Τμήματα · Παραγωγή AI στην παραγωγή: παραγγελίες, πρωτόκολλα ελέγχου, βάρδιες και predictive maintenance

Καθήκοντα στην παραγωγή

Τα ακόλουθα έξι παραδείγματα δείχνουν τυπικές διαδικασίες, όχι έργα πελατών. Το AI διαβάζει, οργανώνει και διατυπώνει με βάση τα δημοσιευμένα δεδομένα. Δεν αποφασίζει ούτε για την κυκλοφορία προϊόντος ούτε για παρεμβάσεις σε μηχάνημα. Ποια βήματα μπορούν να αυτοματοποιηθούν εξαρτώνται από τα έγγραφα, τις διεπαφές και τις υποχρεώσεις δοκιμών σας.

1. Προετοιμάστε εντολές παραγωγής από παραγγελίες αγοράς

Τα είδη, οι ποσότητες, οι ημερομηνίες και οι παραλλαγές μεταφέρονται μεταξύ παραγγελιών πελατών και παραγγελιών παραγωγής. Τα ερωτήματα προκύπτουν όταν λείπουν πληροφορίες ή δεν ταιριάζουν με τα κύρια δεδομένα.

• Είσοδος: κυκλοφόρησε παραγγελίες από πωλήσεις, δεδομένα βασικού άρθρου, λίστες ανταλλακτικών και προδιαγραφές για τον προγραμματισμό παραγωγής.
• Το AI προετοιμάζει: διαβάζει θέσεις και σημειώσεις, συγκρίνει ονομασίες με κύρια δεδομένα και σημαίες που λείπουν ή αντιφατικές πληροφορίες. Δημιουργεί ένα προσχέδιο για την παραγγελία παραγωγής.
• Ο προγραμματισμός παραγωγής ελέγχει και εγκρίνει: Είδος, ποσότητα, προθεσμία, διαθεσιμότητα υλικού και αποκλίσεις. Μόνο τότε δημιουργείται ή αλλάζει η σειρά στο κορυφαίο σύστημα.
• Έξοδος: μια επαληθευμένη εντολή παραγωγής με τις σχετικές αποδείξεις και τεκμηριωμένα ερωτήματα.

Οι πληροφορίες ανάντη μπορεί να προέρχονται από Επιβεβαιώσεις προμηθευτών κατά την αγορά ή προέρχονται από παραγγελίες. Αυτό που έχει σημασία για την παραγωγή είναι ότι η κατάσταση προέλευσης και κυκλοφορίας των πληροφοριών παραμένει αναγνωρίσιμη. Τα δεδομένα που λείπουν δεν επιτρέπεται να προστίθενται σιωπηρά.

2. Προετοιμάστε αναφορές βάρδιας και παραδόσεις

Σε μία βάρδια, δημιουργούνται αναφορές σχετικά με τις ποσότητες, τις διακοπές λειτουργίας, τις απορρίψεις και την ανοιχτή εργασία. Η παράδοση είναι χρήσιμη μόνο εάν η επόμενη υπηρεσία μπορεί να κατανοήσει τις πληροφορίες.

• Είσοδος: Καταχωρήσεις βάρδιας, δεδομένα λειτουργίας, αναφορές βλαβών και σημειώσεις από τους υπεύθυνους.
• Το AI προετοιμάζει: συνοψίζει συμβάντα σύμφωνα με το σύστημα και τη σειρά, εκχωρεί πληροφορίες χρόνου και επισημαίνει κενά ή διαφορετικές πληροφορίες στις πηγές.
• Έλεγχοι διαχείρισης βάρδιας: Ποσότητες, περιγραφές αιτιών και ανοιχτά σημεία. Συμπληρώνει παρατηρήσεις που δεν υπάρχουν στα συστήματα.
• Έξοδος: μια δημοσιευμένη αναφορά βάρδιας με αναφορές στις εγγραφές και μια λίστα για την επόμενη βάρδια.

Μια αναφορά δεν πρέπει να αποτελείται μόνο από μετρήσεις. Ο υπεύθυνος πρέπει να επιβεβαιώσει με βάση την πραγματική διαδικασία εάν η στάση οφείλεται σε υλικό, εξοπλισμό ή δυσλειτουργία. Αυτό σημαίνει ότι δεν υπάρχει αναπόδεικτη αιτία στη σύνοψη.

