Oddělení · Výroba Automatizace výroby s AI: výrobní příkazy, kontrolní protokoly a směnová hlášení

Úkoly ve výrobě

Následujících šest příkladů ukazuje typické postupy, nikoli projekty zákazníků. AI čte, třídí a formuluje texty na základě schválených dat. Nerozhoduje o uvolnění výrobku ani o zásazích do stroje. Které kroky lze automatizovat, závisí na Vašich podkladech, rozhraních a povinných kontrolách.

1. Příprava výrobních příkazů z objednávek

Při převodu zákaznické objednávky na výrobní příkaz se přenášejí položky, množství, termíny a varianty. Doplňující dotazy vznikají, pokud údaje chybí nebo neodpovídají kmenovým datům.

• Vstup: schválené objednávky z obchodního oddělení, kmenová data položek, kusovníky a požadavky pro plánování výroby.
• AI připraví: přečte položky a poznámky, porovná označení s kmenovými daty a označí chybějící nebo rozporné údaje. Vytvoří návrh výrobního příkazu.
• Plánování výroby zkontroluje a schválí: položku, množství, termín, dostupnost materiálu a odchylky. Teprve poté se příkaz vytvoří nebo změní v rozhodujícím systému.
• Výstup: zkontrolovaný výrobní příkaz s příslušnými doklady a zdokumentovanými doplňujícími dotazy.

Vstupní informace mohou pocházet z potvrzení dodavatelů v nákupu nebo z objednávek. Pro výrobu je důležité, aby zůstal zřejmý původ údajů a stav jejich schválení. Chybějící data se nesmějí doplňovat bez upozornění.

2. Tvorba směnových hlášení a podkladů pro předání směny

Během směny vznikají hlášení o množstvích, prostojích, zmetcích a nedokončených pracích. Předání směny je užitečné jen tehdy, pokud následující směna dokáže údaje pochopit a dohledat jejich souvislosti.

• Vstup: směnové záznamy, provozní data, hlášení poruch a poznámky odpovědných osob.
• AI připraví: shrne události podle zařízení a zakázky, přiřadí časové údaje a označí mezery nebo rozdílné údaje ve zdrojích.
• Vedoucí směny zkontroluje: množství, popisy příčin a nevyřešené body. Doplní pozorování, která nejsou v systémech zaznamenána.
• Výstup: schválené směnové hlášení s odkazy na záznamy a seznamem pro následující směnu.

Hlášení by nemělo obsahovat jen naměřené hodnoty. Zda prostoj způsobil materiál, seřizování nebo porucha, musí odpovědná osoba potvrdit podle skutečného průběhu. Ve shrnutí tak nezůstane žádná nedoložená příčina.

3. Příprava kontrolních protokolů a 8D reportů

Kontrolní hodnoty bývají uloženy odděleně od údajů o zakázkách, obrázků a písemných zjištění. Při reklamaci je nutné tyto informace spojit pro její zpracování.

• Vstup: kontrolní plány, naměřené hodnoty, dotčené zakázky a šarže i zdokumentované reklamace.
• AI připraví: přenese dostupné hodnoty do návrhu protokolu, odkáže na zdroje a v podkladech pro 8D report odděleně uvede známá fakta, otevřené otázky a návrhy opatření.
• Pracovníci zajišťování kvality zkontrolují a schválí: naměřené hodnoty, přiřazení k šarži, popis vady, příčiny a opatření. Nedoložená tvrzení se odstraní nebo označí jako body, které ještě vyžadují ověření.
• Výstup: schválený kontrolní protokol nebo upravitelný návrh 8D reportu s dohledatelnými doklady.

8D report popisuje strukturované řešení problému. AI může uspořádat údaje o reklamaci a připravit report. Pouhým formulováním textu ale nemůže prokázat příčinu ani potvrdit účinnost opatření. Toto ověření náleží odpovědným odborníkům.

4. Vyhodnocování reklamací a údajů o kvalitě

Jednotlivé odchylky se většinou zaznamenávají. Obtížnější je rozpoznat opakující se vzorce napříč výrobky, zařízeními nebo šaržemi, aniž by se směšovala různá označení vad.

