در تقریبا هر تولیدی ماشین‌های گلوگاهی وجود دارند که نرخ چرخه یک منطقه تولید کامل را تعیین می‌کنند و بنابراین نیاز به توجه ویژه برنامه‌ریزی تولید دارند. برای این کار ابزارهای نرم افزاری موجود است. اما تمرین نشان می دهد: حتی اگر از این ابزارها استفاده شود و برنامه ریزان تنگناهای احتمالی را در نظر بگیرند، باز هم رکود و تاخیرهای مکرر در تولید وجود دارد.
دلیل: نرم افزار به خوبی می تواند عملکرد دستگاه را زیر نظر داشته باشد و در حالت ایده آل نیز آن را بهینه کند. اما فاقد دیدگاهی از محیط است – در نتیجه “ماشین مشکل” فرضی به خوبی کار می کند و به طور مداوم عملکرد بالایی را ارائه می دهد، اما اکنون فرآیندهای بالادستی و پایین دستی باعث ایجاد مشکل می شوند.
نتیجه این: یک ابزار نرم افزاری که تنها یک کارخانه را در تولید بهم پیوسته بهینه می کند، به وضوح “زیر بهینه” است. سیستم های برنامه ریزی تولید، به اختصار PPS، در بسیاری از مکان ها استفاده می شود. اگرچه اینها مفید هستند، اما آنها فقط فرآیندهای تولید را از نظر شماتیک متوالی و قابل مقایسه با یک رشته مروارید در نظر می گیرند. وابستگی بین مراکز کاری، داده های بلادرنگ و مهرهای زمانی در اینجا در نظر گرفته نمی شود. بنابراین، از نظر تئوری یک طرح ممکن باقی می ماند. همانطور که تجربه کم و بیش دردناک در بسیاری از شرکت ها ثابت می کند، حتی با چنین ابزاری، تنگناها ممکن است رخ دهد.
گرافیک هفت نوع زباله (TIMWOOD)
TIMWOOD (7 نوع زباله)
حمل و نقل
موجودی
حرکت
در انتظار
تولید بیش از حد
مهندسی بیش از حد
نقص
بهینه سازی فرآیند تولید – اما چگونه؟
آیا راه دیگری وجود دارد، یعنی راه بهتری؟ مطمئنا یک مثال: در یک پروژه آزمایشی، یک سازنده خودرو به طور مداوم داده‌ها را در ساختار بدنه خود جمع‌آوری و تجزیه و تحلیل کرد تا فرآیندها را بهینه کند. نتیجه: اکنون 15 درصد بیشتر بدنه خودرو در هر واحد زمانی تولید می شود. با این حال، باید اضافه کرد: یک تیم کامل – از جمله نظارت علمی – روی این پروژه کار کرده اند و حدود دو میلیارد رکورد داده با الگوریتم ها بررسی، همبستگی و ارزیابی شده است. این ممکن است در تولید سری خودرو امکان پذیر باشد، اما نه در تولید صنعتی “عادی” – جدا از این واقعیت که ارزیابی داده ها و پیاده سازی یافته ها به زمان و دانش تخصصی زیادی نیاز دارد.
هوش مصنوعی (AI) مورد نیاز است
سوالی که مطرح می شود این است: آیا می توان یک سایز کوچکتر کرد؟ اینجاست که یک الگوریتم مبتنی بر هوش مصنوعی وارد عمل می‌شود که برای تعیین ریاضی بهترین نتیجه ممکن در یک زمان محاسباتی تعیین‌شده استفاده می‌شود. اولین الگوریتم ها قبلا در دوران باستان وجود داشته اند و از آن زمان ارزش خود را ثابت کرده اند. امروزه از چنین روش هایی از جمله برای ارزیابی نمونه های تصادفی استفاده می شود. ابزار نرم افزاری جدید Factory Optimization Excellence (FOX) نیز بر اساس یک الگوریتم مبتنی بر هوش مصنوعی است و بنابراین امکان برنامه ریزی همزمان و بهینه تمامی مراکز کاری در کارخانه را فراهم می کند.
برنامه ریزی بهینه و همزمان چندین ماشین یا مرکز کاری
این در ابتدا دیدنی به نظر نمی رسد. اما برای انجام این عملکرد تمرین محور، نرم افزار باید تمامی الزامات، وابستگی ها، سفارشات و ظرفیت ها را در نظر گرفته و آنها را در ارتباط با یکدیگر قرار دهد. حجم داده هایی که باید در نظر گرفته شود، خیره کننده است. یک تیم از متخصصان همانطور که در بالا توضیح داده شد ماه ها طول می کشد تا محاسبه شوند: یک موقعیت ایده آل برای برنامه ریزی غلط یا افق برنامه ریزی یک تا دو هفته ای نیست.
برنامه تولید «بهترین ممکن» را محاسبه کنید
الگوریتم مبتنی بر هوش مصنوعی راه‌حل ifm تضمین می‌کند که تمام منابع و الزامات در تمام سفارش‌های در نظر گرفته شده و در همه ماشین‌های موجود در یک طرح تولید واقعی و عملی ترکیب می‌شوند. سپس سیستم طرح دیگری را با همان داده ها محاسبه می کند، نتایج را با هم مقایسه می کند و طرح بدتر را رد می کند. این سیستم برنامه های تولید جدید را محاسبه می کند، آنها را با هم مقایسه می کند و تا رسیدن به محدودیت زمانی معین، بهتر را حفظ می کند. بهترین طرح در آن زمان به برنامه ریز تولید منتقل می شود.
اما الگوریتم هوشمند تنها بخشی از راه حل پیشگامانه ifm است زیرا حتی ریاضیات در بالاترین سطح نیز به داده های مناسب نیاز دارد. در اصطلاح «پیگینگ»، وابستگی کلیه مراکز کاری برای هر سفارش در دوره مورد بررسی تعیین می شود. این شامل مهرهای زمانی نیز می شود، به عنوان مثال، زمان های خرابی و زمان های راه اندازی. در پگینگ، شبکه پیچیده عملیات تولیدی «گشوده» می شود و سپس می توان از آن برای محاسبه برنامه تولید استفاده کرد.
ترکیب هوش مصنوعی و تثبیت مزایای واضحی را به همراه دارد
مزایایی که کاربران ابزار برنامه ریزی جدید از آن بهره مند می شوند آشکار است:
استفاده از منابع را می توان بسیار بهتر برنامه ریزی کرد و در نتیجه می توان از اتلاف جلوگیری کرد. یک مثال: یک دستگاه گلوگاه باعث ایجاد جم در جریان تولید می شود. عواقب: سفارش را نمی توان به موقع تکمیل کرد، ماشین آلات پایین دستی و کارگران در حالت توقف هستند و محصولات میانی از فرآیندهای بالادستی باید به طور موقت ذخیره شوند. این هزینه فضای ذخیره سازی و خالی و افزایش می یابد