3. Προετοιμάστε πρωτόκολλα δοκιμών και 8D αναφορές

Οι τιμές δοκιμής συχνά διαχωρίζονται από δεδομένα παραγγελιών, εικόνες και γραπτά ευρήματα. Εάν υποβληθεί καταγγελία, αυτές οι πληροφορίες πρέπει να συγκεντρωθούν για επεξεργασία.

• Είσοδος: Σχέδια δοκιμών, τιμές μέτρησης, επηρεαζόμενες παραγγελίες και παρτίδες καθώς και τεκμηριωμένα παράπονα.
• Το AI προετοιμάζει: μεταφέρει τις υπάρχουσες τιμές σε ένα προσχέδιο πρωτοκόλλου, παραπέμπει στις πηγές και παρουσιάζει γνωστά γεγονότα, ανοιχτές ερωτήσεις και σχέδια μέτρων χωριστά για μια έκθεση 8D.
• Η διασφάλιση ποιότητας ελέγχει και εγκρίνει: Μετρημένες τιμές, αντιστοίχιση στην παρτίδα, περιγραφή του σφάλματος, αιτίες και μέτρα. Αβάσιμες δηλώσεις θα αφαιρεθούν ή θα επισημανθούν ως ανοικτή εξέταση.
• Έξοδος: μια έκθεση δοκιμής που κυκλοφόρησε ή ένα επεξεργάσιμο προσχέδιο 8D με ανιχνεύσιμα στοιχεία.

Μια αναφορά 8D περιγράφει τη δομημένη επεξεργασία ενός προβλήματος. Το AI μπορεί να οργανώσει δεδομένα παραπόνων και να ετοιμάσει μια αναφορά. Ωστόσο, δεν μπορεί ούτε να αποδείξει την αιτία απλώς διατυπώνοντάς την ούτε να επιβεβαιώσει την αποτελεσματικότητα ενός μέτρου. Η εξέταση αυτή ανήκει στους υπεύθυνους ειδικούς.

4. Αξιολογήστε τα παράπονα και τα ποιοτικά δεδομένα

Συνήθως καταγράφονται μεμονωμένες αποκλίσεις. Είναι πιο δύσκολο να αναγνωρίσουμε επαναλαμβανόμενα μοτίβα σε προϊόντα, συστήματα ή παρτίδες χωρίς να συνδυάσετε διαφορετικούς όρους σφάλματος.

• Είσοδος: Κείμενα παραπόνων, κωδικοί σφαλμάτων, πρωτόκολλα δοκιμών, πληροφορίες παρτίδας και τεκμηριωμένα μέτρα.
• Το AI προετοιμάζει: Ομαδοποιεί παρόμοιες περιγραφές, εμφανίζει σχετικές διαδικασίες και επισημαίνει αναθέσεις που λείπουν. Δημιουργεί ερωτήματα για την τεχνική έρευνα.
• Έλεγχοι διασφάλισης ποιότητας: εάν οι περιπτώσεις είναι πράγματι συγκρίσιμες και ποια ευρήματα δικαιολογούν περαιτέρω έρευνα.
• Έξοδος: μια κατανοητή επισκόπηση των υποθέσεων, των κενών δεδομένων και των ανοιχτών βημάτων δοκιμής.

Η επισκόπηση δεν είναι αυτόματη διάγνωση σφαλμάτων. Ένας όρος σε δύο καταγγελίες μπορεί να αναφέρεται σε διαφορετικά γεγονότα. Οι αρχικές διαδικασίες πρέπει να παραμένουν προσβάσιμες για αποφάσεις. Εάν τα έγγραφα πρέπει να διαβαστούν πρώτα από αρχεία, α Επεξεργασία εγγράφων να συνδεθεί ανάντη.

5. Προγραμματίστε ειδοποιήσεις συντήρησης

Οι δυσλειτουργίες καταγράφονται σε βιβλία βάρδιας, αναφορές μηχανημάτων και συστήματα συντήρησης. Για περαιτέρω επεξεργασία, ενδέχεται να λείπουν πληροφορίες σχετικά με το σύστημα ή προηγούμενη πρόοδο.