• Vstup: texty reklamací, kódy vad, kontrolní protokoly, údaje o šaržích a zdokumentovaná opatření.
• AI připraví: seskupí podobné popisy, ukáže související případy a upozorní na chybějící přiřazení. Připraví otázky pro odborné šetření.
• Pracovníci zajišťování kvality zkontrolují: zda jsou případy skutečně srovnatelné a která zjištění odůvodňují další šetření.
• Výstup: dohledatelný přehled případů, mezer v datech a dosud neprovedených kontrolních kroků.

Přehled není automatickou diagnostikou vad. Stejný výraz ve dvou reklamacích může označovat různé skutečnosti. Pro rozhodování musí zůstat dostupné původní záznamy případů. Pokud je nejprve nutné načíst podklady ze souborů, lze předřadit zpracování dokumentů.

5. Zařazování hlášení o údržbě do plánu

Poruchy se zaznamenávají do směnových deníků, hlášení strojů a systémů údržby. Pro další zpracování někdy chybí údaje o zařízení nebo dosavadním průběhu.

• Vstup: hlášení poruch, identifikační označení zařízení, plány údržby a dostupná provozní data.
• AI připraví: spojí související hlášení, doplní odkazy na známé případy a vytvoří návrh zařazení.
• Údržba zkontroluje: naléhavost, možné souvislosti a plánované práce. Rozhodne o zásazích do zařízení.
• Výstup: doplněné hlášení o údržbě nebo zkontrolovaný požadavek na naplánování prací v systému údržby.

To ještě není prediktivní údržba. Spolehlivé náznaky možného výpadku vyžadují vhodná naměřená data, známé stavy a odborné posouzení. Pokud tyto základy chybí, je smysluplnějším prvním krokem řádné zaznamenávání a přiřazování hlášení.

6. Porovnávání pracovních postupů a kusovníků

Změny součástí nebo procesů se často týkají několika dokumentů. Starší verze se přitom nesmějí nepozorovaně používat jako aktuální pracovní postup.

• Vstup: schválené výkresy, kusovníky, oznámení změn a stávající pracovní postupy.
• AI připraví: porovná označené verze, shromáždí dotčená místa a zformuluje návrh aktualizovaného pracovního postupu.
• Příprava výroby zkontroluje a schválí: technická tvrzení, pořadí, platnost a dotčená pracoviště podle stanoveného postupu řízení změn.
• Výstup: zkontrolovaný dokument s uvedením verze a zdokumentovanými změnami.

Předpokladem je jasné označení platných dokumentů. Pokud existuje několik verzí bez uvedeného stavu, má AI na rozpor upozornit. Nesmí sama určit, který výkres nebo kusovník je závazný.

Programy a data ze strojů

Většina výrobních provozů již pracuje s několika programy. Nový postup podporovaný AI by se na ně měl napojit. Je třeba jasně určit, který systém je rozhodující pro zakázky, naměřené hodnoty a schvalování. Ne každý proces k tomu potřebuje propojení s každým strojem.

MES znamená Manufacturing Execution System. Podporuje postupy mezi plánováním a výrobou. BDE označuje sběr provozních dat, například množství, časů a poruch. Tyto pojmy popisují různé úkoly. Které funkce pokrývají Vaše stávající systémy, je nutné ověřit v provozu. MES neprodáváme ani jej nevyžadujeme jako podmínku.

Před propojením nejprve zjistíme, jaká rozhraní jsou k dispozici a která data jsou přes ně skutečně dostupná. Poté lze určit, zda se informace budou pouze číst, nebo také po schválení zapisovat zpět. Tabulka v aplikaci Excel může být vhodným vstupem. Neměla by se však nepozorovaně stát druhým hlavním systémem. Pokud zápis selže, musí to zůstat patrné a musí být možné případ zkontrolovat.

Schvalování a kvalita

Připravená informace ještě neznamená odborné schválení. Kontrolní protokoly, blokace, odchylky a změny pracovních pokynů se řídí postupy Vaší firmy. O schválení z hlediska kvality rozhoduje oddělení kvality. AI může ukázat chybějící údaje a sestavit podklady, ale nenahradí kontrolu výrobku.

