprawdzenia i zatwierdzenia przez daną osobę?
- Czy zespół może porównać ten sam wskaźnik KPI przed wprowadzeniem usprawnień i po ich wprowadzeniu?
- Które systemy MES, OEE, ERP lub procesy konserwacyjne należy ze sobą połączyć?
Zacznij od jednego zadania i konkretnego pytania operacyjnego. Przed rozpoczęciem projektu pilotażowego uzgodnij punkt odniesienia, źródła danych oraz wskaźniki sukcesu. Zmierz wszelkie ulepszenia w zakładzie, zanim przedstawisz je jako wynik.
Gdzie Accevo ma swoje miejsce
Firma Accevo OEE i oprogramowanie Micro Stops Intelligence rejestruje dane z maszyn, wykrywa mikrozatrzymania i pomaga zespołom analizować powtarzające się straty. To Asystent Accevo AI zapewnia dostęp w formie dialogowej do informacji dotyczących produkcji, w tym stanu linii produkcyjnej, postępów w realizacji zamówień oraz porównań wskaźnika OEE. Dostępny przebieg pracy zależy od systemów i konfiguracji danego zakładu.
Aby zapoznać się z podobnymi metodami, przeczytaj przewodnik dotyczący wskaźnik OEE linii pakującej oraz Integracja systemu MES z liniami pakującymi.
Zacznij od jednego pytania, na które można udzielić konkretnej odpowiedzi
Należy wybrać linię produkcyjną, na której regularnie odnotowuje się straty, upewnić się, że dostępne są niezbędne dane, oraz uzgodnić, w jaki sposób zakład będzie mierzył postępy. Po przetestowaniu danego działania należy porównać ten sam wskaźnik w podobnych warunkach. Jeśli wynik potwierdza słuszność zmiany, należy to udokumentować i zdecydować, czy można ją zastosować w odniesieniu do innego produktu, zmiany lub linii produkcyjnej.
Chcesz przeanalizować powtarzające się postoje lub porównać wydajność linii? Poznaj rozwiązania firmy Accevo w zakresie wskaźnika OEE i analizy produkcji.