• Είσοδος: Αναφορές σφαλμάτων, αναγνωριστικά συστήματος, σχέδια συντήρησης και διαθέσιμα δεδομένα λειτουργίας.
• Το AI προετοιμάζει: συγκεντρώνει σχετικές αναφορές, προσθέτει αναφορές σε γνωστά συμβάντα και δημιουργεί μια πρόταση ταξινόμησης.
• Έλεγχοι συντήρησης: τον επείγοντα χαρακτήρα, τις πιθανές συνδέσεις και τις προγραμματισμένες εργασίες. Αποφασίζει αν θα παρέμβει στο σύστημα.
• Έξοδος: μια ολοκληρωμένη ειδοποίηση συντήρησης ή μια ελεγμένη εντολή προγραμματισμού στο σύστημα συντήρησης.

Δεν πρόκειται για προγνωστική συντήρηση. Για αξιόπιστες ενδείξεις πιθανής αστοχίας, απαιτούνται κατάλληλα δεδομένα μέτρησης, γνωστές συνθήκες και επαγγελματική αξιολόγηση. Εάν λείπουν αυτά τα βασικά, η σωστή εγγραφή και αντιστοίχιση μηνυμάτων είναι το πιο λογικό πρώτο βήμα.

6. Συγκρίνετε οδηγίες εργασίας και λίστες ανταλλακτικών

Οι αλλαγές σε στοιχεία ή διαδικασίες επηρεάζουν συχνά πολλά έγγραφα. Οι παλιές εκδόσεις δεν πρέπει να χρησιμοποιούνται απαρατήρητες ως τρέχουσες οδηγίες.

• Είσοδος: κυκλοφόρησε σχέδια, λίστες ανταλλακτικών, ειδοποιήσεις αλλαγών και υπάρχουσες οδηγίες εργασίας.
• Το AI προετοιμάζει: συγκρίνει καθορισμένες εκδόσεις, συλλέγει τοποθεσίες που επηρεάζονται και διαμορφώνει ένα πρόχειρο ενημερωμένη οδηγία.
• Ελέγχει και εγκρίνει την προετοιμασία της εργασίας: τεχνικές δηλώσεις, τη σειρά, την εγκυρότητα και τους επηρεαζόμενους χώρους εργασίας σύμφωνα με την προβλεπόμενη διαδικασία αλλαγής.
• Έξοδος: μια ελεγμένη έκδοση με αναφορά έκδοσης και τεκμηριωμένες αλλαγές.

Απαραίτητη προϋπόθεση είναι η σαφής ταυτοποίηση έγκυρων εγγράφων. Εάν υπάρχουν πολλές εκδόσεις χωρίς κατάσταση, το AI θα πρέπει να αναφέρει τη διένεξη. Δεν επιτρέπεται να προσδιορίσετε ποιο σχέδιο ή λίστα εξαρτημάτων είναι δεσμευτική.

Προγράμματα και δεδομένα μηχανών

Οι περισσότερες κατασκευαστικές εταιρείες εργάζονται ήδη με πολλά προγράμματα. Μια νέα διαδικασία που υποστηρίζεται από AI θα πρέπει να ακολουθεί αυτά τα προγράμματα. Απαιτούνται σαφείς κανόνες ως προς το ποιο σύστημα οδηγεί για παραγγελίες, μετρημένες τιμές και εγκρίσεις. Δεν απαιτεί κάθε διαδικασία σύνδεση με κάθε μηχανή.

Το MES σημαίνει Manufacturing Execution System. Υποστηρίζει διαδικασίες μεταξύ προγραμματισμού και παραγωγής. BDE σημαίνει συλλογή επιχειρησιακών δεδομένων και περιγράφει την καταγραφή δεδομένων όπως ποσότητες, χρόνοι και διακοπές. Οι όροι περιγράφουν διαφορετικές εργασίες. Ποιες λειτουργίες καλύπτουν τα υπάρχοντα συστήματά σας πρέπει να ελέγχονται κατά τη λειτουργία. Δεν πουλάμε MES και δεν απαιτούμε ένα ως απαίτηση.

