DI gamyboje: nuo kokios problemos pradėti ir kur jis kuria vertę?
DI gamyboje verta pradėti ne nuo modelio ar tiekėjo demonstracijos, o nuo aiškiai įvardyto proceso nuostolio. Nuo broko ir prastovų iki planavimo bei dokumentų apdorojimo: vertę lemia problema, duomenys ir įsisavinamas sprendimas.
Greita santrauka
DI galimybę rinkitės pagal pamatuojamą veiklos problemą, jos pasikartojimą, duomenų prieinamumą, klaidos pasekmes ir galimybę pakeisti kasdienį procesą.
DI gamyboje: nuo kokios problemos pradėti ir kur jis kuria vertę?
Gamybinėje įmonėje DI gali būti pritaikytas kokybės kontrolei, įrangos priežiūrai, gamybos planavimui, energijos vartojimui, tiekimo grandinei ir pasikartojančių dokumentų apdorojimui. Tačiau vien tai, kad procesas yra rankinis ar jame sukaupiama daug duomenų, dar nereiškia, kad jam reikia DI. Pradėkite nuo nuostolio, kurį darbuotojai ir vadovai atpažįsta: broko bei perdarymo, nenumatytos prastovos, ilgo perėjimo tarp gaminių, klaidingo planavimo, medžiagų trūkumo ar laiko, sugaišto ieškant informacijos.
Toliau tiksliai apibrėžkite proceso ribas. Pavyzdžiui, „sumažinti broką“ nėra pakankamai konkretu, o „anksti aptikti paviršiaus defektus tam tikroje gamybos linijoje, kad operatorius galėtų sustabdyti partiją prieš kitą operaciją“ jau nurodo vietą, veiksmą ir atsakingą žmogų. Užrašykite, kaip dažnai problema kyla, kokią kainą sukelia, kas ją pastebi, kokio sprendimo reikia ir kiek laiko yra jam priimti. Įtraukite proceso savininką, operatorius, kokybės, techninės priežiūros ir IT atstovus. Jų žinios padeda atskirti tikrąją priežastį nuo simptomo.
Tik tada rinkitės tinkamą metodą. Jei užduotis visada vyksta pagal aiškias, nekintančias taisykles, paprasta automatizacija gali būti pigesnė ir lengviau prižiūrima. Prognozavimo modelis gali padėti įvertinti gedimo tikimybę, jei yra pakankamai patikimų eksploatavimo duomenų ir galimybė sureaguoti į perspėjimą. Kompiuterinė rega tinka vaizdais atpažįstamiems defektams, o kalbos modelis gali padėti ieškoti priežiūros instrukcijose ar klasifikuoti dokumentus, tačiau jo išvestį reikia tikrinti, jei ji lemia saugos, kokybės ar atitikties sprendimą. Kai problema yra ribotų išteklių planavimas, gali pakakti operacijų tyrimo ir optimizavimo, o ne generatyvinio DI.
Galimybes suskirstykite pagal tikėtiną naudą, duomenų parengtį, integracijos sudėtingumą, pasekmių riziką ir darbuotojų galimybę panaudoti rezultatą. Bazinį lygį fiksuokite prieš pilotą: broko dalį, neplanuotų sustojimų laiką, plano įvykdymą, rankinio darbo valandas ar energijos sąnaudas. Svarbus ir klaidingų perspėjimų skaičius, nes nuolat netikslus įrankis greitai praranda operatorių pasitikėjimą. DI vertė atsiranda tik tada, kai įžvalga laiku pasiekia sprendimą priimantį žmogų, pakeičia procesą ir pagerina sutartą rodiklį.
Kaip pradėti ir įgyvendinti
-
Įvardykite verslo nuostolį
Aprašykite, kur ir kaip dažnai kyla brokas, prastova, laukimas ar perteklinis rankinis darbas. Susitarkite, kuris proceso savininkas gali patvirtinti pradinę padėtį.
-
Nubrėžkite sprendimo momentą
Nurodykite, kas turi ką nuspręsti, kokią informaciją turi gauti ir per kiek laiko. DI prognozė be realaus veiksmo plano nesukurs naudos.
-
Patikrinkite alternatyvas
Palyginkite DI su taisyklių automatizavimu, proceso pakeitimu, įrangos remontu ar duomenų surinkimo patobulinimu. Rinkitės mažiausiai sudėtingą veikiančią priemonę.
-
Įvertinkite duomenis ir riziką
Patikrinkite duomenų prieinamumą, kokybę, reprezentatyvumą, jautrumą ir galimos klaidos pasekmes operatoriui, produktui ar saugai.
-
Nustatykite piloto sėkmės ribą
Prieš pradėdami užrašykite bazinį KPI, tikslinį pokytį, bandymo laikotarpį, atsakingą asmenį ir sąlygas, kuriomis pilotas būtų stabdomas arba plečiamas.
Į ką atkreipti dėmesį
- Ar problema pamatuota baziniu rodikliu, o ne vien įspūdžiu?
- Ar sprendimo rezultatas pasiekia žmogų, galintį laiku imtis veiksmo?
- Ar paprastesnė automatizacija arba proceso pakeitimas neišspręstų problemos?
- Ar klaidingų prognozių kaina ir darbuotojų sauga yra įvertintos?
Dažniausiai užduodami klausimai
Kokie DI scenarijai dažniausiai svarstomi gamyboje?
Kokybės vaizdų analizė, gedimų rizikos vertinimas, planavimo ir paklausos prognozės, energijos optimizavimas bei dokumentų paieška. Tinkamumas priklauso nuo proceso, duomenų ir galimybės veikti pagal rezultatą.
Ar kiekvieną rankinį procesą verta automatizuoti DI?
Ne. Jei procesas stabilus ir taisyklės aiškios, įprasta automatizacija dažnai yra pigesnė ir lengviau paaiškinama. DI prasmingas, kai reikia atpažinti sudėtingus šablonus, prognozuoti ar apdoroti nevienalyčius duomenis.
Nuo ko pradėti, jei duomenų dar neturime?
Pirmiausia nustatykite, kokio sprendimo duomenys reikalingi ir kaip bus fiksuojamas rezultatas. Tada pagerinkite matavimą, žymėjimą ir duomenų valdymą; tai gali būti vertingas parengiamasis etapas be DI modelio.
Reikia įvertinti DI galimybę gamyboje?
Padedu įmonėms įvertinti DI scenarijus, pagrįsti verslo vertę ir suplanuoti atsakingą įgyvendinimą.
Susisiekti