Pro zpětnou sledovatelnost musí být správně propojeny zakázka, položka, vazba na šarži nebo sériové číslo a kontrolní podklady. Automaticky vytvořený text bez tohoto propojení má při pozdějším objasňování malou hodnotu. Viditelné mají zůstat i opravy: kdo převzal hodnotu, kdo ji ověřil a která verze byla schválena? Řízení dokumentace se řídí normami managementu kvality a interními pravidly platnými pro Vaši firmu.

Pokud se zaznamenávají nebo vyhodnocují údaje o výkonu jednotlivých zaměstnanců, je třeba včas prověřit případná práva na spolurozhodování. V Německu může být relevantní § 87 BetrVG, v Rakousku § 96a ArbVG. Zda a jak se tato ustanovení uplatní v konkrétní firmě, je nutné odborně a právně vyjasnit. Automatické hodnocení zaměstnanců neplánujeme. Tyto pokyny nejsou právním poradenstvím.

Data: zakázky, stroje, kvalita

Použitelný postup začíná zmapováním dat. U zakázek jde například o čísla položek, varianty, kusovníky a stav schválení. U strojů jsou důležité jednoznačné identifikátory zařízení, časové značky a význam hlášení. U dat o kvalitě se přidávají kontrolovaná charakteristika, jednotka, šarže a verze kontrolního plánu. Pokud se tyto údaje neshodují, musí být odchylka viditelná, nikoli se ztratit ve zprávě.

Data ze strojů není nutné plošně předávat externí službě. S Vaším IT vyjasníme, jaké zpracování odpovídá požadovanému postupu a která data mají zůstat v závodě. Pro směnovou zprávu mohou stačit vybrané události. Nezpracovaná data ze zařízení mají smysl pouze tehdy, pokud je vyjasněn jejich význam. I přístup k důvěrným údajům o zakázkách a kvalitě se omezuje na příslušný účel.

Vlastní aplikace pro výrobní halu

Ne všechny údaje lze pohodlně zadávat na stávajícím pracovišti. Doplňková aplikace může údaje zachytit tam, kde vznikají: u zařízení, při kontrole nebo během předávání směny. Aplikace s kontrolními seznamy může určit povinná pole a vazbu na zakázku nebo šarži. Digitální směnový deník může předat nevyřešené body. Aplikace pro hlášení poruch může propojit zařízení, čas a zjištění. Kontrolní seznamy na tabletu mohou záznamy ihned přiřadit ke správnému kontrolnímu plánu.

Takové aplikace doplňují ERP, MES nebo software pro řízení kvality. Neměly by vytvářet vlastní kmenová data položek ani schvalování oddělené od hlavních systémů. Důležité jsou srozumitelné zadávání, vhodná oprávnění a jasný postup při výpadku připojení. U záznamu musí být patrné, zda byl zachycen pouze lokálně, nebo již dorazil do hlavního systému.

Při vývoji aplikací proto začínáme konkrétním pracovním postupem. Kdo údaje zadává? Kdo je kontroluje? Co se stane při chybném zadání? Teprve poté je jasné, zda je potřeba vlastní aplikace, nebo stačí existující formulář. S budoucím používáním ve výrobní hale počítáme při plánování od začátku.

Kde začít

Vyberte jeden tok dokumentů nebo opakující se přenos mezi dvěma programy. Která informace se přepisuje vícekrát? Kde vznikají doplňující dotazy? Kdo musí nakonec rozhodnout? Vhodný první postup má zřetelné vstupy, osobu odpovědnou za kontrolu a jasný výstup ve stávajícím systému.

Poté na konkrétním případu ověřte, zda doklady a kmenová data postačují. U výrobní zakázky může jít o objednávku s uvedením varianty. U kontrolního protokolu o naměřené hodnoty s platným kontrolním plánem a vazbou na šarži. Pokud propojení chybí, práce začíná uspořádáním dat, nikoli návrhem od AI.

Probereme s Vámi postup a zapojené systémy. Z toho lze určit, které kroky automatizace připraví, kde je nutné schválení a zda pomůže doplňková aplikace. Nemusíte přitom měnit svůj výrobní software ani převádět celou oblast najednou.