Για να δημιουργήσουμε μια σύνδεση, πρώτα διευκρινίζουμε ποιες διεπαφές είναι διαθέσιμες και ποια δεδομένα είναι πραγματικά διαθέσιμα μέσω αυτών. Στη συνέχεια, μπορείτε να προσδιορίσετε εάν οι πληροφορίες θα διαβάζονται μόνο ή εάν θα επανεγγραφούν μετά την έγκριση. Μια λίστα Excel μπορεί να είναι μια χρήσιμη εισαγωγή. Ωστόσο, δεν πρέπει να γίνει το δεύτερο κορυφαίο σύστημα απαρατήρητο. Εάν μια λειτουργία εγγραφής αποτύχει, η διαδικασία πρέπει να παραμείνει αναγνωρίσιμη και μπορεί να ελεγχθεί.

Εγκρίσεις και ποιότητα

Οι προετοιμασμένες πληροφορίες δεν είναι ακόμη τεχνική έγκριση. Τα πρωτόκολλα επιθεώρησης, οι αναστολές, οι αποκλίσεις και οι αλλαγές στις οδηγίες εργασίας ακολουθούν τις διαδικασίες της εταιρείας σας. Η διασφάλιση ποιότητας αποφασίζει για τις εκδόσεις ποιότητας. Το AI μπορεί να εμφανίσει πληροφορίες που λείπουν και να συντάξει αποδείξεις, αλλά δεν μπορεί να αντικαταστήσει τη δοκιμή του προϊόντος.

Για τον εντοπισμό, τα έγγραφα αναφοράς παραγγελίας, προϊόντος, παρτίδας ή σειράς και δοκιμής πρέπει να συνδέονται κατάλληλα. Ένα κείμενο που δημιουργείται αυτόματα χωρίς αυτήν την αναφορά είναι ελάχιστη βοήθεια για μεταγενέστερη διευκρίνιση. Οι διορθώσεις θα πρέπει επίσης να παραμείνουν ορατές: ποιος υιοθέτησε μια τιμή, ποιος την έλεγξε και ποια έκδοση εγκρίθηκε; Ο έλεγχος εγγράφων βασίζεται στα πρότυπα διαχείρισης ποιότητας και στις εσωτερικές προδιαγραφές που ισχύουν για την εταιρεία σας.

Εάν τα δεδομένα απόδοσης για μεμονωμένους υπαλλήλους καταγράφονται ή αξιολογούνται, τα πιθανά δικαιώματα συνκαθορισμού πρέπει να εξεταστούν σε πρώιμο στάδιο. Στη Γερμανία, μπορεί να επηρεαστεί η Ενότητα 87 BetrVG, στην Αυστρία η Ενότητα 96α ArbVG. Πρέπει να διευκρινιστεί τεχνικά και νομικά εάν και πώς εφαρμόζονται αυτές οι διατάξεις σε συγκεκριμένες πράξεις. Δεν σκοπεύουμε να αξιολογήσουμε αυτόματα τους υπαλλήλους. Αυτές οι πληροφορίες δεν αποτελούν νομική συμβουλή.

Δεδομένα: παραγγελίες, μηχανές, ποιότητα

Μια χρήσιμη διαδικασία ξεκινά με μια απογραφή των δεδομένων. Για παραγγελίες, αυτές περιλαμβάνουν αριθμούς αντικειμένων, παραλλαγές, λίστες ανταλλακτικών και κατάσταση έκδοσης. Για τις μηχανές, τα μοναδικά αναγνωριστικά συστήματος, οι χρονικές σημάνσεις και η σημασία των μηνυμάτων είναι σημαντικά. Για δεδομένα ποιότητας, περιλαμβάνονται επίσης τα χαρακτηριστικά δοκιμής, η μονάδα, η παρτίδα και η έκδοση του σχεδίου δοκιμής. Εάν αυτές οι πληροφορίες δεν ταιριάζουν, η απόκλιση πρέπει να γίνει ορατή αντί να εξαφανιστεί στην αναφορά.

Τα δεδομένα του μηχανήματος δεν χρειάζεται να μεταφέρονται σε εξωτερική υπηρεσία σε όλη την επιφάνεια. Διευκρινίζουμε με το IT σας ποια επεξεργασία ταιριάζει στην επιθυμητή διαδικασία και ποια δεδομένα πρέπει να παραμείνουν στο εργοστάσιο. Τα ήδη επιλεγμένα συμβάντα μπορεί να είναι επαρκή για μια αναφορά βάρδιας. Τα πρωτογενή δεδομένα από ένα σύστημα είναι χρήσιμα μόνο εάν διευκρινιστεί η σημασία τους. Η πρόσβαση σε εμπιστευτικά δεδομένα παραγγελιών και ποιότητας περιορίζεται επίσης στον αντίστοιχο σκοπό.

Δικές σας εφαρμογές για το εργαστήριο

Δεν μπορεί να γίνει καλά κάθε καταχώρηση στον υπάρχοντα σταθμό εργασίας. Μια συμπληρωματική εφαρμογή μπορεί να καταγράφει πληροφορίες όπου προκύπτουν: σε ένα σύστημα, κατά τη διάρκεια μιας δοκιμής ή κατά την παράδοση βάρδιας. Μια εφαρμογή λίστας ελέγχου μπορεί να καθορίσει υποχρεωτικά πεδία και την αναφορά στην παραγγελία ή την παρτίδα. Ένα ψηφιακό βιβλίο βάρδιων μπορεί να περάσει σε ανοιχτά σημεία. Μια εφαρμογή αναφοράς σφαλμάτων μπορεί να συγκεντρώσει το σύστημα, τον χρόνο και την παρατήρηση. Οι λίστες ελέγχου στο tablet μπορούν να αντιστοιχίσουν αμέσως καταχωρίσεις στο σωστό σχέδιο δοκιμής.

Τέτοιες εφαρμογές συμπληρώνουν το ERP, το MES ή το ποιοτικό λογισμικό. Δεν πρέπει να δημιουργήσετε τα δικά σας κύρια άρθρα ή εκδόσεις που είναι ξεχωριστά από τα κορυφαία συστήματα. Αυτό που είναι σημαντικό είναι η κατανοητή εισαγωγή, τα κατάλληλα δικαιώματα και ο σαφής χειρισμός μιας σύνδεσης που λείπει. Μια καταχώρηση πρέπει να υποδεικνύει εάν έχει καταγραφεί μόνο τοπικά ή έχει ήδη φτάσει στο κύριο σύστημα.

Στο Ανάπτυξη εφαρμογών Ας ξεκινήσουμε λοιπόν με τη συγκεκριμένη διαδρομή προς τη δουλειά. Ποιος καταγράφει κάτι; Ποιος το ελέγχει; Τι συμβαίνει εάν εισάγετε κάτι λάθος; Μόνο τότε θα είναι σαφές εάν μια ξεχωριστή εφαρμογή είναι απαραίτητη ή εάν μια υπάρχουσα φόρμα είναι επαρκής. Η μετέπειτα χρήση στο εργαστήριο αποτελεί μέρος του σχεδιασμού από την αρχή.

Εκεί που ξεκινάς

Πάρτε μια ροή χαρτιού ή μια επαναλαμβανόμενη μεταφορά μεταξύ δύο προγραμμάτων. Ποιες πληροφορίες αντιγράφονται πολλές φορές; Πού προκύπτουν ερωτήματα; Ποιος πρέπει να αποφασίσει τελικά; Μια κατάλληλη αρχική ροή έχει αναγνωρίσιμες εισροές, υπεύθυνο άτομο για έλεγχο και σαφή έξοδο στο υπάρχον σύστημα.

Στη συνέχεια, ελέγξτε για μια συγκεκριμένη διαδικασία εάν τα έγγραφα και τα κύρια δεδομένα είναι επαρκή. Για μια παραγγελία παραγωγής, αυτή θα μπορούσε να είναι μια παραγγελία με λεπτομέρειες παραλλαγής. Μια αναφορά δοκιμής αποτελείται από μετρημένες τιμές με έγκυρο σχέδιο δοκιμής και αναφορά παρτίδας. Εάν δεν υπάρχει πλαίσιο, η εργασία ξεκινά με την παραγγελία δεδομένων και όχι με ένα σχέδιο AI.

Θα συζητήσουμε τη διαδικασία και τα συστήματα που εμπλέκονται μαζί σας. Από αυτό μπορείτε να προσδιορίσετε ποια βήματα προετοιμάζει ένας αυτοματισμός, πού απαιτείται έγκριση και εάν μια συμπληρωματική εφαρμογή θα βοηθήσει. Δεν χρειάζεται να αντικαταστήσετε το λογισμικό παραγωγής σας ή να μετατρέψετε μια ολόκληρη περιοχή ταυτόχρονα.